Большинство организаций уже используют ИИ в рабочей среде. Но почти никто не применяет его там, где это действительно важно: в клиентских сервисах, критически значимых бизнес-решениях или процессах с минимальным участием человека. Именно этот разрыв определяет, кто получит конкурентное преимущество, а кто его упустит.
Как правило, препятствие связано не с возможностями, а с уверенностью. При внедрении ИИ в критически важных областях такая уверенность возникает при соблюдении четырех конкретных условий.
Они охватывают тестирование поведения ИИ, создание решений корпоративного масштаба и управление ими, а также реальную убежденность руководства в важности этих преобразований.
Соблюдение этих условий формирует необходимые навыки и ответственность, позволяя смелее внедрять ИИ там, где он способен заметно изменить результаты. Без этого ИИ застревает во второстепенных сценариях, лишь немного сокращая расходы и не оказывая существенного влияния на работу организации.
Год назад — целую вечность по меркам ИИ — большинство компаний находились в «чистилище прототипов ИИ»: у них было множество интересных прототипов, демонстрировавших возможности ИИ, но ни один из них не удавалось полноценно внедрить. Спустя год многие организации уже запустили в рабочей среде хотя бы несколько решений на базе ИИ, и это большой шаг вперед.
Однако зачастую ИИ применяется во второстепенных процессах: это проще, такое решение может создать команда инноваций вместе с заинтересованным бизнес-пользователем, а если что-то пойдет не так, «конца света не случится». Сам процесс не слишком важен, существует резервная ручная процедура либо несколько этапов с участием человека, ограничивающих возможные негативные последствия.
Результат такого понятного, но осторожного подхода столь же скромен: эти решения вряд ли заметно повлияли на потенциал роста, клиентский опыт или структуру затрат.
Именно это отделяет будущих победителей от остальных: передовые компании инвестируют в применение ИИ там, где он влияет на эффективность бизнеса.
Отстающие тоже «занимаются ИИ», но не там, где он способен существенно повлиять на бизнес.
Да, применение ИИ при принятии инвестиционных решений, работе с клиентами, разработке продуктов, исследованиях и проектировании, а также в полностью автономных процессах кажется более рискованным — но именно там скрыта настоящая выгода.
Компании, которые вырываются вперед в этой сфере, пока могут оставаться незаметными для рынка. Но когда их преимущество станет очевидным, разрыв уже будет велик, а более высокая скорость внедрения ИИ позволит им увеличивать его и дальше, пока отстающие будут разбираться, в чем все это время ошибались.
Возникает вопрос: что нужно организации, чтобы уверенно применять ИИ в действительно важных процессах?
Для начала предположим, что вы уже прошли путь от «У нас есть инструмент ИИ вроде ChatGPT» через «У нас есть прототипы» до «У нас работают десять простых решений на базе ИИ». Если нет, этим нужно заняться в первую очередь. Эти первые шаги могут казаться элементарными, но они необходимы, чтобы начать развивать грамотность в области корпоративного ИИ, находить более удачные сценарии использования и отработать внутреннюю процедуру вывода решений с ИИ в рабочую среду.
На этом этапе организации пора ставить более амбициозные цели: сначала перейти к «значимым прикладным решениям на базе ИИ под контролем человека», а затем — к отличительному уровню «мы применяем ИИ в основных процессах и клиентских сервисах».
Последние этапы этого пути редко сдерживаются технологиями — чаще организации не хватает уверенности. Потому что всегда найдется повод отложить сложное решение или уклониться от него:
«А если он сделает неверные выводы?» «А если он поведет себя неправильно и мы попадем в новости?» «А если он ошибется в расчетах и мы примем неверное решение?» «А если он оскорбит клиентов?» «А если модель станет недоступна?» «Как нам сопровождать обновления?» «А если изменятся нормативные требования?» «Не лучше ли дождаться новой модели?» — и так далее.
На наш взгляд, обычно есть четыре условия, которые позволяют уверенно нажать кнопку «Запустить» при внедрении значимых изменений на базе ИИ.
Зачем: действительно ли организация — и прежде всего высшее руководство — убеждена в том, что «ИИ важен для успеха нашего бизнеса»? В противном случае организация с большей вероятностью будет искать поводы уклониться от сложных решений.
Поддержка: есть ли команда по внедрению, трансформации или развитию ИИ, которая помогает организации меняться вместе с ним? Она должна отвечать за внедрение, обучение, нормативные требования, новые методы работы, пересмотр устоявшихся представлений, необходимое финансирование и другие вопросы. ИИ — не та трансформация, которую можно поручить ИТ-отделу, как это часто делали с облачными и цифровыми инициативами. Ее должен возглавлять бизнес при должной поддержке.
Как: существует ли устоявшаяся корпоративная и прикладная архитектура для решений на базе ИИ? Хотя эта область непрерывно развивается, наличие четкой концепции заставляет продумывать и углублять знания о необходимых защитных механизмах, затратах, наблюдаемости, средствах контроля, доступе к моделям и других аспектах. Это укрепляет внутреннее доверие к компетентности организации в вопросах ИИ и предотвращает появление множества разрозненных подходов к разработке.
Проверка готовности к запуску: владельцы решений могут бесконечно откладывать ответ на вопрос: «Достаточно ли оно хорошо для запуска?» Традиционное тестирование силами отдела контроля качества не дает ни такой уверенности, ни ощущения ответственности за недетерминированную систему ИИ. А оценивание дает.
Рассмотрим эти условия в обратном порядке, поскольку так мы быстрее приблизимся к решению о готовности к запуску.
Десятилетиями организации полагались на отдел контроля качества при решении вопроса о готовности релиза. Формально тестирование проводили представители бизнеса, но на практике этим занимался отдел контроля качества. Результатом был либо успех, либо неудача, определяемые бесчисленными правилами «если это, то то». Работы много, но все достаточно просто.
С ИИ такой подход не работает: здесь необходимо оценивать поведение.
Оценивание, или evals, позволяет измерять качественные характеристики поведения ИИ. Вместо результата «пройдено/не пройдено» вы задаете критерии — например, корректность, тон, фактическое заземление и поведение при отказе — и выставляете оценки. Отслеживайте эти оценки на протяжении всего проекта, совершенствуя запросы, модели, защитные механизмы и прочее. Тогда команда проекта, комитеты по изменениям и руководство получат надежную основу для решений: например, показатель корректности, выросший за время проекта с x до y.
Этот показатель выполняет две функции. Во-первых, он укрепляет уверенность, демонстрируя улучшение со временем и предоставляя заинтересованным сторонам конкретные доказательства того, что система стабильно и надежно ведет себя в соответствии с заданными ожиданиями.
Во-вторых, он создает ответственность за результат. На эти показатели и историю оценивания можно ссылаться. Документированный набор оценок, проверенный на четко определенном диапазоне сценариев, — это аналог отчета о тестировании для ИИ. Он подтверждает проверяющему комитету проявление должной осмотрительности: делает ли система только то, что должна, и только так, как должна?
Разумеется, эти показатели имеют смысл лишь при достаточно подробных критериях оценивания. Для этого нужно изменить операционную модель, и вначале большинство организаций здесь ошибаются: за критерии должен отвечать бизнес, а не технологическая команда, отдел контроля качества или единственный младший сотрудник, которому делегировали эту задачу. Владельцы продуктов и специалисты понимают предметную область, пограничные случаи, желаемый тон общения, возможные действия пользователей, уместные этапы рассуждения, сценарии сбоев, правильные пары вопросов и ответов и другие аспекты. Именно те, кто использует и внедряет решение, должны определять, каким должен быть хороший результат.
Поэтому, если нужно утвердить решение, применяющее ИИ непосредственно в основе клиентского опыта, достаточно задать два вопроса:
(1) кто разработал критерии оценивания и
(2) улучшались ли со временем результаты по этим критериям и достигли ли они теперь минимального порога?
Если ответ звучит как «их разработала технологическая команда, но нас устраивают результаты», приложение не готово. Если ответ звучит как «да, на прошлой неделе мы провели тестирование, и оно прошло успешно», уровень зрелости оценивания, вероятно, недостаточен для необходимой уверенности: скорее всего, оценки не служили отправной точкой разработки.
Но если владелец продукта со стороны бизнеса на протяжении всей разработки определял, пересматривал и совершенствовал оценки и может показать положительную динамику результатов, такое решение уже стоит утвердить.
Еще один источник уверенности — соблюдение принципов и стандартов архитектуры ИИ. Первые пять приложений с ИИ можно было создавать любым подходящим способом, лишь бы начать. Но для масштабирования и быстрого, безопасного и контролируемого внедрения ИИ во всей организации становится необходим более структурированный подход с эталонными архитектурами приложений и корпоративной платформой ИИ.
Все инженерные команды должны иметь возможность быстро получать готовый доступ к моделям, защитным механизмам, средствам наблюдаемости, масштабирования и управления затратами, чтобы сосредоточиться на разработке самого решения.
Наличие концепции корпоративной платформы ИИ и архитектурных подходов — даже если из-за стремительных изменений она быстро устаревает — дополнительно укрепляет уверенность организации в способности безопасно внедрять ИИ в критически важные системы. Это означает, что кто-то уже рассмотрел все ключевые факторы и выбрал оптимальный путь внедрения, а значит, можно увереннее полагаться на решение в важных процессах.
Речь не о том, чтобы «делать то же самое, только с доступом к инструменту ИИ». Как бы избито это ни звучало, трансформация означает перепроектирование процессов, переосмысление продуктовых предложений, развитие клиентского опыта, изменение методов работы и, скорее всего, структуры команд.
Этим нельзя заниматься между делом, и такую работу не может возглавлять ИТ-подразделение (и нет, ваша команда «инноваций» из трех сотрудников тоже не справится). Если же придерживаться подхода «все как-нибудь само сложится», вы не достигнете той скорости преобразований, которую могут развить побеждающие конкуренты.
Кроме того, чтобы выявлять по-настоящему прорывные сценарии и заручаться их поддержкой, нужны глубокие знания об ИИ во всей организации и позитивное отношение к нему.
Поэтому трансформацию с помощью ИИ должны вести люди, которые знают потребности организации, умеют проводить изменения и понимают ИИ. Совет директоров должен наделить их полномочиями, чтобы они обеспечивали координацию, темп, финансирование, влияние, управление, расстановку приоритетов и принятие решений.
Особенно на первых этапах эффективна централизованная структура вроде центра компетенций, офиса трансформации или офиса ИИ. Такая центральная команда укрепляет уверенность в том, что у организации есть реализуемая стратегия, ключевые решения можно быстро принимать и распространять, а для трансформации с помощью ИИ установлены критерии качества. Без нее подход рискует оказаться слишком разрозненным, что приведет к несогласованности решений, выбора продуктов и технологий, а также уровня качества — и в итоге подорвет уверенность в возможности внедрять ИИ в критически важных областях.
Как уже отмечалось, реальное конкурентное преимущество от ИИ получат компании, которые накопят корпоративный опыт, знания и уверенность, чтобы часто и быстро внедрять ИИ в основу важных процессов и сервисов, улучшая клиентский опыт, характеристики продуктов, скорость производства и другие показатели.
Для этого необходимы качественные практики оценивания, быстро адаптирующаяся и масштабируемая архитектура, а также нацеленное на результат управление трансформацией, которое помогает организации учиться, адаптироваться и внедрять новые способы работы.
Однако ничего из этого нельзя успешно реализовать исключительно «снизу вверх»: изменения происходят слишком быстро, а их последствия слишком значительны. Одобрения совета директоров или поддержки руководства тоже недостаточно.
Если сотрудники не понимают, зачем нужны изменения, что они означают лично для них — хорошего или плохого — и какую пользу принесут, трансформация будет происходить исподволь и повлечет множество побочных потерь.
Поэтому четвертый элемент реального преимущества от внедрения ИИ — искренняя убежденность руководства компании в том, что инвестиции в ИИ необходимы для ее дальнейшего успеха. Это их стратегия в области ИИ, включенная в миссию и цели компании: руководители постоянно продвигают ее и подкрепляют свои решения конкретными действиями.
Это дает командам во всей организации стимулы, поддержку и ощущение срочности, необходимые для развития навыков и принятия непростых, но важных решений в пользу более сложного и более выгодного пути. Это дает уверенность, необходимую для запуска клиентского сервиса на базе ИИ или процесса принятия инвестиционных решений.
В ближайшие два года от ИИ выиграют не компании с наибольшим числом внедрений. Победят те, кто заставит ИИ работать в важных клиентских и критически значимых системах и процессах, влияющих на принятие решений, и сформирует внутри организации способность делать это регулярно и безопасно.
Что же делать вам? Если ваша организация «занимается ИИ», но это никак не влияет на успех компании, попробуйте ответить на следующие вопросы:
Понятно ли, какую роль ИИ играет в реализации миссии вашей компании? Действительно ли руководство считает внедрение ИИ необходимым для будущего успеха компании?
Есть ли централизованное подразделение, которое продвигает повестку ИИ, обучает сотрудников и координирует работу?
Развивает ли технологическая команда знания, ресурсы и типовые решения, позволяющие быстрее и безопаснее создавать системы на базе ИИ?
Доходят ли релизы до рабочей среды без задержек из-за вопросов о поведении ИИ, оставшихся без ответа?
Если хотя бы на один вопрос вы ответили отрицательно, то теперь знаете, с чего начать укрепление уверенности организации в способности быстро и последовательно внедрять ИИ, чтобы получать конкурентное преимущество там, где это действительно важно.