Все материалы Форума: карта рисков и возможностей
Литературная расшифровка третьей сессии Форума Альянса Beinopen × НИУ ВШЭ. В центре разговора — реальные и собирательные кейсы изменения функций, компетенций и ответственности.
Участники:
- Надежда Сачек, эксперт по развитию бренда, ассортиментной стратегии и управлению продажами;
- Алина Цуцу, эксперт и консультант по управлению бизнесом в модной индустрии;
- Наталья Болмазова, основатель компании Свой HR, карьерный эксперт, модератор;
- Артём Борисов, маркетолог-исследователь.
Как ИИ меняет организационный дизайн
Наталья Болмазова: Друзья, добрый день. Наша сессия сегодня называется «Управленческая модель бизнеса и влияние искусственного интеллекта на организационный дизайн». Мне хочется сразу приземлить эту тему. Про искусственный интеллект сегодня говорят почти все, но уже есть люди, которые анализируют, что происходит с организациями и компаниями благодаря или вопреки ИИ.
Сегодня компании пересматривают расходы и численность команд, функции сотрудников становятся шире, возникает запрос на новые компетенции. Появляются цифровые сотрудники, от которых можно что-то требовать, работу которых можно анализировать и наблюдать их взаимодействие с живыми сотрудниками. Тема достаточно интересная, поэтому предлагаю поговорить о ней с разных сторон.
С нами Надежда Сачек, эксперт по развитию бренда, ассортиментной стратегии и управлению продажами. С Надеждой мы в большей степени будем говорить о готовности fashion-бизнеса к изменениям и о решениях в нестабильности.
Алина Цуцу – эксперт и консультант по управлению бизнесом в модной индустрии. Очень рассчитываем, что Алина покажет, как внедрение искусственного интеллекта меняет процессы, функции, роли и ответственность.
Также с нами Артём Борисов, маркетолог-исследователь. У него интересная практика внедрения цифровых сотрудников. Мне хотелось бы, чтобы Артём добавил практический взгляд на функции, которые технология уже может забирать на себя.
Я Наталья Болмазова, основатель HR-агентства Свой HR. Мы работаем с fashion-брендами. Я попробую сфокусироваться на рынке труда, найме, компетенциях и изменениях внутри команды. Сразу передам слово Алине. Тема для меня пока выглядит немного мифологической: где-то есть сотрудники и компании, в которых ИИ выполняет часть работы. Мне бы хотелось с твоей помощью посмотреть на конкретные кейсы.
Agentic commerce: кейс, в котором ИИ создал новую функцию
Алина Цуцу: Сегодня я принесла собирательный кейс, и более того – это контркейс, в котором мы можем посмотреть, как искусственный интеллект никого не заменил, а, наоборот, создал рабочее место.
Я бизнес-консультант по управлению модным брендом. Сегодняшний кейс – собирательная ситуация, актуальная для региона, в котором я сейчас в основном работаю. Я живу в Сингапуре, работаю с Южной Азией и азиатским рынком в целом.
Это собирательный кейс бренда размера M по классификации Альянса. У бренда несколько каналов продаж, есть желание развивать собственный D2C, то есть собственный сайт, чтобы повышать эффективность и возвращать контроль над продажами в свой контур. Здесь интересно посмотреть, как развитие агентной коммерции, или agentic commerce, когда агентные системы искусственного интеллекта выполняют за нас определённые функции, подталкивает модные бренды в этом регионе менять организационный дизайн и создавать новые компетенции внутри компании.
Начну с цифр и данных, которые мы всегда рассматриваем, прежде чем проектировать изменения. Любые изменения в организационном дизайне растут не из предположений, а из конкретных рыночных сигналов.
D2C нашего бренда развёрнут на Shopify – это провайдер инфраструктуры вроде Tilda или WordPress, которым здесь активно пользуются. Мы видим, что AI-трафик приходит из ChatGPT, Claude, Perplexity и других агентных систем. При этом качество этого трафика значительно выше, чем органического. Его конверсия выше на 49%, средний чек – на 14%. Ещё одна важная цифра: 55% визитов из систем искусственного интеллекта начинаются сразу с карточки товара, тогда как для органического поиска этот показатель составляет 20%.
Это означает, что значительная часть привычного покупательского пути перемещается за пределы сайта бренда. Покупатель может миновать знакомство с историей бренда, его визуальным миром, ДНК и контентом. Он приходит сразу на предложенную карточку товара и уже прогрет. Первая часть воронки, где бренд пытается прогреть пользователя и донести до него свои сообщения, становится менее необходимой. Агент уже выполнил за человека действия по отбору и сравнению товаров на основании доступных ему данных.
Здесь возникает следующий вопрос: какие данные видит агент и на каком основании решает, какой продукт предложить? Так мы переходим к тому, что сегодня представляет собой карточка товара в агентной коммерции.
Много лет мы относились к ней как к последнему или предпоследнему этапу принятия решения о покупке. В агентной коммерции этот условно последний шаг всё чаще становится первым контактом пользователя с сайтом бренда. При этом человек и искусственный интеллект видят карточку по-разному. Для человека по-прежнему важны визуальный слой, материалы, посадка, условия возврата, эмоции, доверие – всё, что касается впечатления о продукте. Агент работает со слоем данных и сопоставляет контекст покупателя с характеристиками товаров.
Теперь запрос не обязательно калибровать и раскладывать на ключевые слова. Он может быть сформулирован на естественном языке. Например: «Завтра я иду на день рождения, дресс-код такой-то. Помоги подобрать подходящий образ, в котором я буду комфортно себя чувствовать». Система считывает контекст запроса, известные ей предпочтения пользователя и всю доступную в интернете информацию о товарах. После этого она рекомендует конкретный продукт.
Для бренда становится критически важным, сможет ли агент найти и однозначно прочитать характеристики продукта: категорию, цену, наличие и множество других данных, которыми бренд обладает, но не всегда управляет. Здесь появляется новое поле работы. Бренды получают возможность передавать информацию о своих продуктах непосредственно в контур агентной коммерции и сильнее влиять на то, как агент понимает и представляет их ассортимент.
Новая архитектура поиска, которой пользуется покупатель, создаёт более конкурентное пространство и даёт бренду возможность вернуть часть контроля над представлением продукта и собственными продажами. Тут возникает управленческий вопрос: кто внутри компании должен отвечать за этот слой данных и за конечный результат взаимодействия бренда с агентом?
Сегодня данные, которые считывает машина, обычно распределены между разными подразделениями. Часть находится у продукта, часть – у онлайн-продаж, часть – у бренд-менеджера и креативной команды, какие-то связки – у IT-специалистов, если такая функция в компании существует. Каждое подразделение отвечает за свой участок.
Новый путь покупателя, который начинается в агентной системе, требует от бренда сквозного владения результатом. Кто-то должен отвечать не просто за наличие отдельных данных в разных местах, а за то, что именно внешняя ИИ-система знает и понимает о продукте. Насколько эта информация актуальна? В каких ситуациях агент воспринимает товар как подходящий для рекомендации, в каких не видит его, а в каких выбирает другой?
Раньше такого объекта управления не существовало. У компании не было задачи системно управлять тем, как внутренние продуктовые данные распространяются, интерпретируются и используются, потому что не было агентной коммерции. Вслед за её развитием внутри брендов меняется операционная модель работы с данными. Компании требуется отдельный набор компетенций и владелец сквозного результата, который управляет всем путём – от подготовки информации о продукте до рекомендации и последующих действий в отношении покупателя.
В нашем собирательном кейсе внедрение такой функции уже постепенно происходит. Это совсем молодая компетенция, потому что agentic commerce находится на ранней стадии. Мы пока только начинаем с ним экспериментировать, и прямой вклад функции в общий финансовый результат компании ещё предстоит доказать. Нужно понять, на какую часть P&L она действительно влияет и в каком объёме.
Но кое-что мы уже способны наблюдать и измерять. Мы исследуем, какие продукты показывают агенты, какие факты находят, повторяют или упускают, по каким запросам рекомендуют товар и насколько точно считывают информацию. Затем смотрим, как после исправления и дополнения данных меняются объём и качество трафика, приходящего из ИИ-систем. Анализируем конверсию, средний чек, выручку на один визит и другие сквозные показатели этого покупательского пути.
Сейчас наша задача – построить причинную цепочку и понять, какую дополнительную выручку может создать эта компетенция, какую прибыль она может принести и какова её финальная стоимость для компании. Но сам управленческий мандат уже крайне актуален и в последующие десять лет будет только расширяться, потому что в пути покупателя появился новый технологический посредник, влияющий на выбор.
Данные Shopify уже показывают, насколько он меняет покупательский путь и делает его более эффективным. Мне нравится этот контркейс по отношению к распространённому страху перед искусственным интеллектом. Новая функция появляется не потому, что компании понадобилось модное название вроде Agentic Commerce Experience, а потому, что применение ИИ уже влияет на то, как покупатель делает выбор. Это значительно меняет управление данными внутри модного бренда.
Наталья Болмазова: Спасибо большое. Если сразу перейти к рекомендациям, как понять, что компании нужно идти в эту сторону, выращивать новую компетенцию и искать специалиста? Если говорить совсем простым языком, твоя презентация описывает как будто новый канал продаж.
Алина Цуцу: Я бы сказала, что это новая форма D2C.
Наталья Болмазова: Какие у тебя есть наблюдения с точки зрения размера компании или состояния её процессов? Что компания должна знать о себе, чтобы понимать, стоит ли ей идти в эту историю – не потому, что это тренд и скоро у всех будет ИИ, а предметно и осознанно?
Представим, что у меня бренд, который существует семь лет, и своё производство. Мне рассказали, что так бывает, и я думаю, что тоже должна начать: найти сотрудника или нарастить компетенцию самой. На какие критерии ты посмотрела бы в первую очередь?
Алина Цуцу: Начну издалека. Исторически модные бренды любят перекладывать ответственность за продажи на маркетплейсы, ритейл, wholesale и куда-нибудь ещё, лишь бы не заниматься ими самостоятельно. Текущий кризис финансовых моделей как раз об этом: мы перекладывали ответственность до тех пор, пока нам не стало не хватать маржинальности и чистой прибыли, а у компаний не осталось денег на инвестиции.
Первый вопрос, который бренд должен себе задать: хочет ли он вернуть контроль над продажами? Если хочет, то идти в эту сторону точно надо. На данном этапе развития агентной коммерции это конкурентный инструмент по отношению к привычному браузерному поиску. В браузерном поиске требуются огромные бюджеты, чтобы продвинуться, привести пользователя и просто стать видимым в интернете. Здесь такой необходимости нет. Инвестиции идут не в продвижение карточки товара внутри браузера, а во внутреннюю систему работы с данными – чтобы они были настолько чистыми, чтобы агент увидел бренд.
Если бренд хочет оставаться актуальным в следующие десять лет и решить проблему отсутствия контроля над продажами, надо смотреть в эту сторону. В ближайшие год-два весь D2C, как мне представляется, будет связан с агентным поиском.
Наталья Болмазова: А из какого отдела может вырасти эта компетенция? Это маркетолог, менеджер по продажам или кто-то ещё? Во многих ролях сейчас есть кризис. Действующие и ушедшие сотрудники говорят, что часть их компетенций понятна и они могут объяснить, какую пользу приносят компании, а часть буквально отмирает.
Недавно на CPM я познакомилась с владелицей бренда и рассказала, чем занимаюсь. Она внимательно меня послушала и сказала: «Вы знаете, Наталья, у нас всё это делает искусственный интеллект». Я подумала, что мне, наверное, тоже стоит бояться. Кому, на твой взгляд, стоит обратить внимание на развитие этой компетенции?
Алина Цуцу: На самом деле не так важно, откуда она вырастет. Она может произрастать из продуктового менеджмента или из e-commerce. Важно, умеет ли конкретный человек работать с данными, понимает ли, что такое их дистрибуция, и способен ли построить архитектуру, в которой они будут распространяться нужным образом.
Поскольку эта зона флюидна и очень широка, мне не кажется, что ею обязательно должен заниматься IT-специалист или инженер. Здесь важнее внутреннее понимание того, как завтра будет устроен поиск, умение работать с широким контекстом и переводить этот контекст в продуктовые данные.
Наталья Болмазова: В новых направлениях и ещё не существующих вакансиях индустрия пока не определила, кому логично передать эту компетенцию. Поэтому, если вам интересна тема искусственного интеллекта, следуйте за своим интересом.
Алина, спасибо большое. Теперь хочу перейти к диалогу с Надеждой. Как обстоят дела «в полях»? Есть ли позитивные или негативные примеры внедрения искусственного интеллекта? Давайте начнём с широкой рамки.
Сначала выстроить процесс, затем передавать его ИИ
Надежда Сачек: В полях всё примерно так же, как у всех. Хотя, слушая Алину, я понимаю, что пройдёт совсем немного времени и говорить то, что я скажу сейчас, будет уже неприлично.
Я консультант, который поддерживает бизнесы разного размера и масштаба – как правило, fashion или beauty. Интеграция ИИ в управление компанией сейчас часто выглядит следующим образом. Многие собственники или лица, принимающие решения, говорят: «ИИ срочно нужен, срочно внедряем его в маркетинг». Второй популярный вариант: «Зачем нам считать самим? Пусть это делает ИИ, нам всё настроят, и мы будем смотреть на аналитику». Я не иронизирую, а передаю то, как это звучит. И первый, и второй подход кажутся мне чрезвычайно опасными.
Я буду говорить от лица ригидного бизнеса. Мне тоже нравится ИИ, и я считаю себя человеком третьего тысячелетия, но сейчас говорю о реальности. Уровень риска фактически никем не просчитан. Если компания вводит агента, он, как правило, выращивается не внутри компании: приходит внешний консультант и говорит, что сейчас построит систему, которая будет всё анализировать.
Важно понимать, что внутри компании не всегда есть компетенция, позволяющая правильно поставить техническое задание. Более того, сама компания могла никогда не считать определённую форму бюджета вручную, но уже планирует отдать её выполнение ИИ. Я наблюдаю такие ситуации, и, на мой взгляд, это колоссальный уровень риска.
Сейчас общество немного делится на тех, кто изучает ИИ, и тех, кому ИИ уже служит. Алине он уже служит, поэтому мне интересно её мнение. Если смотреть на рынок количественно, компании, во-первых, боятся ИИ. Во-вторых, если не боятся, иногда это ещё хуже, потому что в его внедрение вкладывается много энтузиазма, а ресурс используется не вполне релевантно. Компетенция при этом не выращивается внутри компании.
Конечно, есть и позитивные прецеденты. У меня были случаи, когда с помощью очень несложных ежедневных действий команда получила первую продажу через GPT. Вы не представляете, как мы все радовались. Было ощущение полёта в космос, хотя, возможно, для кого-то это уже не новость.
Но речь идёт о несложных компетенциях. Если вернуться к вопросу о том, к кому они должны быть привязаны, то ни к кому конкретно. Компания должна понимать, зачем она это делает, какой результат хочет получить, как его декомпозировать и кто способен это сделать. Внутри той команды каждый ежедневно вносил небольшую часть работы.
Алина, куда ты не советовала бы интегрировать ИИ? Или сформулирую иначе: что ты рекомендовала бы предварительно сделать внутри компании, прежде чем передавать процесс под такое управление?
Алина Цуцу: Я точно не советовала бы отдавать искусственному интеллекту принятие решений. Во всех случаях ИИ пока мыслит контекстно хуже, чем человек – такова его природа на текущем этапе, по крайней мере в моей практике.
Ещё я не советую пытаться оптимизировать процессы, которых не существует. Сейчас все носятся со словом «оптимизация»: собираются сокращать стоимость операции, увеличивать скорость и так далее. Но если у компании нет повторяемого процесса, который работает, пусть даже неэффективно, то пытаться встроить в него ИИ довольно странно. Если процесса нет, оптимизировать нечего – сначала его нужно создать.
Поэтому компании необходимо хорошо оценить свой бизнес, понять организационный и операционный дизайн, увидеть базовые вещи, которые в модной индустрии по какой-то причине не пользуются большим спросом. Искусственный интеллект хорош там, где уже существует более или менее выстроенный процесс. Тогда с его помощью действительно можно увидеть окна возможностей для оптимизации.
Надежда Сачек: Я переведу это для себя. Если в компании нет товарной аналитики, ABC-анализа и других процессов, не надо сразу отдавать эту зону ИИ. Сначала процесс нужно выстроить и осознанно освоить. Не обязательно набивать мозоли, долго делая его неправильно, но, чтобы контролировать результат и поставить агенту правильную задачу, компания должна сама понимать этот процесс.
У меня вопрос и к Алине, и к Наталье. Какое время вы давали бы компании на интеграцию, чтобы она не обрушила управление и командную систему? Человек, обладающий новым навыком и знанием, как будто становится немного другим внутри команды.
Наталья Болмазова: Мне трудно назвать конкретный срок. Сопровождение сотрудника, агента или процесса человеком будет длиться до тех пор, пока в компании не будет настроен сквозной процесс – от запроса до результата.
В моём случае это путь от tone of voice компании до целевого портрета сотрудника и критериев его оценки. Любой эксперт сегодня сталкивается с ситуациями, когда видит присланный ему материал и сразу понимает, что тот был прогнан через ИИ.
Моё первое удивление было связано с брендом женской одежды, с которым мы уже провели несколько подборов. Компания решила искать продакт-менеджера. Во время первого касания мы всегда просим прислать все наработки, которые существуют внутри компании. Вместо того чтобы прямо сказать, что наработок нет, мне прислали некий документ. Я несколько раз его прочитала и аккуратно спросила: «Простите, эта вакансия написана с помощью искусственного интеллекта?» Мне ответили: «Да». Тогда я спросила: «А вы вообще знаете, что делает продакт-менеджер в fashion-бренде?» Оказалось, что не знают: такая вакансия появилась впервые, они просто сели и придумали её вместе с ИИ.
После этого мы начали настоящую работу: провели глубинное интервью, определили смысл, задачи и цели. Этот этап очень часто пропускают. Мы так сильно восхваляем возможности искусственного интеллекта, хотя на деле всё происходит иначе.
Что бывает дальше, если такого диалога нет? ИИ пишет вакансию, человек её публикует, а затем начинается битва ИИшек: мы видим сотни резюме, написанных искусственным интеллектом. Я сталкиваюсь с этим и как карьерный консультант. Варя Веденеева предложила точное определение: тексты, написанные ИИ, звучат как вата.
Несколько раз во время карьерных консультаций я ловила это ощущение. Начинаешь общаться с кандидатом по его резюме, задаёшь предметные вопросы и не можешь понять, почему то, что говорит человек, отсутствует в резюме или сформулировано там странно и витиевато. Через 40 минут начинаешь догадываться и спрашиваешь, прогонял ли он резюме через искусственный интеллект. Во всех подобных случаях кандидат отвечал: «Да».
Получается, что роботы выбирают роботов, а мы всё никак не можем найти того самого человека. Поэтому прогнозировать сроки мне сложно. Думаю, сопровождение человека ещё надолго останется необходимым во многих процессах организации. Мифы о том, что скоро все останутся без работы, меня пока не пугают.
Но у нас получился хороший мостик к разговору о цифровых сотрудниках. Артём, действительно ли ИИ приносит деньги компании? Существуют ли цифровые сотрудники? Если да, поделитесь, пожалуйста, своими кейсами и наблюдениями.
Цифровые сотрудники: где появляется измеримая польза
Артём Борисов: Да, цифровые сотрудники существуют, и их становится всё больше. Я занимаюсь автоматизацией и внедрением цифровых сотрудников в компании и разделяю эти вещи на две части: автоматизация, разработанная с помощью ИИ, и непосредственно агентные сотрудники.
Автоматизация – это, например, 1С, составление расписаний, анализ данных и другие задачи, где на борту может не быть ИИ. Мы разрабатываем систему, которая автоматизирует существующие у клиента процессы и предоставляет результат в удобном для анализа виде.
Цифровые сотрудники появляются там, где на борту есть искусственный интеллект и он выполняет определённый функционал. Например, для себя я создал агента-тренера, который следит за моим питанием и тренировками. Есть цифровой юрист, который составляет договоры и анализирует документы от клиентов. Есть личный ассистент, который следит за расписанием и помогает оценивать, каких клиентов стоит брать.
Наталья Болмазова: Раньше их в вашей жизни не было, а теперь они существуют. Давайте останемся в рамках бизнеса. Есть цифровой юрист, который проверяет договоры. Что изменилось после его появления и как измеряется польза?
Артём Борисов: Раньше я составлял договор сам или отправлял его юристу, платил деньги и тратил время. Сейчас у меня есть набор навыков и стандартов, по которым подготавливаются документы, и это происходит быстрее.
Приведу пример. Знакомая из туристической компании сказала, что ей нужно перевести договор на китайский язык для клиентов из Китая. Раньше она обратилась бы в бюро переводов, заплатила около 20 тысяч рублей и получила перевод через неделю. У меня всё заняло около 30 минут. Я не просто загрузил договор в Google Translate, а собрал команду из нескольких агентов-лингвистов и агентов-юристов. Они провели многоуровневый анализ контракта, перевели его с русского на китайский, затем с китайского на русский и сопоставили несколько вариантов. Через 20 минут система выдала готовую версию. Мы всё равно показали её китаеведу, который подтвердил, что перевод можно отправлять клиентам. Экономия видна уже на таком базовом уровне.
Наталья Болмазова: Я сначала не поняла, где экономия. Вы сказали, что бюро переводило бы договор неделю, а у вас работа заняла 30 минут. Но сколько времени потребовалось всем людям, которых вы перечислили?
Артём Борисов: Это были агенты.
Наталья Болмазова: То есть всё вместе заняло 30 минут? Хорошо. А можно ещё один пример, в котором бизнес видит не только сэкономленное время, но и деньги?
Артём Борисов: Один из моих агентов собирает новости из профессиональной сферы. Он сообщил, что Google запустил обучение по агентным системам. Я прошёл его, а в качестве финального задания нужно было подать проект, разработанный по определённым стандартам.
Я представил реально работающий проект для электромонтажной компании. Во время консультации я анализировал работу руководителя и понял, что он выполняет функции не только руководителя, но и водителя, бухгалтера, закупщика, сметчика и других специалистов. Больше всего времени у него уходило на составление смет.
Он приезжал на объект, осматривал его, делал замеры, возвращался к компьютеру и примерно через два дня получал расчёт стоимости электрификации, например, промышленного помещения. Я разработал серию агентов, которые анализируют проект. Его можно даже нарисовать на салфетке и сфотографировать: система изучит изображение, определит, сколько нужно розеток, светильников и проводов. В неё заложены ГОСТы, СНиПы, стандарты и прайс компании.
Через 10–15 минут агент выдаёт предварительную смету на объект, которую можно самостоятельно скорректировать. Сразу видна и предполагаемая маржинальность. Я адаптировал этот проект под американский рынок и подал как финальное задание. В обучении участвовали 350 тысяч человек, было подано 6 тысяч проектов, и мой занял первое место среди агентных систем. Получается, я правильно собрал архитектуру и безопасность.
В чём экономия? Раньше человек тратил три дня на составление сметы. Теперь он может, не уезжая с объекта, назвать клиенту примерную стоимость и сразу вести переговоры. Иначе он вернулся бы, подготовил коммерческое предложение, отправил его, а клиент за это время мог найти конкурента. Работа оказалась бы проделана впустую. Здесь экономия в разы.
Наталья Болмазова: Как, на ваш взгляд, меняются требования к сотрудникам в компаниях, где такие процессы уже созданы и интегрированы?
Артём Борисов: Помните вопрос на собеседовании: «Вы умеете работать в Excel и Word?» Сейчас, наверное, появится похожий: «Вы умеете работать с искусственным интеллектом?»
Наталья Болмазова: Как понять, умеет ли человек работать с ИИ? Уровень владения Excel можно проверить вопросами, в том числе спросить про макросы. А как определить уровень владения инструментами искусственного интеллекта?
Для меня это актуальный вопрос. Часть компаний говорит: «Искусственный интеллект, давайте добавим его во все требования». Многие кандидаты отвечают: «Да, я владею». Недавно девушка с гордостью сказала, что умеет использовать Алису AI в HR-процессах. Это было интересное наблюдение. Как проверить реальный уровень?
Артём Борисов: Всё зависит от самой профессии. Возьмём маркетолога. Он может просто написать в ChatGPT: «Составь мне маркетинговую стратегию». Но для качественного результата всё-таки нужна профессиональная квалификация.
Вопрос не в том, умеет ли человек пользоваться ИИ, а в том, насколько этот инструмент ускоряет его и улучшает качество работы. Спрашивать об умении пользоваться ИИ – почти то же самое, что спрашивать об умении пользоваться Google. Важен измеримый эффект.
Наталья Болмазова: Алина, как проверять сотрудников, внешних экспертов или партнёров, которые утверждают, что владеют ИИ-инструментами? Есть ли у тебя практический способ?
ИИ как надстройка над профессиональной компетенцией
Алина Цуцу: Здесь важно понимать природу искусственного интеллекта и то, что он собой представляет. ИИ – надстройка над вашим hard skill, а не самостоятельный hard skill, который внезапно появляется из ниоткуда. Если человек не обладает профессиональной компетенцией, он не сможет даже поставить вопрос так, чтобы получить корректный ответ.
Поэтому проверку уровня владения ИИ я начинаю с того, есть ли у человека hard skills. Если это специалист уровня senior или уверенный middle, ему можно дать десять метрик и попросить построить дашборд. Если у человека есть профессиональная база, он с помощью любого инструмента построит хороший BI и сделает выводы, которых не сделает искусственный интеллект, потому что человек лучше понимает контекст.
ИИ сам по себе пуст. У него нет агентности и креативной жилы, присущих человеку. Он повторяет и расширяет то, что уже было сделано людьми. Пока мы ещё не пришли к состоянию AGI, когда система начинает представлять собой нечто самостоятельное. Поэтому проверку всегда следует начинать с hard skills.
Наталья Болмазова: То есть мы по-прежнему проверяем профессиональные навыки человека, а затем обсуждаем, как он использует искусственный интеллект, к чему это привело и какой результат дало.
Артём Борисов: ИИ похож на экзоскелет, который усиливает человека, но не заменяет его, особенно если речь идёт о сильном специалисте.
Наталья Болмазова: Может показаться, что я задаю очевидный вопрос, но мой опыт говорит, что это не всегда очевидно. Есть ощущение, что у ИИ можно спросить что угодно, он обязательно ответит, а ответ можно сразу взять в работу. К сожалению, это распространённый подход.
Артём, у нас осталось несколько минут. Вы хотели привести ещё один кейс.
Артём Борисов: Я в основном фокусируюсь не на том, где ИИ принесёт больше трафика или заказов, а на том, где он поможет компании сэкономить.
Один из кейсов – туристическая компания, которая организует сёрф-туры и продаёт уроки по сёрфингу по всему миру. Клиенты пишут из разных регионов и часовых поясов. Много обращений приходило, когда менеджеры спали или не работали, поэтому компания теряла лиды.
Я сделал агента, который автономно продаёт сёрф-туры и уроки. Анализ его работы показал, что конверсия агента выше, чем у обычного сотрудника: 35% против 24%, даже если считать только обращения в рабочее время. Агент работает круглосуточно и отвечает очень быстро. Мне даже пришлось добавить искусственную задержку, чтобы не пугать клиентов скоростью. Среднее время ответа менеджера в рабочее время составляло пять минут, агента – пять секунд.
Менеджер закрывал сделку в среднем за 27 минут, агент – за девять. Здесь важно пояснить, что такое агент. Он состоит из подключённой модели – это может быть Sonnet, Opus или одна из китайских моделей – и harness, то есть обвязки. В неё входят навыки, стандарты, базы знаний и память. Чем лучше описан и собран harness, чем больше в него вложено времени и энергии, тем более слабую модель можно использовать.
Наталья Болмазова: Алина, ты хотела что-то добавить?
Алина Цуцу: Кейс Артёма очень показательный. Уже существуют целые платформы, на которых можно собирать собственных агентов. Сейчас это особенно популярный в Америке вид технологического стартапа.
Я хотела бы напомнить об ответственности. Неважно, в какой сфере применяется искусственный интеллект: это может быть агент, который помогает продавать, или система, которая собирает данные из разных источников и показывает дашборды. Глядя на такие показатели, как конверсия 35%, человек принимает решение о распределении ресурсов. Именно поэтому сейчас особенно важны hard skills вместе с soft skills.
Новая эра требует ещё более глубоких и широких профессиональных компетенций. Hard skills никто не отменял. Soft skills также необходимы, чтобы мы могли договариваться.
Наталья Болмазова: Было бы интересно встретиться через год и посмотреть, как изменится наш диалог и насколько далеко продвинется искусственный интеллект в организациях.
Надежда, изменилось ли ваше мнение? Это не было попыткой убедить вас, но, возможно, вы можете сделать предварительное заключение.
Надежда Сачек: Я напомню, что сегодня выступаю в роли представителя бизнеса, который существует много лет и в котором есть команда. Я выбирала людей по принципу «это мои люди», не всегда ориентируясь на hard skills, а скорее на soft skills.
Сейчас я вижу, что все идут осваивать искусственный интеллект. Вы почти убедили меня, что скоро я буду испытывать чувство неполноценности и начну бросаться деньгами в любой проект с приставкой «ИИ». Чтобы не войти в эту фазу, мне сначала нужно понять, какие зоны действительно можно отдать искусственному интеллекту.
Возможно, операционно мне нужно нарастить компетенции той команды, которая уже есть, усилить её профессиональные навыки и самой погрузиться в изучение того, что мне необходимо. Только после этого можно передавать ИИ выполнение отдельных задач, потому что контролировать результат и нести за него ответственность всё равно будет человек. Нельзя написать финансовую модель, а затем сказать: «Так нам ответила ИИшка».
Наталья Болмазова: Бывает и хуже: руководитель слушает сотрудника, а потом спрашивает: «А что сказал на это ИИ?»
Надежда Сачек: Да, такое тоже бывает. Но кейс Артёма и рассуждения Натальи и Алины привели меня к следующему выводу: сначала мне нужно заплатить за консультацию и попросить продиагностировать мой бизнес. Возможно, ещё год поучиться считать на калькуляторе, прежде чем говорить об агентах внутри компании.
Наталья Болмазова: Спасибо. Друзья и коллеги, благодарю за интересный диалог. Предлагаю каждому сделать собственные выводы: мы поговорили о многом и подсветили много важного. Было бы интересно встретиться через год, зафиксировать изменения и посмотреть, насколько далеко мы продвинулись. Спасибо большое.
Как использовать этот протокол
Это редакционная навигация после стенограммы. Начните с раздела «ИИ меняет не только труд, но и саму точку продажи» в общей карте рисков и возможностей.
Кому читать: руководителю, исполнительному или операционному директору (RL4), IT-директору (RL10), создателю или руководителю IT- и ИИ-сервиса (RL65).
Рабочий вопрос: какую функцию и какой критерий результата компания должна определить до автоматизации?
Следующий шаг: выбрать один процесс, назначить владельца и провести ограниченный тест. Сохранить постановку задачи, данные, версию результата ИИ, проверку человека и принятое решение.