Компании все активнее внедряют искусственный интеллект, но многие ограничиваются отдельными экспериментами: автоматизируют работу одного отдела, меняют инструменты другого, пересматривают штат и обучение сотрудников в третьем. В результате вместо единой системы изменений возникает набор разрозненных инициатив, которые дублируют друг друга и нередко мешают общему результату.

Аналитики Bain & Company предлагают другой подход: начинать не с поиска задач для ИИ, а с полного пересмотра того, как устроена работа компании. По их мнению, наибольшую отдачу получают организации, которые одновременно перестраивают ключевые бизнес-процессы, распределяют обязанности между людьми и ИИ и меняют структуру команд.

Не искать применение ИИ, а заново определить, как должна выполняться работа

Во многих компаниях внедрение искусственного интеллекта начинается с вопроса: какую задачу можно автоматизировать? Однако такой подход часто приводит лишь к появлению новых инструментов внутри старых процессов.

Финансовые подразделения пересматривают закупки, ИТ-команды занимаются автоматизацией, операционные отделы сокращают издержки, а HR отвечает за переобучение и оптимизацию штата. Каждый отдел решает собственную задачу, но изменения не всегда согласованы между собой.

В результате возникают дублирование функций, несогласованность действий и сопротивление сотрудников. Более того, постоянная череда локальных преобразований может дестабилизировать работу всей организации.

Bain предлагает начинать с других вопросов: от каких операций можно отказаться, что следует упростить, какие процессы нужно изменить ради лучшего обслуживания клиентов и где ИИ способен дать принципиально более значительный результат?

Такой подход заставляет компании отказаться от множества небольших пилотных проектов в пользу нескольких наиболее важных сквозных процессов. Для каждого из них должны быть определены конкретные цели и ответственные руководители.

При этом не обязательно ждать, пока все данные в компании станут идеальными, или самостоятельно разрабатывать каждую технологию. В одних случаях разумнее использовать готовые решения и партнерские разработки, в других — создавать собственные инструменты, если именно они дают бизнесу конкурентное преимущество.

Главное — не пытаться ускорить существующую систему любой ценой, а сначала определить, какой она должна быть.

Почему автоматизация старых процессов может усугубить проблемы

Одна из ключевых проблем крупных организаций — накопившийся так называемый workflow debt, или долг рабочих процессов. Это лишние операции, которые годами накапливаются вокруг совещаний, согласований, передачи задач между отделами, исключений из правил и внутренних регламентов.

В результате даже простая задача может требовать множества промежуточных действий и участников. Если поверх такой системы внедрить ИИ, она не обязательно станет эффективнее. Напротив, автоматизация способна масштабировать уже существующую сложность.

Особенно остро это проявляется при использовании автономных ИИ-агентов. Человек может самостоятельно разобраться с нечеткими инструкциями, договориться с коллегами или обойти противоречивые правила. Агенту для надежной работы необходимы понятные требования, стабильная последовательность действий и четко определенные полномочия.

Поэтому прежде чем передавать процессы ИИ, компаниям необходимо разобраться, какие этапы действительно нужны, кто принимает решения и где заканчивается ответственность одного участника и начинается ответственность другого.

Bain рекомендует проектировать ключевые процессы практически с нуля. Вместо того чтобы просто сокращать время выполнения отдельных операций, компании должны сначала установить общие цели — например, улучшить клиентский опыт, повысить качество обслуживания, снизить затраты и ускорить выполнение задач.

Затем для каждого этапа определяется подходящий исполнитель: человек, сотрудник с поддержкой ИИ или автономный агент.

Люди и ИИ должны работать в одной системе

Перестройка процессов неизбежно требует изменений в структуре персонала. В будущем рабочие команды будут объединять сотрудников, использующих ИИ как интеллектуального помощника, автономных агентов и, в некоторых сферах, роботов.

Это означает, что привычного разделения на людей и автоматизированные системы становится недостаточно. Компаниям придется заново планировать численность и компетенции персонала, развивать программы обучения и менять подходы к управлению преобразованиями.

Bain выделяет несколько условий, без которых масштабная перестройка вряд ли будет успешной.

Во-первых, изменения должны разрабатывать межфункциональные команды, объединяющие специалистов по технологиям, владельцев бизнес-процессов, финансистов и HR. У руководителей редко одновременно есть глубокое понимание операций, технологическая экспертиза и опыт планирования персонала.

Во-вторых, необходимо заранее работать с доверием сотрудников. Люди должны понимать, как изменятся их обязанности и какие возможности появятся благодаря новым инструментам. Переобучение, перевод на другие позиции и прозрачная коммуникация помогают воспринимать ИИ как средство усиления собственных возможностей, а не исключительно как угрозу сокращения рабочих мест.

Наконец, новые процессы необходимо закреплять в корпоративных системах, правилах распределения задач и критериях оценки эффективности. Иначе даже успешный эксперимент рискует остаться отдельным проектом, не изменив повседневную работу компании.

Как британский банк сократил сложный процесс до одного дня

В качестве примера Bain приводит крупную банковскую группу из Великобритании. Ранее тестирование или запуск новой идеи по взаимодействию с клиентами занимали у нее от 60 до 100 дней. Процесс включал более десяти передач задач между подразделениями.

Вместо того чтобы пытаться немного ускорить каждый этап, руководство поставило более амбициозную цель: сократить весь цикл до одного дня.

За четыре месяца команды, отвечающие за данные и цифровые каналы, разработали новый рабочий процесс. Он объединил технологическую инфраструктуру банка с агентным ИИ, способным выполнять сложные рассуждения и решать многоэтапные задачи.

Однако одной технологии оказалось недостаточно. Банку пришлось изменить и организацию работы. Вместо крупных специализированных команд численностью до 40 человек появились небольшие группы из трех-четырех специалистов, которые могли самостоятельно решать широкий круг задач.

Для этого потребовались сотрудники с более разносторонними навыками. Часть персонала переобучили, некоторых специалистов пришлось нанять со стороны. При этом, как отмечает Bain, сотрудники поддержали преобразования в том числе благодаря тому, что банк делал акцент на обучении и расширении возможностей работников, а не на сокращении численности персонала.

В результате маркетинг банка постепенно превращается в систему непрерывного обучения: ИИ помогает выявлять закономерности в поведении клиентов, а сотрудники анализируют полученные данные и определяют, какие решения действительно находят отклик у аудитории.

Главный эффект ИИ зависит не от количества внедрений

Опыт банка иллюстрирует основной тезис Bain: эффективность искусственного интеллекта определяется не числом запущенных проектов и автоматизированных операций, а тем, насколько глубоко компания готова изменить собственную организацию работы.

Если ИИ просто встроить в существующие процессы, он может ускорить неэффективные процедуры, увеличить количество автоматизированных согласований и создать новые точки сложности. Чтобы получить более существенный результат, необходимо одновременно пересматривать последовательность операций, распределение ответственности и структуру команд.

Это требует от руководства более масштабного подхода, чем закупка новых программ или запуск очередного пилотного проекта. В центре преобразований должны находиться конкретные бизнес-задачи, а технологии и кадровые изменения — подбираться под них.

Именно поэтому следующий этап внедрения ИИ в компаниях может оказаться связан не столько с появлением новых моделей, сколько с готовностью бизнеса отказаться от привычных способов организации труда.