прочитано
#качество управления #инновации #управление рисками #искусственный интеллект

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».

0 3

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

Технобудущее 2025

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. 

Технология RPA – программная роботизация – официально является одним из направлений искусственного интеллекта

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. 

Технобудущее 2025_Сергей Вотяков

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. 

Технобудущее 2025_Асхат Уразбаев.jpg

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. 

ИИ необходимо рассматривать как инструмент для работы, а не как отдельный проект

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.

Технобудущее 2025_Роберт Васильев

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-агент – это единичный запущенный процесс на базе целевой модели с заданным контекстом и правилом. А их комбинация рождает ИИ-ассистента

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. 

Концептуальная архитектура AI-систем приблизительно одинаковая. Строится по цепочке: корпоративный контент → сервисы предобработки → языковые модели → ИИ-ассистенты → конечные документы/отчеты

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.

технобудущее 2025_Максим Поречный.jpg

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.