Ինչու նույնիսկ ամենահզոր ԱԲ մոդելները ընկերություններին չեն բերում ակնկալվող օգուտը

Ընկերությունները越来越 активно внедряют искусственный интеллект, но масштабирование технологии пока не приводит к сопоставимому росту финансовых результатов. Одной из причин может быть не столько возможности самих моделей, сколько то, насколько хорошо они понимают внутренние процессы организации: кто принимает решения, как сотрудники передают задачи друг другу, какие правила допускают исключения и когда проблему нужно эскалировать. Этот организационный контекст становится отдельным ресурсом, от которого зависит практическая ценность ИИ.

ԱԲ-ի ներդրումն աճում է, իսկ ֆինանսական ազդեցությունը՝ ոչ

McKinsey-ի The State of AI 2026 թվականի հետազոտության համաձայն՝ հարցվածների 37%-ը հայտնել է, որ ԱԲ-ն առնվազն որոշակի ներդրում է ունենում ընկերության շահույթում մինչև տոկոսների և հարկերի վճարումը (EBIT): Այս ցուցանիշը նախորդ տարվա համեմատ գրեթե չի փոխվել։

Ավելի խոսուն է այն ընկերությունների մասնաբաժինը, որոնք McKinsey-ը դասում է ԱԲ-ի ամենահաջող օգտատերերի շարքին։ Այս կատեգորիային են պատկանում այն կազմակերպությունները, որտեղ տեխնոլոգիան ապահովում է EBIT-ի առնվազն 5%-ը, և դրա ազդեցությունը գնահատվում է որպես նշանակալի։ Այդպիսի ընկերությունները կազմել են ընդամենը 6% — և այս մասնաբաժինն էլ մնացել է նույն մակարդակում։

Այս թվերը ցույց են տալիս ԱԲ-ի տարածման և դրա չափելի ֆինանսական վերադարձի միջև եղած խզումը։ Նոր գործիքների ներդրումն ինքնին չի երաշխավորում, որ դրանք կբարելավեն ամբողջ կազմակերպության աշխատանքը։

ԱԲ-ն պետք է իմանա ոչ միայն կանոնները, այլև իրական գործընթացները

Այս խնդրի լուծման մոտեցումներից մեկը այսպես կոչված կազմակերպական ինտելեկտի (institutional intelligence) ստեղծումն է։ Այս տերմինի տակ հասկացվում է համակարգված գիտելիքը այն մասին, թե ինչպես է ընկերությունն իրականում աշխատում, և ոչ միայն այն մասին, թե ինչպես են նրա գործընթացները նկարագրված պաշտոնական փաստաթղթերում։

Կորպորատիվ գիտելիքների բազաներում կարող են պահպանվել հրահանգներ, կանոնակարգեր և տեղեկություններ աշխատակիցների մասին։ Բայց շատ կարևոր մանրամասներ սովորաբար մնում են չձևակերպված. ինչ բացառություններ են գործնականում թույլատրելի, ով իրավունք ունի չեղարկել ստանդարտ ընթացակարգը, ինչու որոշ հարցեր պահանջում են անհապաղ համաձայնեցում, իսկ մյուսները լուծվում են թիմի մակարդակով։

Հենց այսպիսի մանրամասներն են հաճախ որոշում, թե որքան հաջող է առաջադրանքը փոխանցվում մեկ աշխատակցից մյուսին։ Եթե ԱԲ գործակալին հասանելի է միայն պաշտոնական հրահանգը, նա կարող է հաշվի չառնել իրական սահմանափակումները, համաձայնեցումների առանձնահատկությունները և այն պատճառները, որոնցով աշխատակիցները գործում են ոչ ստանդարտ սցենարով։

Արդյունքում առաջանում է խզում ղեկավարության մտադրությունների և այն բանի միջև, թե ինչպես է աշխատանքը փաստացի կատարվում տարբեր ստորաբաժանումներում։ Smartsheet-ի նյութում այս երևույթը կոչվում է execution drift՝ գործընթացների նախատեսված և իրական կատարման միջև անհամապատասխանություն։

Ինչու ԱԲ գործակալին բավարար չէ պարզապես խելացի լինել

Նոր աշխատակիցը սովորաբար աստիճանաբար է յուրացնում ընկերության ներքին գործընթացները՝ ուսուցման, պրակտիկայի և գործընկերների հետ շփման միջոցով։ Արտաքին подрядчик-ը կարող է այդպես էլ չստանալ բոլոր անհրաժեշտ տեղեկություններին հասանելիություն։

ԱԲ գործակալը պոտենցիալ կարող է օգտագործել կուտակված գիտելիքները տեղակայումից անմիջապես հետո։ Բայց այս առավելությունն աշխատում է միայն այն դեպքում, եթե ընկերությունը նախապես հավաքել է անհրաժեշտ համատեքստը, այն բերել է հասկանալի կառուցվածքի և ապահովել է դրա անվտանգ հասանելիությունը։

Եթե նման հիմք չկա, յուրաքանչյուր նոր ԱԲ գործիք ռիսկի է դիմում սկսել գրեթե զրոյից։ Ավելի հզոր մոդելը ինքնին չի վերականգնի որոշումների պատմությունը, չի ճանաչի չգրված կանոնները և չի հասկանա, թե ինչու է որոշակի գործընթացն այդպես կազմակերպված։

Եթե կազմակերպական գիտելիքները համակարգված են, տարբեր գործակալներ կարող են օգտվել դրանցից։ Աշխատանքի ընթացքում նրանք նաև պոտենցիալ կարող են համալրել այս բազան, եթե ընկերությունը նախատեսել է տեղեկատվության ստուգման և թարմացման մեխանիզմներ։

Ինչպես ընկերությունները կարող են պատրաստել կազմակերպական գիտելիքները ԱԲ-ի համար

Դրա համար բավարար չէ պարզապես հավաքել բոլոր փաստաթղթերը մեկ պահոցում։ Անհրաժեշտ է կապել տեղեկությունները առաջադրանքների, աշխատակիցների, աշխատանքային գործընթացների և օգտագործվող համակարգերի մասին, որպեսզի ԱԲ-ն կարողանա դրանք հաշվի առնել կոնկրետ աշխատանքի համատեքստում։

Աշխատանքային գործընթացների կառավարման հարթակները, այդ թվում՝ Smartsheet-ը, առաջարկում են միավորել առաջադրանքները, տվյալները և թիմերի փոխգործակցությունը մեկ միջավայրում։ Այդ մոտեցումը կարող է օգնել կազմակերպություններին՝

· համաձայնեցնել ստորաբաժանումների աշխատանքը ընդհանուր նպատակների հետ;

· կապել տվյալները տարբեր կորպորատիվ համակարգերից և հավելվածներից;

· հարմարեցնել գործընթացները նախագծերի և առաջնահերթությունների փոփոխության դեպքում;

· վերահսկել ԱԲ գործակալների գործողությունները և հետևել դրանց կատարմանը;

· աստիճանաբար համակարգել գիտելիքները այն մասին, թե ինչպես է աշխատանքն իրականում կատարվում։

Միևնույն ժամանակ կարևոր է տվյալների կուտակումը չշփոթել կազմակերպական ինտելեկտի ձևավորման հետ։ Փաստաթղթերի մեծ արխիվը դեռ չի երաշխավորում, որ ԱԲ-ն կկարողանա ճիշտ մեկնաբանել դրանց բովանդակությունը կամ որոշել, թե որ տեղեկությունն է արդիական։ Դրա համար անհրաժեշտ են որակյալ կառուցվածք, տեղեկատվության արդիականացում, հասանելիության սահմանազատում և գործակալների գործողությունների վերահսկում։

ԱԲ-ի ներդրման հաջորդ փուլը՝ կազմակերպական

Կազմակերպական համատեքստի կարևորության մասին թեզը Smartsheet-ի գովազդային նյութի հիմքում է, ուստի դրա եզրակացությունները պետք է դիտարկել՝ հաշվի առնելով ընկերության կոմերցիոն շահագրգռվածությունը։ Սակայն խնդիրն ինքնին արժանի է ուշադրության. կորպորատիվ առաջադրանքները հազվադեպ են սահմանափակվում համընդհանուր գիտելիքների կիրառմամբ։ Դրանց լուծումը կախված է կազմակերպության ներսում գործող կոնկրետ կանոններից, սահմանափակումներից և կապերից։

ԱԲ-ի ներդրման վաղ փուլերում ընկերությունները հաճախ կենտրոնանում են մոդելի ընտրության և դրա հնարավորությունների գնահատման վրա։ Բայց գործակալների տարածման հետ ավելի մեծ նշանակություն կարող է ստանալ այն, թե ինչ տեղեկություններ են հասանելի այս համակարգերին, որքանով են դրանք հուսալի և ինչպես են ինտեգրված իրական աշխատանքային գործընթացներին։

ԱԲ-ն կարող է առաջարկել առաջադրանքի լուծման եղանակ։ Այն կոնկրետ ընկերության կանոններին համապատասխան իրականացնելու համար նրան անհրաժեշտ է հասկանալ, թե ինչպես է կառուցված այդ ընկերությունը։ Հետևաբար արհեստական բանականությունից ստացվող վերադարձի հետագա աճը կարող է կախված լինել ոչ միայն մոդելների կատարելագործումից, այլև նրանից, թե որքան լավ կազմակերպությունները կսովորեն նկարագրել իրենց աշխատանքը մեքենայական օգտագործման համար պիտանի ձևով։