Сейчас почти любая крупная компания может рассказать, что она "внедряет ИИ".
Маркетинг пишет тексты через нейросети, разработчики используют ассистентов, HR пробует чат-ботов, все делают саммари звонков.
Мне нравится задавать менеджерам очень простой вопрос:
Если сотрудники просто начнут писать письма и документы чуть медленнее - скорее всего, никакой ИИ-трансформации бизнеса пока не произошло.
Интересно, что по опросу McKinsey 88% компаний уже используют ИИ хотя бы в одной функции. А в другом исследовании компаний S&P 500 только 11% были отнесены к компаниям с глубокой интеграцией ИИ в бизнес-процессы.
Причём даже сама цифра "сколько компаний использует ИИ" довольно условна.
В США в одном государственном исследовании компаниям сначала задавали вопрос:
Получили около 7%.
Потом вопрос поменяли на:
Получили уже около 17%.
Компании и период не изменились, а поменялась только формулировка.
—————
Поэтому я бы вообще меньше смотрю на "процент внедрения" и больше - на то, что поменялось в самом процессе.
Например, есть процесс обработки заявки из семи этапов:
приём → сбор документов → классификация → проверка → обработка исключений → согласование → исполнение.
Можно дать AI-ассистента человеку на каждом этапе. Все начнут быстрее писать комментарии и делать саммари. Потом можно посчитать "сэкономленные часы" и показать презентацию с красивым ROI. Но по сути клиент всё равно ждёт прохождения семи очередей. Потому что он никогда не ждал, пока сотрудник допечатает текст.
Настоящее изменение начинается, когда задаётся другой вопрос: А зачем нам вообще семь этапов?
Например, отдельная классификация нужна потому, что на входе никто нормально не умеет разбирать документы.
- Обработка исключений нужна потому, что классификация часто ошибается.
- Большое согласование нужно потому, что проблемы обнаруживаются слишком поздно.
Если ИИ может уже на входе извлечь данные, проверить комплектность и определить сложность случая, то несколько этапов можно не ускорять. Их можно полностью удалить.
Вот это для меня уже намного ближе к реальному внедрению технологии.
Поэтому я бы оценивал AI-трансформацию примерно так:
• какой этап процесса исчез;
• какое решение теперь принимается раньше;
• какая передача задачи между командами больше не нужна;
• какой отчёт перестали делать;
• что конкретно придётся перестраивать, если ИИ завтра отключат.
—————
Есть ещё интересная цифра из анализа примерно 5,5 млн сессий Microsoft Copilot.
То есть пока значительная часть корпоративного ИИ - это в основном "давайте быстрее писать и читать текст".
И это нормально. Я сам считаю такие инструменты очень полезными.
Просто не надо путать повышение личной производительности сотрудника с перестройкой бизнеса. Через пару лет фраза "мы используем ИИ" будет звучать примерно как "мы используем электронную почту".
Маркетинг пишет тексты через нейросети, разработчики используют ассистентов, HR пробует чат-ботов, все делают саммари звонков.
Мне нравится задавать менеджерам очень простой вопрос:
Что произойдёт, если завтра весь ИИ в компании отключить?
Если сотрудники просто начнут писать письма и документы чуть медленнее - скорее всего, никакой ИИ-трансформации бизнеса пока не произошло.
Интересно, что по опросу McKinsey 88% компаний уже используют ИИ хотя бы в одной функции. А в другом исследовании компаний S&P 500 только 11% были отнесены к компаниям с глубокой интеграцией ИИ в бизнес-процессы.
Причём даже сама цифра "сколько компаний использует ИИ" довольно условна.
В США в одном государственном исследовании компаниям сначала задавали вопрос:
"Используете ли вы ИИ при производстве товаров или услуг?"
Получили около 7%.
Потом вопрос поменяли на:
"Используете ли вы ИИ хотя бы в одной функции компании?"
Получили уже около 17%.
Компании и период не изменились, а поменялась только формулировка.
—————
Поэтому я бы вообще меньше смотрю на "процент внедрения" и больше - на то, что поменялось в самом процессе.
Например, есть процесс обработки заявки из семи этапов:
приём → сбор документов → классификация → проверка → обработка исключений → согласование → исполнение.
Можно дать AI-ассистента человеку на каждом этапе. Все начнут быстрее писать комментарии и делать саммари. Потом можно посчитать "сэкономленные часы" и показать презентацию с красивым ROI. Но по сути клиент всё равно ждёт прохождения семи очередей. Потому что он никогда не ждал, пока сотрудник допечатает текст.
Настоящее изменение начинается, когда задаётся другой вопрос: А зачем нам вообще семь этапов?
Например, отдельная классификация нужна потому, что на входе никто нормально не умеет разбирать документы.
- Обработка исключений нужна потому, что классификация часто ошибается.
- Большое согласование нужно потому, что проблемы обнаруживаются слишком поздно.
Если ИИ может уже на входе извлечь данные, проверить комплектность и определить сложность случая, то несколько этапов можно не ускорять. Их можно полностью удалить.
Вот это для меня уже намного ближе к реальному внедрению технологии.
Поэтому я бы оценивал AI-трансформацию примерно так:
• какой этап процесса исчез;
• какое решение теперь принимается раньше;
• какая передача задачи между командами больше не нужна;
• какой отчёт перестали делать;
• что конкретно придётся перестраивать, если ИИ завтра отключат.
—————
Есть ещё интересная цифра из анализа примерно 5,5 млн сессий Microsoft Copilot.
Около 38% использования приходилось на поиск информации, ещё около 22% - на улучшение контента. Работа с данными и таблицами - около 1,5%.
То есть пока значительная часть корпоративного ИИ - это в основном "давайте быстрее писать и читать текст".
И это нормально. Я сам считаю такие инструменты очень полезными.
Просто не надо путать повышение личной производительности сотрудника с перестройкой бизнеса. Через пару лет фраза "мы используем ИИ" будет звучать примерно как "мы используем электронную почту".