Идеи для лидера: как внедрять ИИ-агентов и назначать ответственных за
их ошибки

Искусственный интеллект задает повестку этой недели. Nvidia, главный производитель чипов для ИИ, объявила о приобретении доли в Intel на $5 млрд. В рамках сделки Intel разработает кастомные серверные x86-процессоры для ИИ-платформ Nvidia. В тот же день Notion сообщил о запуске своего первого ИИ-агента, который создает заметки и аналитику для встреч, а также отчеты о конкурентах на основе пользовательских страниц и баз данных. Чуть раньше TechCrunch обсудил со стартапами и лабораториями бум инвестиций в новый способ обучения ИИ. Если раньше модели обучались на размеченных данных, то теперь им нужны обучающие среды с подкреплением — виртуальные площадки, где агент симулирует действие, получает вознаграждения и учится на ошибках. В отличие от статичных наборов данных, здесь рождается опыт, который ближе к реальности. Тем временем в деловой среде продолжаются дискуссии о внедрении ИИ-агентов, их эффективности и ответственности.

Как внедрять агентный ИИ: шесть уроков от McKinsey

Аналитики McKinsey изучили более 50 проектов по внедрению агентного ИИ и сформулировали шесть рекомендаций для тех, кто находится в начале пути. Первое: сместить фокус с искусственного интеллекта на содержание рабочих процессов, чтобы понять, чем ИИ может быть полезен на самом деле. Второе: допустить, что иногда бизнес-задачу можно решить с помощью более простых и надежных инструментов или их сочетаний. Третье: обеспечить доверие сотрудников, активно инвестируя в адаптацию, развитие и систему оценки ИИ-агентов. Четвертое: оценивать работу ИИ не по результату, а на каждом этапе, что позволит увидеть ошибки с первых шагов. Пятое: создавать многоразовых ИИ-агентов вместо уникального под каждую задачу. И наконец, целенаправленно перестраивать работу, чтобы люди и агенты могли эффективно взаимодействовать.

Развитие ИИ опережает HR-стратегии

Аналитический отчет Boston Consulting Group посвящен тревожной тенденции: технологии меняются быстрее, чем компании успевают перестроить управление людьми. BCG выделяет семь трендов, за которыми стоит следить руководителям. Среди них растущий спрос на специалистов, работающих с ИИ, изменение функционала профессий и разрыв между тем, что выпускают учебные заведения, и тем, что требуют роли с поддержкой ИИ. Но следить за тенденциями недостаточно. По мнению авторов отчета, в 2030 году то, что сегодня кажется авангардом, станет нормой. Чтобы остаться в игре, важно уже сейчас выстраивать целостную стратегию, которая зависит от архетипа компании. «Ускорители» встраивают ИИ в существующие процессы, не меняя привычных структур. «Создатели горизонтов» инвестируют в ИИ, сохраняя карьерные траектории для людей. «Оптимизаторы» упрощают иерархию и объединяют роли, формируя компактные команды, где каждый умеет чуть больше и использует ИИ в повседневной работе. «Радикальные новаторы» строят организацию заново, придумывая новые профессии под ИИ и делая его центром всей работы.

Кто (будет) виноват: человек или ИИ?

MIT Sloan Management Review предложил 1200 руководителям порассуждать о том, нужны ли новые подходы к управлению, чтобы привлекать агентный ИИ к ответственности за его решения и действия. 70% ответили утвердительно: существующие системы контроля создавались для людей и плохо подходят для агентов со сверхчеловеческой скоростью, автономностью действий и непрозрачностью решений. Эксперты также задумались о том, возможно ли в принципе вменить вину системе, которая не обладает юридической субъектностью. Однако треть руководителей настаивают: ИИ не требует новых доктрин, а ответственность в конечном счете должны нести конкретные люди, а не ИИ. Так или иначе, авторы рекомендуют прояснять роль и область применения агентного ИИ, внедрять ответственность человека в структуры управления ИИ, а также быть готовым к тому, что агентный ИИ создает другие ИИ.

Ответственность вендоров

Gartner, в свою очередь, призывает к ответственности производителей и поставщиков ИИ-решений. По прогнозам аналитиков, к 2028 году треть взаимодействий с генеративным ИИ будет происходить через ИИ-агентов, которые не просто реагируют, а действуют самостоятельно, принимая решения и выполняя задачи. Эта эволюция не только открывает дорогу новым бизнес-моделям, но и несет новые риски. Поэтому вендорам следует обеспечить прозрачность работы агентов, тестировать их функции в контролируемых условиях и с ранним участием пользователей, моделировать сложные сценарии, обучать команды и перестраивать процессы продаж и маркетинга. Главная задача — предоставить клиентам безопасную и предсказуемую автономность, которая будет соответствовать ожиданиям бизнеса.

Практики лидества: партнерство, демократизация и личный пример

В свежем выпуске подкаста At the Edge старший партнер McKinsey Ларейна Йи беседует с вице-президентом группы глобальных специалистов и партнеров Amazon Web Services Рубой Борно о лидерстве в эпоху искусственного интеллекта. Они рассуждают о том, как не застрять в бесконечных пилотах, почему безопасность ИИ ускоряет масштабирование, а не тормозит его, и для чего делать ставку на партнерства. Также Борно делится вдохновляющими примерами демократизации и персонализации технологий и личным опытом внедрения искусственного интеллекта.

Операционная эффективность в эпоху ИИ

Оптимизация бизнеса является приоритетом для двух третей российских компаний, свидетельствуют данные исследования «СберУниверситета» — «Операционная эффективность в эпоху ИИ». В нем приняли участие 102 компаний из 13 отраслей. Почти две трети назвали своим приоритетом оптимизацию бизнеса. При этом в каждой третьей компании, планирующей повысить свою эффективность, не внедрены ключевые механизмы операционного контроля, а в каждой пятой за последние два года не воплотился ни один профильный проект. Внедрение ИИ запустили треть бизнесов, еще половина планирует это сделать, а 20% рассчитывают справиться самостоятельно. Те, кто считает ИИ важным инструментом, делают ставку на партнерство и совместные продукты, другие компании стремятся выходить на новые рынки, открывать новые филиалы и офисы. Среди главных препятствий оптимизации опрошенные называют кадровый голод, медленное выполнение задач и низкую автоматизацию.