Компания, в которой работает ИИ. Агенты, автоматизация и новые правила управления

Такое преобразование означает, что при распределении задач первая реакция организации больше не будет заключаться в том, чтобы спросить: «Кому из какого отдела поручить эту задачу?», а будет заключаться в том, чтобы спросить: «Можно ли определить эту задачу как рабочий процесс, который может быть выполнен интеллектуальным агентом?». Только в тех случаях, когда неопределённость, сложность или необходимость эмоционального взаимодействия в рамках задачи выходят за пределы текущих возможностей интеллектуального агента, она «передаётся» или «назначается» эксперту-человеку. Это представляет собой полную «инверсию управления» (Inversion of Control). В традиционной организации человек является активным, а система — пассивной; человек инициирует запрос, а система предоставляет данные. В организации, построенной на ИИ, система является активной, а человек — «пассивным» (на уровне исполнения); система (рабочий процесс, управляемый интеллектуальным агентом) автоматически инициирует задачи в ответ на внешние события, такие как новое письмо или новый заказ, и обращается к человеку с запросом только при возникновении «точки прерывания», требующей человеческого суждения.

Рассмотрим конкретный пример: обработка нового лида. В цифровой организации процесс обычно выглядит так: сотрудник отдела маркетинга обнаруживает новый лид на рекламной платформе, вручную вводит его в систему CRM, система в соответствии с правилами назначает его конкретному продавцу, продавец получает уведомление, открывает CRM, чтобы просмотреть детали, оценивает качество лида, а затем решает, отправить ли письмо, позвонить или отложить на время. Весь процесс управляется людьми, а CRM служит лишь инструментом для ведения учета и отправки напоминаний.

В организации, построенной на ИИ, процесс будет выглядеть следующим образом: «интеллектуальный модуль мониторинга лидов» через прикладной программный интерфейс (API) в режиме реального времени подключается ко всем рекламным платформам; обнаружив новый лид, он автоматически запускает другой «интеллектуальный модуль сбора информации», который с помощью интернет-поиска дополняет справочные данные о компании и контактном лице; затем «интеллектуальный модуль оценки ценности» на основе заданных правил и исторических данных присваивает лиду оценку: например, уровень A означает высокую ценность и требует немедленного реагирования, а уровень C — низкую ценность, и лид помещается в пул для дальнейшей работы; для лидов класса A система автоматически запускает «рабочий процесс первичного контакта»: «интеллектуальный модуль коммуникации» формирует персонализированное электронное письмо и отправляет его клиенту, одновременно резервирует в расписании специалиста по продажам время для «телефонного звонка по сопровождению» и отправляет ему всю информацию в виде «карточки задания». Весь процесс выполняется автоматически за несколько секунд, и специалист по продажам получает не просто отдельный лид, а уже подготовленный, оцененный и прошедший первичный контакт «боевой пакет» с исчерпывающей информацией.

Чтобы более наглядно продемонстрировать это различие, можно составить сравнительную таблицу.

Критерий

Точка зрения «ИИ как инструмент»

Точка зрения «ИИ как рабочая сила»

Основная единица

Должность (Position)

Задача или рабочий процесс (Task/Workflow)

Исполнитель по умолчанию

Сотрудник-человек

ИИ-агент

Роль человека

Исполнитель, оператор

Проектировщик, принимающий решения, специалист по устранению нештатных ситуаций

Роль ИИ

Вспомогательные инструменты, плагины для повышения эффективности

Цифровые сотрудники, субъекты выполнения задач

Распределение задач

«Человек ищет задачу»: распределение руководителем, получение сотрудником

Задания ищут сотрудников: система автоматически запускает задачи на основе событий и, при необходимости, распределяет их между сотрудниками

Управление процессами

Управление людьми (Human-Driven)

Управление событиями (Event-Driven)

Взаимосвязь с системой

Человек является субъектом, система — объектом

Система является субъектом, а человек — сотрудником, играющим ключевую роль

Показатели оценки

Личная эффективность, уровень владения инструментами

Продолжительность цикла процесса, степень автоматизации, частота отклонений

Причины неудач

«Ошибка сотрудника» или «неудобство инструмента»

«Недостатки в проектировании рабочего процесса» или «недостаточные возможности интеллектуальной системы»

Признание ИИ по умолчанию в качестве элемента рабочей силы влечет за собой еще одно далеко идущее последствие: оно вынуждает организации описывать работу таким образом, чтобы «машина могла это понять». Люди привыкли к нечеткому общению, основанному на невербальном взаимопонимании и здравом смысле, например, когда помощнику говорят: «Подготовь мне материалы для завтрашнего совещания». За этой инструкцией скрывается огромный объем неявной информации: какое именно совещание? Какие именно материалы нужны? В каком формате их подготовить? Человеческий помощник может прояснить ситуацию с помощью дополнительных вопросов и опираясь на прошлый опыт. Но интеллектуальный агент этого сделать не может. Чтобы интеллектуальный агент стал надёжным рабочим ресурсом, необходимо разбить задачу на чёткие и однозначные инструкции, входные и выходные данные, а также критерии приёмки. Сам по себе этот процесс представляет собой глубокую переработку и реорганизацию организационных процессов. Мы больше не можем довольствоваться «примерно» и «примерно так», а должны стремиться к точности и структурированности. Именно это стремление к «определённости» является краеугольным камнем масштабируемого и высококачественного выполнения задач. Когда организация начинает системно размышлять о том, как «перевести» работу на язык, понятный искусственному интеллекту, она уже встаёт на путь к AI-ориентированной модели.

3. Как взаимодействуют три столпа: интеллектуальные системы × рабочие процессы × программирование атмосферы

Если рассматривать интеллектуальных агентов в качестве рабочей силы по умолчанию как «мировоззрение» AI-ориентированной организации, то для реальной реализации этого мировоззрения необходима мощная «методология» в качестве опоры. Эта методология состоит из трёх основных столпов: интеллектуальный агент (Agent), рабочий процесс (Workflow) и программирование атмосферы (Vibe Coding). Эти три компонента не являются изолированными технологиями, а представляют собой «железный треугольник», в котором они взаимосвязаны и действуют согласованно, совместно составляя ядро «новой операционной системы» организации, ориентированной на ИИ. Каждый из них решает ключевые вопросы: «кто будет выполнять работу», «как её выполнять» и «откуда брать инструменты».

Первый компонент — интеллектуальный агент — представляет собой «цифровую рабочую силу» этой новой операционной системы и является единицей выполнения задач. Интеллектуальный агент — это не просто чат-бот, а замкнутая система, обладающая способностями «ориентации на цель, самостоятельного планирования, вызова инструментов и корректировки на основе обратной связи». Им можно поставить задачу, как и человеческому сотруднику, например: «Разработать три альтернативных варианта маркетинговой кампании на следующий квартал», затем самостоятельно разбивать эту задачу на этапы, такие как анализ исторических данных, исследование конкурентов, разработка вариантов и оценка бюджета, а также задействовать инструменты, необходимые для выполнения этих этапов, например базы данных, поисковые системы, компиляторы кода, интерфейсы прикладного программирования (API) и т. д., чтобы в конечном итоге сформировать готовый результат. Появление интеллектуальных систем впервые сделало возможным «неконтролируемое, сквозное выполнение задач». Они представляют собой неутомимых, абсолютно лояльных и чрезвычайно быстрых «цифровых сотрудников» в организации, отвечающих за выполнение оперативной работы с четкими правилами, высокой степенью повторяемости и большим объемом передаваемой информации. Это позволяет освободить сотрудников-людей от рутинных дел.

Второй компонент — рабочий поток — является «диспетчерским центром» и «каркасом процессов» этой новой операционной системы. Он отвечает за координацию и распределение задач между различными интеллектуальными системами и сотрудниками-людьми, обеспечивая выполнение задач в нужное время, нужным способом и нужными исполнителями. Если интеллектуальные системы — это локомотив, то рабочий поток — это рельсы, светофоры и система диспетчеризации. Один рабочий поток определяет ряд правил «триггер — выполнение — проверка — ветвление».

Например, «при получении письма с жалобой клиента, помеченного как «срочное» (триггер), немедленно запускается рабочий поток «Обработка жалоб», назначается «интеллектуальный агент по извлечению информации» для анализа содержания письма и получения истории взаимодействия с клиентом из CRM (выполнение), обобщённая информация передаётся «интеллектуальному агенту по генерации решений», подготовить три варианта урегулирования (выполнение), скомпоновать варианты и информацию о клиенте в один пакет и передать его руководителю службы поддержки для принятия окончательного решения (проверка); если руководитель выберет вариант А, автоматически запускается «интеллектуальный модуль ответа на письмо», который выполняет действие и фиксирует результат (разветвление)». Основная ценность рабочего процесса заключается в том, что он превращает неявные процессы, которые раньше существовали в головах людей и опирались на устные договоренности, в набор чёткого, исполняемого, отслеживаемого и оптимизируемого «кода». Он обеспечивает порядок и определённость в работе организации, гарантируя стабильность и надёжность сотрудничества в больших масштабах.

Третий компонент — атмосферное программирование — является «движком поставки программного обеспечения» этой новой операционной системы, решающим проблему обеспечения инструментами и средой, необходимыми для функционирования двух предыдущих компонентов. В организациях, построенных на основе искусственного интеллекта, бизнес-потребности меняются чрезвычайно быстро, а новые рабочие процессы и интеллектуальные модули требуют постоянного создания и итеративного совершенствования.

Традиционная модель разработки программного обеспечения — когда бизнес-подразделения формулируют требования, а ИТ-отдел планирует сроки разработки — имеет слишком длительный цикл и совершенно не способна идти в ногу с темпами развития. «Программирование атмосферы», предложенное мыслителем в области искусственного интеллекта Андреем Карпати (Andrej Karpathy), обозначает совершенно новую парадигму создания программного обеспечения. В рамках этой парадигмы разработчики и даже сотрудники бизнес-подразделений могут взаимодействовать с мощным «помощником по разработке ИИ» с помощью естественного языка, быстро преобразуя неопределенную идею (Vibe) в работоспособное программное обеспечение, вызываемый интерфейс прикладного программирования (API) или исполняемый рабочий процесс. Разработчикам больше не нужно писать весь код построчно — вместо этого они сосредотачиваются на описании замысла, проектировании архитектуры и принятии ключевых решений, а ИИ берет на себя большую часть работы по генерации кода, отладке и развертыванию. Это повышает скорость выпуска программного обеспечения на порядок и делает возможным «быструю настройку нового инструмента для каждой новой задачи». Атмосферное программирование предоставляет интеллектуальным системам непрерывный поток «оружия», а рабочим процессам — гибкие и изменяемые «компоненты».

Эти три основные компонента образуют мощный «маховик роста». Атмосферное программирование быстро создает разнообразные программные инструменты и интерфейсы; интеллектуальные агенты используют эти инструменты для выполнения конкретных задач; рабочие процессы же объединяют тысячи и десятки тысяч интеллектуальных агентов и человеческих экспертов, формируя стабильную и эффективную систему доставки результатов. В ходе этого процесса рабочие потоки накапливают огромный объём структурированных данных, таких как время выполнения задач, коэффициент успешности и точки отклонений; эти данные, в свою очередь, становятся «питанием» для обучения и оптимизации интеллектуальных систем, позволяя им становиться умнее и эффективнее. Одновременно эти данные выявляют узкие места в процессах, указывая направление для создания новых, более совершенных инструментов с помощью атмосферного программирования. Это замкнутая система, постоянно самооптимизирующаяся.

Основные компоненты

Ключевые роли

Решаемые проблемы

Взаимосвязь с другими компонентами

Интеллектуальный агент (Agent)

Цифровая рабочая сила, исполнительная единица

«Кто это сделает?» — выполнение конкретных задач

Использует инструменты, созданные с помощью «программирования по контексту»; координируется и планируется с помощью «рабочего процесса».

Рабочий процесс (Workflow)

Центр диспетчеризации, каркас процесса

«Как это сделать?» — организация совместной работы и выполнение

Координация взаимодействия «интеллектуальных систем» и людей; их создание и итеративное совершенствование опираются на «Vibe Coding».

Vibe Coding

Движок поставки программного обеспечения, фабрика инструментов

«Откуда берутся инструменты?» — быстрое реагирование на потребности

Предоставление «интеллектуальным системам» вызываемых инструментов и API; предоставление «рабочим процессам» компонентов и среды выполнения.

Понимание взаимосвязи этих трех основных компонентов является ключом к пониманию логики функционирования организации, построенной на ИИ. Это уже не бинарная структура «человек плюс программное обеспечение», а четырехкомпонентная система взаимодействия: «человек, интеллектуальные сущности, рабочие потоки, программное обеспечение». Сила этой системы заключается в «сетевом эффекте», формируемом благодаря тесной взаимосвязи и взаимному усилению этих компонентов. Недостатки любого из этих компонентов ограничивают возможности всей системы. Организация, не обладающая мощным движком рабочих процессов, даже при наличии большого количества независимых интеллектуальных систем, будет лишь разрозненной группой, неспособной объединить усилия. Организация, не обладающая способностью к программированию в контексте, будет испытывать серьезное отставание в скорости итераций рабочих процессов и интеллектуальных систем по сравнению с бизнес-потребностями, что в конечном итоге приведет к ее вытеснению с рынка. Только при совместной эволюции этих трех компонентов можно по-настоящему раскрыть потенциал экспоненциального роста организации, построенной на основе искусственного интеллекта.

4. Новые узкие места в организации: издержки взаимодействия и задержки в принятии решений

Когда эффективность выполнения отдельных задач была доведена до предела благодаря цифровым инструментам, узкое место в организации переместилось с «производственной линии» в «офис», с «операционной деятельности» на «взаимодействие» и «принятие решений». Именно с этим затруднением столкнулась компания «Jinggong Manufacturing» под руководством Ван Цзяньго. У них были самые быстрые машины, но «нервная система», управляющая этими машинами, — то есть механизмы коммуникации и принятия решений в организации — по-прежнему оставалась на уровне доинтернетной эпохи. Эта устаревшая нервная система привела к появлению двух основных узких мест: экспоненциально растущих затрат на взаимодействие и катастрофических задержек в принятии решений.

Затраты на совместную работу (Collaboration Cost) — это совокупность всех материальных и нематериальных затрат, которые организация несет для достижения консенсуса, синхронизации информации и координации действий. Это не только аренда конференц-залов и рабочее время сотрудников, но и затраты, связанные с коммуникационными трениями, переключением между контекстами, ожиданием и зависимостью, а также согласованием и утверждением. При передаче информации между людьми с разным опытом и в разных контекстах неизбежно возникают потери, искажения и недопонимания. «Лаконичный дизайн», по мнению менеджера по продукту, может показаться инженеру «трудным для реализации», а специалисту по маркетингу — «недостаточно привлекательным для продажи».

Чтобы согласовать эти представления, требуется огромное количество совещаний, документов и многократных обсуждений. Специалисты, работающие с информацией, в среднем переключаются между задачами несколько десятков раз в день. Каждый раз, когда они переходят от электронного письма к чату в мессенджере, а затем к отчету, мозг вынужден заново загружать контекст, что потребляет огромные когнитивные ресурсы и значительно увеличивает вероятность ошибок. Согласно исследованию Калифорнийского университета в Ирвине (University of California, Irvine), после прерывания сотрудникам требуется до 23 минут, чтобы вновь полностью сосредоточиться на исходной задаче (Iqbal & Horvitz, 2007). В последовательном рабочем процессе последующие этапы вынуждены ждать завершения предыдущих, и все это «время ожидания», скрытое в процессе, становится самой большой «черной дырой» в эффективности организации. В иерархической организации любое решение или действие должно пройти через несколько уровней утверждения, и каждый этап утверждения представляет собой потенциальную задержку и искажение информации. Когда проект требует межведомственного сотрудничества, эти затраты на согласование растут в геометрической прогрессии, превращаясь в бесконечные «совещания по согласованию».

В эпоху цифровой трансформации мы пытаемся снизить эти затраты с помощью различных инструментов для совместной работы, таких как Slack и Teams, но эффект от этого ограничен. Дело в том, что эти инструменты лишь ускоряют коммуникацию, но не меняют саму суть коммуникации. Мы перешли от трёх офлайн-совещаний в день к восьми онлайн-совещаниям, и информационная перегрузка и когнитивная нагрузка не только не снизились, но и возросли. Суть затрат на совместную работу заключается в неотъемлемом недостатке «человека как протокола связи».

Задержка принятия решения (Decision Latency) — это время, проходящее от момента распознавания сигнала, требующего принятия решения, до момента принятия окончательных мер. В сегодняшних условиях стремительно меняющейся рыночной среды задержка принятия решения может оказаться фатальной. Если клиент выразил сильное недовольство в социальных сетях, то к тому моменту, когда компания пройдет через многоуровневую отчетность, проведет совещания для изучения ситуации и разработает меры реагирования, может пройти уже несколько дней, и «золотой период» для спасения репутации бренда будет давно упущен.

Причины задержки принятия решений кроются в изолированных данных и задержках в их передаче, в опоре на опыт и интуицию, а также в стремлении избегать рисков и культуре консенсуса. Данные, необходимые для принятия решений, разбросаны по различным независимым системам, таким как системы планирования ресурсов предприятия (ERP), системы управления взаимоотношениями с клиентами (CRM) и финансовое программное обеспечение, и требуют ручного извлечения, очистки, интеграции и анализа. Сам по себе этот процесс занимает несколько дней или даже недель, в результате чего лица, принимающие решения, постоянно «ведут машину, глядя в зеркало заднего вида». Из-за отсутствия оперативных и всеобъемлющих данных многие решения вынуждены опираться на личный опыт и интуицию небольшой группы ключевых руководителей, что не только повышает риски принятия решений, но и превращает способность принимать решения в дефицитный ресурс организации, который невозможно масштабировать. В крупных организациях «не ошибиться» важнее, чем «поступить правильно». Чтобы уйти от ответственности, лица, принимающие решения, склонны привлекать больше людей, запрашивать больше мнений и добиваться более широкого консенсуса, что значительно удлиняет цикл принятия решений. Окончательное решение зачастую оказывается не оптимальным решением, а «наибольшим общим делителем», представляющим собой компромисс между всеми сторонами.

Проектирование организаций, изначально ориентированных на ИИ, в корне направлено на устранение этих двух узких мест. В них «система» заменяет «человека» в качестве исходного протокола взаимодействия, а «данные и модели» заменяют «опыт и интуицию» в качестве основной основы для принятия решений. Интеллектуальные системы осуществляют прямой обмен данными через прикладные программные интерфейсы (API), при этом затраты на коммуникацию практически равны нулю, а недопонимания исключены. Рабочий поток в режиме реального времени прозрачно отображает статус задач для всех заинтересованных сторон, устраняя длительное ожидание и информационную асимметрию. Система, управляемая интеллектуальными системами, может за миллисекунды выполнить сбор и анализ данных, на которые раньше уходили дни, и представить человеку-решающему высококонцентрированную «карту принятия решений», содержащую проблему, данные, предлагаемые решения и оценку рисков. Это сокращает цикл принятия решений с «дней» до «минут».

Можно сказать, что цифровая трансформация представляет собой попытку оптимизировать старую операционную систему, в которой «человек» выступает в роли центрального процессора (CPU), а «коммуникация» — в роли шины. В то время как «AI-native» — это полная замена на новую операционную систему, в которой «интеллектуальный агент» выступает в роли центрального процессора (CPU), а « рабочий поток» — в роли шины. В рамках этой новой системы затраты на взаимодействие и задержки в принятии решений больше не являются неизбежной судьбой развития организации, а превращаются в инженерную задачу, которую можно систематически измерять, управлять ею и оптимизировать. Именно в этом заключается основной секрет, позволяющий организациям, построенным на принципах «AI-native», достигать экспоненциального роста и сверхвысокой эффективности.

От пределов возможностей инструментов до восприятия интеллектуальных сущностей как новой рабочей силы; от понимания взаимодействия трех основных столпов до осознания новых узких мест в виде затрат на координацию и задержек в принятии решений — мы полностью очертили существенные различия между организациями, изначально построенными на ИИ, и традиционными цифровыми организациями. Это не просто технологическое обновление, а глубокая революция в области организационных форм, управленческих идей и способов создания ценности. Это предвещает наступление новой эры: конкурентоспособность организации будет зависеть не от того, сколько талантливых сотрудников в ней работает, а от того, насколько мощную саморазвивающуюся систему, состоящую из людей и интеллектуальных систем, она сможет построить и управлять ею. Настал момент смены операционной системы.

Когда шум вокруг инструментов заглушает суть проблемы, даже самые благие намерения могут проложить путь к провалу. Мы когда-то полагали, что, обладая самым острым «цифровым» клинком, мы сможем проложить себе путь сквозь тернии и одержать победу во всех сражениях. Однако реальность снова и снова бьет тревогу: когда организация увлекается погоней за призраком инструментов, но игнорирует фундаментальные преобразования собственной операционной системы, так называемая «трансформация» оказывается лишь чрезвычайно затратным самоутешением. Отчет компании McKinsey & Co. раскрывает суровую правду: глобальные предприятия вложили в цифровую трансформацию до 1,7 триллиона долларов США, но 70 % этих попыток в конечном итоге закончились провалом (Wharton Knowledge Online, 2020 г.). Это не просто растрата денег, но и упущенные стратегические возможности. Причина неудач заключается не в недостаточной передовой технологии инструментов, а в укоренившемся «инструментальном мышлении» — представлении о том, что организация автоматически модернизируется, как только приобретёт и внедрит новое программное обеспечение или систему. Пределы такого мышления наглядно демонстрируют руины бесчисленных некогда амбициозных проектов.

Представим себе вымышленную компанию под названием «Apex Manufacturing» — производителя промышленных клапанов с пятидесятилетней историей. Столкнувшись с стремительно наступающей волной «Индустрии 4.0» и более гибкими и дешевыми конкурентами, руководство Apex испытывало беспрецедентную тревогу. На одном из отраслевых саммитов генеральный директор Джон Смит (John Smith) был глубоко впечатлён докладом о «умном заводе». Докладчик продемонстрировал блестящие роборуки, полностью автоматизированные конвейеры и впечатляющие информационные панели, пообещав повысить эффективность производства на 50 % и сократить затраты на 30 %.Джон тут же принял решение запустить самый грандиозный в истории компании проект технической модернизации — «Проект Маяк», цель которого — за два года превратить компанию «Вершина» в самый передовой «умный завод» в отрасли. Компания вложила в этот проект колоссальные средства — до 50 миллионов долларов — и приобрела лучшую в Германии систему управления производством (MES), десятки промышленных роботов японских брендов, а также систему контроля качества на базе искусственного интеллекта, разработанную стартапом из Кремниевой долины. Сотрудники ИТ-отдела и инженерного подразделения были в восторге: им казалось, что они уже видят новое, эффективное и автоматизированное будущее.