Влияние искусственного интеллекта и цифровизации на все сферы жизни неоспоримо, и бизнес демонстрирует своевременную реакцию на новые тенденции: внедряет инновационные технологии, компилирует их с классическими инструментами управления. Чтобы оставаться на гребне перемен и не захлебнуться в волнах технологических новинок, руководители крупных компаний хотят не просто прогнозировать будущее, а создавать его. Эта мысль тянулась красной нитью через все выступления спикеров XII саммита «Технобудущее-2025».


XII саммит «Технобудущее-2025» проходил 10-11 апреля в Сочи. Главными темами стали стратегии лидерства в эпоху цифрового превосходства и проектирование будущего. «Каждый технологический скачок создает не только новые возможности, но и проблемы, делая необходимость трансформации неизбежной. Сегодня уже недостаточно просто обладать высокой адаптивностью, необходимо уметь предвосхищать вызовы, уметь видеть и решать проблемы до их наступления», – обозначила ключевой вектор дискуссии Ольга Андреева, продюсер саммита, директор АНО «Японский центр Кайдзен», международный эксперт по T-TPS, специалист Бизнес-ТРИЗ (4 уровень), представитель «БиоТРИЗ» в России.
Преимущества RPA
Программу саммита открыл Сергей Вотяков, директор по GR ООО PIX Robotix, председатель Кластера RPA (РАЭК), основатель Академии NARPA, председатель комитета по искусственному интеллекту РУССОФТ. Он рассказал о возможностях и преимуществах RPA.
Программные роботы могут выполнять любую работу на компьютере. С их помощью можно решать широкий спектр задач, используя дополнительно соседние технологии, такие как большие генеративные модели, технологии компьютерного зрения, голосовые помощники и пр. Сергей Вотяков отметил, что, в отличие от традиционной автоматизации на языках программирования, таких как Python, RPA в шесть раз дешевле и быстрее, так как использует технологию no-code/low-code и включает множество предварительно автоматизированных типовых процессов и сущностей. Эксперт рассказал о преимуществах генеративного искусственного интеллекта:
-
автоматизация и генерация кода. LLM способны автоматически генерировать код на Python, используя естественные языковые запросы;
-
понимание контекста и синтаксиса. Модели понимают контекст задачи и синтаксис Python;
-
поиск и исправление ошибок. LLM могут анализировать существующий код и находить ошибки.
Кроме того, эксперт поделился несколькими подходами к внедрению роботов:
-
корпоративный подход – масштабное внедрение для автоматизации всех возможных процессов в организации, особенно сквозных;
-
точечная автоматизация – использование роботов как «заплатки» для решения локальных проблем и устранения узких мест;
-
временные работники – использование роботов для процессов, которые в будущем планируется автоматизировать классическими методами;
-
гражданская роботизация – обучение сотрудников созданию простых роботов для автоматизации собственных задач и задач коллег.
При выборе RPA-платформы Сергей Вотяков рекомендует учитывать не только стоимость лицензии, технические характеристики, но и опыт вендора. Выбирать стоит тех, у кого есть практика крупных внедрений более 100 роботов на компанию. И еще стоит обратить внимание на то, чтобы роли вендора и интегратора были разделены.
Оптимальный вариант, когда интегратором выступает партнер. Это позволяет ему основательно погрузиться в процессы компании и начать внедрение. Задача же вендора – развивать свой продукт. А когда он пытается совместить две функции, ему некогда заниматься своим продуктом.
Еще одно предостережение от эксперта – не стоит брать в команду «звездных» разработчиков. Они часто используют кастомный код – это быстро, но тогда компания становится зависима от разработчика. Лучше иметь базовый функционал, чтобы не возникало проблем при ротации персонала.
При этом не стоит путать RPA и ИИ-агентов. Между ними существует ряд отличий, хотя они и имеют схожий функционал. Во-первых, программные роботы – это инструмент интеллектуальной автоматизации, требующий человека-оператора, а ИИ-агент – автономная система принятия решений, способная работать без вмешательства человека. Во-вторых, RPA – это творение конкретного разработчика, который может перенастраивать его под конкретные задачи. ИИ-агент, хоть и развивается командой разработчиков, но пользователь может влиять на его работу только через промпты и внешние воздействия.
Прогноз внедрения искусственного интеллекта в бизнес-процессы
Асхат Уразбаев, основатель ScrumTrek, автор подхода и книги Lean Data Science (Lean DS), не исключает в обозримой перспективе замену человека-разработчика на ИИ-агента. Потому что внедрение вайб-кодинга, когда команды можно писать в чате или наговаривать голосом, уже становится реальностью. Такие проекты существуют пока как учебные и называются ИИ-автопилот. Именно они закладывают тенденции для будущих структурных изменений в организациях, считает Асхат Уразбаев.
Согласно концепции AI Software Factory , написание кода все больше и больше будет автоматизироваться. Речь идет о том, что вместо команды, которая пишет код, будет создаваться продакшн-код, который работает вместо команды разработчиков из 10-20 человек.
Такие инновации в недалеком будущем приведут к тому, что организации станут меньше по количеству сотрудников. Пока этого не происходит, но некоторые крупные компании уже ставят себе задачу «не раздувать» штат, при этом наращивать производительность и открывать новые направления. Кроме того, небольшой коллектив повышает управляемость и адаптивность организаций.
Такие структурные изменения могут привести к смещению баланса в составе команд. Изменится соотношение исполнителей и стратегов в пользу последних.
Также ИИ даст возможность аналитически определять, какие части организации можно заменить ИИ-агентами, а какие пока оставить человеку.
На сегодняшний день динамика внедрения ИИ в бизнес-процессы разнится в зависимости от размера компании. Так, уровень автоматизации с помощью ИИ в стартапах достигает 95%. А в крупных компаниях этот показатель значительно ниже. Внедрение в больших корпорациях затруднено из-за сложности существующих систем. И большинство инициатив останавливается на уровне пилотных проектов.
Внедряя ИИ в организациях, стоит фокусироваться на множестве мелких кейсов автоматизации, а не вкладывать ресурсы в крупные проекты, считает Асхат Уразбаев. Начинать необходимо с автоматизации статусных встреч, выстраивания потоков информации и создания баз знаний.
Эксперт подчеркивает, что автоматизация статусных встреч поможет выявить «блокеров» – людей, которые тормозят процессы. А потоки информации можно настроить для разных ролей в компании. А также для улучшения бизнес-процессов можно разработать систему «живых регламентов» с обратной связью. «Живые регламенты» – это ИИ-агент, подключенный к автоматизированной базе знаний компании, он знает протоколы, которым должен следовать каждый сотрудник в своей работе. Если человек нарушает правила, ИИ-агент может ему об этом напомнить в личном сообщении, например.
К чему нужно стремиться сегодня компаниям – к уровню AI-driven организации. Это тот уровень, когда все процессы в компании описаны и оцифрованы. Руководство получает возможность аналитически вычислять, какие части организации можно эффективно заменить на ИИ-агента. Скорость адаптации такой компании будет высокой, потому что регламенты можно менять практически в режиме реального времени.
От ИИ-агентов к цифровым отделам
Роберт Васильев, вице-президент Ассоциации лабораторий по развитию искусственного интеллекта, сооснователь компании Z-Union, руководитель лаборатории концерна технологии E-Union и лаборатории при МИФИ, руководитель исследовательского центра искусственного интеллекта при Национальном исследовательском ядерном университете, рассказал, что современные технологии позволяют создавать не только отдельных ИИ-агентов, но на их базе – ИИ-ассистентов и целые «цифровые отделы», способные автоматизировать комплексные бизнес-функции.
Имея семилетий опыт разработки и реализации более 150 коммерческих проектов в сфере внедрения ИИ в различных секторах бизнеса, от финансового до медицины, Роберт Васильев уверен, что правильно собранная и созданная корпоративная база знаний – это базовый элемент для фундаментального роста в целом и производительности труда в том числе. На такой базе удобно разрабатывать и обучать уникальных отраслевых корпоративных ИИ-ассистентов.
ИИ-ассистенты используются в большом круге задач: начиная от отдела продаж, заканчивая ассистентами для производственников и аналитиков. Речь не только про обработку текста, но и в том числе про генерацию чертежей, регламентных процедур, бизнес-схем и так далее.
Эксперт уверен, что в недалекой перспективе ИИ-ассистенты станут такой же обыденной вещью, как собственные сайты компаний сегодня. Опираясь на это предположение, Роберт Васильев утверждает, что этот тренд предъявит новые требования к профессиональным компетенциям: «Мало быть юристом, продавцом, аналитиком или просто технологом, важно быть юристом – оператором ИИ, продавцом – оператором ИИ, технологом – оператором ИИ и так далее».
Уже сегодня бизнес стоит на пороге не просто создания ИИ-ассистентов, но и формирования собственных цифровых отделов, которые закроют не один выделенный процесс, а целую функцию.
При этом нельзя забывать, что любая возможность равна дополнительной точке уязвимости. Поэтому спикер настаивает на том, что разработку и обучение корпоративных ИИ-ассистентов, больших языковых моделей и их последующий запуск необходимо проводить внутри своего вычислительного кластера.
Приживаемость цифровых инструментов
Но разработать и внедрить цифровой инструмент недостаточно для эффективной работы. Он должен «прижиться» среди сотрудников, чтобы максимально раскрыть свой потенциал. Вопрос разрыва между заявленными при внедрении цифровых инструментов эффектами и их фактическим достижением широко рассмотрели спикеры из компании «Газпромнефть». По их данным, только 40% цифровых трансформаций достигают заявленных эффектов, что указывает на системную проблему в подходах к внедрению. Такой разрыв между ожиданиями и реальностью приводит к неэффективному использованию ресурсов и снижению доверия к цифровым инициативам внутри организаций.
Лидер функции по управлению проектами повышения операционной эффективности разведки и добычи ПАО «Газпромнефть» Максим Поречный и специалист по процессному управлению в ПАО «Газпромнефть» Юлия Сурнакова познакомили участников саммита с методологией оценки приживаемости цифровых инструментов, разработанной в их компании. Она основана на методе ADKAR и включает два компонента:
-
количественный (продуктовые метрики);
-
качественный (опрос пользователей).
Такой комплексный подход позволяет не только оценить техническую сторону использования цифрового инструмента, но и понять отношение пользователей, их мотивацию, уровень знаний и реальную практику применения. А сопоставление результатов обоих типов оценки помогает выявить расхождения между ожиданиями и истинной картиной использования инструмента.
Эксперты подчеркивают, что крайне важно при оценке приживаемости цифрового продукта учитывать человеческий фактор. На это есть несколько причин:
-
технически работающий инструмент может не использоваться должным образом. Сотрудники могут не понимать его функционал;
-
пользователи могут продолжать параллельно работать в старых системах, потому что так удобнее;
-
сотрудники не понимают цели внедрения. Поэтому нет и желания использовать инструмент;
-
недостаток знаний и навыков может стать барьером для эффективного использования.
Поэтому, чтобы выявить истинную картину использования цифрового инструмента, нужно использовать комплексный подход. Параллельно с анонимными опросами пользователей необходим и анализ продуктовых метрик использования системы, и сопоставление результатов количественной и качественной оценки.
Спикеры подчеркнули, что внедрение методологии оценки приживаемости приносит пользу всем заинтересованным сторонам: пользователи получают канал обратной связи, компания повышает вероятность достижения экономических эффектов, а проектные команды улучшают качество своих продуктов и повышают удовлетворенность пользователей.