Transcription
Так почему же 99% внедрения искусственного интеллекта в компаниях терпят неудачу? Вот, вроде бы, компания внедрила, а результата нет. Появились чаты, пилоты, обучения, отчёты, очень много разговоров про эффективность, о скорость, качество, деньги, они остались примерно на том же уровне. Это мы и рассмотрим в данном видео.
Можно подумать, что это видео, оно касается только руководителей, менеджеров и так далее, но на самом деле оно касается нас всех. Потому что когда в компанию приходят, и и приходит вот это внедрение искусственного интеллекта, у всех очень сильно взлетают ожидания. И сразу нам нужно писать быстрее, отвечать быстрее, закрывать задачи со скоростью молнии и так далее. Ну мы же теперь с ИИ работаем. То есть мы должны теперь во всём ускоряться.
Но по факту вот эта вся система и работа вокруг нас, она не ускоряется, она почти не меняется. Всё те же согласования, всё те же непонятные задачи, вся та же ответственность, но объём и сложность работы, когда приходит искусственный интеллект в компанию, при этом ну совершенно не уменьшается. Скорее всего, он даже растёт. И получается одна очень интересная вещь. От человека вроде бы ждут скорости искусственного интеллекта, а по факту система, которая вокруг, она остаётся прежней. Система, которая не настроена на эту скорость.
И вот главный смысл. Искусственный интеллект, он очень хорошо ускоряет такой первичный результат, то есть код, письма, отчёты, какой-то первичный анализ, описание черновое задач и так далее. Но бизнесу ему не нужен такой первичный результат. Бизнесу нужен готовый результат. А между вот этим первичным результатом и готовым результатом как раз прячется вся настоящая работа. Это и согласование, и безопасность, и качество, и клиенты, и деньги, и так далее.
И в этом ролике мы разберём самые главные самообманы, которые касаются внедрения искусственного интеллекта. И в конце ролика, я надеюсь, вы поймёте, как отличить нормальное внедрение искусственного интеллекта от ситуации, где вот сам этот ИИ просто нам надел больше шума, а по факту ничего не поменялось.
И начнём мы с первого самообмана - это когда мы думаем, что сам факт использования искусственного интеллекта, он уже означает результат. То есть компания, допустим, добивается того, чтобы условное большинство сотрудников начали использовать ИИ в своей работе. Но это совершенно ничего не значит. Вот представьте, что вы купили большинству сотрудников абонемент в спортзал. Вот. И чего? И что дальше? Может быть, они стали от этого здоровее или сильнее или побежали быстрее. Но нет, они, может быть, один раз пришли в спортзал, посмотрели на тренажёры, может быть, фотографии даже сделали и ушли.
И вот с искусственным интеллектом всё очень похоже. Человек может открыть чат GPT, может быть, даже что-то спросить по работе. Вы можете даже провести обучение, но это только обучение. Или команда попробовала какой-то новый ИИ инструмент, ну, то есть пилот они провели, но это супер, отлично, но это проба, это не эффект, это не результат. И часто в компании просто радуется активности вокруг искусственного интеллекта. То есть активности. Вот все что-то тестируют, все что-то обсуждают, какие-то скриншоты скидывают, какие-то кейсы показывают и так далее. То есть имитируют какую-то очень бурную деятельность вокруг искусственного интеллекта. Для бизнеса от этого никакой пользы от этой имитации нет.
Если бизнес он не задаёт правильные вопросы. А какой шаг стал короче? А какая работа исчезла? [фыркает] А где меньше ошибок или проблем стало? Где, может быть, клиент получил ответ быстрее? А может быть, компания начала выпускать больше без налога на искусственный интеллект. Ну что такое налог на искусственный интеллект? Я, кстати, в прошлом ролике объяснял. Можете послушать. Если на эти вопросы нет ответа, компания она не измеряет результат, она смотрит просто на активность вокруг ИИ. Все обсуждают условный спорт-зал, показывает слайды со спортзалом, как мы всем купили абонементы. Но сильнее и выносливее никто не стал. Фактически ничего не поменялось. Вы только людям усложнили жизнь.
Поехали дальше. И дальше ещё интереснее, потому что компании может казаться, что искусственный интеллект экономит людям время. Ну, может быть, иногда действительно экономит. О'кей. Но вот это сэкономленное время, оно само по себе не превращается в деньги или в какую-то пользу реальную для бизнеса. Вот представьте, например, разработчик начал писать код на 20% быстрее. Ну, супер, скажете вы. А что дальше? Может быть, релизы раньше стали выходить или ошибок стало меньше, или код теперь быстрее проверяться стал, а может быть, техдолг не вырос. Ну нет, нет, просто скорость она растворилась внутри системы. Человек-то он действительно может сделать вот какой-то кусочек работы быстрее, но бизнес ничего от этого не получает. Это совсем разные вещи, потому что вроде бы быстрее можно написать код, и этот код потом просто начнут дольше проверять или можно быстрее подготовить какой-то отчёт, а после этого отчёта всё равно никто ничего не сделает. Просто мы быстрее производим такой внутренний информационный шум.
И вот ещё одна важная мысль, потому что ИИ он ускоряет не только полезную работу, он любую работу ускоряет, даже лишнюю, даже плохо поставленную, даже бессмысленную. Если компания не понимает, где именно должна появиться польза после внедрения ИИ, эффективность она не получит. Она получит больший круговорот задач, больший круговорот кода, писем, согласований и так далее. То есть все начнут быстрее бегать по кругу. Абсолютно бессмысленно. Кстати, если тебе нужен такой трезвый взгляд на искусственный интеллект, обязательно подписывайся.
Поехали дальше. Следующий самообман - это вообще классика корпоративного ИИ. Вот представьте, компания запускает пилот, и [фыркает] в итоге получается такая красивая демонстрация на выходе, и все смотрят на неё. И вот всё супер, всё отлично, всё работает, но глаз не отвести. Вот она чистейшая эффективность, концентрат эффективности. А потом всё это нужно перенести в наш обычный мир, в нашу обычную работу. И вот мы уже упираемся в реальность, потому что одно дело - это показать, как искусственный интеллект, он справился в таких стерильных, подготовленных условиях. И совсем другое, встроить его туда, где каждый день он будет сталкиваться с реальным миром, где есть реальные клиенты, грязные данные, какие-то права доступа, безопасность, какие-то исключения, какие-то люди, которые не хотят менять свои привычки. Потому что главная задача пилота - это нам этот пилот продать. А в живой системе всё должно работать безопасно, всё должно работать понятно, стабильно и управляемо.
Например, если в пилоте у нас искусственный интеллект отвечал по какой-то чистой базе знаний, в реальности у нас будет база знаний, которая устарела на 3 года. Там часть документов противоречит друг другу, сотрудники, они вообще ей не пользуются, работают по факту, по своей памяти и так далее. И что тогда в этом случае нам должен ответить искусственный интеллект? И вот у нас есть стерильный пилот, но он ничего сам по себе не значит.
Поехали дальше. У нас всё интереснее и интереснее. И следующий самообман начинается с того, когда компания хочет ускорить текущий процесс с помощью искусственного интеллекта. И вроде бы это даже звучит очень правильно и очень разумно. Но проблема в том, что некоторые процессы, их вообще не нужно ускорять, их нужно пересобирать заново. Вообще искусственный интеллект, его не внедряют в классическом смысле, под него перестраивают работу.
Например, если у вас 10 шагов согласования, половина из которых появилась, потому что разные отделы друг другу не доверяют, и [фыркает] и он не должен быстрее гонять эти согласования через эти 10 шагов. Сначала нужно вообще понять, а почему их 10? Например, если каждое решение, оно проходит через пять руководителей, проблема не в том, что текст для этого согласования он пишется слишком долго. Или если база данных ваша состоит из устаревших документов и ИИ её не сделает умнее. Или вообще, если работа с задачами - это бюрократическая помойка, ну, конечно, ИИ вам поможет быстрее задачи писать. Ну, в эту же помойку только они будут попадать. А работа, она проще, ни для кого после этого не станет, так как это всего лишь иллюзия результата и иллюзия прогресса. И чаще всего эта работа, она станет для всех тяжелее. Например, руководитель захочет дать ИИ больше самостоятельности, а потом через некоторое время он скажет, что теперь вот каждый ответ должен проверять человек или там каждое действие, чтобы согласовывал человек. И в итоге ИИ он не снимет работу, он добавит ещё больше работы. То есть у нас получился такой цифровой стажёр, за которым постоянно, постоянно нужно присматривать. И часто такой присмотр - это дороже, чем сделать эту задачу обычным привычным способом. То есть главная мысль, что перед внедрением ИИ все процессы их нужно пересобирать.
Поехали дальше. Повышаем градус. Следующий самообман - это ждать от некого универсального и точного результата для вашей конкретной компании. Это про то, когда компания даёт своим сотрудникам один такой общий ИИ инструмент и ждёт, что он резко должен улучшить их работу. Но этот универсальный общий инструмент без какого-то внутреннего контекста, он даст только общий ответ, потому что он не знает вашу архитектуру, он не знает всех этих нагромождений, договорённостей, какие документы новые, актуальные, какие устарели, какие клиенты, может быть, у нас особенные и так далее. И потом мы замечаем, что ИИ стал нам отвечать слишком обще. Ну да. То есть человеку дали какой-то общий инструмент, какую-то общую задачу, непонятный размытый контекст и ждут от него точный бизнес-результат. Но так не работает, потому что если нужна конкретная польза, нужен и конкретный контекст, актуальные инструкции, нормальная документация, там критерии качества и так далее, и так далее. То есть внедрение ИИ - это не про написание правильных запросов. То есть сначала нужно вообще разобраться, как у вас работа вообще в целом устроена. А многие компании как раз от этого и хотят уйти, но порядок сам по себе он не появляется.
Поехали дальше. Переходим к самому важному пункту. Искусственному интеллекту можно поручить задачу, но ответственность всё равно она остаётся у человека. То есть мы говорим сейчас про то, что ИИ нам не просто отвечает в чате, а он начинает что-то делать. И когда он что-то делает, он может ошибаться. Ну, например, он какой-то неправильный ответ клиенту отправил или какую-то уязвимость в код добавил и так далее. И возникает здесь закономерный вопрос: а кто вообще в этом случае отвечает? Может быть, модель, может быть, сотрудник или руководитель? Может быть, директор. Если вы это заранее не решили, то эта система, она опасной станет очень быстро. Потому что сначала компания думает, что вот ИИ сейчас всё будет делать сам, а потом медленно приходит к тому, что всё-таки человек должен проверять. Потом ещё одна проверка появляется, потом ещё одно согласование, потом назначается ответственный за проверку проверяющего и так далее. И в какой-то момент этот процесс, он станет тяжелее, чем он был до внедрения ИИ.
Вообще в ближайшие годы очень ценно станет такое качество, умение видеть, а где же ИИ нам реально помогает в работе и может помочь, а где он просто создаёт нам ненужную активность. Это во многих ролях, на многих позициях будет важно. Ну во всех, наверное. Если, например, пишешь код, тебе нужно понимать, а какой результат можно безопасно мержить. Кстати, частично с этой задачей может помочь наш продукт, который называется Highwipe. Он анализирует изменения, анализирует код, который нам нагенерил искусственный интеллект, и даёт решение, можно ли такой код принимать или нет.
Поехали дальше. Искусственный интеллект, он усиливает тех, кто действительно глубоко понимает свою работу. И реальное внедрение ИИ оно начинается с вопроса: а где у нас застревает результат? Где у нас застревает результат? Где теряется контекст? А где слишком долго человек ждёт ответа? А где разработка слишком долго ждёт нормальных требований и так далее? Вот сюда вам и нужно смотреть в первую очередь.
И давайте у нас дальше будет пять вопросов перед внедрением искусственного интеллекта. Вопрос первый. А какой показатель мы хотим изменить? То есть не просто там люди не пользовались ИИ, а сейчас стали пользоваться. Нет. А что именно конкретно? Скорость обработки, количество ошибок, время до решения и так далее. Второе. Какой шаг должен исчезнуть? Потому что если ИИ он ничего не убрал с вашего процесса, вероятно, скорее всего, он вам что-то в этот процесс наоборот добавил, то есть усложнил вам жизнь. Третье. А какой контекст нужен системе? Документы, правила, схемы, история решений и так далее. Четвёртое. А как мы проверим качество и будем проверять качество? Пятое. А кто отвечает за результат, за итог? Потому что без владельца результата ИИ проект он просто-напросто превратится в вечный пилотный проект. Все будут ходить вокруг, говорить, что вау, классно, потенциал очень большой, но по факту никто так честно и не скажет, а стало ли действительно лучше или не стало.
И следующий наиважнейший самообман у компании насчёт ИИ в том, что они думают, что они покупают интеллект, но на деле они покупают необходимость разбираться в собственной работе, потому что ИИ он очень классно делает видимым то, что раньше очень просто можно было не замечать. И ИИ он ускоряет то, что в компании уже есть. Если всё хорошо, то будет ещё лучше, но если плохо, станет ещё хуже.
Это первое вводное видео на тему реального внедрения искусственного интеллекта в работу и бизнес. Оно скорее вводное, потому что цель его была с вами договориться о самом главном, что ИИ он нам не даёт результата. Результат он появляется только тогда, когда меняется сама работа. Дальше мы будем разбирать уже на конкретных примерах, как компании ошибаются, где компании ошибаются, как всё-таки искусственный интеллект его лучше внедрять, что смотреть в процессах, как считать эффект и так далее, и так далее. Так что обязательно подписывайтесь. Если нужен такой трезвый взгляд на искусственный интеллект, такого трезвого взгляда здесь будет очень много. Будем открывать глаза. Большое спасибо. Прекрасного вам будущего. M.