Как вы оцениваете готовность российского рынка к внедрению технологий ИИ?

На текущий момент мы находимся в самом начале пути, на так называемой стадии «early adopters». Есть высокий интерес к искусственному интеллекту, крупные компании уже готовы пробовать новые технологии и не боятся ошибаться. При этом все достаточно осторожно говорят об эффектах.

На стадии адаптации их действительно не следует ожидать в больших объемах. Сейчас основная задача — нарабатывать количество, а не качество проектов, пробовать применять искусственный интеллект для операций, которые повторяются большое количество раз и задействуют неструктурированную информацию, например, в части клиентского сервиса, HR-процессов, маркетинга или юридической функции. Именно здесь можно получить первые результаты, накопить экспертизу и выстроить взаимодействие между различными функциями перед тем, как переходить на следующие этапы. Только после этого можно будет говорить о каких-то серьезных эффектах.

Насколько релевантны западные тренды в работе с данными для российского рынка?

Бизнес-сообщество и наши законодатели, безусловно, следят за изменениями в части управления персональными данными и ограничений доступа к информации, появляющимися в Евросоюзе и США. Например, не так давно обсуждалась новость о том, что The New York Times хочет ограничить доступ к своим материалам для обучения моделей искусственного интеллекта.

Другой общий вопрос — это галлюцинации искусственного интеллекта. В начале их было очень много, но действительно ли их стало меньше сейчас? Хочется верить, что чем больше модель обучается и совершенствуется, тем реже у нее возникают галлюцинации.

Если вернуться к использованию ИИ в бизнесе, то приоритетная задача для всех — это освободить наши руки и головы для более интересных и креативных задач. Поэтому если компания готова дать ИИ-модели право принимать решения, то сначала важно определить, как это решение будет проверяться, кем, как долго и по каким критериям.

Сейчас широко распространена идея, что некоторые профессии можно заменить ИИ. Нам уже стоит ожидать волны сокращений?

Я бы немного по-другому поставила вопрос. Компании прежде всего заинтересованы в получении экономических эффектов.

Не секрет, что самый простой экономический эффект, который легче всего показать и понять на любом уровне — это сокращение штата. Но, допустим, вы не можете оптимизировать 30% человека, тогда покажите, как вы сокращаете количество вакансий, продемонстрируйте P&L-эффект или снижение затрат в бюджете следующего года. Вопрос про эффекты — это абсолютно понятный запрос, но нужно для этого сокращать персонал или нет, стоит рассматривать отдельно для конкретного кейса в каждой конкретной компании. То есть важно, как именно вы внедрите изменения.

В чем отличие реализации проектов ИИ от других ИТ-инициатив?

По сути, проект внедрения искусственного интеллекта ничем не отличается от внедрения любой другой технологии. В Б1 мы делаем много проектов по автоматизации процессов посредством ERP, CRM-систем, заказной разработки, внедрению хранилищ данных и т.п. Любой проект мы всегда рассматриваем с точки зрения трех составляющих: процессов, данных и людей.

По статистике, около 60% внедрений в России неуспешны. И это редко бывает из-за того, что люди не знали свои процессы или была выбрана плохая информационная система. Чаще всего проблема заключается в данных и в скорости принятия изменений самими сотрудниками.

Если перекладывать это на искусственный интеллект, то речь пойдет об источниках данных: кому они принадлежат, как мы их сохраняем, управляем и решаем вопросы информационной безопасности (ИБ). Это относится как к продуктам on-premise, так и к облачным решениям. 

На мой взгляд, в любом проекте по внедрению искусственного интеллекта представители ИБ должны быть участниками рабочей группы. В этом случае уже на старте будут определены те ограничения в управлении данными, в рамках которых можно реализовать ИИ-модель с учетом ИТ-ландшафта и специфики компании.

Вы назвали людей одной из ключевых составляющих при рассмотрении проекта. Как именно они влияют?

Изменения делают люди. Можно создать прекрасную модель, разработать множество дисклеймеров на данные, но если сотрудники будут считать, что по итогам проекта весь отдел сократят, то ни один человек не будет использовать модель и свои процессы в нее не привнесет.

Некоторые скептически относятся к ИИ, в том числе и из-за не очень позитивного личного опыта, когда дома попробовали написать запрос в нейросеть и получили в ответ какую-то чепуху. Вывод: если ИИ не работает в простых вещах, то как я могу доверять этой технологии в решении рабочих вопросов?

Но здесь есть хорошая новость: ровно с таким же сопротивлением к изменениям мы уже научились работать в проектах по автоматизации бизнес-процессов. 

Как вы работаете с сопротивлением сотрудников на проектах?

Первое: всегда должна быть поддержка на уровне топ-менеджмента. Если руководство не заинтересовано в проекте, то и остальные сотрудники не будут уделять задачам должного внимания.

Люди — это социальные существа, нам нравится быть причастными к тому, что поддерживается руководством и большинством. Если топ-менеджер в своих интервью СМИ, на конференциях или на собраниях внутри компании говорит о важности проекта или технологии, то, поверьте, такие изменения всегда проще реализовывать.

Второе: нужно искать активных лидеров. Очевидно, что не каждая функция готова у себя внедрять ИИ, особенно если ее работа связана с промышленной и информационной безопасностью. На практике часто наибольшую активность проявляет HR. У них есть повторяющиеся процессы с неструктурированной информацией и большой запрос на повышение эффективности, когда в условиях кадрового голода требуется расширять воронку найма и проходить ее быстрее.

Соответственно, начинать можно с тех подразделений, у которых есть эти узкие места и которые готовы инвестировать свое время. Его потребуется не так много, если делать проект с людьми, имеющими опыт работы с ИИ-моделями. Это могут быть сотрудники ИТ-службы, внешние консультанты или коллеги из другой организации вашего холдинга, которые уже попробовали ИИ, у них получилось, и этот опыт можно тиражировать. Главное, не оставлять людей один на один с новой технологией, потому что всегда есть естественное отторжение нового и страх неизвестного.

Также для ИИ-проектов очень важно давать людям право на ошибку. Тут можно вспомнить Томаса Эдисона, который про свои неудачные опыты с электрической лампочкой сказал, что не потерпел неудачу, а просто нашел 10 000 способов, которые не работают.

Конечно, не хочется писать 10 тысяч промтов, но сам процесс работы с ИИ подразумевает это право на ошибку, доработку и совершенствование.

И третий важный момент — это коммуникации. Ничто не работает лучше для продвижения идей и проектов, чем сарафанное радио. Если соседнее подразделение уже попробовало использовать ИИ и у него что-то получилось, а топ-менеджер на внутреннем собрании об этом рассказал и похвалил коллег, то я вам гарантирую, что еще два функциональных подразделения ровно через неделю заявят о своем желании реализовать подобный проект.

Кроме того, призываю очень бережно относиться к тем кадрам, которые уже есть в компаниях. Хорошо, что университеты запускают отдельные кафедры искусственного интеллекта, но этих специалистов нам предстоит ждать еще 3-4 года, а работать нужно уже сейчас. Поэтому стоит поддерживать своих сотрудников в проведении изменений, и тогда вероятность успеха проектов ИИ будет намного выше.