Чому AI працює лише в логіці системного мислення?

Тому що коли ви маєте справу з невизначеністю, то треба створити систему, яка дозволяє наштовхуватися на рішення. І важливо, щоб ця система з точки зору гнучкості не мала жорстких зобов'язань. Тобто ви маєте створити її таким чином, щоб вона дозволяла експериментувати. А якщо вирішуєте вчитись на помилках, то ці помилки повинні коштувати дешево. Задача лідера не знати, що буде далі, а створити систему, яка про це дізнається.

Коли ми вводимо щось нове, як впровадження ШІ в компанії, то має відбуватись зміна існуючих процесів. Як підготувати компанію до змін?

По-перше, треба визнати, що ніяка система ніколи не готова до чогось нового. Навіть не вводити поняття, що десь частково готова, десь не готова, у когось краща культура, у когось гірша. Бо поганих культур не буває насправді. Просто одразу визнати, що ніхто не готовий.

По-друге, треба визнати, що для людей  невизначеність є фізично неприємною. Вони хочуть визначитися. Тому що у них є зобов'язання, сім'ї, плани, мрії, і вони рухаються в цьому напрямку. Вони завжди будуть сприймати невизначеність як загрозу. Краще тут давати чітке поняття і чітку визначеність. Не очікувати якоїсь підготовленості.

По-третє, це робота на системному рівні. Поки щось набуває визначеності, то не має ніяких доказів, що воно спрацює на рівні системи. І тому, коли ми працюємо з невизначеністю, то наше основне завдання — це постійно знижувати цю невизначеність, постійно проводити експерименти. Таким чином ми будемо збирати докази та підтвердження.

Якщо прийти до команди, пообіцяти їй щось, а потім воно не спрацює, то тоді ми просто втратимо довіру. Мені подобається вислів, що є три ресурси, на які ми не звертаємо увагу, але вони дуже важливі для системи. Це довіра,  час, і таланти. Це дуже важливі елементи будь-якої системи. 

Якщо говорити про таланти, про людей, в який спосіб можна визначити, хто має зайти в ці експерименти?

Якщо ми визначились, що всередині компанії будуємо цю пісочницю, sandbox [простір, де команда може випробовувати нові ідеї], тоді і визначаємось із ролями. Тобто це означає, що є команда, яка професійно ставиться до невизначеності. Наприклад, ця команда відмовляється від ідеї, що вона щось знає. Професійний вислів цієї команди – «я не знаю, але ми спробуємо це з'ясувати». І така команда займається тим, що професійно тестує гіпотези. Зрозуміло, що вона буде запрошувати в цю пісочницю й інших людей з компанії. 

Всередині sandbox є свої правила того, як ідеї трансформуються в припущення, як рахується вартість підтвердження припущення і таке інше. На мій погляд, це ідеальна модель для роботи зі штучним інтелектом.

Давайте поговоримо про випускників наших програм. Коли вони заходили на навчання, які у них були запити, уявлення або міфи про штучний інтелект?

Цікаве питання. Ми постійно досліджуємо анкети учасників, з чим вони заходять на програму, в аксцелерацію [програма kmbs “AI-майстерня для команд” працює у форматі акселератора – асинхронної творчої роботи команд над розробкою AI-прототипів в середовищах Open WebUI та Slack з щотижневою онлайн-фасилітацією]. Три речі, з якими до нас приходять – дуже цікаві.

Перша річ – команди і топи вірять, що вони вже не встигли. Тобто світ змінився, а вони не встигли. І ми працюємо з цим упередженням, що насправді це не так. Я вірю, що все-таки AI – це десятирічка. Це не один, два, три роки і все зміниться. Тому ми всі встигаємо.

Друга річ – це коли учасники приходять на програму, то хочуть, аби AI знизив їхню рутину, і в них звільниться час для того, щоб займатися мистецтвом, творчістю, більше уваги приділяти клієнту. І насправді в цьому упередженні немає фокусу на створенні чогось нового. А так вийшло, що AI не буде знижувати рутину. На певний час він навіть буде її збільшувати. Бо треба переналаштовувати моделі, створювати, напрацьовувати дані, яких сьогодні ні в кого немає. І він практично потребує зміни бізнес-процеса докорінно. Тобто ми можемо працювати з рутиною, але це не дасть того результату, тієї нахабної мрії, яку би ми хотіли. 

Я вважаю, що не можна фокусуватися на зменшенні рутини. Краще змінювати спосіб життя нашого співробітника. Я він перевіряє пошту, як він отримує таски, як він аналізує міти. Тому що AI багато чого може змінити. Люди мають жити новим життям. І тоді це інший фокус. І тоді це інше припущення.

Наприклад, давайте спробуємо зробити так, щоб наш співробітник перевіряв пошту тільки через навушники. Що буде, якщо 70 емейлів, які треба просто відправити в архів, він вже не буде опрацьовувати руками? І, можливо, це про культуру взагалі. Тобто, не плутати рутину якоїсь людини, і не плутати те, що тепер кожна людина в компанії може працювати в інший спосіб. І потрібно дозволити їй це робити.

Отже, друге упередження про те, що

ми хочемо зменшити рутину і вивільнити час, хоча насправді ми хочемо змінити стиль менеджменту, навіть не управління, а стиль того, як ми працюємо сьогодні.

Третє упередження, з яким приходять, — це бажання перейти з тіньового до системного. Що це значить тіньовий? Це означає, що навіть, якщо ми не опікуємося AI в середині компанії, це не означає, що наші співробітники не використовують персональні підписки, наприклад GPT та Gemini. Вони купили улюблені застосунки, часто працюють з ними, але нікому про це не кажуть. 

Тобто, для них це більша гра — вони все роблять швидше, але про це не кажуть. Це виникає через те, що в компанії правила гри досі не сформовані. Управлінців, лідерів про це не попередили. Та й самі лідери працюють в тіньових Ші, мають свої підписки. Важливо зробити системний крок і змінити систему.

Але не вийде так, що ми прийшли в офіс і сказали: «З цього дня всі починають працювати з AI». Є три рівня залучення штучного інтелекту:
 

• Перший – коли у людині є персональні моделі. Їх можна ще називати AI-ботами, але тут виникає суперечка, що бота недостатньо.Тому я пропоную називати їх AI-моделями. Але вони здебільшого персональні і допомагають якійсь конкретній ролі підвищити свою професійну продуктивність.

В середньому будь-якій ролі в компаніїт реба від 3 до 7 персональних моделей. І ми навіть не говоримо про ті, які просто пошту перевіряють.
 

• Другий рівень – це рівень Agent-AI, агентів. Агенти – це також моделі, але вбудовані у бізнес-процеси з даними, різними моделями, ролями тощо. Вони працюють як часткова автоматизація або мають під капотом більше моделей. 
  
   
• Третій рівень агентів — це вже автономний штучний інтелект. Тобто йому делеговані певні речі і він може діяти проактивно, неопереджено, суб'єктно

Щоб ми не робили на персональному рівні наступний еволюційний крок будь-якої моделі — це стати агентом. Тобто бути частиною бізнес-процесу, стати автономною.

Розкажіть, як рухаються команди, коли заходять на програму. Які у них уявлення, і з чим вони виходять? Як на різних рівнях працюють різні компанії? 

Виходять вони з реально працюючим прототипом. Для нас це принципово, тому що ми хочемо, щоб команда принесла компанії докази, що це працює. Це наша цінність.

Якщо ми маємо ці три рівні: персональні моделі, агенти і аджентік [здатність діяти як агент, тобто самостійно ініціювати дії, ухвалювати рішення і впливати на середовище], ми маємо три припущення, навколо яких сьогодні будується найбільша кількість ідей.

Перше припущення — на рівні персональних моделей, що команда разом зі АІ буде більш продуктивною, тільки використовуючи ці технології. Друге — бізнес-процеси можуть зменшувати рутину, тому що в них буде вбудований АІ. І третє — «якщо в мене буде автономний AI, я зможу конкурувати на іншому рівні».

А в житті, як ми вже казали, з першим рівнем виникає питання, аджеце новий виклик для HR спеціалістів, і технологічних HR, бо вже не можна бути просто HR. Зараз один із трендів — це об'єднання HR з IT.

Коли відбуваються зміни ролей в бік технологічності, то HR вже не опікується тільки людиною. Він ще опікується цими персональними моделями, з якими працює людина.

І тоді в нас HR стають вже частково айтішниками. 

Хто відповідає за впровадження AI-технологій в компаніях?

Наразі дослідження показують: 97% IT вважають, що корпоративні АІ — це більше ризики, ніж можливості. І сьогодні всі дослідження говорять, що нам тепер треба перенавчити обох: і користувачів, і наших IT-спеціалістів. Це новий синтез, який потребує іншої оптики.

Тобто коли ми говоримо про перший рівень агентів — це виклик для HR-ів з IT. Другий — це виклик нових операційних директорів, які постійно дивляться на бізнес-процеси і перебудовують їх людяно, не як робот, а з увагою до людини, до нової ролі, і туди вбудовують AI. Але це також постійний процес. І третій рівень — це рівень лідерів, які повинні знайти на цьому рівні інновації, які допоможуть їм конкурувати на іншому рівні. Ми називаємо цей рівень «конкуренція алгоритмів». Тобто якась компанія буде в інший спосіб приймати рішення про логістику, про ціни, про клієнтів, про цінності, поведінку, розрахунки тощо. Тому що там будуть працювати алгоритми. А інша компанія може за цим просто не встигати і навіть не розуміти, як вони це зробили. Тому що це вже не проста математика. Це рівень корпоративного штучного інтелекту. Тобто третій рівень – це рівень аджентів. Це інший рівень технології, інший рівень фреймворків, але більший виклик для лідеріі.

Саме тому ми робимо в школі фокус на другому і третьому рівнях і тут вчаться топи та лідери для того, щоб далі рухатися в складніші речі.

На програмі «AI майстерня для команд», куди до нас приходять команди, ми чітко визначаємо, з яким рівнем вона працює. Нам важливо, щоб команда за цей час тестувала багато припущень, робила багато прототипів на рівні персональних моделей. Тобто вона вчиться працювати з персональними моделями та лайфстайлом. Якщо компанія хоче більше тестувати нові бізнес-процеси, тоді ми одразу починаємо з рівня low-code, платформ, де будуємо бізнес-процес, дивимося, як він запускається, як працює, які там треба моделі.

Якщо це одразу інновація, то ми дуже багато часу будемо приділяти дизайну ідеї і тільки після цього тестувати технологічні припущення. Але ми не говоримо зараз про моделі, не говоримо про алгоритми, про сингулярність. І це мені подобається. Тому що ми говоримо про управлінців, людей, які приймають рішення, яким треба з цим розібратись.

Наприклад, Euromix — великий український дистриб'ютор, який наразі активно інтегрує штучний інтелект у свої бізнес-процеси. Компанія проходила акселераційну програму й стала вже третьою командою, яка працює разом у sandbox. В рамках цієї роботи було сформовано внутрішню R&D команду, яка займається розробками AI-рішень. Керівництво напрямком передали лідеру з першої команди, який сьогодні виконує роль внутрішнього тьютора для інших учасників. Також впровадили персональні AI-моделі, протестували агентів, перевірили якість роботи торгових представників, провели аналітику магазинів та сформували рекомендації  асортименту. Компанія продовжує працювати над побудовою повноцінного внутрішнього sandbox і прагне створити власного агента, подібного до співрозмовника-асистента, для внутрішніх потреб.

Початковий запит компанії був типовим — зменшити рутину, систематизувати процеси, позбавитися «тіньової» неформалізованої роботи. 

Кожна команда заходить з упередженнями. Я можу точно сказати відповідально, що

зняття цих упереджень — одна з цінностей, яку ми сьогодні створюємо.

Цих упереджень стає все менше. Команди приходять більш підготовленими. Щонайменше приходять люди, які мають персональні моделі, і вже хочуть працювати з бізнес-процесами, з аджентіком, або з інновацією щодо AI. І ми бачимо, як наш акселератор також еволюціонує. Нам менше доводиться працювати з персональними моделями, з бізнес-процесами, а більше починаємо працювати з викликами та ідеями.  

З компанією EVA у нас також склався цікавий шлях у межах корпоративної програми. Ми провели одноденну програму для топменеджменту й змогли зацікавити їх роботою з AI. Команда поставилася до цього дуже відповідально. Уже за три–чотири місяці ми знову зустрілися — цього разу в акселераторі, вже з командою. За цей час всередині компанії було вибудувано корпоративне навчання, і, за їхніми словами, охочих навчатися ніколи раніше не було так багато. Це свідчить про готовність людей рухатися в бік системного використання AI.

Одна з команд тестувала справді «нахабну» ідею — у позитивному для нас сенсі цього слова. Технологічний рівень компанії дозволяв працювати з такими викликами, і в результаті ми отримали два прототипи. Прототип EVA вже на цьому етапі був дуже сильним.

Це був той випадок, коли ми як команда корпоративного акселератора створили виклик, передумови, і дали можливість їм перевершити нас.

Хто зазвичай готовий стати цим лідером, який буде будувати sandbox? 

Я думаю, що у нас з'являться люди з HR, які будуть допомагати будувати sandbox. Тут більше питання, хто готовий взяти відповідальність.

Зміни торкаються, за різними оцінками, близько 30–40% ролей у компанії. Саме тому трансформуються і ролі CTO, і ролі HR. Фактично CTO, заходячи в цей контекст, має розуміти, що частково переходить у зону відповідальності HR. Сьогодні це серйозний виклик для лідерів. Йдеться не про звільнення людей, а про зміну ролей і доменів відповідальності. Саме тому ми говоримо, що ключ до впровадження AI в корпорації лежить у системному мисленні. 

Давайте підсумуємо. Які кроки варто зробити СEO або топу, який зрозумів, що  треба рухатись в AI?

Я б відмовився від ідеї робити багато кроків одразу. Чому? Тому що не хотів би, щоб упередження «ми не встигли» впливало на ухвалення рішень сьогодні. Насправді цих рішень не так багато. 

Три основні кроки, які має зробити CEO.

Перше: усвідомити, що сьогодні форма важливіша за суть. Йдеться про побудову систем, які підтримують цей процес у компаніях. Це довгострокова робота, розрахована на десятиріччя.

Друге: розуміти, що інвестиції розподіляються нерівномірно: три долари мають іти в людину і лише один — у технологію. Тобто люди важливіші за технології.

Третє: лідерам варто перестати сприймати AI лише як ІТ-інструмент. Хоча ІТ-спеціалісти часто говорять про нього саме так, це надмірне спрощення феномену штучного інтелекту. AI принципово створює новий тип менеджменту — те, що ми називаємо ройовим або доданим інтелектом.

Чи можна почати залучати AI без попередніх домовленостей — без розуміння того, як ми рухаємося, які в нас етапи та правила роботи з AI в компанії?

Нам варто прийняти одне базове правило щодо AI: у найближчі два–три роки ми будемо багато помилятися. І до цього важливо ставитися толерантно.

Водночас, якщо ми вирішили вчитися на помилках, ці помилки не повинні коштувати нам звільнень, зламаних ролей, ідей чи втраченої віри в цю технологію.

Саме тому для нас важливо, щоб лідери й учасники акселераційних програм будували sandbox з повагою до людини, до системи та до неминучих змін ролей і підходів. У цьому контексті системне мислення є критично важливим.