Системная ИИ-трансформация начинается с анализа мыслительной работы внутри компании: какие когнитивные операции встроены в бизнес-процессы, где возможности человека становятся ограничением и какие задачи можно передать искусственному интеллекту. Без этого технология остается инструментом личной эффективности или локальной оптимизации.
От личной эффективности к системной трансформации
Использование ИИ в бизнесе можно классифицировать по трем уровням.
Первый уровень — личная эффективность. Сотрудник использует нейросеть для упрощения повседневных задач: составить краткую выжимку из отчета, структурировать текст или написать письмо. На этом уровне интеграция с корпоративными системами не требуется.
Второй уровень — локальная оптимизация. Компания передает искусственному интеллекту отдельный участок бизнес-процесса. В этом случае повышается производительность конкретного специалиста: он может обрабатывать больший объем информации за то же время, но архитектура самого процесса принципиально не меняется. Например, нейросеть может сопоставить две версии договора и составить протокол разногласий за минуту, тогда как у юриста эта работа занимает от 30 до 60 минут.
Третий уровень — системная трансформация. Искусственный интеллект становится отдельным слоем бизнес-системы и меняет ее архитектуру. Процессы приобретают большую автономность, а часть задач выполняют цифровые агенты или их команды. Технологический барьер на этапе прототипирования заметно снизился: чтобы создать цифровых исполнителей, уже не обязательно быть программистом. Однако доступность инструмента сама по себе не обеспечивает результат. Цифровому агенту необходимо передать контекст, знания и методологию выполнения мыслительных операций.
Один из последних примеров — модель искусственного интеллекта Kimi K3 от китайского стартапа Moonshot AI. С ее помощью можно создать цифровую команду, включающую дизайнера, инженера, аналитика и стратега, а затем ставить ей задачи и отслеживать ход работы.
Различие между тремя уровнями определяется глубиной изменений в бизнесе. На первом уровне ИИ помогает отдельному человеку, на втором повышает эффективность участка процесса, на третьем меняет способ организации работы. При этом переход к системной трансформации нужен не каждой задаче: уровень внедрения должен соответствовать потенциальному эффекту и затратам.
Где ИИ может изменить экономику процесса
Чтобы определить перспективные области применения ИИ, необходимо понять, как устроена когнитивная работа в компании. Сотрудники анализируют данные, сопоставляют варианты, принимают решения и обрабатывают информацию. Эта операции создают ценность, но одновременно ограничены возможностями человека.
Усталость. Работоспособность человека меняется в течение дня под влиянием циркадных ритмов. Утром она обычно выше, затем наступает естественный спад активности, а к вечеру накапливается аденозин — нейромедиатор, который отвечает за чувство усталости и засыпание. Поэтому скорость и качество выполнения одной и той же интеллектуальной задачи могут различаться.
Когнитивные искажения. На решения человека влияют контекст, предшествующий опыт, окружающая обстановка и текущее состояние. При этом сам человек может считать свое суждение объективным и не замечать факторов, которые его определили.
Ограниченный объем восприятия. Количество данных, с которыми работают компании, растет с огромной скоростью, а на эффективность бизнес-процессов напрямую влияет то, как быстро сотрудники прочитали договор, сравнили предложения поставщиков, проанализировали заявки или составили коммерческое предложение.
При этом возможности человека по обработке этого потока ограничены. Ему трудно одновременно удерживать в поле внимания множество объектов, анализировать десятки коммерческих предложений или разбираться в таблице с тысячами строк и столбцов. Если данных слишком много, а времени на их изучение недостаточно, руководитель может отказаться от анализа и принять решение интуитивно.
Искусственный интеллект позволяет иначе организовать работу с большими объемами информации и снизить зависимость процесса от человеческой усталости и ограничений памяти. Однако для этого недостаточно выбрать подходящую модель. Сначала нужно найти «бутылочные горлышки» — участки, где пропускная способность человека становится препятствием для всего процесса. Именно в таких точках ИИ наиболее эффективен. Если же ограничения процесса связаны не с обработкой информации, а, например, с отсутствием данных, неясной ответственностью или неверно поставленной задачей, внедрение технологии проблему не решит.
Четыре блока компетенций для руководителя
Системная трансформация требует от руководителя развития четырех групп компетенций.
Декомпозиция процессов и мыслительных операций
В традиционном бизнес-анализе используются различные стандарты описания процессов. Один из самых распространенных — BPMN (Business Process Model and Notation, модель и нотация бизнес-процессов), который позволяет зафиксировать шаги, участников, события и условия. Для внедрения ИИ такого описания недостаточно. Руководителю необходимо понять, какие мыслительные операции происходят на каждом этапе: как сотрудники анализируют данные, по каким критериям принимают решения, какие знания используют и какой результат создают. По сути, нужно «заглянуть себе в голову» и ответить на вопрос: как именно я выполняю эту работу? Такую практику можно условно назвать «бизнес-анализом 2.0». Ее результатом становится не только схема процесса, но и описание интеллектуальных операций, которые потенциально можно передать искусственному интеллекту.
Понимание технологического ландшафта
Руководителю необходимо ориентироваться в том, какие модели существуют, как они работают, для каких задач подходят, где границы их безопасного применения и как цифровые агенты могут подключаться к корпоративным системам. Понимание технологии «на верхнем уровне» позволит вытеснить как магическое мышление, при котором от ИИ ожидают решения любой задачи, так и тотальный скепсис, из-за которого компания упускает возможности для повышения эффективности.
Новые подходы к организации работы
Раньше управленческая задача заключалась преимущественно в организации исполнения бизнес-процессов. Теперь к ней добавляется необходимость постоянно искать способы повысить их производительность с помощью ИИ. Руководителю предстоит определить, как перестроить работу команды, каких специалистов привлечь, какой бюджет заложить на трансформацию и, главное, по каким показателям измерять эффективность вложений.
Технологии в этой области пока остаются незрелыми, решения приходится искать самостоятельно через исследования, создание прототипов и минимально жизнеспособных продуктов (MVP). В таких условиях продуктовый подход становится основным способом работы: команда формулирует гипотезу, быстро проверяет ее, оценивает результат и корректирует решение.
Работа с людьми
Сотрудники могут воспринимать ИИ как угрозу и сопротивляться изменениям или, напротив, недооценивать технологию и относиться к ней как к игрушке. Задача руководителя — не только внедрить инструмент, но и объяснять, как изменятся процессы, роли и требования к работе.
Для этого необходимо показывать функции и ограничения ИИ, обучать сотрудников его эффективному использованию и вовлекать их в проектирование новых процессов. Рамка «ИИ меня заменит» может смениться рамкой «ИИ меня усилит» только тогда, когда сотрудники понимают, какие задачи переходят к технологии и какую роль сохраняет человек.
Четыре ошибки при внедрении ИИ
Опыт компаний, уже вставших на путь цифровой трансформации, показывает: большинство проблем связано не с технологиями, а с подходом к их внедрению. Выделяют четыре типичные ошибки, которые дорого обходятся бизнесу.
Инструмент вместо задачи. Нерефлексивный инструментализм — это применение технологии ради самой технологии. Компания начинает внедрение, не определив, какую проблему необходимо решить и какого экономического эффекта она ожидает. Бизнес-анализ либо не выполняют, либо проводят задним числом, когда затраты уже понесены и бюджеты не сходятся.
До начала разработки необходимо определить, где именно ИИ способен дать эффект, и сопоставить потенциальную выгоду со стоимостью создания и поддержки решения.
Недооценка инфраструктурных затрат. Компании может вручную загрузить в ИИ таблицу с данными и за несколько минут получить наглядный дашборд — информационную панель. После этого возникает ожидание, что данные будут обновляться автоматически, а решение сможет работать без постоянного участия человека.
Однако для регулярной работы необходимо подготовить данные, настроить доступы, создать коннекторы — интерфейсы для подключения агентов к корпоративным системам, и выполнить требования безопасности. Прототип интерфейса можно создать быстро, но превращение его в надежное решение требует отдельной инфраструктуры и контроля качества данных.
Попытка делегировать трансформацию внешним подрядчикам. Руководители нередко рассчитывают, что могут пригласить внешних специалистов, которые полностью проведут ИИ-трансформацию. Однако подрядчики не обладают внутренним контекстом компании: не знают всей специфики продуктов, особенностей клиентов, истории управленческих решений и неформальных правил работы.
Внешние специалисты предложат методологию, помогут избежать типичных ошибок и покажут, как выделять мыслительные операции и выстраивать процесс их передачи ИИ. Но контекст, уникальное знание бизнеса и принятую в компании логику мышления способны передать только внутренние эксперты. Подрядчик может поддержать трансформацию, но не заменит участие руководителей и сотрудников компании.
Недооценка этапа «приживления». Прототип можно сделать за час, минимально жизнеспособный продукт (MVP) — за месяц, а полноценное корпоративное решение — развернуть за полгода. Однако дистанция между работающим прототипом и устойчивой системой значительна. MVP может не соединиться с корпоративными данными или дать сбой при работе с большими массивами. При масштабировании может выясниться, что система не соответствует требованиям безопасности. Качество работы модели может снижаться со временем, если ее не обновлять.
Необходимо планировать ресурсы не только на создание решения, но и на этап его «приживления»: внедрение, интеграцию, доработку, контроль и дальнейшую поддержку. На практике именно эта часть проекта часто требует наибольших затрат.
У ИИ-трансформации нет универсального сценария. Последовательность действий в общих чертах понятна: найти когнитивное ограничение, разложить работу на мыслительные операции, создать прототип, оценить экономический эффект и инфраструктурные затраты, встроить решение в процессы и подготовить команду. Однако содержание каждого из этих этапов зависит от конкретной компании.
Что нужно для системной трансформации
Уже появляются отдельные примеры, когда производительность процессов увеличивается в десятки и сотни раз, а бизнес, построенный вокруг одного человека и его цифровых агентов, создает устойчивый денежный поток. Такие случаи нельзя автоматически перенести на любую отрасль или компанию, но они показывают возможный масштаб изменений.
На уровне макроэкономической статистики влияние искусственного интеллекта пока может оставаться малозаметным. Похожий разрыв между локальными технологическими изменениями и их системным эффектом существовал и при распространении конвейерного производства. Запуск первого конвейера на заводе Генри Форда поначалу никак не отразился на статистике, однако впоследствии новый подход изменил не только промышленность. Его логика повлияла на организацию труда, образование, медицину, экономику и даже устройство городов.
Сопоставление с конвейером не означает, что ИИ неизбежно пройдет тот же путь, но позволяет увидеть масштаб возможной трансформации. Задача предпринимателя — определить, в каких процессах ИИ способен изменить архитектуру компании, а где рациональнее ограничиться повышением личной эффективности или локальной оптимизацией.
Контент-продюсер, Школа управления СКОЛКОВО