Проблемы внедрения генеративного ИИ в бизнесе
Периодически натыкаюсь на исследования, например это об успехах внедрения генеративного ИИ в бизнес. Внезапно у значительной части эффективных менеджеров накапливается разочарование в эффективности технологии. Тут как бы ждали, что ИИ все автоматизирует и заработает еще больше денег, но на практике зарабатывает в основном OpenAI и другие провайдеры. Почему так?
1. Недостаток экспертизы у внедряющих
Технология новая, и экспертиза есть только у ограниченного круга лиц, как правило технарей. Для успешного внедрения нужны грамотные консультанты, которые могут разобраться в процессах компании и понять, где действительно нужен генеративный ИИ, а где с головой хватит линейной регрессии.
2. Ограничения самой технологии
Текущие модели пока не могут самостоятельно выстраивать архитектуру для бизнеса. Нужно сначала долго и упорно копаться в бизнес‑процессах, понять, где и как хранятся нужные данные, выстроить между ними связи, а только потом можно построить экспертную систему, которая в потенциале может заменить какого‑то специалиста. Как правило, можно снять с него нагрузку, а не заменить полностью. Чтобы грамотно это сделать, возвращаемся к пункту 1.
3. Сложность бизнес‑системы как живого организма
Бизнес – это система, построенная из людей, в которой много хаоса и многие связи существуют только на уровне межличностных коммуникаций. Вы не сможете понять его полностью, не пообщавшись с достаточным количеством людей.
Роль роботов‑вершителей
Может показаться, что андроиды будут заменять исключительно низкоквалифицированные рабочие места. Но это совершенно не так. Помимо роботов‑исполнителей, будут и роботы‑вершители.
Порфирий Петрович – пример идеального ИИ‑ассистента
И вот однажды, хмурым осенним утром, вы подключитесь к привычному дейлику, и ваш тимлид представит нового участника команды, назовем его Порфирий Петрович.
Порфирий дружелюбно представится и подмигнет красным глазом. Он будет внимательно слушать, кивать и задавать уточняющие вопросы. Затем он устроит встречи один на один с каждым членом команды, возможно, будут и другие комбинации участников. Затем Порфирий придет в офис, дружелюбно кивая и мигая глазом, будет внимательно наблюдать за происходящим и опять-таки устраивать встречи.
Он изучит каждый отдел и каждую строчку в базе данных, возможно, даже придет на склад и покурит со своими собратьями. Наконец, лосс‑функция придет к минимуму, и в сетке Порфирия зародится модель бизнеса компании, которая будет согласована с его ворлд‑моделью. Ну а дальше Порфирий создаст план повышения эффективности и будет его придерживаться.
Выводы
Успех внедрения генеративного ИИ зависит от:
- Наличие квалифицированных консультантов, способных правильно оценить бизнес‑процессы.
- Понимания ограничений текущих моделей и их роли как вспомогательных инструментов.
- Глубокого погружения в человеческую составляющую компании.
Только сочетание этих факторов позволяет ИИ стать «роботом‑вершителем», который не просто выполняет задачи, а действительно повышает общую эффективность бизнеса.