Больше новостей об IT в Telegram канале «Код Дурова»
Егор Ворогушин, директор департамента бизнес-решений ГК Softline, — о том, почему внедрение искусственного интеллекта начинается не с покупки технологии, как изменится вход в профессию для молодых специалистов и что компаниям уже сегодня стоит пересмотреть в обучении, найме и организационном дизайне.
Разговор об искусственном интеллекте часто начинается с технологий: какую модель выбрать, где ее развернуть, к каким корпоративным системам подключить. Но, на мой взгляд, это не первая проблема, которую должна решить компания. Первичен бизнес, первичен процесс, и только потом — искусственный интеллект, который мы собираемся к этому процессу применить.
Можно купить современную платформу, собрать сильную команду разработки, запустить красивый пилот. Но если один и тот же процесс каждый сотрудник выполняет по-своему, информация хранится в десятках мест, а решения зависят от личных договоренностей, ИИ не наведет порядок. Скорее он быстрее автоматизирует существующий хаос.
Опыт ГК Softline показывает, что внедрение ИИ — это не только технологический проект. Это проверка зрелости компании: насколько хорошо она понимает собственную работу, умеет описывать процессы, управлять данными и меняться не на уровне презентаций, а в ежедневной практике.
Мы давно работаем с ИИ, просто раньше не называли его революцией
В ГК Softline давно работают с технологиями искусственного интеллекта, хотя раньше многие из них не воспринимались как революционные. Классические алгоритмы машинного обучения уже много лет применяются при оценке кредитных заявок, распознавании документов, анализе изображений, прогнозировании спроса и выявлении аномалий.
Этот тип ИИ хорошо изучен: мы примерно понимаем, как он устроен, на каких данных обучается, какую точность показывает и где может ошибаться.
С генеративным искусственным интеллектом ситуация сложнее. Большие языковые модели умеют работать с огромным объемом информации, обобщать данные и создавать новый контент. Им не всегда требуется отдельное обучение под каждую задачу: часто достаточно правильно сформулировать запрос и предоставить необходимый контекст.
Но вместе с этим возникает проблема предсказуемости. Одинаковые запросы могут давать разные результаты. Фактологически правильный ответ может оказаться неприменимым к конкретной ситуации, потому что модель не знала важных обстоятельств.
Генеративный ИИ очень убедительно говорит даже тогда, когда ошибается. Поэтому работа с ним требует не меньше экспертизы, а больше: нужно уметь ставить задачу, проверять результат и понимать, чего модель могла не учесть.
От личного помощника до автоматизации всей компании
Сегодня можно выделить четыре уровня использования искусственного интеллекта в организации.
Первый — личный
Сотрудник применяет ИИ для собственных задач: готовит черновик текста, собирает структуру презентации, редактирует документ, обобщает информацию, составляет протокол встречи.
Практика ГК Softline подтверждает, что это самый доступный уровень внедрения. Он почти не требует изменения корпоративных процессов, но способен дать заметный эффект. Человек, который научился работать с ИИ, может высвободить до десяти часов в неделю. Не потому, что модель делает всю работу за него, а потому, что она снимает значительную часть механической нагрузки.
Второй уровень — командный
Здесь ИИ решает конкретную задачу внутри одного подразделения. Например, помогает новым сотрудникам проходить адаптацию, отвечает на типовые вопросы, подсказывает, где найти нужный документ или к кому обратиться.
Один из примеров, который приводят в ГК Softline, — чат-бот «София» для поддержки новичков. Он может самостоятельно закрывать около 60% поступающих вопросов. Это не означает, что адаптацией больше не должны заниматься руководитель или HR. Но сотруднику не приходится ждать ответа на простой вопрос, а коллеги меньше отвлекаются на повторяющиеся консультации.
Третий уровень — межфункциональный
Искусственный интеллект встраивается в процесс, проходящий через несколько подразделений. Например, анализирует проектную документацию, рабочую переписку и отчеты, чтобы заранее обнаруживать риски, отклонения от сроков или противоречия в требованиях.
Как показывает опыт проектов ГК Softline, именно здесь начинаются основные сложности. Необходимо договориться о единых правилах, определить владельца процесса, обеспечить доступ к данным и понять, кто отвечает за итоговое решение.
Четвертый уровень — полная сквозная автоматизация процесса в масштабе всей организации
О таких проектах много говорят, но в реальной практике они пока встречаются значительно реже, чем в презентациях. Чем длиннее процесс и чем больше людей в нем участвуют, тем сложнее обеспечить стабильность, качество данных и предсказуемый результат.
Поэтому разумный путь — не пытаться сразу автоматизировать всю компанию. Лучше начинать с понятных задач, состоящих из двух-трех шагов, проверять эффект, учиться на ошибках и постепенно расширять границы проекта.
Почему ИИ в первую очередь изменит работу начинающих специалистов
Когда мы говорим о влиянии ИИ на занятость, дискуссия часто сводится к вопросу: заменит ли технология человека? Мне кажется, важнее другое: какие части работы человека она заменит первыми?
В любой профессии есть условная нижняя часть пирамиды — повторяемые и алгоритмизированные операции. Свести данные в таблицу, подготовить типовой документ, собрать первичную информацию, сделать расшифровку, написать первый черновик, проверить формальные ошибки.
Именно такие задачи традиционно поручали начинающим специалистам. Благодаря им человек постепенно погружался в профессию, видел большое количество рабочих ситуаций и учился отличать хороший результат от плохого.
Теперь значительную часть этого уровня забирает ИИ. Возникает парадокс: компаниям по-прежнему нужны опытные специалисты, но привычный путь накопления опыта начинает разрушаться.
По наблюдениям экспертов ГК Softline, начинающим специалистам будет сложнее не потому, что они больше не нужны, а потому, что меняется сама конструкция входа в профессию.
Компаниям придется заново ответить на вопрос: кто такой молодой специалист в эпоху ИИ? Возможно, это уже не человек, который выполняет простые операции, а сотрудник, умеющий правильно поставить задачу модели, проверить результат, увидеть риск и связать полученную информацию с бизнес-контекстом.
Стартовая позиция становится сложнее. От новичка ожидают не только исполнительности, но и способности самостоятельно мыслить, интерпретировать результаты работы ИИ и принимать решения.
Большие языковые модели создают невероятный соблазн ничего не загружать в голову. Можно получить задание, сформулировать запрос, скопировать результат и двигаться дальше. Проблема в том, что без собственной базы знаний человек не способен качественно оценить ответ модели. Он не понимает, где допущена ошибка, какой контекст потерян и насколько применим предложенный вывод.
Именно поэтому обучение работе с ИИ нельзя сводить к созданию промптов. Умение сформулировать запрос важно, но это только начало.
Сотруднику нужны предметные знания, критическое мышление, способность проверять факты, видеть причинно-следственные связи и отвечать за итоговый результат. Искусственный интеллект может ускорить сильного специалиста, но не способен мгновенно создать экспертизу там, где ее нет.
Для HR и руководителей это означает необходимость пересматривать корпоративное обучение. Нужно меньше заданий, которые можно механически сгенерировать, и больше проектной работы, защиты решений, личных собеседований и разборов реальных ситуаций.
Важно оценивать не только конечный ответ, но и то, как человек к нему пришел: какие источники использовал, что проверил, какие ограничения увидел и почему выбрал именно такой вариант.
Должности будут превращаться в наборы задач и компетенций
Традиционный организационный дизайн строится вокруг должностей. У каждой позиции есть название, набор обязанностей и место в структуре. ИИ заставляет смотреть на работу иначе.
Необходимо разложить каждую роль на процессы, задачи и отдельные операции. После этого становится видно, что можно автоматизировать, что усилить с помощью ИИ, а что должно оставаться ответственностью человека.
Допустим, сотрудник выполняет десять типов задач. Три из них модель способна делать почти полностью, еще в четырех она может готовить черновик или проводить первичный анализ. Остальные требуют переговоров, профессионального суждения, эмпатии или принятия ответственности. В таком случае исчезает не обязательно вся должность — меняется ее содержание.
В ГК Softline считают, что в ближайшие годы компаниям придется регулярно пересобирать роли, перераспределять задачи и обновлять требования к компетенциям. Должность перестает быть чем-то фиксированным. Она все больше будет напоминать живую конструкцию, которая меняется вместе с процессами и технологиями.
Для сотрудников это одновременно риск и возможность. Риск — если человек годами держится за набор операций, которые уже может выполнять модель. Возможность — если он готов переходить к более сложным задачам, осваивать новые инструменты и брать больше ответственности за решения.
Люди любят изменения при двух условиях: если они делают жизнь комфортнее и экономят время. Искусственный интеллект способен обеспечить и то, и другое.
Сотруднику важно не просто слышать, что его компания «занимается ИИ». Он должен видеть, как технология помогает ему в повседневной работе: быстрее находить информацию, готовить документы, разбираться во внутренних правилах, анализировать данные и получать обратную связь.
Если внедрение превращается в дополнительную отчетность и усложняет процессы, оно будет вызывать сопротивление. Если снимает рутину и освобождает время для содержательной работы, люди начинают сами распространять новую практику.
Поэтому важен не сам факт наличия ИИ-проектов, а качество технологической среды. Есть ли у сотрудников доступ к современным инструментам? Обучает ли компания ими пользоваться? Можно ли безопасно экспериментировать? Поддерживает ли руководитель инициативу? Понимают ли люди, как изменятся их роли?
Через несколько лет компания без искусственного интеллекта на рынке труда, вероятно, будет восприниматься примерно так же, как сегодня компания без компьютеров. Особенно молодыми специалистами, для которых ИИ постепенно становится естественным рабочим инструментом.
Пять вопросов, на которые нужно ответить до запуска ИИ-проекта
Эксперты ГК Softline рекомендуют до начала внедрения ответить на пять базовых вопросов.
- Первый: описан ли процесс, который компания собирается автоматизировать? Если нет единого порядка действий, автоматизация будет нестабильной.
- Второй: какие данные использует модель и можно ли им доверять? Если информация устарела, неполна или противоречива, ИИ будет масштабировать эти проблемы.
- Третий: готова ли технологическая инфраструктура? Корпоративные решения пока остаются достаточно сложными и дорогими, особенно если требуется интеграция с несколькими внутренними системами.
- Четвертый: как будет оцениваться эффект? В продажах или маркетинге проще связать внедрение с выручкой, конверсией или стоимостью привлечения. В HR прямой финансовый результат может быть менее очевидным. Экономия часто проявляется во времени, скорости адаптации, снижении нагрузки и удобстве сотрудников.
- Пятый: какие ошибки допустимы? Модель будет ошибаться. Поэтому важно заранее определить, где ее ответ носит рекомендательный характер, а где необходима обязательная проверка человеком.
Абсолютная безошибочность — нереалистичное ожидание. Но это не означает, что рисками нельзя управлять. Нужно понимать границы технологии и не перекладывать на нее ответственность, которую должна нести организация.
Как изменится рекрутмент
ИИ повлияет не только на содержание работы, но и на то, как компании будут искать людей.
Сегодня резюме часто стараются уместить на одной-двух страницах, потому что у рекрутера нет времени читать больше. Алгоритм может обработать значительно больший объем информации: проекты, статьи, выступления, видео, портфолио, рекомендации, примеры кода и рабочие кейсы.
Поэтому профессиональный профиль будущего, вероятно, станет более подробным и многоформатным. Провокационная мысль о резюме на 30–50 страниц не обязательно означает, что кандидаты действительно начнут отправлять рекрутерам многотомные документы. Скорее речь о том, что цифровой профиль будет включать гораздо больше подтверждений компетенций, а первичный анализ возьмет на себя машина.
При этом возрастет значение человеческой верификации. Чем больше будет синтетических текстов, изображений и видео, тем выше окажется ценность доверенных экспертов, способных подтвердить качество работы и реальный вклад человека.
Рекрутмент не станет полностью автоматическим. Напротив, на фоне роста сгенерированного контента личная встреча, профессиональная дискуссия и разбор реального кейса могут стать еще важнее.
С чего начать
Необязательно сразу создавать большой центр компетенций или запускать масштабную трансформацию. Начать можно с личного уровня: дать сотрудникам безопасные инструменты, базовые правила и время на освоение.
Следующий шаг — найти внутри команд людей, которым интересно экспериментировать. Такие внутренние евангелисты часто быстрее других обнаруживают реальные сценарии использования технологии. Им нужны поддержка руководителя, доступ к данным, понятные ограничения и право на безопасную ошибку.
После этого можно выбрать один небольшой процесс, где результат будет заметен сотрудникам. Например, адаптацию новичков, подготовку отчетов, поиск по корпоративной базе знаний или первичный анализ документов.
Главное — не начинать с лозунга «давайте внедрим ИИ». Начинать нужно с конкретной проблемы: где компания теряет время, где возникает повторяющаяся работа, где сотрудникам неудобно и где технология действительно способна помочь.
В ГК Softline уверены: искусственный интеллект уже меняет не только рабочие инструменты, но и саму архитектуру труда. Компаниям придется переосмыслить процессы, должности, обучение и подходы к найму. Сотрудникам — учиться работать вместе с технологией, не отдавая ей право думать и принимать решения за себя.
Будет ли легко? Вряд ли. Будет ли интересно? Безусловно.
Как я иногда говорю, впереди будет весело и страшно. Но именно сейчас у компаний и людей есть возможность не просто наблюдать за изменениями, а самим определять, какой станет новая рабочая среда.
Больше новостей об IT в Telegram канале «Код Дурова»