AI меняет не технологии, а саму модель управления бизнесом

О том, как AI меняет модель управления компаниями, почему классические ERP-системы не исчезнут и какие новые проблемы создает автоматизация интеллектуального труда, мы поговорили с Андреем Трещуком – предпринимателем и инвестором, более 20 лет работающим в сфере корпоративных технологий. Сегодня он развивает международную Impace Group, работающую с корпоративными системами и искусственным интеллектом в Европе, Центральной Азии и на Ближнем Востоке.

– Сегодня термин "AI-трансформация" звучит повсюду. Если убрать модные слова, что это на самом деле означает для промышленной компании?

– Я бы сначала отделил AI-трансформацию от обычной цифровизации.

Предыдущий этап цифровизации в основном был связан с автоматизацией операций. Система помогала быстрее провести транзакцию, посчитать, проконтролировать, зафиксировать. Но логика процесса и принятие решений оставались у человека.

Сейчас начинается другой этап. Технология постепенно становится участником интеллектуальной работы: она может анализировать контекст, видеть отклонения, формировать варианты действий, а в некоторых случаях – самостоятельно выполнять следующий шаг.

Мне нравится аналогия с человеческим организмом. Мы не думаем о том, как у нас работает обмен веществ или передаются сигналы по нервной системе. Огромное количество процессов происходит автоматически, а сознание занимается задачами более высокого уровня.

В компаниях до сих пор было иначе. Значительная часть времени менеджмента уходила на поддержание своего рода "корпоративного метаболизма": проверить выполнение поручений, найти отклонение, выяснить причину, согласовать действие, проконтролировать результат.

AI позволяет значительную часть этого уровня управления сделать автоматической.

И вот это, на мой взгляд, и есть настоящая AI-трансформация. Не внедрение еще одного IT-инструмента, а изменение самого разделения труда между человеком и технологией. Люди должны все меньше заниматься обслуживанием внутренних процессов компании и все больше – решениями, действительно определяющими ее развитие.

– Какие примеры этого изменения наиболее наглядны?

– Они очень разные в зависимости от отрасли.

Возьмем финансовое планирование. Раньше для анализа сложной ситуации нужно было собрать данные, привлечь несколько специалистов, построить сценарии, обсудить их с финансистами и юристами. Это могло занимать дни или недели.

Сегодня значительную часть аналитической работы можно провести в диалоге с AI: построить несколько сценариев, проверить предположения, найти противоречия, посмотреть последствия разных решений.

Важно понимать: AI здесь не обязательно принимает окончательное решение. Его роль в другом – радикально сократить стоимость и время интеллектуальной работы.

В промышленности есть другие примеры.

Видеоаналитика раньше в основном фиксировала происходящее. Сегодня система может интерпретировать ситуацию: увидеть нарушение техники безопасности, неправильную последовательность операций или появление человека в опасной зоне.

Следующий уровень – когда система не только сообщает о проблеме, но и инициирует действие.

То же самое происходит с контролем качества. Недостаточно обнаружить дефект готового продукта. Более интересная задача – понять, какие параметры производственного процесса привели к этому отклонению и что нужно изменить, чтобы оно не повторилось.

Именно здесь проходит важная граница между традиционной автоматизацией и AI: технология начинает не просто фиксировать мир, а интерпретировать его и воздействовать на него.

– Но готовы ли компании доверять системе такие решения? Что происходит, если AI ошибается?

– Я бы вообще не ставил вопрос как "можно ли доверять AI".

Правильнее спрашивать: какое решение мы готовы ему делегировать, какова цена ошибки и какой механизм контроля должен существовать.

Люди тоже ошибаются. Поэтому сравнивать нужно не абстрактного идеального человека с несовершенной машиной, а реальные процессы принятия решений.

Есть ситуации, где ошибка практически недопустима и последнее слово должно оставаться за человеком. Но также есть и огромное количество других решений, где цена отдельной ошибки ограничена, а скорость, последовательность и способность системы анализировать большое количество факторов дают серьезное преимущество.

При этом у машин есть важное свойство: обнаруженную системную ошибку можно исправить сразу для всего процесса. У людей обучение устроено сложнее: например, один сотрудник уже получил опыт и не сделает конкретную ошибку, а другой – без опыта – может запросто повторить ту же оплошность.

Разумеется, это вовсе не аргумент за бесконтрольную автономность. Чем больше решений передается технологии, тем важнее становятся архитектура контроля, качество данных и четкое понимание того, где остается человеческая ответственность.

– Есть мнение, что классические системы вроде SAP слишком тяжелы для эпохи AI и постепенно потеряют значение.

– Мне кажется, здесь часто путают интерфейс системы и ее фундаментальную функцию.

AI действительно радикально изменит то, как человек взаимодействует с корпоративными системами. Значение традиционных пользовательских интерфейсов, скорее всего, будет снижаться. Человеку все меньше нужно будет знать, в каком меню находится нужная функция или какую транзакцию открыть. Он сможет просто сформулировать задачу.

Но под этим интерфейсом все равно должны находиться надежные данные, бизнес-правила, права доступа, финансовая логика, нормативные требования.

И здесь значение ERP никуда не исчезает. Более того, оно может возрасти.

AI не исправляет плохие данные магическим образом. Если исходные данные противоречивы, неполны или неправильно структурированы, интеллектуальный слой сверху лишь быстрее произведет неправильный результат.

Поэтому я бы сказал так: ERP постепенно перестает быть прежде всего пользовательской системой и становится системой доверия к корпоративным данным. Интерфейс может поменяться полностью. Этот фундамент останется.

– Тогда что произойдет с ролью IT-директора?

– Исторически существовала достаточно понятная модель: бизнес формулирует требование, а IT его реализует. Между возникновением идеи и работающим решением существовал довольно длинный технологический цикл.

AI сокращает эту дистанцию. Бизнес-пользователь получает возможность намного непосредственнее работать с технологией: анализировать данные, создавать прототипы решений, менять процессы.

Поэтому роль IT-директора не исчезает, а становится более архитектурной.

Все меньше ценности будет в том, чтобы просто исполнять поток запросов бизнеса. Важнее станет создавать среду, в которой бизнес может безопасно и эффективно использовать технологию.

Это архитектура, интеграции, кибербезопасность, качество данных, управление моделями, стандарты и контроль.

То есть CIO постепенно превращается из руководителя технологической функции в одного из архитекторов самой модели управления компанией.

– Почему при этом AI заметно быстрее развивается в банках, ретейле и интернет-компаниях, чем в промышленности?

– Потому что промышленность значительно менее стандартизирована.

В банке огромное количество операций повторяется. Есть структурированные данные, достаточно четкие правила, значительная история наблюдений. Это очень благоприятная среда для машинного обучения.

В промышленности практически каждый объект в чем-то уникален. Другое оборудование, другой режим эксплуатации, другие климатические условия, другой состав сырья, другие технологические параметры.

Предиктивное обслуживание – хороший пример.