IrkutskMedia, 23 января. Первый заместитель председателя правления Сбера, председатель наблюдательного совета Альянса в сфере ИИ Александр Ведяхин рассказал, как перейти от общетеоретических разговоров к экономически эффективному использованию ИИ в бизнесе.
На смену хайпу вокруг ИИ приходит зрелый и взвешенный подход — инновационная технология становится реальным бизнес-инструментом. Данные BCG показывают, что компании-лидеры по ИИ демонстрируют рост выручки в 1,7 раз и рост общей доходности для акционеров в 3,6 раз по сравнению с менее зрелыми с точки зрения внедрения технологии фирмами. Они также превзошли конкурентов по нефинансовым показателям, таким как количество патентов и удовлетворенность сотрудников. Согласно данным исследования, проведенного Axenix при экспертной поддержке Исследовательского центра в сфере искусственного интеллекта МГУ имени М.В. Ломоносова, суммарная экономия компаний, внедряющих ИИ, в зависимости от отрасли составляет 15–40%.
Тем не менее, когда дело доходит до практики, перед многими управленцами встает вопрос — так как все-таки внедрить ИИ у себя в компании?
Срывайте низковисящие фрукты
Любое внедрение начать следует с того, чтобы определить проекты, которые требуют меньше всего усилий и при этом дают максимальный результат. Это критически важно — неудачное внедрение первой инициативы может отбить весь интерес к внедрению в компании и у самого руководителя, и его подчиненных. Если вы начинаете масштабирование, не реализовав успешно хотя бы один проект, это почти гарантированно приведет к потере денег, демотивации команды и откату назад.
Чтобы определить потенциал проектов, достаточно построить простую матрицу: по одной оси — усилия, по другой — результат. С самых перспективных и нужно начинать, но останавливаться на этом — тоже ошибка. Многие руководители считают свою задачу выполненной в тот момент, когда проект формально поставлен: "я обозначил приоритет — дальше разбирайтесь сами".
Необходимо назначить ответственного, и им должен стать тот, кто действительно горит инициативой внедрения ИИ. Если проект уже формально закреплен за сотрудником по функционалу, нужно понять, насколько этот человек инновационен и хочет ли он вообще “двигать” искусственный интеллект. Если нет, а компания только делает первые шаги во внедрении ИИ, проект лучше забрать. Вы никогда не заставите человека, которому это не нужно, реализовывать проект — даже если это "низковисящий фрукт". Именно поэтому ключевым фактором выбора ответственного является внутренняя мотивация. Внешняя мотивация понадобится позже, когда компания перейдет к массовому внедрению.
На старте вам понадобятся два лидера: бизнес-лидер, который несет ответственность за результат со стороны бизнеса, и технологический лидер. Когда оба по-настоящему вовлечены, возникает тот самый perfect match — и проект начинает двигаться. Если один из них не заинтересован в реализации проекта, шансы на успех снижаются вдвое. Если же оба формально присутствуют, но внутренне не горят проектом, проект можно сразу закрывать — он не полетит.
"По моему опыту, в таких ситуациях зачастую эффективнее опираться не на самых опытных и проверенных, а на более молодых, амбициозных и внутренне мотивированных, давая им четкие проектные полномочия. Тем, кому есть что терять, сложнее идти в зону неопределенности, и в крупных организациях это особенно заметно. У топ-менеджера почти всегда одновременно в работе много направлений, и уволить его за провал одного проекта крайне сложно: даже если один-два буксуют, остальные он вытягивает. Мы, как руководители, это понимаем и зачастую миримся с такими "управленческими недоработками", потому что стопроцентного результата по всем фронтам добиться крайне сложно. Такой топ рационально решает: новый ИИ-проект — рискованный и необязательный; за его срыв не уволят, максимум — пожурят или урежут бонус, гораздо безопаснее сосредоточиться на привычных, проверенных задачах. Так тема постепенно теряет приоритет, фокус размывается, и проект уходит "под воду", — сказал Александр Ведяхин.
Боритесь с предрассудками
Внедрение любых изменений встречает сопротивление со стороны большинства, и ИИ-проекты — не исключение. Усугубляют ситуацию и страхи массовых увольнений и замены человека искусственным интеллектом. Однако эти опасения искусственны. Правда в том, что большинство сотрудников в российских компаниях перегружены, они просто не успевают делать свою работу. Основная задача ИИ сегодня — помочь людям быстрее выполнять их задачи.
"Сегодня искусственный интеллект — это ассистент. Когда я начинал свою карьеру, я был практикантом: делал много рутинной, нудной работы для отдела — копировал, печатал, заполнял таблицы. Сейчас ИИ находится примерно на этом уровне — хорошего практиканта, в ближайшее время он дотянется до уровня младшего специалиста. Но в любом случае он делает ту работу, которая отнимает много времени и при этом приносит относительно мало дополнительной ценности. Работа распределяется по принципу Парето — 80% времени уходит на задачи, которые дают 20% результата. Сюда относится формирование отчетности, аналитика, обзоры рынка, бесконечное копание в цифрах. Именно ее нужно доверить искусственному интеллекту", — сказал Александр Ведяхин.
Это подтверждают и последние исследования: по данным McKinsey, до 57% рабочих часов в США технически могут быть автоматизированы уже существующими технологиями. Аналитики отмечают, что это не означает исчезновение половины профессий — меняется состав задач внутри ролей. Почти везде возникает модель “человек + ИИ”: люди направляют, проверяют, интерпретируют и принимают решения, а ИИ выполняет рутинные и масштабируемые части работы.
Представьте подъём в гору. Сам штурм вершины занимает два дня, но путь к ней — сорок. Чтобы дойти, нужны шерпы, которые несут снаряжение, делают всю тяжелую работу. Сегодня искусственный интеллект — это шерпа. Он помогает пройти путь к вершине.
Делайте ставку на энтузиастов
Руководителю нужно понимать, что люди при внедрении любой новой технологии обычно делятся на три категории. Первая — early adopters, ранние приверженцы, вторая — молчаливое большинство, третья — отстающие, late comers. Задача руководителя — на проект набирать именно early adopters, а late comers не подпускать к таким проектам даже близко. Более того, с кем-то из них, возможно, придется расстаться. С молчаливым большинством нужно работать по-другому — через убеждение, работу со страхами и обучение. Чаще всего в основе сопротивления лежит человеческая зависть ("Ага, тот сделал лучше, а я хуже — давайте его притормозим") и страх ("Я с этим не справлюсь"). Здесь важно спокойно объяснять и поддерживать. В целом логика проста: сначала убеждение — потом, при необходимости, принуждение. Если не сработало ни убеждение, ни обучение, значит, мы имеем дело с сотрудником, который категорически сопротивляется изменениям. Такой человек не должен находиться в ядре трансформации. А если меняется вся система, ему в итоге придется эту систему покинуть.
Когда в работу только внедрялись компьютеры, остро стоял вопрос: почему компании "дискриминируют" сотрудников за то, что те не умеют ими пользоваться. Сейчас это вызывает улыбку: владение ПК — базовый навык, без которого ты в принципе не можешь рассчитывать на хоть сколько-нибудь интеллектуальную работу. Чем все закончилось? Все научились пользоваться компьютерами. Те, кто не научился, либо ушли на пенсию, либо остались на ручном труде.
"Сейчас происходит примерно то же самое с искусственным интеллектом. И здесь важно правильно объяснить сотруднику простую вещь: сокращения, если они происходят, всегда идут от наименее эффективных к более эффективным. А эффективность — это объем работы в единицу времени. Искусственный интеллект позволяет существенно увеличить эффективность, а значит, те, кто умеет им пользоваться, в этом ранжировании оказываются выше — и "линия отсечения" до них либо вообще не дойдет, либо может дойти позже. Поэтому если ты хочешь оставаться в организации и развиваться вместе с ней, будь более эффективным", — сказал Александр Ведяхин.
Масштабируйте
Управленец должен обеспечить доступность и функциональность инструментов, организовать обучение, дать сотрудникам возможность ими пользоваться. Но есть то, о чем часто забывают, особенно во время "красивых" разговорах о менеджменте. Управление — это не только "поглаживание по голове", это еще и жесткие требования к исполнению задач. Поэтому действуйте по алгоритму: обучили, дали возможность, поставили задачу — и проконтролировали. Когда у вас появился первый этап — несколько успешных проектов, — дальше вы переходите к массовому внедрению, действуя строго по кругу: Plan, Do, Check, Act.
Отдельным вопросом остается финансовая эффективность ИИ-проектов. Как только ИИ становится частью стратегии, он начинает конкурировать за ресурсы — деньги, людей, внимание топ-менеджмента — с другими инвестициями. Без понятной оценки эффекта ИИ-проекты быстро превращаются в набор разрозненных инициатив: что-то работает, что-то "кажется полезным", но никто не может ответить на главный вопрос управленца — где именно создается ценность и стоит ли масштабировать решение. На практике оценка ИИ-проектов сводится к нескольким конкретным шагам: фиксируете базовое состояние процесса (сколько он стоит компании сегодня, сколько времени занимает, где возникают ошибки, потери и ручной труд), затем описываете целевое состояние после внедрения ИИ в виде измеримых изменений тех же показателей. Разница между этими двумя состояниями и есть потенциальный эффект. Подробнее то, как следует выстроить систему оценки, описано в методологии, подготовленной Российским Альянсом в сфере искусственного интеллекта.
Масштабирование невозможно без выстраивания системы KPI таким образом, чтобы она мотивировала всех, включая не очень активное большинство. Если у вас нет нормальной процедуры KPI-менеджмента — сначала надо выстроить ее, а уже потом обсуждать внедрение ИИ. Если KPI-управление у вас есть, и у менеджмента KPI связан с проектами, тогда вы просто добавляете цель по ИИ на уровне совета директоров. Это может быть экономический эффект от ИИ, глубина внедрения, широта внедрения. Дальше вы каскадируете цель вниз.
"Фактически, после стадии early adopters вы начинаете управлять ИИ так же, как любым другим направлением в книге задач менеджера. Я отвечаю за строительство зданий, выдачу кредитов, внедрение искусственного интеллекта — это все проекты, которые надо реализовывать. Во внедрении ИИ есть своя специфика, но в целом это такой же управляемый процесс: он может быть эффективным или неэффективным. И если вы умеете управлять проектами, вы сможете эффективно управлять и ИИ", — сказал Александр Ведяхин.
И последнее, о чем нужно помнить. С точки зрения трансформаций неуспешны те организации, где трансформация не нужна первому лицу. Неудачные ИИ-проекты почти всегда объединяет одно: руководителю проекта они не были по-настоящему интересны. Руководители должны быть первыми приверженцами, источниками изменений. Не бывает так, что лидер пропагандирует использование ИИ, но сам им не пользуется. Сотрудники всегда ориентируются на нас, менеджер — ролевая модель для своей команды.
