Когда компании внедряют ИИ, они часто ожидают ускорения рабочих процессов, оптимизации расходов, роста прибыли и других «умных» результатов. Но на практике первый эффект почти всегда другой – сначала искусственный интеллект показывает бизнесу проблемы в управлении. ИИ редко ломает систему, но он почти всегда делает видимым то, что в ней давно не работало! И именно поэтому многие AI-проекты вызывают у бизнеса разочарование: вместо решений компания получает вопросы, которые раньше удавалось не озвучивать…
В AIM мы рассматриваем ИИ не как автономную технологию, которая непременно должна работать “из коробки”: запустил пилоты – вжух – и произошло чудо… Мы отлично понимаем, что секрет успешной AI-трансформации кроется в том, как, кем и какие решения принимаются в компании и насколько лидеры бизнеса заинтересованы во внедрении искусственного интеллекта. Поэтому, если вы ждете, что с приходом AIBP у вас все само заработает – не ждите, а лучше внимательно посмотрите на те проблемы, которые станут очевидными после подключения AI Business Partner к вашему проекту…
Размытые зоны ответственности
Одна из первых проблем, которые вскрывает ИИ – это отсутствие контроля. Если в компании не ясно кто принимает решения и кто за что отвечает, нет четких алгоритмов действия в той или иной ситуации, а размытость компенсируется личными договоренностями, авторитетом конкретных сотрудников и «ручным управлением» – велики шансы, что ваш пилотный ИИ-проект не взлетит.
Дело в том, что AI требует формализации: если при работе модели возникает вопрос, на который нет ответа, поскольку в компании нет формального владельца того или иного процесса, но зато есть несколько центров влияния и ответственность распределена не так, как написано в оргструктуре, то ИИ просто не сможет выбрать сторону. В этом случае процесс рискует превратиться в бесконечные согласования и компромиссы.
Противоречивые регламенты и правила
Еще одна ситуация, где ИИ становится зеркалом – это внутренние регламенты.
Для человека противоречия между должностной инструкцией, положением дел в компании и тем, как здесь принято решать ту или иную ситуацию, часто не критичны. Он может чувствовать или просто знать, как правильно – но AI так не умеет!
Если четкой инструкции нет, то модель может давать разные ответы на один и тот же вопрос и банально не работать! И проблема здесь не в ИИ – просто он показывает, что в компании одновременно существует несколько реальностей, и никто раньше не был вынужден их согласовывать.
Фиктивные и декоративные данные
Одна из самых болезненных точек любого бизнеса – это данные и отчетность. AI моментально подсвечивает показатели, которые никто не использует для решений, а также устаревшие и неактуальные данные, которые, наоборот, используются! В результате, становится видно, что KPI в компании или просто отсутствует, или не имеет вообще никакого отношения к реальному положению дел…
Пока неактуальные данные живут в отчетах, бизнес не испытывает проблем, но как только AI начинает на них опираться – компания сталкивается с абсурдом, а ИИ становится бесполезен:
- модель оптимизирует то, что не имеет ценности и не приводит к результату;
- улучшает показатели, от которых ничего не зависит;
- игнорирует реальные узкие места, потому что они не формализованы.
Но на деле, проблема не в ИИ, ведь ни одна модель не создает фиктивные метрики, а просто разоблачает данные, которые уже давно не работают…
Частая ошибка, с которой сталкиваются компании, запускающие AI-трансформацию – это вера в то, что ИИ «принесет порядок». В реальности, порядок создается четкой структурой и управлением, а ИИ лишь делает его масштабируемым! Именно поэтому мы и говорим о важности роли AI Business Partner – не как человека, выбирающего модели для внедрения, а как того, кто:
- Помогает понять, какие процессы в компании не работают и как нужно их докрутить, чтобы AI-трансформация была успешной;
- Связывает между собой управленцев, юристов, финансистов и прочих специалистов, помогая устранить противоречия и сформулировать правила, понятные как для ИИ, так и для сотрудников;
- Разбирается в массивах данных, которые предполагается использовать для работы ИИ: определяет, что можно брать, а что нет, что нужно можели для достижения заявленных целей, а что только запутает;
- Определяет метрики и данные, по которым отслеживается успешность AI-трансформации.
Без этого ИИ становится зеркалом, в которое неприятно смотреть…