По данным Regroup, около 70% российских компаний уже попробовали искусственный интеллект в деле. Но выгоду на уровне всей организации получают единицы: почти везде дело не идет дальше пилотных проектов. Почему интерес к технологии не превращается в финансовый результат, рассуждает управляющий партнер Regroup Оксана Морсина.
ИИ-масштабирование без правил
Про ИИ-агентов сегодня говорят все. 68% опрошенных нами CEO назвали цифровую трансформацию своим главным приоритетом — и почти столько же назвали ее своим главным вызовом. В этой паре цифр уже видно противоречие, с которым бизнес входит в ближайшие годы. На словах компания собирается перейти от «пользуемся цифровыми инструментами» к «создаем новое вместе с ИИ». На деле она переоценивает готовность топ-менеджмента и недооценивает все, что для этого потребуется от операционного контура.
Наше исследование среди 180 крупнейших российских компаний показало следующее. Работе с ИИ обучают сотрудников 59% компаний. Корпоративная политика, которая объясняет этим сотрудникам, что можно и чего нельзя, есть у 17%. У трети нет даже рекомендаций. Обучили — и отпустили.
Так что вопрос давно не в том, внедрять ИИ или нет. Внедряют почти все. Вопрос в том, как доказать бизнес-эффект и договориться о правилах, не поставив под удар информационную безопасность. Интерес к технологиям растет огромными темпами, а к масштабному использованию ИИ компании оказались не готовы.
Когда компания готова к внедрению ИИ
Готовность к ИИ мы раскладываем на четыре опоры. Они различаются по сложности, но выпадение любой из них останавливает все остальное.
Первая и самая главная опора — лидер и стратегия. Это готовность управленцев — CEO, совета директоров, линейных менеджеров — встраивать ИИ-инструменты в бизнес-процессы. CEO должен стать главным амбассадором изменений и возглавить внедрение, понимая, что оно затронет работу всего бизнеса. Но начинаться все должно со стратегии. У совета директоров и менеджмента должно быть зафиксированное видение роли ИИ — не разговоры о перспективах, а документ, где написано, какие бизнес-задачи он решает, в каких процессах меняет способ работы и какие KPI компания рассчитывает с его помощью получить. Разница между разговором и документом простая: если у CEO в этом году стоит задача получить от ИИ определенный процент финансового результата, он будет за это биться. Если не стоит, он займется привычными делами, и упрекнуть его будет не в чем.
Вторая опора — операционная модель и данные. Большинство российских компаний считают, что ИИ-трансформация — это про технологический стек. И это в лучшем случае. Чаще бывает иначе: агентов «пилят», а качеством данных никто не занимался. Данные разнородные, необработанные, несобранные. Каким бы блестящим ни был агент, работать ему просто не с чем. Отдельная история — управление данными: кто за них отвечает, у кого есть доступ, по каким правилам. Этот пункт упускают чаще прочих. Допустим, CEO задумался о сценариях использования ИИ. Хорошо, но пилоту нужен доступ к корпоративным данным. А где они? Их нет — или они такого качества, что лучше бы их не было.
Третья опора — правила и управление ИИ. Здесь стоит разделить две вещи, которые в разговорах обычно смешивают. Пилот — это когда несколько человек пользуются инструментом и экономят свое рабочее время. Компания при этом не получает никакого прямого финансового эффекта. Промышленная стадия, продуктивная эксплуатация — это когда решение раскатано на целую функцию или сквозной процесс, известна доля ключевых процессов, охваченных ИИ, и есть метрики, которые отслеживают результат. Между этими двумя состояниями и лежит граница между экспериментом и трансформацией. Перейти ее чаще всего мешает не техника. У компании нет регламентов, разграничения ответственности и требований к информационной безопасности — без них пилот некому и не на что распространять. Правила должны появляться раньше охвата. Иначе решение о масштабировании упирается не в результат, а в риск, и потому у большинства бизнесов ИИ пока никак не отразился на прибыли.
Четвертая опора — команды и компетенции. Сколько людей в компании способны освоить ИИ-инструменты и встроить их в свою работу? Каково соотношение числа специалистов по данным и общей численности персонала? Многое зависит от масштаба: небольшому компактному бизнесу может хватить одних энтузиастов, дата-сайентисты ему не обязательны. Крупному энтерпрайзу энтузиастов категорически не хватит. И дальше начинается типичная история: инициатива держится на одном увлеченном человеке, человек выгорает, уходит в отпуск или меняет работу — и инициатива захлебывается. Организация не получает ни бизнес-эффекта, ни финансового эффекта, а полученный опыт никто не фиксирует.
Пока мы видим внедрение ИИ снизу корпоративной вертикали, когда отдельные сотрудники начинают использовать агентов в своей рутине. Такое партизанское проникновение технологий не дает компании результата, потому что она не владеет данными об этой работе, не может оценить ее эффективность, а значит, ей не на чем основывать решения. Инициатива снизу — ресурс, но неуправляемый и неизмеримый. Задача CEO не в том, чтобы ее запретить, а в том, чтобы вовремя увидеть и завести в управляемый контур.
CEO как драйвер ИИ-трансформации
Все исследования, которые мы смотрели за последнее время, сходятся примерно на одной цифре: не более 5% CEO сами по себе являются евангелистами ИИ. Остальные глубоко в тему не погружены, и процесс живет независимо от них. Результат предсказуемый. Кто-то придумал полезную штуку, но во что она встроена и на какие процессы повлияла — ответить некому.
Что имеет смысл сделать первому лицу? Начать стоит с видения, сформулированного на уровне топ-команды и совета директоров, и с оценки ресурсов: какие модели доступны, кто в команде способен с ними работать, сколько средств закладывать на внедрение. Ответы на эти вопросы и переводят ИИ из зоны эксперимента в обязательную управленческую практику, а принципы управления ИИ и ИИ-этику распространяют на все инициативы компании, а не только на отдельные проекты.
Отдельно — о навыках самой управленческой команды. Руководителям нужно дать инструменты с агентскими возможностями и позволить экспериментировать, а тех, кто возглавляет смешанные команды, учить отдельно: как распределять задачи между людьми и машинами, как разрешать конфликты, в каких случаях отменять решение ИИ. Это совершенно новый набор управленческих компетенций, и сам собой он не появится. Поэтому в ближайшие годы компаниям потребуются управленцы, готовые возглавить перемены и вовлечь в них сотрудников.
Снизу это не прорастает. Качественные данные, обучение сотрудников, бюджеты на трансформацию, перестройка процессов — все это решения верхнего уровня. Чтобы внедрение дало финансовый эффект, ИИ должен быть в ежедневной повестке совета директоров и правления, а не в списке инициатив, до которых когда-нибудь дойдут руки.
Смысл происходящего не только в том, что компании научатся монетизировать свои данные, а следом и ИИ. Смысл в изменении самой бизнес-модели: следующий уровень — это организации, которые создаются или пересоздаются так, что ИИ лежит в основе их продукта и архитектуры, а работать с ним умеет каждый сотрудник. Дойти туда без людей невозможно. Технология сама себя дальше не понесет: никто ее не поддержит, не примет и не станет ею пользоваться.
