Второй мозг менеджера: как ИИ помогает принимать лучшие решения

Каждый менеджер - дирижер, которому приходится одновременно держать во внимании множество дел: письма, встречи, бюджеты, KPI… По оценке Deloitte, средний руководитель тратит до 62% рабочего времени на поиск данных и подготовку отчетов, и лишь менее трети дня остается на основную работу. Помощь нужна не когда-нибудь, а сегодня - иначе стратегия утонет в операционке.

Автоматизацию часто воспринимают как угрозу рабочим местам. В менеджменте этот страх не оправдан: факторы неопределенности, культура и ценности компании сложно запрограммировать. Поэтому бизнес делает ставку на аугментацию: ИИ собирает данные, строит отчеты и прогнозы, предлагает решения, а финальный выбор - за человеком. По опросу Deloitte только 30% компаний стремятся «автоматизировать все», остальные полагаются на модель «второго пилота», снижающую когнитивную нагрузку и риск ошибок.

Чтобы понять, где именно ИИ приносит наибольшую пользу, рассмотрим три объекта управления:

• Продукт - донесение ценности клиенту (анализ отзывов, прогноз спроса и динамическое ценообразование);

• Проект - инициатива со сроком и бюджетом (ранний прогноз рисков и оптимизация критического пути).

• Процесс - повторяющаяся последовательность действий (анализ и прогноз метрик, оптимизация ресурсов).

Люди - субъекты управления, их можно мотивировать (например, деньгами или печеньками) или манипулировать. В то время как ИИ-сотрудникам мотивация не нужна, если только их не персонализировать.

Теперь углубимся больше в процессы как объект управления. Они бывают трех видов:

• Бизнес-процессы - зарабатывают деньги;

• Поддерживающие - только тратят;

• Управленческие - задают параметры для всей компании.

Задача ИИ - повышать прибыль и снижать затраты. Увольнение лишнего оператора на складе едва заметно для крупной компании, а вот неоптимальное управленческое решение обходится очень дорого.

Классический управленческий цикл включает три этапа: планирование, реализацию и контроль. Поэтому ИИ-сотрудники должны:

• Прогнозировать состояние среды в условиях неопределенности при различных сценариях и планировать задачи;

• Выполнять выбранные задачи с помощью определенных инструментов;

• Оценивать корректность выполнения задач и передавать данные для дообучения моделей.

На каждом шаге рядом находится менеджер: проверяет риски прогноза, утверждает план, контролирует ход работ и при необходимости вносит коррективы.

Существует целое направление - Decision Intelligence (DI) или наука о принятии решений. Если Business Intelligence (BI) говорит нам, что случилось, то Decision Intelligence предсказывает, «что будет, если…».

Визуальные причинно-следственные связи цепочек «действие → результат» позволяют просчитать: сниженная цена улучшит оборот, но увеличит нагрузку склада; при текущем темпе продаж план квартала сорвется через 18 дней. Gartner прогнозирует, что к 2026 г. 70% крупных компаний внедрят DI-фреймворки именно в управленческие процессы. В Сбере я как раз занимался созданием таких систем.

Есть и пару других интересных технологий для менеджеров:

• Process Mining анализирует логи систем, выявляя «узкие горлышки» в процессах.

• Organizational Network Analysis превращает почту и чаты в граф коммуникаций, выявляя скрытых лидеров и перегруженных сотрудников. Microsoft таким образом повысила продуктивность команд на 15%.

Согласно отчету PwC (2024), компании, которые внедрили ИИ в управленческие процессы, ожидают нарастить EBITDA (прибыль без долгов, налогов и амортизации) на 12% быстрее конкурентов. Дополнительные эффекты: −50 % ошибок прогнозов, −30 % затрат на запасы, +30% скорость вывода продукта, +15% эффективность оборудования, −8% текучести персонала.

ИИ не отнимает власть у людей - он избавляет их от рутины, освобождая время для стратегии, творчества и лидерства. На рынке выигрывают компании, где человек и машина работают в тандеме.

Лично я в поддержке принятия решений больше доверяю данным и алгоритмам, чем людям. А вы?

#технологии