Алексей Колоколов – Синергия интеллектов. Как внедрить ИИ в бизнес-процессы (страница 3)
Будем верить, что на этот раз у нас с вами все получится.
Часть 1. Психологическая подготовка руководителя к работе с ИИ
Внедрять ИИ в бизнес-процессы – значит не только осваивать новые инструменты, но и менять подход к работе. Эта часть книги поможет вам разобраться, как подготовить себя и команду к использованию нейросетей, чтобы они приносили пользу, а не увеличивали хаос. Речь пойдет о том, как перестроить своё мышление и избежать ловушек, которые мешают эффективно работать с технологиями.
Часто руководители либо переоценивают ИИ, ожидая, что он решит все проблемы, либо недооценивают, считая его игрушкой. Оба подхода ведут в тупик: первый – к разочарованию, второй – к упущенным возможностям. Чтобы ИИ стал вашим союзником, нужно научиться видеть его сильные и слабые стороны, а главное – держать управление в своих руках.
Мы разберем на стратегическом уровне, в какие процессы можно встроить искусственный интеллект, каковы глобальные тренды его развития. С другой стороны – в каких направлениях развивать компетенции сотрудников, как определить уровень зрелости людей и команд в отношении ИИ. Это даст вам понимание, куда приложить усилия, и как избежать типовых ошибок и заблуждений.
Глава 1. Комплекс ИИ-неполноценности
Про искусственный интеллект говорят все. Сначала про саму идею, но уже который год говорят о том, как успешно внедрили нейросотрудников и запускают маркетинг и продажи без бюджета. И создается такое ощущение, что твоя компания самая отсталая: вы все еще «работаете руками». А на небе в интернете только и разговоров, что о море промптах, с которыми за час зарабатывают 1000 долларов, экономят себе месяцы работы и в одиночку запускают целые бизнесы.
В итоге складывается этакий комплекс неполноценности, стыдно признаться, что ты не в тренде, и на вопрос «а вы используете ИИ?» отвечаешь «конечно, вовсю внедряем, это наш стратегический приоритет!». Наблюдая за рынком, я вижу, что незаметно произошла подмена понятий «внедрили» и «попробовали». Честным ответом будет «попробовали, но…». Можно сказать, почти все компании получили первый опыт решения бизнес-задач с помощью нейросетей, но у 95% он оказался неудачным.
Первый неудачный опыт – это нормально. Ведь мы с вами находимся в эпохе, сопоставимой с промышленной революцией, и предстоит сделать еще не одну попытку. Смена технологического и социального уклада будет проходить еще десятилетие, и это нормально, что вы не сделали революционного прорыва за 1-2 года. Ведь лидеры рынка, которые рассказывают о своих историях успеха, начали вкладываться в ИИ 5 и даже 10 лет назад, когда это не было у всех на устах.
Что не нормально, так это жить в иллюзиях, иметь завышенные ожидания. И проблема на рынке именно в этом. Поставщики услуг обещают быстрый результат, что можно просто «подключить ИИ» без вовлечения топ-менеджеров и собственников. И даже без привлечения ИТ-команды нейросеть сама напишет код и все настроит под ключ.
Хотя, если честно, я не испытываю сочувствия к компаниям, которые попадаются на такие уловки. Я сочувствую сотрудникам, которым потом приходится разгребать последствия. Ко мне тоже регулярно обращаются за быстрым результатом, но чаще – когда его не получили, попробовав самостоятельно. В моей работе есть два типовых сценария неоправданных ожиданий от ИИ – в аналитике и в бизнес-процессах.
ИИ-Аналитика
Идеализированный образ результата – это некий «нейроаналитик», который соберет все данные, разложит по полочкам, ответит на вопросы, почему планы не выполнены (кого наказать), и расскажет, как достичь целей в следующем месяце.
Для меня ситуация выглядит аналогичной тому, что было и 10, и 5 лет назад с BI-аналитикой, да и у многих остается по сей день. Руководители не пользуются дашбордами, потому что:
- Нет нужных данных. Типичная ситуация – из 1С выгружаются статьи бухгалтерского учета, а управленческий так и остался в Excel. От дашборда с красивыми графиками поквартальной динамики EBITDA никакой пользы, если тебе надо понять, как снизить себестоимость в этом месяце.
- Не хотят брать ответственность. Когда все данные есть, многие руководители среднего звена начинают саботировать прозрачную систему аналитики. Ведь теперь у них нет повода сказать «у меня не было данных», им нужно принимать зачастую неудобные решения.
В итоге проекты, связанные с ИИ-аналитикой, упираются в то же самое, что было у BI-проектов – хранилище данных. Его либо вообще нет, либо оно содержит весьма ограниченные данные по финансам, продажам, остаткам. Из них не получишь инсайтов про качество сырья, человеческого ресурса и других факторов, определяющих конкурентоспособность продукта или услуги.
Казалось бы, хайповая история с ботами-аналитиками может вдохнуть новую жизнь в BI-проекты и под этим соусом довести до ума фундаментальные задачи, на которые не хватило у кого бюджета, а у кого терпения. Но тут мы опять возвращаемся к завышенным ожиданиям, теперь от людей.
Для решения задачи «централизованной» аналитики, от стратегических KPI до первичных данных, нужно проработать и связать воедино две ключевых сущности:
- Дерево KPI (пирамида метрик или другие вариации иерархии бизнес-показателей). Для этого нужно погружение в бизнес-процессы.
- Модель данных. Тут требуется сопоставить семантический (смысловой) слой с физическим слоем таблиц хранилища, иметь технические компетенции.
Это не может сделать один человек (за редким исключением очень крутых архитекторов). А вешают ее, конечно же, на одного специалиста. В итоге получаются две крайности. Либо от аналитика ждут, что он за свою зарплату сделает консалтинг, как McKinsey. Либо аналитики из ИТ-подразделения делают базу данных и говорят бизнесу «у нас же self-service, вот вам конструктор – делайте, что хотите!».
В этой ситуации у меня, к сожалению, нет ИИ-лайфхаков, как и не было BI-лайфхаков. Проект по созданию корпоративного хранилища занимал у наших клиентов 1-2 года. И это были задачи как инфраструктурные, так и по развитию Data-Driven компетенций у менеджеров.
Бизнес-процессы
Аналогичная ситуация с автоматизацией бизнес-процессов. Заказчики рассчитывают получить ботов, которые будут общаться с клиентами и знать продуктовую линейку, сразу же подбирать лучшие предложения, обрабатывать возражения. Но все упирается в то, что нет достаточной базы знаний для обучения нейросети. Лучшие практики не оцифрованы, а сотрудники, обладающие нужным опытом, сопротивляются, как это было 20 лет назад при автоматизации процессов, внедрении ERP и CRM.
Как и с аналитикой, для успешного внедрения ИИ нужно делать шаг назад, и возвращаться к автоматизации процессов. Самый большой потенциал вокруг CRM. У средних и даже малых бизнесов есть CRM-система, но используется она в основном только для работы с воронкой продаж: учета сделок, контроля выполнения планов, автоматизации работы с документами. В этой парадигме всех волнует сквозная аналитика, ответ на вопрос: откуда пришел клиент, как достоверно определить источник заявки и в какой канал рекламы вкладываться. Но подход «от воронки» содержит лишь малую часть важной информации о поведении клиента. Когда сделка успешно закрыта, мы забываем о системном сборе данных, о клиентском опыте, факторах повторных продаж и рекомендаций.
Вторая по популярности тема – это работа с персоналом. Автоматический подбор и отсев кандидатов, виртуальные рекрутеры для первичных собеседований – эти задачи давно на слуху, для них достаточно много ИТ-решений под отечественную специфику. Они недешевые, и окупаются только на массовых вакансиях. А узкопрофильного специалиста все также эффективнее найти по рекомендациям.
Но болит не подбор, а удержание персонала. Тут ИИ может разрабатывать индивидуальные планы развития, подбирать образовательный формат под особенности каждого сотрудника, предупреждать выгорание, развивать кадровый резерв. Но эти более глубокие задачи опять упираются в отсутствие структурированных данных. Зарплатная ведомость, табель обучения и стандартный соц-дем не дадут инсайтов. А оцифровка профессионального пути так и остается ничьей задачей. Ее не берут на себя ни HR (им не хватает технических компетенций), ни ИТ (потому что вечно заняты задачами поважнее).
Что делать?
Я понимаю, что хочется идти в ногу со временем, и мои советы сделать шаг назад не звучат вдохновляюще. Кажется, что если мы сейчас будем разгребать рутину, то конкуренты улетят от нас в космос на ИИ-ракете. Но поверьте, у большинства ваших конкурентов такая же проблема с отсутствием фундамента для внедрения ИИ. Даже если они взлетят, то вряд ли преодолеют стратосферу.