Переосмысление организационного дизайна в эпоху агентного ИИ

Быстрое внедрение агентного искусственного интеллекта на корпоративном уровне выявило расхождение между амбициями компаний и фактической реализацией. Хотя 85% организаций планируют активно использовать агентный ИИ в течение следующих трех лет, 76% признают, что их текущие операции и инфраструктура не готовы к таким изменениям, ссылаясь на недостаточную готовность персонала, процессов и рабочих процедур. Агентный ИИ — это автономные программные системы, способные выполнять сложные задачи, принимать решения и адаптироваться к изменяющимся условиям с минимальным участием человека.

Проблема “временных решений”

Основная проблема заключается в том, что многие организации интегрируют агентный ИИ в существующие процессы, вместо того чтобы переосмыслить операционную модель и заново спроектировать рабочий процесс. Как объясняет Прасун Шах, глобальный технический директор по консалтингу в области рабочей силы и главный специалист по ИИ в PwC UK Consulting, компании пытаются “встроить сотрудников-ИИ в человеко-ориентированную операционную модель”, добавляя их к существующим структурам, что подобно “приклеиванию скотча к уже ломающимся частям системы”.

Такой подход может помешать компаниям в полной мере реализовать потенциал агентного ИИ, что быстро приведет к разочарованию. Полная ценность агентного ИИ заключается в его способности выполнять целые рабочие процессы с минимальным вмешательством человека: агенты могут координировать сложные задачи, принимать независимые решения, адаптироваться к меняющимся условиям и итерировать свою производительность. По оценкам, в ранних пилотных проектах в сферах обслуживания клиентов, HR и продаж, масштабное внедрение агентного ИИ может ускорить бизнес-процессы на 30–50% и сократить время, затрачиваемое на низкоценную работу, на 25–40%. Однако эта мощь сопровождается повышенной сложностью и требует системных изменений во всей компании.

Расширение словаря ИИ

Платформа корпоративного агентного ИИ Ema* описывает эти изменения как “агентную бизнес-трансформацию” (АБТ) — термин, введенный в прошлом году в партнерстве с HFS Research. Цель состоит в том, чтобы восполнить пробел в существующей терминологии, связанной с агентным ИИ, и предоставить предприятиям новую концептуальную основу для внедрения этой технологии.

По словам Суроджита Чаттерджи, генерального директора и основателя Ema*, ни один из существующих терминов не отражает всего масштаба необходимых преобразований. “Цифровая трансформация заключалась в переходе от бумаги к программному обеспечению. ИИ-трансформация — в добавлении искусственного интеллекта к существующим процессам. Копилот — в помощи ИИ человеку в различных задачах. Но АБТ — это нечто принципиально иное: это интеграция ИИ-агентов в саму структуру организации”.

Шах считает, что специализированный термин (АБТ) “помогает обосновать необходимость полной реорганизации предприятия: его операционной модели, рабочих процессов, прав на принятие решений и систем управления эффективностью”. Он подчеркивает, что “это включает все, что необходимо для обеспечения того, чтобы эти агенты были активными участниками создания ценности, а не просто точечными инструментами или помощниками для повышения продуктивности”.

По данным Ema*, АБТ включает в себя три основных столпа: технологический стек организации, ее рабочую силу и метрики успеха.

Три столпа АБТ

Технологический стек как связующая ткань

Первый столп АБТ — это технологический стек. “Существующий технологический стек был разработан для рабочих процессов, управляемых человеком и ориентированных на приложения”, — говорит Чаттерджи. — “Его необходимо переосмыслить, когда действующим лицом является ИИ-агент, работающий на машинной скорости одновременно в нескольких системах”.

По мере интеграции ИИ-агентов в организацию предприятиям потребуется перейти от набора линейных процессов и шагов к совершенно иному перепроектированию работы, объясняет Шах. Это связано с тем, что ценность ИИ-агентов заключается не в дополнительном уровне в существующем технологическом стеке, а в создании связующей ткани, которая перемещается между слоями или через них для координации высокоуровневой задачи или извлечения и интерпретации данных из нескольких отдельных приложений. ИИ-агенты могут создать “истинное конкурентное преимущество для предприятия”, принимая решения на основе способности контекстуализировать информацию. “Именно здесь будет происходить следующая битва”, — отмечает Шах.

Чтобы создать эту связующую ткань, руководителям необходимо адаптировать свой технологический стек для получения более качественных решений от ИИ-агентов, отдавая приоритет одновременному доступу к нескольким наборам данных и приложениям для развития так называемых неявных знаний. “Организации, которые осуществляют этот архитектурный сдвиг, становятся по-настоящему более адаптивными”, — утверждает Чаттерджи. — “Когда возникает новое бизнес-требование, не нужно ждать шесть месяцев, пока поставщик программного обеспечения разработает функцию. Вы настраиваете сотрудника-ИИ с помощью естественного языка и подключаете его к необходимым системам. Время от бизнес-требования до производственного рабочего процесса сокращается с месяцев до дней”.

Переосмысление рабочей силы

По мере внедрения ИИ-агентов для большего числа сценариев использования, руководители предприятий должны учитывать, что это означает для динамики их рабочей силы, что является вторым столпом АБТ.

Современные структуры рабочей силы мало чем отличаются от иерархической модели ранних этапов индустриализации. Для максимизации эффективности и масштаба процессы стандартизированы, задачи четко разграничены между стратегическими бизнес-единицами, а сотрудники продвигаются по организации на основе их способности оптимизировать производительность нижестоящих команд. Но с ИИ-агентами, которые могут выполнять, координировать и оптимизировать задачи — часто без управленческой координации — границы этой установленной иерархии размываются.

В рабочей силе, где ИИ-агенты и человеческие сотрудники работают вместе, менеджеры будут освобождены от многих задач, связанных с непосредственным исполнением, но получат новые обязанности, связанные с управлением гибридными командами. Менеджерам “потребуется управлять вопросами доверия, объяснимости, психологической безопасности и даже динамикой статуса”, чтобы справляться с новыми напряжениями, которые могут возникнуть в гибридной рабочей силе, считает Шах.

Влияние агентного ИИ на существующие структуры рабочей силы выходит далеко за рамки управленческого звена. McKinsey прогнозирует, что к 2030 году три четверти текущих рабочих мест потребуют редизайна, повышения квалификации или перераспределения, и организациям необходимо будет быстро принять меры по изменению процессов найма, удержания и вознаграждения.

От производительности к результату

Метрики успеха являются третьим и последним столпом АБТ.

Поскольку ИИ-агенты берут на себя большую ответственность за основные корпоративные процессы, выполняя совместные роли с человеческими сотрудниками, традиционные метрики рабочей силы, ориентированные на активность или производительность — такие как количество обработанных звонков или поданных отчетов — теряют смысл.

“Когда вы добавляете ИИ-сотрудников в рабочую силу, метрики активности становятся бессмысленными или активно вводящими в заблуждение”, — говорит Чаттерджи. — “ИИ-сотрудник может обработать тысячу взаимодействий с клиентами за то время, пока человек обрабатывает десять. Если вы измеряете успех по количеству обработанных взаимодействий, вы придете к выводу, что ИИ работает блестяще, но при этом упустите, привело ли хоть одно из этих взаимодействий к удовлетворению клиента, удержанию или росту выручки”. Чтобы исправить это, предприятия должны разработать новый набор метрик, которые сосредоточены на *результате*, а не на *производительности*. То есть метрики должны оценивать более широкие преимущества или достигнутые изменения, а не отдельные выполненные задачи.

Например, когда один из крупных корпоративных клиентов Ema* пересмотрел свои метрики, перейдя от инструментальных показателей, таких как стоимость запроса и точность ИИ, к результатам, таким как процент рассмотренных контрактов без эскалации человеком, измеренный ROI от агентного ИИ утроился в течение двух кварталов. Эти изменения означали, что “клиент перестал создавать точечные решения в высокообъемных, низкосложных рабочих процессах и начал развертывать ИИ-сотрудников там, где ценность результата была максимальной”, — отмечает Чаттерджи.

Интеграция новых метрик также может потребовать полной перенастройки процессов управления вознаграждениями и талантами, а также подотчетности и ответственности внутри организаций, указывает Шах. Например, в командах человек-ИИ, хотя этические и фидуциарные обязанности, вероятно, останутся за человеческими сотрудниками, операционная подотчетность значительно диффундируется, чтобы отразить системную роль ИИ-агентов.

Эти изменения вызовут новые вопросы, над которыми предстоит задуматься руководящим группам, добавляет Шах. Им придется рассмотреть: кто несет ответственность, когда ИИ-сотрудник совершает ошибку? Что происходит, когда ИИ и люди не согласны? Какие меры безопасности следует установить для защиты клиентов?

Подготовка почвы для системных изменений

Изменения на системном уровне происходят постепенно. Это сложные вопросы, над которыми эксперты продолжают работать. Но, инициируя внутренний диалог о ключевых столпах АБТ — рабочей силе, технологическом стеке и метриках, по которым можно оценивать успех, — руководители могут заложить основу для предприятия, лучше подготовленного к внедрению ИИ-агентов на системном уровне и начать сокращать разрыв между своими амбициями и их реализацией.

* — деятельность компании запрещена на территории РФ