«Экзоскелет для мышления»: как научиться управлять ИИ, а не конкурировать с ним

Искусственный интеллект нельзя «купить и забыть», как CRM или Excel. Он не автоматизирует отдельные задачи, он становится новой средой, через которую принимаются решения, строятся коммуникации и создаются продукты. Разбираем, чем управление ИИ отличается от управления любыми другими технологиями, почему процессы надо выпрямлять до внедрения, и кто на самом деле должен отвечать за цифровую трансформацию.

Николай Тржаскал, ментор и автор программы Директор по ИИ: от стратегии к практике, директор по развитию технологий ИИ FabricaONE.AI.

ИИ - НЕ ИНСТРУМЕНТ. И В ЭТОМ ГЛАВНОЕ ЗАБЛУЖДЕНИЕ

Когда компании внедряют технологии искусственного интеллекта, они сталкиваются с одной и той же ошибкой: воспринимают ИИ как рядовой корпоративный инструмент. Это заблуждение сегодня обходится бизнесу дороже всего, и разговор с руководителями почти всегда стартует с вопроса: «Какую ИИ-систему нам купить?» - и сразу становится ясно, что предстоит долгая дискуссия.

Топ-менеджеры привыкли оперировать категориями средств решения конкретных задач. Молоток - чтобы забить гвоздь, Excel - для расчетов, CRM - для контроля продаж. Инструмент выполняет свою функцию, после чего его можно отложить и вернуться к привычному укладу. С искусственным интеллектом так не получится.

Например, если вспомнить появление смартфона: изначально он был просто телефоном с расширенным функционалом. Сегодня это интерфейс между человеком и средой - через него ищут информацию, прокладывают маршруты, оплачивают покупки, общаются и принимают решения. Смартфон давно перестал быть устройством связи. Так и искусственный интеллект превращается в новый слой взаимодействия с реальностью: через него будут добывать знания, создавать продукты, обучаться, управлять компаниями и выстраивать клиентские отношения.

Особенно это касается больших языковых моделей. Это не пассивный вычислитель, а иная форма интеллекта, обрабатывающая паттерны, язык и концепции непривычным для человека способом. Когда ИИ используют как продвинутый калькулятор (запрос-ответ), упускают главное: ценность не только в результате, но и в самом процессе диалога. Модель структурирует данные и вскрывает неочевидные связи, позволяя руководителю увидеть в ней не просто ускоритель, а генератор инсайтов о собственных бизнес-процессах и механизмах принятия решений.

Сравнивать ИИ с традиционным инструментом значит сужать перспективу. Такой подход смещает фокус с отдельных сервисов на вопросы управления, экономики и организационной перестройки.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ - НЕ ОДНА ТЕХНОЛОГИЯ

Частая ошибка считать, что ИИ сегодня равен большим языковым моделям, на самом деле это лишь одна часть экосистемы. Обычно выделяют несколько направлений, каждое из которых решает свой класс задач. Классическое машинное обучение прекрасно работает там, где необходимо прогнозировать события, анализировать структурированные данные, строить скоринговые модели или искать закономерности в больших массивах информации. Это проверенная, надежная и экономически оправданная технология. Задача генеративного искусственного интеллекта иного рода: работа со знаниями, создание текстов, структурирование информации, персонализация коммуникаций, превращение идей в документы и проекты. Аналитика данных позволяет выявить закономерности, которые ручным способом не заметить, и на их основе принимать более точные управленческие решения.

Нередко компании пытаются закрыть все задачи одной технологией. Но грамотный руководитель сначала определяет бизнес-задачу и только потом выбирает инструмент. Не технология ради технологии, а инструмент под конкретную цель.

ХАЙП ЗАКОНЧИЛСЯ, СЧИТАЕМ ROI

Последние два года рынок жил обещаниями. Компаниям рассказывали, что ИИ автоматизирует все, заменит сотрудников, увеличит прибыль и перекроит экономику за пару кварталов. Ничего из этого в обещанном масштабе не случилось, и это нормально.

Любая технология проходит один и тот же цикл: сначала ажиотаж, потом разочарование, а затем детальная работа, когда на смену презентациям приходят цифры. Рынок как раз вступил в эту стадию. Сегодня одной фразы «мы внедряем ИИ» совету директоров недостаточно, теперь они спрашивают: «какой ROI и через сколько кварталов?». Если за проектом нет внятной финансовой логики - это уже не инновация, а спекуляция.

И тут статистика начинает играть злую шутку. Формально больше 80% компаний уже используют ИИ, но что значит «используют»? Навигатор в машине тоже ИИ. Сотрудник раз в неделю открывает ChatGPT, и компанию уже засчитывают в пользователи. Большинство организаций действительно попробовали, но далеко не все смогли извлечь измеримый финансовый результат. Вложения при этом продолжаются  не потому, что отдача очевидна, а потому, что никто не хочет оказаться в числе отстающих. Поэтому главным управленческим навыком ближайших лет становится не искусство составления промптов, а умение отстоять бюджет перед акционерами с помощью цифр, а не обещаний. Где реально создается ценность? Какие процессы стоит автоматизировать в первую очередь? Через сколько проект окупится? Какие риски несет переход на вероятностные модели? Ответы на эти вопросы теперь важнее любого технологического демо.

Еще недавно ИИ внедряли почти ради самого факта, лишь бы не отстать. Теперь каждый проект обязан доказывать свою бизнес-состоятельность, поэтому все больше ценятся специалисты, которые способны не просто разобраться в технологии, но и привязать ее к финансовым метрикам. Этот запрос и стал одной из причин появления программ подготовки директоров по ИИ. Академия АйТи тоже запустила такую программу - Директор по ИИ: от стратегии к практике. Ее цель: готовить управленцев к работе с вероятностными, а не привычными детерминированными системами.

СНАЧАЛА ВЫПРЯМИТЬ ПРОЦЕСС, ПОТОМ УСКОРЯТЬ

За последние годы в компаниях реализованы десятки проектов по внедрению ИИ. И почти в каждом повторялся один и тот же сценарий. Организация хочет автоматизировать процесс. Начинается разбор, и выясняется, что сам процесс изначально выстроен неэффективно.

Пример из практики - закупочная деятельность. Руководство одной из российских компаний было уверено, что проблему решит искусственный интеллект. Однако анализ показал, что большая часть задержек не связана с технологиями. Эксперты пересмотрели последовательность операций, убрали лишние согласования, перераспределили ответственность, и время выполнения сократилось на 17% без единой ИИ-модели. Экономия конвертировалась в ускорение оборачиваемости и снижение операционных затрат.

Это хорошая иллюстрация того, как на самом деле работает ИИ. Если процессы в компании выстроены, то он ускорит работающую систему, если они хаотичны, то ускорит беспорядок, и очень быстро. Поэтому внедрение почти всегда начинается не с выбора модели, а с бизнес-консалтинга: нужно понять, какие процессы создают реальную ценность, где находятся ограничения и что именно надо изменить до подключения технологий.

Самые успешные проекты по ИИ почти всегда оказываются одновременно проектами организационных изменений. Технология редко становится первопричиной успеха, чаще она выступает мощным усилителем уже правильно построенной системы.

ГЛАВНАЯ ПРОБЛЕМА - УПРАВЛЕНИЕ ИИ

Опыт консультирования показывает, что технологии уже созрели, а система управления пока нет. Этот вывод поначалу кажется парадоксальным, но в нем вся суть.

Очень часто в компаниях назначают директора по ИТ ответственным за искусственный интеллект. Решение выглядит логичным, но почти никогда не работает, потому что информационные системы традиционно строятся вокруг детерминированной логики. Если программа получает одинаковые входные данные, она должна выдать одинаковый результат. Искусственный интеллект устроен иначе, он оперирует вероятностями, и внедрять его теми же методами, что ERP, CRM или корпоративные порталы, заведомо бесперспективно. Например, в сфере управления рисками говорят не «если риск наступит», а «когда». Любое решение уже связано с вероятностями. Банк никогда не считает вероятность дефолта клиента равной нулю, а инвестиционный фонд - успех проекта стопроцентным. Но когда речь заходит об ИИ, многие требуют абсолютной точности: «А если модель ошибется?». Конечно, ошибется, как и ошибаются эксперты, аналитики и руководители.

Вопрос не в том, чтобы исключить ошибки полностью, а в том, чтобы управлять их вероятностью и понимать ее стоимость для бизнеса. Банковская отрасль остается одним из самых зрелых пользователей ИИ именно поэтому. Финансовые организации работают с моделями машинного обучения больше десяти лет: скоринговые системы, прогнозирование, антифрод, которые давно стали частью повседневной рутины. Банки привыкли мыслить вероятностями и умеют ими управлять. Для многих других отраслей такой подход еще только предстоит освоить.

СЛЕДУЮЩИЙ ЭТАП: ГИБРИДНЫЕ КОМАНДЫ

В ближайшие годы большинство компаний перейдут к модели гибридных команд, где рядом с людьми постоянно работают интеллектуальные системы. Сначала они будут выполнять роль помощников, затем брать на себя анализ, подготовку решений и контроль процессов. А значит, меняется и роль руководителя. Ему больше не нужно конкурировать с ИИ в скорости обработки данных или объеме памяти. Задача становится иной: выстраивать взаимодействие с этими системами, понимать их логику и принимать финальные решения на основе их рекомендаций.

Как это выглядит на практике? Простое правило: ИИ готовит черновик решения, а человек проверяет его по трем критериям: экономическая обоснованность, репутационные риски и соответствие стратегии. Это ускоряет подготовку, но финальный клик всегда остается за человеком. Такой порядок должен быть закреплен в регламенте.

И здесь возникает главный вопрос: «А если ИИ ошибется, кто ответит?». Ответ неизменен: пока зарплату получает человек, он принимает окончательное решение и несет ответственность за его последствия. Технология помогает, но не освобождает от ответственности. Количество руководителей в компании от этого не уменьшится, наоборот, их роль становится более весомой.

Получается парадокс: технологии становятся доступнее, а компетентное управление  все более дефицитным. Разница между компаниями сегодня определяется уже не тем, есть ли у них доступ к ИИ, а тем, умеют ли руководители видеть процессы целиком, считать экономику, работать с неопределенностью и проводить изменения без разрушения бизнеса. Эпоха цифровой трансформации уступает место управленческой.

ЭКЗОСКЕЛЕТ ДЛЯ МЫШЛЕНИЯ

Каждую технологическую революцию сопровождают прогнозы о скором исчезновении профессий. Так было с персональными компьютерами, интернетом, цифровым документооборотом. Говорили, что секретари и машинистки станут не нужны. Позже обещали, что электронные документы убьют печать. В реальности произошло обратное: профессии изменились, требования к специалистам выросли, а сами функции стали другими.

ИИ развивается по той же логике. Он не отменяет профессию, но меняет содержание работы и повышает планку квалификации. Главный вопрос сегодня не в том, заменит ли ИИ человека, а в том, насколько быстро человек сумеет адаптироваться к новым реалиям.

Компьютеры не уволили бухгалтеров, они уволили бухгалтеров без цифровых навыков. С ИИ случится то же самое: исчезнут не профессии, а специалисты, которые отказываются пересматривать свои функции.

На частый вопрос о том, способен ли генеративный ИИ заменить эксперта, ответ неизменен: нет. Он может многократно усилить сильного специалиста, но слабого в сильного не превратит.

Генеративный ИИ своего рода экзоскелет, который не делает человека сильным сам по себе, а усиливает уже существующую силу. Если специалист умеет анализировать, формулировать идеи и принимать решения, технология кратно повышает его производительность. Если же собственное мышление не выстроено, ИИ лишь быстрее оформит эту неструктурированность в красивый текст, но не заменит понимания предмета.

Особенно наглядно это проявляется в образовании. Студенты начинают пользоваться ИИ сразу, в отличие от корпоративного сектора, где технологии внедряют постепенно. Но работать с ИИ вовсе не значит открыть чат-бот и скопировать первый ответ. Технология снимает механическую часть работы и оставляет человеку самое важное: понимание задачи, критическое мышление, умение задавать правильные вопросы и оценивать качество результата. 

Меняется и роль самого преподавателя. ИИ позволяет за считанные часы готовить материалы, на создание которых раньше уходили недели, адаптировать задания под разные уровни подготовки, выстраивать индивидуальные траектории. Все чаще появляются ИИ-ассистенты, помогающие студентам разобраться в теме без страха задать лишний вопрос. Преподаватель освобождается от рутины и может сосредоточиться на содержании и развитии критического мышления.

ВЫВОД

Чтобы не проиграть в ближайшие два года, каждому руководителю стоит ответить на три вопроса - для себя и для команды.

Первый: какой процесс в компании сейчас самый хаотичный и тормозит остальные? С него внедрение ИИ начинать нельзя, сначала нужно навести порядок вручную.

Второй: где компания теряет деньги из-за медленных или некачественных решений? Можно ли это измерить в часах или процентах? Именно туда стоит направить пилотный проект.

Третий: готовы ли топ-менеджеры принимать решения на основе вероятностей, а не только утвержденных нормативов? Если нет, обучение управленцев должно стартовать раньше закупки любой модели.

Когда-то смартфон тоже считали просто электронным устройством. Сегодня без него не обходится ни один рабочий день. С ИИ та же история. Через несколько лет руководители перестанут обсуждать, нужно ли его использовать. Они будут говорить о том, как эффективнее выстраивать работу в новой среде, принимать решения, когда рядом всегда есть интеллектуальный помощник, сохранять критическое мышление и готовить специалистов, способных управлять не только технологиями, но и последствиями их внедрения.

Искусственный интеллект - это не инструмент в привычном смысле. Инструмент можно убрать в ящик стола. ИИ уже невозможно «отложить на потом». Он становится новой прослойкой между человеком и информацией, знаниями, окружающим миром.