Компания, в которой работает ИИ. Агенты, автоматизация и новые правила управления

Глава 3.

Новое распределение обязанностей: люди принимают решения, интеллектуальные системы выполняют их, а системы проводят проверку

Утро четверга, 18 декабря 2025 года. В Сингапуре стояла душная и напряжённая атмосфера. Для Цзинь Чэнь (Jing Chen), главного операционного директора глобального логистического гиганта «Apex Logistics», это должна была быть самая загруженная, но в то же время организованная неделя перед Рождеством. Однако внезапная цепь кризисов подталкивала компанию к краху. На экране красные точки, обозначающие сотни контейнеров с дорогостоящими грузами, как незаживающие шрамы, резко выделялись у входа в Малаккский пролив. Неожиданная массовая забастовка в порту в сочетании с экстремальными погодными условиями, которые случаются раз в десять лет, привели к частичному параличу этого самого оживлённого морского пути в мире.

Эти контейнеры, заполненные электроникой, игрушками и праздничными подарками со всей Азии, должны были прибыть в порты Европы и Северной Америки в течение недели и вовремя оказаться под рождественскими ёлками. Теперь же они превратились в «заложников». Суммы компенсаций за нарушение контрактов стремительно растут с каждым часом, а что ещё страшнее — цепочки поставок пятидесяти важнейших клиентов компании подвергаются риску сбоев, и многолетние доверительные отношения находятся под угрозой. В региональном командном центре Fengsu Logistics атмосфера настолько напряжённая, что, кажется, из неё можно выжать воду. Команда диспетчёров, состоящая из самых опытных специалистов, работает без перерыва уже 48 часов: звонки телефонов, стук клавиатур и голоса, оживлённо обсуждающие ситуацию, сменяют друг друга. Однако перед лицом миллионов динамических данных, сыплющихся как снег из глобальных метеорологических систем, данных о пропускной способности альтернативных портов, прикладных интерфейсов сотен судоходных компаний, информации о дорожной обстановке в сетях наземного транспорта в режиме реального времени и систем заказов клиентов, человеческие возможности оказались явно ограниченными. Скорость обработки информации значительно отставала от темпов ухудшения ситуации, и вся система диспетчеризации находилась на грани коллапса.

«Наши сотрудники утопают в информации, а не решают проблемы», — подумала Чэнь Цзин, глядя на хаос перед глазами, но при этом сохраняя необычайное душевное спокойствие. Она знала, что в такой чрезвычайно сложной ситуации дальнейшее увеличение численности персонала только усугубит беспорядок. Она приняла решение, которое многим в тот момент показалось довольно радикальным. Вместо того чтобы направлять дополнительных сотрудников к и без того измученной команде, она обратила внимание на лаконичный интерфейс терминала на своём рабочем столе. Глубоко вздохнув, она запустила режим «реагирования на кризис» в кластере интеллектуальных систем мониторинга цепочки поставок и поддержки принятия решений, получившем внутрикорпоративное кодовое название «Гермес» (Hermes).

Она не отдала конкретных диспетчерских распоряжений, таких как «перенаправить контейнер A в порт B». Она сформулировала чёткое, высокоуровневое «намерение». Её распоряжение было структурированно введено в систему: «Цель: любой ценой перепланировать маршруты для всех высокоценных контейнеров с уровнем тревоги «красный» в течение 72 часов». Основной принцип: в первую очередь обеспечить коэффициент доставки для 50 крупнейших клиентов на уровне не ниже 98%. Ограничивающие условия: допускается увеличение стоимости одной перевозки максимум на 30%. Требования к системе: все варианты решений должны сопровождаться полным анализом затрат, времени и рисков, а также формированием не поддающегося фальсификации журнала аудита».

Эта инструкция представляет собой типичный пример «принятия решения». Чэнь Цзин не занималась оперативным выполнением, а в условиях хаоса определила цели (что является наиболее важным), взвесила все «за» и «против» (компромисс между затратами и сроками) и установила границы (30-процентный предел роста затрат). Она сконцентрировала свой многолетний опыт управления цепочкой поставок и деловую интуицию в четкое намерение, понятное и выполнимое машиной.

Кластер интеллектуальных систем «Посланник» мгновенно активировался после получения этого намерения. Он напоминал осьминога с бесчисленными щупальцами, который за считанные секунды выполнил работу, на которую у команды людей ушли бы несколько часов. Сначала он начал безумно обрабатывать поток информации: за несколько минут он обработал оперативные данные из тысяч источников по всему миру и построил динамическую, многомерную модель глобальной логистической сети. Затем он приступил к запуску инструментов, автоматически подключившись к системным API сотен небольших транспортных компаний, складских операторов и грузовых авиаперевозчиков из списка кандидатов, запросив и забронировав разрозненные доступные транспортные мощности, о существовании которых диспетчеры-люди даже не подозревали. Наконец, он продемонстрировал выносливость, превосходящую человеческую, — непрерывное отслеживание ситуации. В течение следующих 48 часов «Посланник» круглосуточно и без перерыва моделировал десятки тысяч вариантов комбинированных перевозок по морю, суше и воздуху, а также в режиме реального времени обновлял вероятность успеха, предполагаемую стоимость и время доставки для каждого варианта на основе самых свежих данных. Он работал без устали, без ропота и с неизменным самообладанием.

Через 48 часов перед Чэнь Цзинь появился полный отчет. Кластер «Посланник» уже нашел для 95 % застрявших грузов реалистичные планы передиспетчеризации, укладывающиеся в рамки бюджетных ограничений, и автоматически выполнил большую часть операций по бронированию и диспетчеризации. Что касается оставшихся 5 % грузов, то из-за крайне сложной ситуации искусственный интеллект сгенерировал три альтернативных варианта, однако каждый из них незначительно превышал 30-процентный порог затрат. Он не стал принимать решение самостоятельно, а пометил эти три варианта как «требующие человеческого суждения» и приложил к каждому из них подробный отчет с анализом преимуществ и недостатков: вариант А превышает бюджет на 32 %, но позволяет сократить время на 20 часов; вариант Б превышает бюджет на 35 %, но имеет минимальный риск… Чэнь Цзин оставалось лишь взвесить все «за» и «против» и сделать окончательный выбор из трёх чётко сформулированных вариантов.

В итоге катастрофа в цепочке поставок, казавшаяся неизбежной, была предотвращена благодаря слаженному сотрудничеству человека и искусственного интеллекта. Компания «Фэнсу Логистикс» не только избежала баснословных штрафов за нарушение договора, но и завоевала ещё большее доверие клиента благодаря своей поразительной способности реагировать на кризисные ситуации. Этот случай впоследствии стал классическим примером, который неоднократно изучался внутри компании «Фэнсу Логистик»; он ознаменовал рождение совершенно новой модели организационного разделения труда. В этой модели люди больше не являются рабами рутинной работы, а возвращаются к своей наиболее ценной роли: роли принимающих решения.

1. Отделение «принятия решений» от «исполнения»

Пример компании «Фэнсу Логистикс» словно точный разрез, раскрывающий одну из ключевых проблем, долгое время игнорировавшуюся в традиционных организационных моделях: мы грубо связываем воедино две совершенно разные виды деятельности — «принятие решений» и «исполнение». Основная ценность Чэнь Цзин, опытного главного операционного директора, заключается в том, что в кризисной ситуации она способна быстро принять стратегическое решение — «сохранить клиентов или сократить расходы» — и четко определить границы действий. Это высокоуровневое «суждение», основанное на опыте и ценностях. А кластер интеллектуальных систем «Посланник» в рамках этого решения выполняет огромный объем высокоскоростных и точных вычислений, моделирования и операций. Это стандартизированное, четко определимое «исполнение». Раньше обе эти задачи лежали на плечах Чэнь Цзин и ее команды, но в новой модели, основанной на искусственном интеллекте, они были четко разделены.

Давайте более точно определим эти два понятия. Так называемое «суждение» — это способность делать направленный выбор и компромиссы в условиях высокого уровня сложности, неопределённости, неполноты информации или конфликта ценностей. Оно, как правило, не связано с конкретными пошаговыми операционными процессами, а отвечает на вопросы о том, «почему», «что делать» и «что делать, если…». Суждение носит стратегический характер и касается постановки целей, определения приоритетов, склонности к риску и этических норм. Оно касается открытых вопросов, не имеющих единственно правильного ответа, и представляет собой «качественное» искусство. Например, определение ключевых стратегических целей компании на следующий квартал, выбор одного из двух одинаково перспективных проектов для инвестирования или определение норм поведения компании в «серой зоне» законодательства — все это типичные примеры суждения.

«Исполнение», в свою очередь, — это способность выполнять ряд конкретных, поддающихся количественной оценке и имеющих стандартные процедуры задач при условии четкого определения целей и правил. Оно отвечает на вопросы «как», «когда» и «сколько». Исполнение носит тактический характер и связано с эффективностью, точностью, скоростью и затратами. Оно касается закрытых вопросов, имеющих оптимальное решение или стандартный ответ, и представляет собой «количественную» науку. Например, диспетчеризация тысячи контейнеров по установленному маршруту, обработка десяти тысяч счетов-фактур или написание фрагмента кода в соответствии с чертежами — все это типичные примеры исполнения.

В традиционной модели работы такая тесная взаимосвязь между принятием решений и исполнением встречается практически повсеместно. Отличный менеджер отдела маркетинга должен не только анализировать текущие рыночные тенденции и потребительские предпочтения (принятие решений), но и лично руководить командой при подготовке презентаций, написании текстов, размещении рекламы и анализе данных (исполнение). Опытный хирург должен не только определить оптимальный план операции с учетом сложного состояния пациента (оценка), но и собственноручно вести скальпель, выполняя точные манипуляции в течение нескольких часов (исполнение). Такая модель, возможно, эффективна в условиях небольших масштабов и низкой сложности, но в сегодняшнем быстро меняющемся мире бизнеса её недостатки становятся всё более очевидными.

Во-первых, она приводит к огромной трате самого дефицитного ресурса в организации. Время и умственные усилия ведущего руководителя — это самый ценный актив компании. Однако эти ценные «способности к принятию решений» часто занимают и размывают множество мелких, повторяющихся и малозначимых «исполнительных» задач. Когда Чэнь Цзин вынуждена лично звонить, чтобы согласовать причал в порту, она не может думать о стратегии оптимизации логистической сети во всем Азиатско-Тихоокеанском регионе. Такое несоответствие «когнитивных затрат» является пределом эффективности традиционных организаций.

Во-вторых, такая модель приводит к «проклятию масштаба». Когда масштабы бизнеса растут в геометрической прогрессии, количество оперативных задач также растет взрывообразно. Это приводит к бесконечному сжатию и фрагментации времени руководителей, которые погрязают в повседневных «пожарных операциях» и микроменеджменте, не имея возможности отвлечься на долгосрочное стратегическое мышление. В конечном итоге снижение качества принятия решений становится неизбежным. Многие некогда процветавшие компании в процессе расширения постепенно застывают и приходят в упадок, и причина этого зачастую кроется в том, что их центр принятия решений завален огромным количеством оперативных дел.

Наконец, в таких условиях знания и опыт с трудом накапливаются и повторно используются. Огромное количество деталей исполнения, операционных навыков и неявных знаний хранится в головах небольшого числа опытных сотрудников. Когда они уходят, эти ценные организационные активы теряются вместе с ними. Организация, кажется, вечно «заново изобретает велосипед»: каждая реализация проекта представляет собой разовое, в значительной степени зависящее от конкретных людей производство в стиле «ремесленной мастерской», не способное сформировать воспроизводимые и масштабируемые «промышленные» возможности.

Революция, которую несут с собой организации, изначально ориентированные на ИИ, заключается именно в том, чтобы преодолеть этот «ремесленный» тупик и создать совершенно новую «промышленную» систему производства. Её ключевым шагом является полное отделение «принятия решений» от «исполнения». Это не просто автоматизация на техническом уровне, а глубокая трансформация организационной философии. Она требует от нас разбить основные единицы работы — ранее застывшие «должности» — на более мелкие «задачи», а затем провести их переклассификацию и перераспределение: задачи, требующие сложного взвешивания, оценочных суждений и принятия ответственности, следует передать человеческим экспертам, которые лучше всего в этом разбираются; а задачи, характеризующиеся большим объемом информации, четкими правилами и высокой степенью повторяемости, — передать неутомимым и абсолютно точным интеллектуальным системам. Такая новая модель разделения труда коренным образом меняет логику роста организации и способы накопления знаний.