Когда вы переходите от AS-IS процесса к TO-BE, главная ошибка — взять существующую диаграмму и просто добавить в несколько квадратиков слово ИИ.
Для начала нужно полностью пересмотреть его с учетом новых возможностей ИИ.
В старом процессе могут быть операции, которые теперь вообще не нужны.
Поэтому TO-BE — это не автоматизированная версия AS-IS. Это заново спроектированный процесс.
И только после этого нужно определять, какие функции выполняет ИИ, а какие остаются у человека.
Причем роль человека нужно фиксировать заранее.
Когда вы приходите к сотрудникам и говорите, что часть их работы теперь будет выполнять ИИ, естественно возникает вопрос: а что тогда буду делать я?
Отсюда появляется сопротивление.
Нужно сразу объяснить человеку, какой становится его новая роль. А затем обучить его работать в этой роли. Про обучение мы еще поговорим отдельно.
Я бы выделял четыре основные роли человека.
1. Оператор. Процесс может работать автономно, но у системы все равно должен быть ответственный.
Оператор следит, чтобы она работала, контролирует метрики, качество результата, ошибки и данные.
Если результаты работы агента используются для дальнейшего улучшения моделей или самого процесса, оператор контролирует и это.
То есть он уже не выполняет операцию руками — он отвечает за работающую систему.
2. Супервайзер. Здесь ИИ выполняет работу самостоятельно, но в определенных точках должен запросить решение человека.
Одобрять ли действие? Запускать следующий этап или останавливать процесс?
Человек принимает решение, а дальше ИИ продолжает работу.
3. Менеджер. Здесь ИИ тоже готовит информацию: собирает контекст, делает анализ и предлагает варианты.
Но следующее действие выполняет уже сам человек. В этом основное различие.
Супервайзер принимает решение для ИИ, после чего агент продолжает процесс.
Менеджер использует подготовленный ИИ контекст и уже сам что-то делает на его основе.
4. Эксперт. Здесь человек и ИИ работают вместе.
ИИ помогает искать информацию, анализировать данные и готовить материалы. Но конечная ценность создается за счет человеческой экспертизы.
Например, примерно так устроена моя работа с Лабораторией Датаиста.
Каждый день агент собирает мне научные статьи по нужным направлениям. Их может быть по 30 штук в день.
На этом этапе я выступаю как оператор.
Мне не нужно вручную искать статьи по десяткам источников. Я просто слежу за тем, чтобы агент каждый день работал, а материалы приходили.
Дальше из этих статей я выбираю ту, которую хочу изучить глубже.
Здесь я уже супервайзер.
Агент дает мне выбор, а я принимаю решение, какую статью изучить.
После этого агент делает полный обзор исследования и автоматически превращает идеи из статьи в контент.
Я читаю получившийся материал, могу поменять формулировку, исправить какие-то слова или добавить собственную мысль.
Здесь я уже выступаю как менеджер.
А дальше все разобранные исследования остаются в моей базе знаний.
Когда ко мне приходит компания с консультацией по ИИ, я могу быстро найти нужное исследование, вспомнить его выводы и сопоставить их с конкретным бизнес-запросом.
И здесь я уже эксперт, который работает вместе с ИИ.
Получается, что все четыре роли могут существовать даже внутри одного процесса.
Не нужно пытаться назначить человеку одну роль навсегда.
В одной точке процесса он оператор, в другой — супервайзер, дальше менеджер, а где-то эксперт.
Поэтому и на самого агента я бы не смотрел как на одного виртуального «сотрудника».
Агент — это набор функций или навыков. Эти навыки соединяются между собой в определенной последовательности.
По сути, агент — это граф навыков, по которому текут данные.
А компания — это огромный граф взаимосвязанных навыков, по которому постоянно движутся данные.
Поэтому при проектировании TO-BE модели я бы начинал с вопроса:
«Как должен выглядеть этот процесс, если сегодня работу между собой могут разделить человек, ИИ и обычная автоматизация?»
И уже после этого проектировать новый процесс целиком, роль человека и граф навыков агента.
👉 Полная статья
