«А лошадь в этот ваш ИИ куда запрягать?» Ходит байка, что в начале XX века, после длительной (и при этом довольно популярной) лекции об устройстве автомобиля одна дама подняла руку и спросила:
"Ну это все, конечно, интересно, но я все-таки не поняла: так куда там лошадь запрягать?" Огромное количество людей, вопрошающих, что им делать с искусственным интеллектом, напоминают мне эту даму. Они пытаются натянуть старый способ решения проблем на новую технологию, не понимая, что уже и те проблемы неактуальны, и то, что они на них до сих пор концентрируются, безнадежно устарело.
Причем речь вообще -то еще идет о лучших – о тех, кто ходит на условные лекции и все-таки пытается хоть как-то разобраться. Остальные вообще сидят в стороне и продолжают упорно ездить на лошади.
Представьте фабрику конца XIX века. Все станки работают от одной огромной паровой машины: она вращает длинный вал под потолком, а от него к станкам тянутся ремни. Когда появилось электричество, паровую машину просто заменили большим электромотором. Источник энергии поменялся, но эффективность производства – внезапно! – вообще не возросла.
Рост производительности начался, только когда инженеры сообразили, что каждому станку можно дать собственный мотор. Тогда оборудование наконец удалось расставить в той последовательности, в которой изготавливался продукт. На переход к такой организации производства ушло около 40 лет.
Примерно то же самое происходит и с ИИ.
Корпорации пытаются "внедрять ИИ" сверху, не понимая, что каждый второй сотрудник уже потихоньку все сливает в Chat GPT, потому как подобные "технологии общего назначения" (такой и термин есть, General Purpose Technology – иронично, что сокращенно получится GPT) должны быть у всех и каждого. Просто иначе без этого вся машинка не едет, и более того, не имеет смысла – примерно как запрягать лошадь в автомобиль.
Отдельные попытки полностью заменить внешние большие модели собственными потугами есть (например, заслуживает внимания
Metal GPT от "Норникеля"), однако вопрос, насколько этот метод эффективен, остается открытым.
Итак, как же лучше всего решить данную задачу: и ИИ внедрить, и по-старому жить?
Никак.
Допустим, компания отвечает на вопросы покупателей о заказах.
Первый этап: сотруднику дали ИИ-помощника. Он по-прежнему сам открывает письмо, ищет заказ, выясняет условия доставки. Потом копирует информацию в чат и просит красиво написать ответ.
Проверяет, переносит в почту, отправляет.
Пишет текст вроде бы быстрее, а все остальное по-старому.
Следующий этап: пересмотрели всю обработку обращений. Настроили систему, которая получает письмо, находит сведения о заказе и передаёт их ИИ вместе с правилами компании. ИИ готовит проект ответа, а может сам и отправить. Сложные ситуации, например, спор о возврате, разбирает сотрудник.
Вот это и называется «перестроить процессы».
Но для такого варианта предстоит:
✅ привести сведения о заказах и правила компании в порядок;
✅ связать почту с системой учёта заказов;
✅ определить, что поручать ИИ и где нужен человек;
✅ научить сотрудников пользоваться системой и проверять её работу.
На эту подготовку уходят деньги и время. Пока сотрудники всё настраивают и осваивают, они могут даже успевать меньше обычного.
И сразу начинаются вопли: "А зачем это все, стало же только хуже!"
Примерно как у человека, который задался целью похудеть, сначала уходит на это столько времени, что в середине пути он говорит: "Да гори оно все синим пламенем!" и покупает торт, не понимая, что после формирования правильных привычек на поддержание красивой формы у него будет уходить в разы меньше времени, чем сейчас!
Новые знания и новые процессы не сразу отражаются в статистике производительности.
При этом у тех, у кого они все-таки формируются, кривая производительности имеет J-образную форму.
С чего начинать конкретной компании? Как понять, что внедрение удачное? И нужен ли вам на данном этапе вообще ИИ – может, вам просто стоит навести порядок в процессах?
Об этом говорим в
клубе, вход тут.