Чек-лист готовности к ИИ: действительно ли ваша компания готова?

Есть вопрос, который мне теперь задают как минимум раз в неделю, обычно с лёгким нервным смешком: «Так… нам стоит что-то делать с ИИ?» Это неправильный вопрос, но честный. Правильный вопрос — тот, который почти никто не задаёт первым, — звучит тише и куда полезнее: действительно ли эта компания готова извлекать пользу из ИИ, или мы просто сожжём деньги, чтобы выглядеть современно?

Я уже годами сижу напротив владельцев и руководителей средних компаний — производителей, оптовиков, профессиональных фирм, региональных сервисных предприятий с пятьюдесятью—тремястами сотрудниками. Те, кто добивается успеха с ИИ, почти никогда не начинают с технологии. Они начинают с честного взгляда на состояние собственного дома: своих данных, процессов, людей и того, как на самом деле принимаются решения, когда никто не смотрит. Технология — это лёгкая часть. Готовность — это та часть, которая решает, получите вы результат или сожаление.

Так что вот, более или менее, чек-лист, который я прохожу, прежде чем порекомендовать компании потратить хоть один евро на что-либо. Это не модель зрелости с двенадцатью измерениями и красочной радарной диаграммой. Это набор простых вопросов, на которые можно ответить за чашкой кофе, сгруппированных вокруг пяти вещей, которые действительно предсказывают, заработает ли ИИ для вас — или тихо опозорит вас на совещании совета директоров через полгода.

Почему «готовность» важнее модели

Вот неудобная правда, с которой поставщики не начнут: модель ИИ редко бывает причиной провала проекта. Модели сегодня поразительно хороши и становятся лучше каждые несколько месяцев, делаете вы что-то или нет. Проекты убивает всё, что вокруг модели, — беспорядочные данные, которыми её кормят, процесс, к которому её прикручивают, люди, которых никто не спросил, неясный владелец, размытое определение успеха.

Я видел, как компании тратили серьёзные деньги на умный пилот, который прекрасно работал в демо, а затем умирал при столкновении с реальностью, потому что нужные ему данные жили в трёх несовместимых системах и в голове у одного человека. Пилот не был ошибкой. Просто компания не была к нему готова. Готовность — это не ворота, не пускающие вас к ИИ, а то, что определяет, приумножится ваша инвестиция или испарится.

Хорошая новость в том, что готовность поддаётся починке, и большинство исправлений неброские и дешёвые. Вам не нужно озеро данных или директор по ИИ. Вам нужно честно понимать, где вы стоите по пяти направлениям, и закрыть один-два пробела, которые иначе потопят первый проект. Давайте пройдёмся по ним.

Опора 1: ваши данные — достаточно ли они хороши, чтобы на них строить?

ИИ настолько хорош, насколько хорошо то, чем вы его кормите, и именно здесь средние компании чаще всего удивляются. Не потому, что их данные ужасны — обычно для ведения бизнеса они вполне годятся, — а потому, что «годится для людей» и «годится для машины» — разные планки. Человек прочитает слегка несогласованную запись о клиенте и поймёт, что «Müller GmbH» и «Mueller G.m.b.H.» — одна и та же фирма. Системе нужно, чтобы вы это уже решили.

Идеальные данные вам не нужны. Идеальных данных нет ни у кого, а ждать их — это просто прокрастинация в костюме. Вам нужны данные, которые доступны, разумно согласованы и связаны с процессом, который вы хотите улучшить. Задайте себе простые вопросы:

• Сможете ли вы реально добраться до нужных данных, или они заперты в системе, из которой экспортировать может лишь один поставщик?
• Записывается ли одно и то же чаще всего одинаково — клиенты, продукты, статусы, даты?
• Знают ли ваши ключевые системы друг о друге, или кто-то каждый день перенабирает между ними?
• Достаточно ли истории, чтобы на ней учиться, там, где задача вообще требует истории?
• Было бы вам спокойно, если бы регулятор спросил, откуда взялось то или иное число?

Ещё кое-что, что недооценивают: владение данными. Если критический кусок того, чем вы кормили бы модель, живёт внутри стороннего инструмента, чей договор запрещает экспорт, — это не техническая проблема, которую можно обойти инженерно, а коммерческая, которую надо решить первой. Лучше выяснить это сейчас, на бумаге, чем через три месяца после старта разработки.

Опора 2: ваши процессы — достаточно ли они стабильны для автоматизации?

В нашем мире есть старая фраза: автоматизируете бардак — получите более быстрый бардак. Это клише, потому что оно беспощадно верно. ИИ, наброшенный на хаотичный процесс, не чинит хаос — он его масштабирует, и теперь вы запутались на скорости. Прежде чем класть интеллект поверх процесса, процесс должен быть достаточно стабильным, чтобы вы могли описать его новому сотруднику в его первый день.

Это не значит, что он должен быть элегантным или полностью задокументированным. Это значит, что он должен быть реальным и повторяемым. Тест прост: можете ли вы его нарисовать? Если усадить в комнату трёх человек, которые делают эту работу, и попросить набросать шаги, нарисуют ли они примерно одну и ту же картину — или три разные, каждый настаивая, что его версия и есть то, как это делается «на самом деле»?

Правила против суждения

Полезно также понимать, с каким типом процесса вы имеете дело. Если он следует жёстким правилам — перенеси эти данные туда, отправь то напоминание, помечай всё выше порога, — возможно, ИИ вам вообще не нужен; обычная автоматизация дешевле и надёжнее. ИИ окупает себя там, где работа действительно беспорядочна и связана с языком или суждением: прочитать письмо в свободной форме и вытащить из него заказ, набросать черновик ответа, рассортировать документы, которые никто не хочет подшивать. Честность в том, какой у вас тип, убережёт вас от покупки кувалды ради кнопки.

Опора 3: ваши люди — будут ли они этим действительно пользоваться?

Это опора, которой уделяют меньше всего внимания и которая ломает больше всего проектов. У вас могут быть чистые данные и аккуратный процесс, и всё равно вы получите инструмент, к которому никто не прикасается, потому что людей, чью работу он изменил, посчитали второстепенными. У игнорируемой модели ROI ровно ноль, как бы впечатляюще она ни выглядела на питче.

Готовность здесь отчасти про навыки, но в основном про доверие и вовлечённость. Спросили ли тех, кто делает работу, что их тормозит, или им вручили решение проблемы, которую они за собой не признавали? Чувствует ли кто-то внутри компании ответственность за то, чтобы это получилось, или это «проект консультанта»? Есть ли в команде хотя бы один любопытный человек, который будет это продвигать, а не тихо обходить стороной?

Вам не нужны дата-сайентисты в штате. Для большинства средних компаний техническую глубину приносит правильный партнёр. Что нельзя отдать на аутсорс — это готовность изменить, как делаются несколько ежедневных задач, и эта готовность строится за счёт раннего вовлечения людей, а не за счёт объявления о новой системе на общем собрании, когда она уже куплена.

Опора 4: стратегия и бюджет — есть ли реальный владелец и реальное число?

ИИ-инициативы, парящие в отрыве от бизнеса, без ясного владельца и без определённого успеха, склонны дрейфовать, пока кто-нибудь тихо не лишит их финансирования. Готовность на этом фронте неброская, но решающая: поимённо названный человек, отвечающий за результат, конкретная проблема, которую стоит решить, и бюджет под уровень амбиций — включая ту часть, о которой все забывают, а именно поддержание работы после запуска.

Прежде чем начать, вы должны уметь закончить это предложение: «Этот проект успешен, если в течение трёх месяцев происходит [конкретная измеримая вещь].» «Мы станем инновационнее» — это не финишная черта, это пресс-релиз. «Наша команда перестаёт тратить шесть часов в неделю на перенабор заказов» — это финишная черта. Чем уже и измеримее, тем лучше — и тем легче понять, действительно ли вы победили.

Отдельно о бюджете: разработка — обычно меньшая половина. Модели нужны мониторинг, периодическая донастройка и владелец, который замечает, когда реальность отходит от того, на чём её обучали. Компании, закладывающие бюджет только на разработку, ставят инструмент, который блестяще работает квартал, а потом медленно гниёт, потому что никому не платили за уход за ним. Планируйте скучную загробную жизнь проекта, а не только его захватывающее рождение.

Опора 5: риски и управление — часть, которую в Европе не пропустить

Для средней европейской компании эта опора не опциональна, и притворяться иначе — верный путь к умному инструменту, который вы юридически не сможете развернуть. Отдел комплаенса вам не нужен, но базовые вопросы вы должны задать до разработки, а не после. В основном всё сводится к пониманию того, каких данных касается система, где они обрабатываются и кто отвечает, когда она ошибается.

Вопросы менее страшные, чем звучат. Обрабатывает ли инструмент персональные данные, и если да, то на чьих серверах и по какому договору? Если ИИ что-то предлагает — цену, ответ, решение, — проверяет ли это человек там, где это важно, или он действует сам? Можете ли вы простым языком объяснить, как он пришёл к данному выводу, если спросит клиент или аудитор? Подумали ли вы о том, что будет в день, когда он уверенно ошибётся, ведь этот день настанет?

Собираем воедино: честная самооценка

Таблица для этого не нужна, хотя её можно сделать. Пройдитесь по пяти опорам и оцените каждую красным, жёлтым или зелёным — не по желаемому, а как есть сегодня на самом деле. Цель не в том, чтобы получить сплошной зелёный; почти ни у одной компании его нет, и вам он не нужен. Цель — найти один-два красных, которые потопили бы первый проект, и разобраться с ними, прежде чем строить.

1. 1
   Оцените каждую опору красным, жёлтым, зелёным

   Данные, процессы, люди, стратегия, управление. Будьте честны — оптимистичная самооценка лишь сдвигает разочарование на потом.
2. 2
   Найдите блокирующие красные

   Красный ровно на той опоре, от которой зависит первый проект, — это знак «стоп». Красный где-то ещё может подождать. Контекст важнее суммы.
3. 3
   Закройте сначала дешёвые пробелы

   Большинство пробелов готовности закрываются неброской, недорогой работой — сделать данные доступными, записать процесс, рано вовлечь команду.
4. 4
   Выберите наименьший реальный проект

   Выберите один стабильный, частый, хорошо закреплённый процесс, где вы достаточно «зелёные», чтобы победить. Маленькая завершённая победа финансирует следующую — доверием, а не только деньгами.
5. 5
   И только тогда стройте

   С убранными красными на тех опорах, что важны, и записанной измеримой целью вы готовы. Не идеальны — готовы. Это разные вещи, и в продакшен уходит только одна из них.

Заметьте, что большая часть этой работы не имеет отношения к ИИ. Доступные данные, процесс, который можно нарисовать, вовлечённая команда, ясный владелец, человек в контуре — всё это делает вашу компанию лучше, даже если вы никогда не развернёте ни одной модели. В этом тихий бонус серьёзного отношения к готовности: подготовка ценна сама по себе. ИИ лишь даёт вам повод наконец это сделать.

Частые вопросы