Статья
В беседах с руководителями компаний о цифровой трансформации на основе ИИ часто всплывает один и тот же вопрос: «Мы много вложили, но отдача оказалась не такой, как мы рассчитывали». И это говорят не одна-две компании. Во всех отраслях наблюдается одна и та же картина. Организации вкладывают значительное время, деньги и силы в программы преобразований, однако полученный эффект в лучшем случае оказывается незначительным.
Что касается искусственного интеллекта, то нет другого примера в новейшей истории, когда бы так много руководителей были единодушны в вере в преобразующую силу технологии. Сложно не разделять эту уверенность: потенциал ИИ действительно огромен. На макроуровне искуственный интеллект должен привести к резкому росту производительности, снижению затрат и открытию совершенно новых возможностей для создания добавленной ценности.
Однако на практике мы сталкиваемся с парадоксом: сегодня очень немногие компании реально получают эти преимущества. Они инвестировали в пилотные проекты, платформы и пробные внедрения. Создали новые команды по работе с ИИ. Экспериментировали с автоматизацией и интеллектуальными агентами. И тем не менее, ИИ не привел к фундаментальным изменениям в их бизнес-результатах — во всяком случае, пока.
Эксперты полагают, что дело не в самом ИИ. Технология работает. Проблема заключается в том, как компании пытаются ее применять. Слишком многие подходят к ИИ так же, как и к предыдущим технологиям — просто накладывают его на существующие процессы в надежде на лучший результат.
Но ИИ — это нечто иное. Он не просто автоматизирует задачу или оптимизирует рабочий процесс. Чтобы понять его суть, нужно осознать: ИИ меняет многие базовые принципы ведения бизнеса и организации процессов. Он переопределяет необходимые компетенции, роль данных, характер взаимодействия с клиентами и заинтересованными сторонами, а также взаимосвязи между функциями. Это чрезвычайно глубокие преобразования. Проще говоря, ИИ заставляет нас пересматривать операционную модель, и именно здесь большинство компаний допускают ошибку.
Если посмотреть на организации, которые получают реальную отдачу, становится очевидно: все они кардинально изменили свои операционные модели. Они переосмыслили не только технологический стек, но и кадровый состав, включая его численность и набор компетенций, структуру и саму организацию работы. Они перешли к новой операционной модели, основанной на ИИ.
Представьте, что вы купили Ferrari. На бумаге это феноменальный апгрейд: машина быстрее, отзывчивее и технологичнее вашего старого автомобиля. Но если вы едете на этом Ferrari в сплошной пробке, то не можете использовать всю его мощь. Время в пути почти не сокращается.
То же самое происходит, когда вы внедряете искусственный интеллект в существующие процессы, работаете с прежними командами и системами — и ждете прорывного результата. Возможно, вы добьетесь некоторого роста эффективности, но реальный потенциал будет заблокирован ограничениями старой операционной модели.
Альтернатива — это использование «future back»-подхода к формированию стратегии. Он требует сначала создать образ целевого состояния — спроектировать, как будет выглядеть операционная модель в будущем, — а затем двигаться к нему. Вместо вопроса «Как ИИ может улучшить то, что мы уже делаем?» вы спрашиваете: «Если бы мы создавали эту функцию с нуля в эпоху ИИ, как бы она выглядела?» А затем строите путь от обратного: определяете, какие шаги нужны, чтобы перейти от текущей ситуации к желаемому состоянию в будущем.
Исторически крупные компании, сталкиваясь с прорывной технологией, действуют осторожно: небольшие шаги вперед, постепенные улучшения и выжидание. Они предпочитают позволить другим сделать первый рывок, учиться на чужих ошибках и ждать, пока не сформируется оптимальная операционная модель. Так они снижают неопределенность и движутся к ясной цели. Однако в случае с ИИ такой модели сейчас просто не существует.
Это создает дилемму: ждать, пока другие проложат путь, рискуя отстать, или начинать строить сейчас, имея лишь приблизительное представление о конечной точке?
Эксперты склоняются к мнению, что начинать действовать нужно уже сейчас, но с умом. Операционные модели будущего, основанные на ИИ, должны создаваться с максимально вдумчивым подходом. Каждый компонент — будь то технологический стек, необходимые компетенции или отношения с клиентами — требует четкого обоснования. Да, неопределенность останется. Руководство будет скептически оценивать такие модели — и это правильно. Да, это гипотезы о будущем, и скорее всего, они верны в общих чертах, но не в деталях. Ключ в том, чтобы относиться к ним как к динамичным, живым фреймворкам. Они должны развиваться по мере накопления знаний и доказательств о том, что работает.
Формулируя образ будущего, крайне важно следить за продвижением других компаний к этой цели. Их опыт — особенно те болезненные изменения, через которые им пришлось пройти — содержит ценные уроки. Наблюдение за тем, как коллеги и конкуренты проходят этот путь, не только помогает скорректировать собственный подход, но и укрепляет уверенность в выбранном направлении. Именно поэтому образ будущего нельзя зафиксировать раз и навсегда. Его нужно регулярно пересматривать и корректировать, учитывая и собственные шаги вперед, и опыт других игроков. Только так ваша цель будет становиться все четче.
К такому подходу мы исторически не привыкли. Обычно компании разрабатывают детальные планы на основе целевых операционных моделей и затем последовательно их реализуют. Именно поэтому большинство крупных трансформаций не приносят ожидаемого результата. Кроме того, мы склонны чрезмерно фокусироваться на технологии и упускать из виду необходимость менять организационные структуры — кадры, внутренние взаимосвязи и другие элементы экосистемы. А ведь именно эти компоненты операционной модели становятся главным препятствием.
Также важно понимать: это не годичный проект, а многолетний путь. И самая неприятная правда заключается в том, что основная ценность проявится лишь после того, как вы проделаете тяжелую работу по перестройке операционной модели.
Используя метод обратного планирования, фокусируйтесь на фундаментальных шагах, которые предстоит сделать прямо сейчас. Чем дальше в будущее вы заглядываете, тем менее четко выглядит путь. Вы можете знать, к какой вершине стремитесь, но реки и леса, лежащие на пути, проступят яснее только по мере приближения к ним.
Особую важность имеют первые шаги. Именно они начинают приносить отдачу и закладывать основу для более масштабных изменений в будущем. Настоящий прорыв происходит по мере эволюции операционной модели — а это требует времени. Первые результаты могут быть скромными, но именно дисциплина на этом пути отличает компании, которые просто экспериментируют с ИИ, от тех, кто использует его для подлинной трансформации.