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

Таблица 2-3: Управление конфликтами в рамках традиционной системы KPI и модели согласования целей

Измерение

Управление конфликтами в рамках традиционной системы KPI

Управление конфликтами в рамках концепции «согласования целей»

Формы проявления конфликтов

Скрытые конфликты, взаимные обвинения между подразделениями, растрата ресурсов

Явные конфликты, выявляемые и маркируемые на системном уровне

Момент обнаружения конфликта

после факта, когда проблема уже возникла и привела к убыткам

До того, как проблема возникла, до запуска рабочего процесса, путем проверки намерений

Способы решения

Временные координационные совещания, арбитраж на высшем уровне, политические игры

Стандартизированный рабочий процесс согласования, принятие решений на основе данных

Внутренние трения в организации

Высокий; значительное количество времени тратится на перекладывание ответственности и бюрократические тяжбы между подразделениями

Низкий уровень: конфликты рассматриваются как технические проблемы, требующие совместного решения

Модель сотрудничества

Высокие «барьеры» между отделами, серьезные информационные «островки»

Межкомандное сотрудничество, ориентированное на сквозной поток создания ценности

Ориентация на результат

Сосредоточенность на достижении локальных KPI может нанести ущерб общим интересам

Ориентация на глобальное оптимальное решение, обеспечивающее синергию и повышение эффективности всех намерений

Требования к руководителям

Выполнение ролей «пожарного» и «судьи»

Выполнять роль «системного проектировщика» и «координатора»

Переход от «игры KPI » к «согласованию целей» — это огромный скачок в способности организации к совместной работе. Это коренным образом меняет правила игры: вознаграждение в организации больше не получают те «вожаки», кто лучше всего защищает интересы своего отдела, а те «связующие звенья», кто лучше всего способен, исходя из общей картины, координировать усилия всех сторон для достижения общей цели. В такой культуре конфликты перестают быть неприятностями, которых нужно избегать, и становятся ценной возможностью, стимулирующей мышление и эволюцию организации. Каждое успешное урегулирование конфликта означает, что организация еще глубже поняла свою стратегию, а ее внутренняя сеть взаимодействия стала более устойчивой и эффективной. Именно в этом заключается секрет того, почему организации, построенные на принципах искусственного интеллекта, способны сохранять поразительную адаптивность и эффективность даже в условиях сложного и изменчивого рынка.

4. Как эволюционирует замысел: версионирование и откат

В динамичном мире бизнеса единственное, что остается неизменным, — это сами изменения. Рыночные тенденции меняются, конкуренты придумывают новые ходы, потребности клиентов растут, а технологии постоянно совершенствуются. Это означает, что «намерения», к которым стремится организация, также не могут оставаться неизменными. Цель, которая в начале года казалась абсолютно верной, к середине года может потребовать существенных корректировок. Традиционные организации, реагируя на такие «изменения цели», зачастую выглядят весьма неповоротливыми и медлительными.

Представьте себе, что в начале года компания разработала стратегию «массированного наступления на рынок высокого класса». В результате весь механизм компании начал работать в соответствии с этой стратегией: в линейку продуктов были добавлены роскошные функции, маркетинговая кампания была нацелена на состоятельных клиентов, а команда продаж прошла специальное обучение. Однако через шесть месяцев экономическая ситуация резко изменилась: спрос на рынке высокого класса резко сократился, в то время как массовый рынок продемонстрировал огромный потенциал роста. В этот момент компании необходимо срочно изменить курс и перенести стратегический акцент на массовый рынок. Процесс такого «разворота» в традиционных организациях сопряжён с огромными трудностями. Он требует от генерального директора созыва нового стратегического совещания, чтобы объяснить изменения высшему руководству, которое, в свою очередь, должно донести их до нижестоящих уровней. Старые презентации отбрасываются, а новые готовятся в спешке. Уже вложенные ресурсы могут оказаться потраченными впустую, а сотрудники испытывают растерянность и потерю мотивации из-за внезапной смены курса. Весь процесс сопровождается задержками, хаосом и огромными упущенными затратами.

Организации, построенные на ИИ, заимствуют проверенные идеи из области разработки программного обеспечения и используют более элегантный и эффективный способ управления эволюцией намерений: версионирование (Versioning) и откат (Rollback).

Управление версиями означает, что любое изменение намерения не является «произвольным исправлением» исходного текста, а представляет собой создание нового намерения с чётким номером версии, подобно выпуску новой версии программного обеспечения. Например, исходное намерение может называться `Intent-2025-Q1-v1.0`.Когда возникает необходимость в корректировке, администратор создает новую версию `Intent-2025-Q2-v2.0`. В этой новой версии намерения четко фиксируются все изменения: что именно изменилось в целях, какие ограничения были добавлены, какие предпочтения скорректированы. Все предыдущие версии архивируются и доступны для просмотра в любое время.

Такой подход к управлению версиями даёт несколько ключевых преимуществ:

1. Четкая история изменений: когда кто-либо в организации (или искусственный интеллект) хочет понять, почему текущая стратегия выглядит именно так, ему больше не нужно рыться в горах протоколов заседаний и писем. Достаточно просто просмотреть историю версий намерения, чтобы ясно увидеть процесс эволюции каждого решения и причины, лежащие в его основе. Это позволяет накапливать и передавать знания внутри организации.

2. Контролируемый выпуск изменений: выпуск новой версии «замысла» можно осуществлять по стратегии «Canary Release», как при выпуске программного обеспечения. Например, сначала можно позволить небольшой части команды (например, одной группе продаж) работать в соответствии с новой версией намерения v2.0, в то время как остальные команды продолжают использовать v1.0. Наблюдая за результатами работы этой «канарейки», можно оценить эффективность нового намерения. Если результаты хорошие, его постепенно внедряют во всей организации; если результаты неудовлетворительные, его можно быстро приостановить, тем самым свести риски к минимуму.

3. Возможность параллельных экспериментов: версионирование позволяет организации одновременно тестировать несколько различных намерений. Например, можно одновременно выпустить две версии — `Intent-v2.1-ContentFocus` и `Intent-v2.2-AdsFocus` — и поручить их реализацию двум разным маркетинговым командам: одна будет уделять основное внимание контент-маркетингу, а другая — платной рекламе. С помощью A/B-тестирования организация может на основе реальных данных проверить, какая стратегия более эффективна, а не полагаться исключительно на интуицию руководителей.

Взаимодополняющим элементом версионирования является механизм «отката». Откат означает, что в случае обнаружения катастрофических последствий от внедрения новой версии намерения организация может быстро, одним нажатием кнопки, вернуться к предыдущей стабильной и эффективной версии. Это похоже на ситуацию, когда после неудачного выпуска программного обеспечения можно немедленно вернуться к предыдущей стабильной версии, тем самым минимизировав убытки.

Например, если внедрение `Intent-v2.0` привело к резкому падению объема продаж, организации не нужно погружаться в бесконечные споры и поиск виновных. Лицо, принимающее решения, может немедленно отдать приказ: «Всем вернуться к `Intent-v1.0`», чтобы восстановить работу организации до прежнего состояния. Затем можно собрать основную команду, спокойно проанализировать причины неудачи v2.0 и разработать более совершенную версию v2.1.Такая способность к быстрому «ограничению убытков» и «исправлению ошибок» немыслима для традиционных организаций. Она придаёт организациям, ориентированным на ИИ, смелость пробовать новое и внедрять инновации, поскольку даже в случае неудачи издержки остаются под контролем.

Для реализации версионирования и отката намерений требуется соответствующая техническая инфраструктура. Она включает в себя «репозиторий намерений» (Intent Repository), способный хранить и сравнивать различные версии намерений, а также «систему распределения намерений», способную динамически развертывать конкретные версии намерений в различных рабочих процессах и интеллектуальных системах. Эта система составляет «стратегическую шину развертывания» организации, ориентированной на ИИ.

Таблица 2-4: Сравнение традиционной корректировки стратегии и управления версиями намерений

Аспект

Традиционная корректировка стратегии

Управление версиями намерений

Способ внесения изменений

Ориентация на совещания, устная передача информации, внесение изменений в презентации

Системный подход, публикация новой версии документа с описанием намерений

Реестр изменений

Нечеткие, разбросаны по электронной почте и протоколам

Четкие, с возможностью отслеживания всех версий и изменений

Процесс выпуска

«Взрывной» переход всех пользователей

Возможность поэтапного внедрения, A/B-тестирования и постепенного развертывания

Управление рисками

Низкий уровень контроля; одна ошибочная настройка может привести к огромным убыткам

Хороший: риски можно контролировать с помощью постепенного развертывания и быстрого отката

Способность исправлять ошибки

Медленная: требуется длительный процесс анализа и повторной настройки

Быстрая, позволяет одним нажатием вернуться к предыдущей стабильной версии

Обучение организации

Зависит от личного опыта, сложно систематизировать

Знания накапливаются в истории версий, формируя организационную память

Гибкость

Низкая, длительный цикл принятия решений, сильная инерция в исполнении

Высокая, способность быстро реагировать на изменения рынка, проводить итерации и оптимизацию

Переход от «разовой разработки стратегии» к «непрерывной эволюции намерений» — это не просто изменение инструментов и процессов, а скорее трансформация организационного менталитета. Она признает, что мир непредсказуем, а стратегия — это не раз и навсегда заданный план, а гипотеза, требующая постоянной итерации и оптимизации. При таком менталитете организация больше не боится ошибок, а рассматривает каждую корректировку и откат как ценную возможность для обучения. Благодаря версионированию и откату «AI-ориентированные» организации превращают «стратегию» из некой мистики в инженерную науку, которую можно применять на практике, измерить и подвергнуть итеративному пересмотру. Это наделяет организацию — эту «машину намерений» — способностью к саморазвитию и самовосстановлению, что позволяет ей даже среди бурных волн неопределенности всегда сохранять стабильный курс и четкость целей.

Глава 3.

Новое распределение обязанностей: люди принимают решения, интеллектуальные системы выполняют их, а системы проводят проверку

Утро четверга, 18 декабря 2025 года. В Сингапуре стояла душная и напряжённая атмосфера. Для Цзинь Чэнь (Jing Chen), главного операционного директора глобального логистического гиганта «Apex Logistics», это должна была быть самая загруженная, но в то же время организованная неделя перед Рождеством. Однако внезапная цепь кризисов подталкивала компанию к краху. На экране красные точки, обозначающие сотни контейнеров с дорогостоящими грузами, как незаживающие шрамы, резко выделялись у входа в Малаккский пролив. Неожиданная массовая забастовка в порту в сочетании с экстремальными погодными условиями, которые случаются раз в десять лет, привели к частичному параличу этого самого оживлённого морского пути в мире.

Эти контейнеры, заполненные электроникой, игрушками и праздничными подарками со всей Азии, должны были прибыть в порты Европы и Северной Америки в течение недели и вовремя оказаться под рождественскими ёлками. Теперь же они превратились в «заложников». Суммы компенсаций за нарушение контрактов стремительно растут с каждым часом, а что ещё страшнее — цепочки поставок пятидесяти важнейших клиентов компании подвергаются риску сбоев, и многолетние доверительные отношения находятся под угрозой. В региональном командном центре Fengsu Logistics атмосфера настолько напряжённая, что, кажется, из неё можно выжать воду. Команда диспетчёров, состоящая из самых опытных специалистов, работает без перерыва уже 48 часов: звонки телефонов, стук клавиатур и голоса, оживлённо обсуждающие ситуацию, сменяют друг друга. Однако перед лицом миллионов динамических данных, сыплющихся как снег из глобальных метеорологических систем, данных о пропускной способности альтернативных портов, прикладных интерфейсов сотен судоходных компаний, информации о дорожной обстановке в сетях наземного транспорта в режиме реального времени и систем заказов клиентов, человеческие возможности оказались явно ограниченными. Скорость обработки информации значительно отставала от темпов ухудшения ситуации, и вся система диспетчеризации находилась на грани коллапса.

«Наши сотрудники утопают в информации, а не решают проблемы», — подумала Чэнь Цзин, глядя на хаос перед глазами, но при этом сохраняя необычайное душевное спокойствие. Она знала, что в такой чрезвычайно сложной ситуации дальнейшее увеличение численности персонала только усугубит беспорядок. Она приняла решение, которое многим в тот момент показалось довольно радикальным. Вместо того чтобы направлять дополнительных сотрудников к и без того измученной команде, она обратила внимание на лаконичный интерфейс терминала на своём рабочем столе. Глубоко вздохнув, она запустила режим «реагирования на кризис» в кластере интеллектуальных систем мониторинга цепочки поставок и поддержки принятия решений, получившем внутрикорпоративное кодовое название «Гермес» (Hermes).

Она не отдала конкретных диспетчерских распоряжений, таких как «перенаправить контейнер A в порт B». Она сформулировала чёткое, высокоуровневое «намерение». Её распоряжение было структурированно введено в систему: «Цель: любой ценой перепланировать маршруты для всех высокоценных контейнеров с уровнем тревоги «красный» в течение 72 часов». Основной принцип: в первую очередь обеспечить коэффициент доставки для 50 крупнейших клиентов на уровне не ниже 98%. Ограничивающие условия: допускается увеличение стоимости одной перевозки максимум на 30%. Требования к системе: все варианты решений должны сопровождаться полным анализом затрат, времени и рисков, а также формированием не поддающегося фальсификации журнала аудита».

Эта инструкция представляет собой типичный пример «принятия решения». Чэнь Цзин не занималась оперативным выполнением, а в условиях хаоса определила цели (что является наиболее важным), взвесила все «за» и «против» (компромисс между затратами и сроками) и установила границы (30-процентный предел роста затрат). Она сконцентрировала свой многолетний опыт управления цепочкой поставок и деловую интуицию в четкое намерение, понятное и выполнимое машиной.

Кластер интеллектуальных систем «Посланник» мгновенно активировался после получения этого намерения. Он напоминал осьминога с бесчисленными щупальцами, который за считанные секунды выполнил работу, на которую у команды людей ушли бы несколько часов. Сначала он начал безумно обрабатывать поток информации: за несколько минут он обработал оперативные данные из тысяч источников по всему миру и построил динамическую, многомерную модель глобальной логистической сети. Затем он приступил к запуску инструментов, автоматически подключившись к системным API сотен небольших транспортных компаний, складских операторов и грузовых авиаперевозчиков из списка кандидатов, запросив и забронировав разрозненные доступные транспортные мощности, о существовании которых диспетчеры-люди даже не подозревали. Наконец, он продемонстрировал выносливость, превосходящую человеческую, — непрерывное отслеживание ситуации. В течение следующих 48 часов «Посланник» круглосуточно и без перерыва моделировал десятки тысяч вариантов комбинированных перевозок по морю, суше и воздуху, а также в режиме реального времени обновлял вероятность успеха, предполагаемую стоимость и время доставки для каждого варианта на основе самых свежих данных. Он работал без устали, без ропота и с неизменным самообладанием.

Через 48 часов перед Чэнь Цзинь появился полный отчет. Кластер «Посланник» уже нашел для 95 % застрявших грузов реалистичные планы передиспетчеризации, укладывающиеся в рамки бюджетных ограничений, и автоматически выполнил большую часть операций по бронированию и диспетчеризации. Что касается оставшихся 5 % грузов, то из-за крайне сложной ситуации искусственный интеллект сгенерировал три альтернативных варианта, однако каждый из них незначительно превышал 30-процентный порог затрат. Он не стал принимать решение самостоятельно, а пометил эти три варианта как «требующие человеческого суждения» и приложил к каждому из них подробный отчет с анализом преимуществ и недостатков: вариант А превышает бюджет на 32 %, но позволяет сократить время на 20 часов; вариант Б превышает бюджет на 35 %, но имеет минимальный риск… Чэнь Цзин оставалось лишь взвесить все «за» и «против» и сделать окончательный выбор из трёх чётко сформулированных вариантов.

В итоге катастрофа в цепочке поставок, казавшаяся неизбежной, была предотвращена благодаря слаженному сотрудничеству человека и искусственного интеллекта. Компания «Фэнсу Логистикс» не только избежала баснословных штрафов за нарушение договора, но и завоевала ещё большее доверие клиента благодаря своей поразительной способности реагировать на кризисные ситуации. Этот случай впоследствии стал классическим примером, который неоднократно изучался внутри компании «Фэнсу Логистик»; он ознаменовал рождение совершенно новой модели организационного разделения труда. В этой модели люди больше не являются рабами рутинной работы, а возвращаются к своей наиболее ценной роли: роли принимающих решения.

1. Отделение «принятия решений» от «исполнения»

Пример компании «Фэнсу Логистикс» словно точный разрез, раскрывающий одну из ключевых проблем, долгое время игнорировавшуюся в традиционных организационных моделях: мы грубо связываем воедино две совершенно разные виды деятельности — «принятие решений» и «исполнение». Основная ценность Чэнь Цзин, опытного главного операционного директора, заключается в том, что в кризисной ситуации она способна быстро принять стратегическое решение — «сохранить клиентов или сократить расходы» — и четко определить границы действий. Это высокоуровневое «суждение», основанное на опыте и ценностях. А кластер интеллектуальных систем «Посланник» в рамках этого решения выполняет огромный объем высокоскоростных и точных вычислений, моделирования и операций. Это стандартизированное, четко определимое «исполнение». Раньше обе эти задачи лежали на плечах Чэнь Цзин и ее команды, но в новой модели, основанной на искусственном интеллекте, они были четко разделены.

Давайте более точно определим эти два понятия. Так называемое «суждение» — это способность делать направленный выбор и компромиссы в условиях высокого уровня сложности, неопределённости, неполноты информации или конфликта ценностей. Оно, как правило, не связано с конкретными пошаговыми операционными процессами, а отвечает на вопросы о том, «почему», «что делать» и «что делать, если…». Суждение носит стратегический характер и касается постановки целей, определения приоритетов, склонности к риску и этических норм. Оно касается открытых вопросов, не имеющих единственно правильного ответа, и представляет собой «качественное» искусство. Например, определение ключевых стратегических целей компании на следующий квартал, выбор одного из двух одинаково перспективных проектов для инвестирования или определение норм поведения компании в «серой зоне» законодательства — все это типичные примеры суждения.

«Исполнение», в свою очередь, — это способность выполнять ряд конкретных, поддающихся количественной оценке и имеющих стандартные процедуры задач при условии четкого определения целей и правил. Оно отвечает на вопросы «как», «когда» и «сколько». Исполнение носит тактический характер и связано с эффективностью, точностью, скоростью и затратами. Оно касается закрытых вопросов, имеющих оптимальное решение или стандартный ответ, и представляет собой «количественную» науку. Например, диспетчеризация тысячи контейнеров по установленному маршруту, обработка десяти тысяч счетов-фактур или написание фрагмента кода в соответствии с чертежами — все это типичные примеры исполнения.

В традиционной модели работы такая тесная взаимосвязь между принятием решений и исполнением встречается практически повсеместно. Отличный менеджер отдела маркетинга должен не только анализировать текущие рыночные тенденции и потребительские предпочтения (принятие решений), но и лично руководить командой при подготовке презентаций, написании текстов, размещении рекламы и анализе данных (исполнение). Опытный хирург должен не только определить оптимальный план операции с учетом сложного состояния пациента (оценка), но и собственноручно вести скальпель, выполняя точные манипуляции в течение нескольких часов (исполнение). Такая модель, возможно, эффективна в условиях небольших масштабов и низкой сложности, но в сегодняшнем быстро меняющемся мире бизнеса её недостатки становятся всё более очевидными.

Во-первых, она приводит к огромной трате самого дефицитного ресурса в организации. Время и умственные усилия ведущего руководителя — это самый ценный актив компании. Однако эти ценные «способности к принятию решений» часто занимают и размывают множество мелких, повторяющихся и малозначимых «исполнительных» задач. Когда Чэнь Цзин вынуждена лично звонить, чтобы согласовать причал в порту, она не может думать о стратегии оптимизации логистической сети во всем Азиатско-Тихоокеанском регионе. Такое несоответствие «когнитивных затрат» является пределом эффективности традиционных организаций.

Во-вторых, такая модель приводит к «проклятию масштаба». Когда масштабы бизнеса растут в геометрической прогрессии, количество оперативных задач также растет взрывообразно. Это приводит к бесконечному сжатию и фрагментации времени руководителей, которые погрязают в повседневных «пожарных операциях» и микроменеджменте, не имея возможности отвлечься на долгосрочное стратегическое мышление. В конечном итоге снижение качества принятия решений становится неизбежным. Многие некогда процветавшие компании в процессе расширения постепенно застывают и приходят в упадок, и причина этого зачастую кроется в том, что их центр принятия решений завален огромным количеством оперативных дел.

Наконец, в таких условиях знания и опыт с трудом накапливаются и повторно используются. Огромное количество деталей исполнения, операционных навыков и неявных знаний хранится в головах небольшого числа опытных сотрудников. Когда они уходят, эти ценные организационные активы теряются вместе с ними. Организация, кажется, вечно «заново изобретает велосипед»: каждая реализация проекта представляет собой разовое, в значительной степени зависящее от конкретных людей производство в стиле «ремесленной мастерской», не способное сформировать воспроизводимые и масштабируемые «промышленные» возможности.

Революция, которую несут с собой организации, изначально ориентированные на ИИ, заключается именно в том, чтобы преодолеть этот «ремесленный» тупик и создать совершенно новую «промышленную» систему производства. Её ключевым шагом является полное отделение «принятия решений» от «исполнения». Это не просто автоматизация на техническом уровне, а глубокая трансформация организационной философии. Она требует от нас разбить основные единицы работы — ранее застывшие «должности» — на более мелкие «задачи», а затем провести их переклассификацию и перераспределение: задачи, требующие сложного взвешивания, оценочных суждений и принятия ответственности, следует передать человеческим экспертам, которые лучше всего в этом разбираются; а задачи, характеризующиеся большим объемом информации, четкими правилами и высокой степенью повторяемости, — передать неутомимым и абсолютно точным интеллектуальным системам. Такая новая модель разделения труда коренным образом меняет логику роста организации и способы накопления знаний.