Рост производительности мало что даёт, если работа по-прежнему проходит через те же комитеты, согласования, передачи между отделами и функциональные барьеры. Главным ограничением всё чаще становится организационная задержка — время, необходимое организации для принятия решений, изменения процессов и превращения новых возможностей в бизнес-результаты.
Работу, которая прежде требовала участия нескольких специалистов или отделов либо занимала недели, теперь можно выполнить гораздо быстрее. Это меняет взаимодействие команд, порядок принятия решений и области, где нужны экспертные знания.
Чтобы в полной мере реализовать преимущества, организациям нужно радикально пересмотреть свою структуру: иначе организовать рабочие процессы, управление, стимулы, обмен знаниями и принятие решений, чтобы рост производительности благодаря ИИ накапливался во всей компании.
Организациям, изначально ориентированным на ИИ, нужны и стабильная основа, и адаптивная периферия, а самые ценные человеческие навыки следует направить на принятие взвешенных решений и координацию действий.
В LinkedIn, Substack и на других площадках часто говорят: «Я не вижу отдачи от инвестиций в ИИ». Однако по мере полноценного внедрения мы видим значительную отдачу от ИИ-решений и готовых инструментов, таких как ChatGPT, Codex и Claude. И всё же эту позицию можно понять. Значительно повысить личную производительность возможно, но неизменные рабочие процессы организации в конечном счёте ограничивают этот эффект. Организационная структура должна развиваться.
Однако невозможно раз и навсегда подготовить организацию к будущему, особенно с учётом скорости развития ИИ. Никто не может уверенно сказать, как через три года должны выглядеть оптимизированные под ИИ банк, страховая или энергетическая компании, розничная сеть либо консалтинговая фирма. Технологии, экономика и способы работы меняются слишком быстро, поэтому способность адаптироваться станет одним из главных преимуществ следующего десятилетия.
Но если экспертные знания доступны мгновенно, а ИИ-агенты способны часами работать автономно, нужно исходить из того, что способы выполнения работы изменятся — и должны измениться. Следовательно, для получения пользы от технологии должна измениться и операционная модель. Больше всего выиграют организации, готовые быстрее других адаптироваться к новым способам работы и возникающим вариантам применения этой технологии.
Чтобы понять влияние ИИ на организации, проще всего начать с одного допущения. Предположим, экспертные знания мгновенно доступны каждому сотруднику организации. Два года назад это было трудно представить, а теперь почти стало реальностью. Пока результат не всегда идеален, но вполне разумно ожидать, что в ближайшем будущем он приблизится к идеальному.
Добавим второе допущение. Предположим, автономные агенты могут совместно работать часами, днями, а со временем и неделями, выполняя значительные объёмы содержательной работы. Не одну или несколько задач, а полноценную и продолжительную последовательность работ в разных областях. Иными словами, межфункциональная команда, воплощённая в группе агентов, которые способны самостоятельно выстроить рабочий процесс.
Если оба допущения хотя бы в целом верны, способы выполнения работы изменятся — и должны будут измениться. Сроки сокращаются, внутреннее взаимодействие меняется, а темп преобразований ускоряется.
Столь быстрые изменения требуют децентрализации, автономии и инноваций, тогда как большинство крупных организаций построено на противоположных принципах.
Крупные компании централизуют полномочия в функциональных подразделениях. Стратегия, технологии, данные, риски, операции, финансы, кадры и бизнес разделены между разными структурами, у каждой из которых свои приоритеты, стимулы и, что особенно важно, механизмы контроля.
Изменения регулируют инвестиционные и управляющие комитеты, архитектурные советы, оценка рисков, проверки соответствия требованиям, закупочные процедуры, циклы годового планирования и экономические обоснования. Некоторые команды управления изменениями дополнительно выступают посредниками при передаче информации между заинтересованными сторонами, не добавляя ей ценности.
Всё это вполне рационально: такие механизмы существуют не без причины. Они позволяют управлять рисками, распределять капитал, избегать дублирования, защищать клиентов и устанавливать ответственность, но одновременно задают темп. Он, вероятно, окажется слишком медленным в мире, где конкуренты, изначально ориентированные на ИИ, могут намного быстрее экспериментировать, учиться и перестраивать работу.
Важны и культурные сигналы. Во многих организациях система стимулов по-прежнему вознаграждает соблюдение функциональных границ, сколько бы руководители ни повторяли: «Вы вправе принимать решения самостоятельно». Почему? Защищайте команду. Защищайте бюджет. Защищайте план развития. Не допускайте заметных неудач. Передавайте сложные решения комитету. Не выходите далеко за рамки утверждённого процесса.
Такой централизованный подход оправдан, когда эксперименты дорого обходятся, а редкие изменения носят эволюционный, а не революционный характер. Но он становится проблемой, когда возможности заметно улучшаются каждые несколько месяцев, а лучшие идеи находят команды, непосредственно выполняющие работу.
Попытка реагировать на ИИ с помощью традиционной централизации создаёт задержку, которая мешает получить значимую отдачу от инвестиций. Если каждое изменение должно пройти через несколько комитетов, прежде чем повлияет на реальную работу, организация будет учиться слишком медленно.
Если ограничивать возможности применения ИИ, организация становится менее привлекательным местом работы для сотрудников, которые хотят развиваться и двигаться быстрее.
Большинство организаций начинают с обучения отдельных сотрудников работе с ИИ. Это правильная отправная точка. Люди должны уметь ставить ИИ задачи, критически оценивать и проверять его работу, защищать конфиденциальную информацию и понимать, когда его не следует использовать. Им нужны уверенность, здравое суждение и практический опыт.
Но возможности отдельных сотрудников ограничены. Аналитик может выполнять в пять раз больше анализа, но совещание для принятия решений всё равно проходит раз в месяц. Разработчик может создавать больше кода, но процессы проверки и выпуска остаются прежними. Маркетолог может создавать больше материалов, но они по-прежнему стоят в той же очереди на согласование с брендом.
Даже на уровне команды изменение рабочего процесса не обязательно ускоряет работу, если остальные подразделения продолжают действовать по-старому.
Сотрудник работает быстрее, возможно, и команда тоже, но итоговую скорость ограничивают другие звенья сквозного процесса организации. Поэтому освоение ИИ должно пройти путь от отдельных сотрудников к командам, а затем ко всей организации.
Когда компания способна менять структуру, стимулы, управление, обмен знаниями и технологические подходы, локальные достижения сотрудников и команд превращаются в ценность для всего бизнеса.
Это сложная задача, но именно здесь скрывается возможность раскрыть ценность. Компании, возникшие после выпуска ChatGPT и изначально встроившие ИИ в рабочие процессы, сохраняют гибкость и плоскую структуру. В отличие от них крупные компании внедряют ИИ в существующие процессы, создавая лоскутную систему, которая не меняет того, как выполняется работа.
Ориентация на ИИ не означает хаос, безрассудство или одержимость инструментами. Это не означает, что каждый сотрудник может по своему усмотрению использовать новейшую модель. И уж точно это не означает замену управления одним энтузиазмом или отрицание необходимости участия людей.
Традиционная модель организационного проектирования предполагает, что можно определить целевое состояние, разработать структуру, внедрить изменения и стабилизировать работу. Для ИИ это слишком медленно.
Организации, изначально ориентированные на ИИ, будут рассчитаны на непрерывные изменения. Организация, изначально ориентированная на ИИ, постоянно перестраивает работу с учётом совокупных преимуществ людей, систем ИИ, данных, рабочих процессов и управления. Она не будет ставить всё на единственный генеральный план. Она научится быстро выяснять, какие процессы нужно изменить, как должны развиваться роли, какие меры контроля необходимы, какие навыки становятся важнее, какие практики можно применять повторно и какие предположения уже устарели.
Для этого одновременно нужны две вещи: стабильная основа и адаптивная периферия. Они обеспечивают баланс между централизацией и самостоятельностью команд, непосредственно выполняющих работу.
Стабильная основа обеспечивает организации доверие и масштабируемость. Весь бизнес получает доступ к одобренным инструментам, многократно используемым практикам, каналам доступа к данным, методам оценки, средствам защиты, принципам управления, мониторингу, инфраструктуре знаний и чётко распределённой ответственности.
Адаптивная периферия — это среда, где выполняется работа и где она часто и без лишних препятствий меняется. Небольшие межфункциональные команды, близкие к решаемой проблеме, получают достаточно полномочий, чтобы перестраивать процессы, применять ИИ, испытывать новые методы работы и передавать накопленный опыт всей организации.
Баланс между центром и периферией имеет большое значение. При чрезмерном централизованном контроле организация учится слишком медленно. При чрезмерной локальной свободе организация распадается на разрозненные части. Организации, изначально ориентированной на ИИ, нужны дисциплина в центре и адаптивность на периферии.
Самый поверхностный вывод об автоматизации труда — ИИ снижает потребность в людях. В некоторых областях так и будет: мало зависящая от контекста повторяющаяся интеллектуальная работа сократится или исчезнет. Под давлением окажется преимущественно операционная работа: устранение пробелов в системах, передача информации, первичный анализ, подготовка черновиков и ответы с небольшой «добавленной ценностью».
Но есть и обратная сторона: человеческий «вклад» выходит на новый уровень. Если экспертные знания доступны мгновенно, то редкими человеческими качествами, которые ИИ не может и не должен заменять, становятся здравое суждение, творческий подход, ответственность, понимание контекста и доверие.
Организациям следует уделять всё больше внимания людям, способным принимать решения в неоднозначных ситуациях. Людям, которые достаточно глубоко разбираются в предметной области, чтобы направлять ИИ и понимать, когда он ошибается. Людям, умеющим задавать более точные вопросы. Людям, способным связать воедино коммерческие, технические, операционные и человеческие реалии. Людям, умеющим выстраивать отношения, укреплять доверие и координировать множество заинтересованных сторон. Особенно важными становятся умение быстро переключаться между контекстами и точно интерпретировать информацию — представьте, что вся недельная работа умещается в утро понедельника.
Поэтому универсальные специалисты становятся ценнее, если умеют сохранять контекст между функциями и координировать работу с применением ИИ. Узкие специалисты тоже могут стать ценнее: ускорение работы создаёт больше ситуаций, где важны качество и здравое суждение. А руководителям придётся не столько контролировать деятельность, сколько проектировать системы, контекст и темп работы.
Инвестировать нужно не только в «навыки работы с ИИ», но и в человеческие качества, важность которых растёт по мере передачи ИИ рутинных задач: любознательность, здравое суждение, устойчивость, ясность, творческий подход, решительность, умение сотрудничать и спокойно относиться к неопределённости. Организациям уже сейчас следует нанимать, развивать и поощрять людей с такими качествами.
Столь сильное сжатие объёма работы требует огромного напряжения, и организации, изначально ориентированные на ИИ, не могут постоянно работать на предельной скорости. Им нужно оставлять людям время и пространство для восстановления и общения. Чтобы эффективно оценивать ситуации и принимать решения, организациям следует создавать среду, где удачное стечение обстоятельств может породить новые идеи.
Сегодня многие компании медленно осваивают даже уже доступные возможности ИИ. Поэтому разрыв между развитием возможностей ИИ-агентов и их практическим применением увеличивается.
Это нормально. Крупные организации медленно внедряют технологии из-за устаревших систем, нормативных ограничений, культурного сопротивления, разрозненных данных, неясной ответственности и реальных рисков — всем этим необходимо управлять.
Но в какой-то момент достаточно много руководителей, команд и конкурентов научатся безопасно и системно применять ИИ в реальных рабочих процессах. Практики станут зрелее, механизмы управления — неотъемлемой частью работы, агенты — надёжнее, а уверенность организаций возрастёт. Разрыв между возможностями ИИ и тем, что компании действительно используют, начнёт сокращаться.
Когда наступит этот переломный момент, преимущество получат не компании с лучшими моделями или крупнейшими бюджетами на ИИ, а организации, способные быстро менять способы выполнения работы.
Компаниям, которые централизуют каждое решение, оберегают каждую функцию, управляют через медлительные комитеты и поощряют людей за то, что они «не раскачивают лодку», будет трудно успевать за изменениями.
Компании с прочной основой и адаптивной периферией будут учиться быстрее. Они раньше найдут более эффективные процессы, направят сбалансированную команду универсальных и узких специалистов и руководителей на более ценную работу и превратят локальные эксперименты в многократно используемые практики.
Сейчас вопрос может звучать так: «Как нам успешно внедрить ИИ?», но вскоре его придётся сформулировать иначе: «Насколько быстро наша организация сможет адаптироваться к изменениям в работе, вызванным ИИ?»
Медленная организация останется медленной даже с мощным ИИ, а адаптивная организация благодаря ему будет ускорять рост.