HR для искусственного интеллекта

HR для искусственного интеллекта

Алексей Антипов, старший менеджер группы консультирования по управлению персоналом Группы компаний Б1, в своем материале проанализировал влияние человеческого фактора на внедрение ИИ, проблемы, возникающие при его внедрении в производственные процессы компаний, и возможные пути их решения.

Современные компании все чаще делают попытки использовать (ИИ) для повышения эффективности деятельности, сокращения затрат и улучшения качества решений. ИИ все активнее внедряется в рабочие практики, при этом данных о фактически достигнутых результатах не так уж много.

Искусственный интеллект – это наука и технология создания интеллектуальных машин, интеллектуальных компьютерных программ. Впервые термин был предложен Джоном Маккарти на конференции в Дартмутском университете в 1956 году, он обозначал целый спектр технологий, которые позволяют машинам имитировать человеческий интеллект, включая логику, наборы правил, машинное обучение и глубинное обучение.

Искусственный интеллект является наиболее общим термином, охватывающим любые машины, системы, стремящиеся имитировать интеллект человека. Сегодня ИИ интегрируется практически во все сферы деятельности человека, в том числе в технологические процессы крупных компаний. Однако внедрение новых технологий в рабочие процессы не всегда проходит гладко, и одним из основных барьеров для эффективного использования ИИ является человеческий фактор.

Цель исследования – анализ влияния человеческого фактора на успешность внедрения ИИ в крупных компаниях, нацеленных на решение технологических задач, выявление барьеров, связанных с человеческим фактором, и поиск путей их преодоления для эффективного использования искусственного интеллекта в области управления персоналом. Наше исследование было сфокусировано на нефтегазовых и нефтесервисных компаниях, занимающихся разведкой углеводородов, разработкой месторождений, добычей нефти и газа как в России, так и на Ближнем Востоке (страны Персидского залива).

В исследовании приняли участие несколько крупных компаний из России и стран Ближнего Востока (ОАЭ, Кувейт, Саудовская Аравия), осуществляющих разные виды деятельности в нефтегазовой отрасли:

Крупная российская газовая компания с численностью штата более 17 тыс. человек
Крупная частная российская нефтяная компания с численностью персонала более 100 тыс. человек
Российский буровой подрядчик с численностью сотрудников 2,5 тыс. человек
Крупная российская нефтяная компания с численностью штата более 300 тыс. человек
Крупная нефтяная компания Ближнего Востока с численностью работников более 50 тыс. человек
Крупная нефтяная компания Ближнего Востока с численностью персонала около 10 тыс. человек
Крупная нефтяная компания Ближнего Востока с численностью штата более 60 тыс. человек

Для анализа влияния ИИ на HR-практики применялись следующие методы:

16 экспертных интервью со стейкхолдерами и руководителями проектных групп, занимающихся внедрением ИИ в собственных компаниях
5 экспертных интервью с внешними консультантами, участвующими в реализации проектов по внедрению ИИ в компаниях заказчиков
15 глубинных интервью с участниками рабочих групп, в подразделениях которых внедряется ИИ в настоящее время
анализ данных. Составлен и проанализирован массив данных компаний, включающий технические задания на внедрение ИИ, отчеты по внедрению ИИ, успешные кейсы и проблемные ситуации, связанные с ИИ

В ходе исследования были выявлены основные группы проблем:

Команды не обучены правильному взаимодействию и общению с ИИ

Как отмечают эксперты, часто при реализации пилотных проектов, связанных с внедрением ИИ, от сотрудников начинают требовать наличия новых цифровых компетенций, для формирования которых не было организовано необходимое обучение. Члены проектных групп зачастую не понимают ни целей и задач реализуемого пилотного проекта, ни возможностей ИИ, не знают, как правильно определить эффективность его внедрения. В результате уменьшается вовлеченность участников проектных команд в работу, утрачивается доверие к инструментам ИИ. Другой узкий момент – это недостаток знаний или уделение недостаточного внимания обучению, вследствие чего сотрудник не знает, как правильно ставить задачи искусственному интеллекту. Итогом этого становится ситуация «Trash на входе – Trash на выходе»: сотрудники, не обладая нужными знаниями, умениями и навыками, загружают запросы и получают некорректные решения, что в конечном итоге снижает степень доверия к ИИ.

Команды, которые внедряют ИИ в рамках реализации пилотных проектов, часто не готовы к новым условиям работы

В условиях стремительного внедрения ИИ многие команды сталкиваются с серьезными вызовами, обусловленными недостаточной готовностью к изменениям в рабочих процессах. Современные сотрудники часто продолжают действовать на основе устаревших методов, которые не учитывают активное применение ИИ. Кроме того, в ходе внедрения ИИ круг обязанностей сотрудников возрастает: в дополнение к работе, выполняемой в рамках своей зоны ответственности, приходится выполнять дополнительные функции, такие как разметка данных, постоянный мониторинг систем с оценкой качества. Дополнительная нагрузка в виде формирования отчетной документации также отнимает значительное количество времени и сил и не вознаграждается должным образом. Такой подход не только дестабилизирует привычные рабочие процессы, но и негативно влияет на мотивацию сотрудников. Возникает ощущение перегруженности и недостатка ресурсов для успешного выполнения как привычных задач, так и новых, что в конечном итоге может привести к ухудшению качества работы и высокой текучести кадров. Необходима предварительная подготовка команд, создание четких инструкций и внедрение методик, а также психологическая поддержка сотрудников на этапе адаптации к новым условиям работы с ИИ.

Еще один значимый аспект – это потеря связи между бизнес-процессами и внедрением искусственного интеллекта. Часто сотрудники организации абстрагируют ИИ от основных операций, не учитывая, что успешное применение технологий требует их глубокого интегрирования в существующие процессы. Без понимания контекста, в котором работает ИИ, его результаты могут оказаться неуместными или неэффективными. Это приводит к формированию изолированных решений, которые не решают задачи бизнеса, что, в свою очередь, снижает общее восприятие ИИ как эффективного инструмента.

Разделение ответственности с ИИ за принятые решения

Следующий пункт вытекает из двух предыдущих – стремление персонала к разделению ответственности за принятые решения с ИИ. В ситуациях, когда сотрудники, с одной стороны, не понимают цели и задачи, которые может и должен будет решать ИИ, а с другой – не имеют навыков грамотной постановки задач, у них возникает ложное ощущение, что ИИ будет за них все решать и за все отвечать. Это обуславливает их пассивное отношение к работе и снижение личной ответственности. Сотрудники начинают смотреть на ИИ как на волшебную палочку, способную решить любую проблему, не вникают в подробности и не предпринимают самостоятельных шагов к решению задач. В такой среде возрастает риск ошибок, так как человек отстраняется от процесса принятия решений и полагается исключительно на машину. Поэтому важно не только сформировать у персонала навыки взаимодействия с искусственным интеллектом, но и развить способности правильно формулировать запросы, критически оценивать результаты и нести ответственность за конечный результат. Только в таком случае можно достичь эффективной синергии между человеческим и машинным интеллектом, что приведет к более высоким достижениям и минимизации рисков.

У руководства часто нет конкретных целей использования искусственного интеллекта

Руководящие сотрудники зачастую ставят цель именно внедрить ИИ, а не решить с его помощью какую-то технологическую задачу. В результате внедрение инструмента становится самоцелью, а это означает, что экономический эффект с применением такого подхода организацией достигнут не будет. Отсутствие четких критериев успешности и неуспешности работы ИИ затрудняет принятие решений и оценку эффективности внедрения технологий. Классические метрики оценки качества математических алгоритмов неприменимы к оценке работы информационных систем, созданных на их основе. Кроме того, валидировать работу систем, применяемых для предсказания событий, и вовсе проблематично. Это требует разработки новых подходов и методов измерения, которые учитывают специфику работы систем искусственного интеллекта, а также их влияние на бизнес-процессы и достижение стратегических целей организации.

Деструктивная конкуренция с ИИ

Успешное внедрение ИИ также требует изменений в корпоративной культуре. Неготовность сотрудников к изменениям может вызывать сопротивление, опасения и даже страх перед возможной потерей рабочих мест. Необходимость адаптации к новым условиям работы, освоения навыков взаимодействия с ИИ и перестройки привычных процессов приводит к ожиданию негативных последствий. Этот культурный барьер становится еще одним препятствием на пути к эффективному развитию и применению технологий искусственного интеллекта в организации.

Недобросовестные подрядчики

Ввиду актуальности темы искусственного интеллекта многие компании выходят на рынок, не имея разработанных технологий, при этом позиционируют себя как имеющие портфель ИТ-продуктов. Такие компании рассчитывают заключить договор и только после этого начать разработку технологических решений, однако не представляют, какое количество времени и ресурсов на это потребуется. Компании-заказчики, столкнувшись с недобросовестными партнерами, оказываются в ситуации, когда ресурсов на реализацию проекта затрачено в разы больше запланированного количества, сроки не соблюдаются и результат не достигнут. Это подрывает доверие и к искусственному интеллекту как таковому, и ко всем другим компаниям-разработчикам. По мнению экспертов, преувеличивать уровень развития технологий свойственно не только маленьким организациям-разработчикам, но и достаточно крупным именитым корпорациям.

Такая практика особенно распространена в новых, быстроразвивающихся отраслях, где порог входа относительно низок, а возможности получения быстрых денег значительны. Компании, вступающие в борьбу за место на рынке, часто забывают об этических стандартах и берутся за реализацию проектов, не обладая должной компетентностью. В результате заказчик подчас попадает в затруднительное положение, его вложения не оправдываются.

Риск неудачи увеличивается из-за недостаточных знаний и отсутствия реальной экспертизы у подрядчиков. Основные проблемы, с которыми сталкиваются заказчики, – это несоответствие разработки фактическим требованиям, непрозрачность процесса выполнения проекта и нереалистичные обещания по срокам и результатам.

ВОЗМОЖНЫЕ ПУТИ РЕШЕНИЯ

На основании результатов нашего исследования можно выделить несколько направлений решения проблем в сложившейся ситуации.

Разработка и внедрение программ обучения и адаптации персонала для работы с ИИ

Предварительное обучение проектных команд общению с ИИ, правильной постановке задач. Это поможет более осознанно подойти к дальнейшей реализации пилотных проектов, связанных с ИИ. Важно также активно вовлекать сотрудников в процесс изменений. Обучение и информирование помогут преодолеть страхи и барьеры. Атмосфера психологической безопасности в коллективе способствует принятию новшеств. Донесение целей и задач внедрения искусственного интеллекта, подготовка и адаптация команд к работе с ИИ путем проведения тренингов, семинаров, заседаний рабочих групп может повысить уровень доверия к ИИ и улучшить взаимодействие с новой технологией, а также повысить вовлеченность проектных команд.

Адаптация бизнес-процессов к ИИ

Еще одним важным аспектом является адаптация существующих бизнес-процессов к новым цифровым решениям. Если изменения не учитываются, это может привести к сбоям в рабочем процессе и неудовлетворенности сотрудников. Неправильное планирование и недостаточная подготовка могут создать ощущение хаоса и непоследовательности, что также негативно сказывается на восприятии и использовании технологий ИИ. Важно не только внедрение новых технологий, но и корректная интеграция их в имеющуюся бизнес-структуру.

Тщательная подготовка начинается с анализа текущих процессов и определения точек, где цифровые решения могут принести наибольшую пользу. Важно проводить детальный аудит, чтобы выявить возможные проблемы и узкие места. После этого следует разработать четкий план внедрения ИИ, включающий этапы тестирования и оценки, чтобы минимизировать риски и обеспечить плавный переход.

Важно отметить, что цифровая трансформация – это не разовая акция, а постоянный процесс улучшений и адаптации. Компании, которые осознают это и готовы инвестировать в долгосрочное развитие своих цифровых стратегий, могут рассчитывать на устойчивое конкурентное преимущество и высокую степень удовлетворенности сотрудников.

Цифровая корпоративная культура – разработка внутренних правил по работе с ИИ (свод правил, «Цифровой этический кодекс»)

Внедрение ИИ – это не только технологическая трансформация, но и изменение мышления людей. Необходимо формировать культуру открытости и экспериментов, где ошибки воспринимаются как часть обучения. Только так организация сможет максимально эффективно использовать потенциал ИИ и достичь своих стратегических целей.

В рамках цифровой корпоративной культуры важно создать «Цифровой этический кодекс», который будет служить ориентиром для сотрудников в их взаимодействии с ИИ. Этот свод правил должен охватывать различные аспекты работы с ИИ, начиная с соблюдения этических норм и заканчивая конкретными рекомендациями по защите данных и обеспечению прозрачности. Таким образом, разработка «Цифрового этического кодекса» станет важным шагом на пути к созданию цифровой корпоративной культуры, где ИИ становится неотъемлемой частью рабочего процесса, а сотрудники чувствуют себя уверенно и защищенно в новом цифровом мире.

Разработка системы оценки эффективности ИИ

Перед началом реализации пилотных проектов необходимо четко определить цели, условия успешности и неуспешности внедрения ИИ. Это позволит избежать подмены понятий, когда нет задачи «внедрить», а стоит задача «внедрять» инструменты ИИ. Важно учитывать метрики, которые будут отображать реальную пользу и влияние ИИ на бизнес-процессы. Это как количественные, так и качественные показатели, такие как экономия времени, повышение точности прогноза, оптимизация ресурсов и снижение операционных затрат. Только таким образом можно будет объективно оценить результативность и признать проект успешным или провальным, предоставив возможность дальнейших улучшений и адаптации.

Для успешного внедрения ИИ необходимо четкое понимание бизнес-целей и потребностей. Организации должны создать согласованную стратегию, которая учитывает особенность их процессов и специфику отрасли. Необходимость слаженной работы всех подразделений служит основой для эффективной интеграции ИИ. Без этой слаженности технологии могут стать дополнительной нагрузкой, а не инструментом оптимизации.

Оценка ИИ на входе от подрядчиков

Важно, чтобы заказчики тщательно подходили к выбору своих партнеров для реализации проектов в области искусственного интеллекта. Непременным условием должно стать проведение тестирования работоспособности алгоритмов ИИ и программного обеспечения на его основе. Компании-разработчики должны демонстрировать готовность к прозрачному диалогу, предоставлять детализированные планы работ и обоснованные сметы затрат, а заказчики – предъявлять четкие требования к ПО, метрики качества, устанавливать сроки и условия реализации пилотных проектов, критерии принятия решений.

Осознание проблемы и активное противодействие недобросовестной практике поможет укрепить доверие к рынку искусственного интеллекта и будет способствовать его устойчивому развитию. Технологические инновации, реализуемые с соблюдением высоких стандартов качества и честности, будут способствовать прогрессу и принесут пользу не только отдельным компаниям, но и всему обществу.

ЗАКЛЮЧЕНИЕ

Интеграция искусственного интеллекта в HR-практики крупных компаний представляет собой перспективное направление, способное существенно повысить эффективность и качество управления персоналом. Однако для успешного внедрения ИИ необходимо учитывать влияние человеческого фактора, регулярно проводить обучение и открыто обсуждать возникающие проблемы и опасения сотрудников. Выработанные стратегии позволят не только оптимизировать процессы, но и обеспечить положительное отношение персонала к нововведениям, что в конечном итоге приведет к общему успеху проектов, связанных с использованием ИИ.