«Прежде чем требовать от сотрудников внедрения ИИ, создайте им возможность это делать»: Ильяс Домнин о том, почему AI-трансформация буксует
— Про ИИ сегодня пишут все: компании внедряют, ускоряются, оптимизируют. Почему при таком внимании к технологии многим не удаётся выстроить её применение системно?
— Ильяс Домнин, CPO Burger King Russia: Потому что системное применение ИИ начинается с условий для его работы. А во многих компаниях эти условия ещё не созданы.
Хайп вокруг ИИ и давление рынка подталкивают топ-менеджмент требовать быстрых результатов, а дальше это давление спускается на сотрудников: «Что вы сделали? Где результат? Покажите цифру». Логика понятная: компании хотят снижать затраты и повышать эффективность. Проблема возникает, когда результат требуют раньше, чем создают возможность его получить. Если у сотрудника нет инструментов, доступа, бюджета или понятного сценария применения, вопрос «что вы сделали?» скорее раздражает, чем помогает.
Поэтому первый вопрос руководителя должен звучать так: мы вообще создали условия, в которых сотрудник может нормально пользоваться ИИ? Только после этого имеет смысл спрашивать о цифрах.
— Что вы называете условиями?
— Ильяс Домнин: Я бы разделил проблему на два блока: возможность применения и само применение.
Давайте возьмем первый блок — возможность применения.
Современные ИИ-сервисы несут риски для безопасности данных. Кроме того, практически все они работают во внешнем цифровом контуре, тогда как крупные компании — внутри собственной IT-инфраструктуры. Возникает парадокс: инструмент полезен, но сотруднику приходится постоянно переключаться между рабочей инфраструктурой и внешним сервисом, переносить информацию из одной системы в другую. Инструмент, который должен был ускорять работу, добавляет лишних действий.
Технически такие вопросы решаемы. Но сотрудник не должен самостоятельно заниматься инфраструктурой. Если он сам ищет способ получить доступ, разбирается с настройками и думает, не возникнет ли вопросов у службы безопасности, то это не корпоративное внедрение, а энтузиазм отдельного человека. Компания должна сама определить, какие инструменты разрешены, как к ним получают доступ и как они интегрируются в рабочий контур.
Есть и проблема денег. Лицензии и токены — новая статья расходов, которой год назад могло не быть. «Внедряйте ИИ» без бюджета легко читается как «внедряйте за свой счёт».
Ещё одна проблема — зависимость от рабочего оборудования. Представьте: сотрудник придумал сценарий, настроил и отработал его, но тот запускается только с его компьютера. Достаточно ему закрыть ноутбук или уйти в отпуск и работа остановится. Для промышленного применения ИИ-сценарий должен функционировать постоянно и независимо от конкретного сотрудника. Он должен принадлежать не сотруднику, а компании.
— Допустим, инфраструктурные вопросы решены. Почему люди всё равно могут не использовать ИИ?
— Ильяс Домнин: Потому что начинается человеческий фактор, и дело не только в консерватизме. Я бы выделил четыре барьера: страх, ресурс, фичеризм и качество применения.
Первый — страх. Многие процедуры появились потому, что что-то уже ломалось. Они написаны, условно говоря, кровью прошлых ошибок. Поэтому страх нового инструмента может быть рациональным. Человек думает: «Вы хотите ускорить процесс, который уже работает. А кто будет отвечать, если он перестанет работать?» Главный блокер глубокого проникновения ИИ — не лень и не консерватизм, а обоснованный страх людей, которые уже платили за чужие эксперименты.
Второй барьер — ресурс. Чтобы довести ИИ-решение до рабочего качества, недостаточно выделить час в календаре. Даже если сценарий понятен, его настройка и тюнинг могут занять около двух недель ежедневной работы по полтора-три часа. Мне, например, потребовалось именно столько: дать системе контекст, показать хорошие и плохие примеры, проверить результат, скорректировать и снова протестировать. Если же сам сценарий ещё предстоит найти, срок вообще сложно оценить заранее. По сути, вы обучаете нового сотрудника. Только вместо адаптации человека вы обучаете систему понимать задачу, стандарты качества и контекст вашей работы.
— А что такое фичеризм?
— Ильяс Домнин: Использование ИИ просто потому, что его нужно использовать, не для решения проблемы, а потому что это модно. Мой критерий простой: если большой аналитический массив вручную обрабатывается за час, а с ИИ — за десять минут, я использую ИИ. Если формулировку быстрее исправить руками за десять секунд — исправляю руками. ИИ — это инструмент, а не панацея. Инструмент должен либо ускорять процесс, либо повышать качество. Если не делает ни того, ни другого, то зачем его применять?
— Как тогда должен выглядеть правильный подход?
— Ильяс Домнин: У меня, как у директора по продукту, подход простой: мы не внедряем ИИ ради самого ИИ. Мы начинаем с проблемы. Есть производственный цикл, от идеи до релиза и оценки эффекта. На каждом этапе возникают конкретные задачи и узкие места. Для каждой проблемы мы задаём два вопроса: можно ли с помощью ИИ ускорить процесс без потери качества? Можно ли повысить качество без увеличения затрат времени? Если потенциал есть — разбираемся, способен ли ИИ решить эту задачу. Если он не влияет ни на скорость, ни на качество, значит, это неподходящий сценарий. Использовать технологию ради самой технологии — это не продуктовый подход, а эксперимент ради эксперимента.
— Многие воспринимают ИИ как способ снять с себя часть работы. Не получается ли наоборот, что ответственности становится больше?
— Ильяс Домнин: Мне присылают документ на ревью. Видно, что он сделан с помощью ИИ, для меня это не проблема. Проблема, если сотрудник сам его не прочитал, не проверил факты и не заметил того, чего в реальности не существует. В итоге руководитель делает работу, которая должна была быть сделана до него.
ИИ меняет роль человека: он перестаёт быть только исполнителем и становится тем, кто делегирует задачу машине и проверяет результат. Фактически вы получаете нового сотрудника, которого сначала нужно обучить: дать контекст, объяснить задачу, показать критерии результата, проверить работу и скорректировать её. Качество работы с ИИ напрямую связано с качеством постановки задачи. Если руководитель не умеет чётко ставить задачи человеку, с ИИ ему будет ещё сложнее.
И здесь возникает отдельная проблема для исполнителей. Человек, который привык только получать задачи и выполнять их, сталкивается с необходимостью самому формулировать задачу для ИИ, задавать контекст и определять, каким должен быть результат. ИИ требует от человека управленческого навыка даже тогда, когда человек формально никем не управляет.
