Компания, в которой работает ИИ. Агенты, автоматизация и новые правила управления
- -
- 100%
- +
Пример «быстрой моды» является микрокосмосом бесчисленных компаний, работающих по модели «ИИ+». Они успешно внедрили ИИ в «поверхностный слой» организации — маркетинг, обслуживание клиентов, отдельные операционные процессы — но в «дермовом слое» и даже «мышечном слое» организации — ключевые решения, распределение полномочий, распределение ресурсов, межведомственное сотрудничество, корпоративная культура — по-прежнему сохраняются черты индустриальной эпохи. ИИ здесь играет роль высокопоставленного советника, супер-помощника, эффективного исполнителя, но он ни в коем случае не является тем «мозгом», который может отдавать приказы.
Полномочия по принятию решений по-прежнему прочно находятся в руках людей, а логика функционирования организации по-прежнему строится вокруг человеческого опыта, интуиции, эмоций и интересов. Как сказал специалист по менеджменту Питер Друкер (Peter Drucker): ««Культура съедает стратегию на завтрак» (Drucker, P. F., 2006, Classic Drucker). В организации, где отсутствует естественная культурная почва для ИИ, даже самая передовая технологическая стратегия вряд ли сможет укорениться и принести плоды. Судя по имеющимся данным, именно этот конфликт между культурой и технологиями является основной причиной того, что результаты многих проектов в области ИИ в конечном итоге оказываются ниже ожидаемых. Согласно отчету McKinsey, менее 20 % компаний способны получить значительную финансовую отдачу от инвестиций в ИИ (McKinsey & Company, 2023, «Состояние ИИ в 2023 году: год прорыва генеративного ИИ»). За этим скрывается именно тот непреодолимый разрыв между подходами «ИИ+» и «ИИ-ориентированный».
Почему же так много компаний попадают в «иллюзию AI-native»? За этим стоят многочисленные глубоко укоренившиеся причины, которые вместе образуют невидимую стену, препятствующую подлинной эволюции организации.
Во-первых, это когнитивная инерция руководства. Ментальные модели и опыт успеха многих руководителей предприятий основаны на управленческих парадигмах индустриальной эпохи или эпохи интернета. Они привыкли к передаче распоряжений сверху вниз, привыкли принимать решения, полагаясь на личный опыт и интуицию, привыкли рассматривать организацию как точную и контролируемую машину. Для них появление ИИ, особенно интеллектуальных систем, способных самостоятельно принимать решения, является прямым вызовом их авторитету и контролю. Передача полномочий алгоритму «черного ящика» для определения стратегического направления компании или распределения ресурсов эмоционально и психологически неприемлема. Они предпочитают «загонять» ИИ в определенные бизнес-сценарии, обеспечивая его постоянный тщательный контроль со стороны человека, а не позволять ему стать «цифровым партнером», равным себе. Такой консерватизм, исходящий из высшего руководства, является фундаментальным препятствием, мешающим организации стать «ИИ-ориентированной».
Во-вторых, это «политика данных» внутри организации и межведомственные барьеры. В традиционной иерархической структуре данные часто тесно связаны с властью. Каждый отдел подобен отдельному феодальному владению: он рассматривает данные, которыми располагает, как частную собственность и козырь в переговорах, и не желает легко делиться ими с другими. Данные отдела маркетинга, отдела исследований и разработок, отдела продаж и финансового отдела изолированы друг от друга, образуя бесчисленные «островки данных». Между тем «AI-native» организациям как раз необходимо, чтобы данные, подобно крови, свободно и беспрепятственно циркулировали по всей организации, питая процесс принятия решений на всех уровнях интеллектуальной системы. Снос этих информационных барьеров равносилен глубокой перестройке властных отношений, что неизбежно затронет интересы тех, кто уже имеет выгоду, и вызовет ожесточенное внутреннее сопротивление. Как отмечает эксперт в области информационных технологий Томас Х. Дэвенпорт (Thomas H. Davenport) в своих работах, неудачи многих компаний в области анализа данных связаны не с техническими проблемами, а с культурными и политическими факторами (Davenport, T. H., & Prusak, L., 2000, Working Knowledge).
Наконец, следует отметить глубокое влияние на вовлечённость сотрудников (employee engagement). В организациях «AI+» внедрение ИИ часто интерпретируется как сигнал о замене человека. Сотрудники видят, как повторяющиеся и стандартизированные рабочие процессы, за которые они ранее отвечали, автоматизируются, и чувствуют, что их ценность снижается, а профессиональные перспективы становятся неопределёнными. Это чувство неуверенности и страх быть замененным значительно подрывают боевой дух и вовлеченность сотрудников. Они могут пассивно сопротивляться применению инструментов ИИ или выполнять свою работу без энтузиазма, стремясь лишь не допустить ошибок.
В то же время в подлинной «ИИ-ориентированной организации» отношения между человеком и ИИ переосмысливаются как «симбиоз». Интеллектуальные системы берут на себя большую часть обработки данных, выполнения процессов и принятия первоначальных решений, освобождая сотрудников от рутинных задач и позволяя им сосредоточиться на более творческих, стратегических и требующих эмпатии задачах — например, на глубоком эмоциональном взаимодействии с клиентами, разработке революционных идей для продуктов, ведении сложных межкультурных переговоров, а также на более глубокой калибровке ценностей и этических принципов интеллектуальных систем. В этой модели ценность сотрудников не только не снижается, но и значительно возрастает. Они больше не являются продолжением машин, а становятся «пастухами машин» и «определителями ценности». Согласно исследованию компании Gallup, прибыльность высокомотивированных команд на 23 % выше, чем у команд с низким уровнем мотивации (Gallup, Inc., 2022, State of the Global Workplace Report). Таким образом, способность успешно освободить человека от тревоги, связанной с «гонкой с машинами», и перейти к совершенно новой модели работы — «танцу с машинами» — является ключевым критерием, позволяющим определить, действительно ли организация вступила в эпоху «AI-native».
Такое переосмысление отношений между человеком и машиной можно описать с помощью более точной концепции — перехода от модели «человек в цикле» (Human-in-the-loop) к модели «человек над циклом» (Human-on-the-loop). В модели «человек в цикле» система ИИ на каждом ключевом этапе принятия решения нуждается в одобрении или вмешательстве человека, чтобы продолжить работу — именно так функционируют компании, работающие по принципу «быстрой моды». ИИ — это мощный аналитический движок, но право «нажать на курок» в конечном итоге всегда остается за человеком. Хотя такая модель и гарантирует контроль со стороны человека, она также значительно ограничивает автономность ИИ и скорость реакции системы, превращая её в «кастрированный» интеллект.
В то же время в модели «человек над циклом» интеллектуальная система обладает полной, сквозной способностью к автономному принятию решений и их выполнению, что позволяет ей самостоятельно выполнять сложные задачи без вмешательства человека. Роль человека при этом меняется с оператора и утверждающего лица на надзирателя, архитектора и специалиста по этике. Люди больше не занимаются отдельными конкретными решениями, а сосредотачиваются на разработке и оптимизации целевых функций, правил принятия решений и ценностных границ всей системы интеллектуального агента. Они подобны Богу: не вмешиваются в конкретные события, а отвечают лишь за установление «законов физики» и «этических норм».
Например, они могут установить в качестве основной цели системы «максимизацию квартальной прибыли при условии, что уровень удовлетворенности пользователей не опускается ниже 95%», или внедрить в систему этическое ограничение: «ни при каких обстоятельствах не использовать конфиденциальные данные пользователей для ценовой дискриминации». Такое изменение ролей требует от сотрудников более высоких способностей к абстрактному мышлению, навыков системного проектирования и междисциплинарных знаний, что само по себе является огромным обновлением человеческого капитала организации. Переход от модели «человек в системе» к модели «человек над системой» — это обязательный путь к организации, изначально построенной на ИИ, и одновременно самый сложный шаг, поскольку он требует не только технических итераций, но и переосмысления понятий власти и доверия.
Поэтому день, когда компания начинает функционировать автономно, наступает не тогда, когда она запускает в эксплуатацию определенное количество моделей ИИ или автоматизирует определенное количество бизнес-процессов. Настоящий момент сингулярности наступает в тот день, когда организационная структура компании, полномочия по принятию решений, отношения между людьми и машинами, а также культурные устои будут полностью перестроены с целью максимального раскрытия «коллективного интеллекта» — то есть слияния человеческого и машинного интеллекта. Это уже не техническая проблема, а глубокая организационная и культурная революция. Она требует от лидеров отказа от навязчивого стремления к контролю, от подразделений — сноса барьеров между данными, а от сотрудников — принятия совершенно новых ценностных ориентиров. Этот путь неизбежно будет полон вызовов и даже страданий, но он ведёт к новому континенту — беспрецедентной организации, способной к саморазвитию и самосовершенствованию. В последующих главах этой книги будут подробно рассмотрены пути, методы и инструменты этой великой трансформации, которые помогут вам и вашей организации по-настоящему пробудиться от иллюзии «AI+» и встать на твёрдый путь становления «AI-ориентированной организации».
Часть 1. Переосмысление организации: в чём же заключается «нативность» ИИ-нативных организаций
Глава 1.
«ИИ-ориентированная» организация — это не «цифровизация 2.0», а смена операционной системы
В один понедельник в октябре 2025 года в воздухе витала легкая осенняя прохлада, но в конференц-зале штаб-квартиры «Jinggong Manufacturing» — крупнейшего производителя прецизионного оборудования в Восточном Китае — царила несколько напряженная атмосфера. Основатель и генеральный директор (CEO) компании Ван Цзяньго, «ветеран», прошедший через все испытания производственной сферы на протяжении почти тридцати лет, сдвинул брови и пристально смотрел на почти выровнявшуюся кривую роста, отображавшуюся на экране проектора. Эта кривая отражала результаты «цифровой трансформации», которыми компания гордилась последние пять лет, — рост производственной эффективности.
«За пять лет мы вложили 80 миллионов», — Ван Цзяньго, постукивая пальцами по столу, говорил тихим, но решительным голосом, — «от автоматизированных производственных линий, импортированных из Германии, до системы планирования ресурсов предприятия (ERP), охватывающей всю компанию, и программного обеспечения для управления взаимоотношениями с клиентами (CRM), установленного на каждом компьютере отдела продаж. Мы использовали практически все доступные на рынке „инструменты“, способные повысить эффективность. Почему? Почему сейчас рост нашей эффективности уперся в потолок?»
Его взгляд скользнул по более чем десятку присутствующих руководителей. Никто не проронил ни слова. Все прекрасно понимали: это уже третий квартал подряд, когда все показатели эффективности компании — от производительности на одного сотрудника до сроков выполнения заказов — лишь незначительно колеблются на существующем уровне. Выгоды от цифровизации, похоже, быстро исчезают. «Золотая эпоха», когда запуск каждой новой системы приносил двузначный рост эффективности, ушла безвозвратно.
Напротив Ван Цзяньго сидел недавно назначенный главный операционный директор (COO) компании Ли Сян. Этот молодой человек, которому чуть за тридцать, окончил Массачусетский технологический институт (MIT) и много лет проработал в технологических гигантах Кремниевой долины. Он спокойно посмотрел на Ван Цзяньго и сказал: «Генеральный директор Ван, мы все это время устанавливали новое программное обеспечение на старый компьютер, но ни разу не задумывались, а не пора ли сменить саму операционную систему этого компьютера».
«Операционная система?» — Ван Цзяньго на мгновение озадачился; эта метафора показалась ему одновременно свежей и несколько резкой. «Мы потратили огромные средства на цифровизацию, а в ваших глазах это всего лишь установка нескольких программ?»
«Не совсем, но по сути очень близко к этому», — Ли Сян встал и подошёл к доске. «Все наши прошлые усилия, будь то ERP или CRM, по сути были «инструментами». Эти инструменты позволяют людям работать быстрее и точнее — словно мы снабдили сотрудников лучшими молотками и гаечными ключами. В эпоху инструментов это было очень эффективно, но у этого подхода есть непреодолимый предел. Ведь какими бы хорошими ни были инструменты, в конечном счёте именно человек использует их, передаёт информацию и принимает решения. А затраты на взаимодействие людей, пропускная способность коммуникаций и скорость принятия решений — вот где лежит узкое место производительности нашего «старого компьютера».
Он сделал паузу и продолжил: «Предел, с которым мы сталкиваемся сегодня, заключается не в том, что инструменты недостаточно хороши, а в том, что сама логика функционирования организации уже устарела. Мы рассматриваем ИИ как еще один улучшенный инструмент — например, заменяем ручной труд на ИИ-сервис поддержки клиентов или используем ИИ для анализа данных. Но это всего лишь «цифровизация 2.0», то есть наложение заплаток. А подлинный «ИИ-ориентированный подход» — это замена операционной системы всей организации. В этой новой системе ИИ больше не является инструментом, помогающим людям, а, как и человеческие сотрудники, является основным и первостепенным фактором рабочей силы. Мы больше не «расширяем возможности людей», а «наделяем полномочиями интеллектуальные системы», позволяя им управлять рабочими процессами, в то время как люди сосредотачиваются на проектировании систем, устранении нештатных ситуаций и принятии окончательных оценочных решений».
Слова Ли Сяна погрузили весь зал заседаний в раздумья. Ван Цзяньго, глядя на этого молодого главного операционного директора, сначала скептически, а затем все более задумчиво, осознал, что его «цифровой завод», которым он так гордился, возможно, на самом деле является лишь усовершенствованной версией хорошо оснащенной «ручной мастерской». А настоящая революция на организационном уровне, возможно, только начинается. Проблемы, с которыми сталкивается высокоточное производство, — это не единичные случаи, а общие трудности, с которыми сталкиваются тысячи и десятки тысяч компаний по всему миру, прошедших цифровую трансформацию. От пределов возможностей инструментов до смены операционных систем — это не просто техническое обновление, а начало глубокой революции в организационных парадигмах.
1. Пределы эпохи инструментов: почему повышение эффективности всегда упирается в потолок
Затруднение, с которым столкнулся Ван Цзяньго, является микрокосмом проблем, с которыми сталкиваются бесчисленные компании по всему миру, натыкаясь на препятствия в ходе цифровой трансформации. Эти компании вложили огромные средства, внедрив целый ряд передовых программных решений для управления — от систем планирования ресурсов предприятия (ERP) и управления взаимоотношениями с клиентами (CRM) до систем управления цепочкой поставок (SCM) — а также автоматизированное оборудование, надеясь раз и навсегда решить проблему эффективности. На начальном этапе эффект был заметным. Когда ремесленная мастерская впервые внедряла конвейерное производство, когда отдел продаж впервые начинал использовать систему CRM, скачок эффективности был очевиден. Однако, так же как в физическом мире существуют пределы роста, повышение эффективности организации также следует кривой «убывающей доходности». Точка перегиба этой кривой и является пределом «эпохи инструментов».
Суть «эпохи инструментов» заключается в «расширении возможностей человека». Все технологии этой эпохи, какими бы сложными они ни были, по сути являются расширением и усилением человеческих способностей. Компьютеры позволяют нам считать быстрее, автомобили — ездить дальше, а ERP — управлять более точно. Эти технологии играют роль «усовершенствованных инструментов», значительно повышая эффективность работы отдельных узлов (людей или оборудования). Однако проблема заключается в том, что организация — это не просто совокупность отдельных узлов, а сложная сеть, состоящая из бесчисленного множества узлов. Когда эффективность каждого отдельного узла в сети доведена до предела, общая эффективность всей сети не растёт бесконечно. Настоящее «узкое место» незаметно перемещается на «связи» между узлами — то есть на затраты, связанные с координацией.
Представьте себе высокоцифровую компанию. Дизайнеры создают чертежи с помощью самого передового программного обеспечения для автоматизированного проектирования (CAD), инженеры проводят моделирование с помощью самых мощных инструментов, а отдел маркетинга использует самые интеллектуальные аналитические платформы для изучения клиентов. Эффективность каждого звена можно назвать идеальной. Но когда в проекте требуются изменения, как эта информация передается инженерам и маркетологам? Возможно, это будет электронное письмо, совещание или обмен сообщениями в мессенджере. В процессе передачи информация может быть неверно истолкована, задержана или упущена. Результаты моделирования инженеров необходимо передать дизайнерам, что влечет за собой новый цикл коммуникации. Отдел маркетинга обнаруживает изменения в предпочтениях клиентов и понимает, что необходимо скорректировать направление развития продукта, что вызовет длительное совещание с участием нескольких отделов и процесс принятия решений. Каждое звено этой «цепочки» наполнено общением, ожиданием, подтверждением и доработкой, что в совокупности составляет огромные, зачастую скрытые издержки взаимодействия. В типичной организации, основанной на знаниях, до 40 % рабочего времени уходит на различные формы взаимодействия и коммуникации, а не на создание самой ценности (по разумным предположениям, основанным на имеющихся данных).
Цифровая трансформация по сути представляет собой «локальную оптимизацию» и «точечное повышение эффективности» организации. Она заменяет бумагу и ручку программным обеспечением, а ручной труд — автоматизацией, но никогда по-настоящему не меняет основную парадигму функционирования организации: последовательные процессы, в центре которых находится человек и которые основаны на коммуникации и утверждении. Это похоже на оживленную автомагистраль: цифровизация заменила все автомобили на этой дороге на спорткары Ferrari, но пока эффективность «узлов соединения» — таких как пункты взимания платы, светофоры и перекрестки — останется прежней, пропускная способность всей автомагистрали очень скоро достигнет предела. Какими бы быстрыми ни были спорткары Ferrari, им всё равно придётся выстраиваться в очередь перед следующим перекрёстком. Эти «пункты взимания платы» — это издержки на координацию в организации и задержки в принятии решений.
Чтобы лучше понять этот момент, мы можем проанализировать фундаментальные различия между цифровой трансформацией и «изначально искусственно-интеллектуальной» парадигмой с помощью сравнительной таблицы.
Аспект
Цифровая трансформация (Digital Transformation)
«AI-Native»
Основная логика
Предоставление людям более мощных инструментов (Empowering People)
Использование интеллектуальных агентов в качестве новой рабочей силы (Leveraging Agents)
Роль ИИ
Вспомогательный инструмент, аналитический движок
Предполагаемый исполнитель, цифровой сотрудник
Организационная структура
Иерархическая, основанная на должностях; функциональная
Ориентированная на задачи и проекты
Рабочие процессы
Управляемые людьми, последовательные процессы на основе утверждений
Событийно-ориентированные, автоматизированные параллельные рабочие процессы
Способы совместной работы
Совещания, электронная почта, мгновенные сообщения
Обмен структурированными данными, вызов API (прикладное программное обеспечение)
Цели оптимизации
Повышение эффективности выполнения отдельных операций
Снижение затрат на сквозную совместную работу и сокращение задержек при принятии решений
Роль программного обеспечения
Инструменты для записи и представления информации
Система, обеспечивающая поддержку и выполнение рабочих процессов
Источники ценности
Человеческий опыт в сочетании с данными для принятия решений
Системный интеллект в сочетании с человеческой оценкой ценностей
Модель роста
Линейный рост, ограниченный численностью персонала
Экспоненциальный рост, обусловленный сетевым эффектом и сложным процентом
Эта таблица наглядно демонстрирует фундаментальное различие в мировоззрении этих двух подходов. Цифровая трансформация — это «усовершенствование» в рамках старой парадигмы, направленное на ускорение существующих процессов. А «AI-native» — это «революция», направленная на создание совершенно новых процессов. Первое — это как заменить у кареты шины на более качественные, второе — как изобрести автомобиль. В эпоху инструментов мы задавались вопросом: «Как помочь моим продавцам более эффективно управлять клиентами?» И мы предоставили им CRM.В эпоху «AI-native» мы задаемся вопросом: «Можно ли, чтобы сама задача „управления клиентами“ выполнялась не людьми?» И тогда мы создаем интеллектуальный агент, который может автоматически отслеживать лиды, отправлять письма, фиксировать взаимодействия и даже составлять предварительные коммерческие предложения, передавая дело экспертам-продавцам только в тех случаях, когда требуются сложные переговоры или установление эмоциональной связи.
Такой сдвиг в мышлении носит революционный характер. Он означает, что организация больше не просто «обладает» ИИ, а «становится» системой, управляемой ИИ.Подобно тому, как компании, изначально созданные для интернета, такие как Google и Amazon, не просто перенесли офлайн-бизнес в онлайн, а перепроектировали бизнес-модели и организационные структуры с учётом особенностей интернета (нулевые предельные издержки, сетевой эффект), так и организации, изначально построенные на ИИ, должны перепроектировать каждый внутренний процесс и каждую роль с учётом особенностей ИИ (самообучение, языковое взаимодействие, вызов инструментов). Если мы продолжим оставаться в ловушке «инструментального мышления», то на пути к повышению эффективности будем снова и снова натыкаться на этот невидимый, но невероятно прочный потолок. Единственный способ прорвать его — это заменить «операционную систему» организации.
2. Значение термина «нативный»: по умолчанию рассматривать интеллектуальный агент как фактор рабочей силы
Суть «смены операционной системы», о которой говорил Ли Сян, заключается в одном слове: «нативный» (Native). Этот термин не является новым для технологической отрасли: мы слышали о «облачных нативных» (Cloud-Native) и «мобильных нативных» (Mobile-Native) решениях. Каждое его появление знаменует собой глубокий сдвиг парадигмы. Термин «нативный» означает, что технология больше не является дополнительным инструментом, присоединяемым задним числом (Bolt-on), а с самого начала рассматривается как исходная среда и ключевой элемент при проектировании и функционировании системы. Облачно-нативное приложение — это не просто перенос традиционного программного обеспечения на сервер, а подход, исходящий из предположения, что вычислительные ресурсы являются гибкими и распределенными; мобильно-нативное приложение — это не просто втискивание веб-страницы на экран мобильного устройства, а полное использование таких мобильных возможностей, как сенсорный ввод и геолокация. Точно так же «нативность» в контексте ИИ-нативных решений в своей сущности означает следующее: в рамках организационной структуры интеллектуальный агент (Agent) по умолчанию рассматривается как новый, цифровой элемент рабочей силы, который вместе с человеческими сотрудниками составляет основу организационного потенциала.
Это может показаться лишь концептуальным различием, но оно приведет к полному перевороту в организационном поведении и логике управления. В традиционной перспективе «ИИ как инструмент» базовой единицей организации является «должность», главную роль играют люди, занимающие эти должности, а ИИ — это «молоток» в их руках. Нас интересует, как обучить людей использовать более совершенные инструменты ИИ. В то же время с точки зрения «ИИ как рабочая сила» базовой единицей организации является «задача» или «рабочий процесс», а главную роль играет «исполнитель», способный выполнить задачу наиболее эффективно и надежно, причем этим исполнителем по умолчанию является интеллектуальный агент. Нас интересует, как разработать систему, в которой интеллектуальный агент сможет работать автономно и эффективно взаимодействовать с человеческими экспертами. Роль человека из тяжелого «исполнителя» превращается в роль проектировщика системы, оценщика ценности и арбитра в случае отклонений от нормы.