среда, 26 февраля 2025 г.

Use case gen AI

Некоторые варианты использования генеративного ИИ

НИОКР
  • Конкурентный анализ интеллектуальной собственности/патентов
  • Быстрая идея для визуализации
  • Быстрое тестирование потребителями и итерации продукта
  • Быстрое проектирование для оптимизации параметров, например, прочности, материалов, технологичности
  • Анализ мнений клиентов

Коммерческое использование
  • Консультант в режиме реального времени для торговых представителей
  • Оптимизация элементов маркетинга посредством автоматизированного A/B-тестирования (сплит-тестирования)
  • Выявление и приоритизация "лидов"
  • Автоматизированное создание многоканальных маркетинговых рабочих процессов
  • Рекомендации по дополнительным и перекрестным продажам

Цепочка поставок
  • Проектирование склада с использованием цифрового моделирования
  • Оптимизация доставки заказов
  • Автоматизация складских операций посредством аналитики в реальном времени
  • Улучшение маршрутов
  • Поддержка управления рисками с агрегацией и синтезом данных

Производство
  • Планирование технического обслуживания и управление заказами на работу
  • Улучшение графика
  • Выявление проблем с использованием обработки изображений/видео
  • Оптимизация производственного плана
  • Достижение идеальных условий

Закупки
  • Отчет о состоянии рынка категории
  • Распознавание схем мошенничества
  • Аналитика контрактов и оптимизация сроков
  • Чат-бот статуса заказа на покупку
  • Анализатор репозитория контрактов ИИ

Корпоративные функции
  • Самообслуживаемые и автоматизированные функции управления персоналом
  • Поддержка встреч с использованием генеративного ИИ
  • Обобщение финансовых объявлений
  • Панель управления финансовым планированием
  • Автоматизация учета с классификацией данных

Совокупный потенциал искусственного интеллекта означает, что компании, которые внедряют эти технологии и делают это раньше конкурентов, могут получить значительную бизнес-ценность и добиться конкурентного преимущества.

Успешные преобразования поколения ИИ требуют создания возможностей в шести областях:
  • разработка стратегии развития искусственного интеллекта в соответствии с общей технологической стратегией для достижения конкурентного преимущества;
  • создание масштабируемого технологического стека и инфраструктуры для поддержки решений ИИ нескольких поколений;
  • создание надежной базы данных для масштабирования искусственного интеллекта в масштабах всей организации;
  • определение операционной модели, объединяющей бизнес, операции и технологии;
  • выявление и удержание нужных талантов и навыков, необходимых для развития поколения ИИ;
  • обеспечение масштабного внедрения, а также управление рисками и ответственное использование.

Источник

Generative AI: The packaging and paper industry’s next frontier. November 1, 2024 

https://www.mckinsey.com/industries/packaging-and-paper/our-insights/generative-ai-the-packaging-and-paper-industrys-next-frontier



пятница, 21 февраля 2025 г.

Одна примечательная и прочие Теории трудовой мотивации

В.Герчиков. "Методика трудовой мотивации". Данная методика выделяет 5 типов трудовой мотивации:
  • "инструментальный" тип - нужны только деньги ("ничего личного, только бизнес"),
  • профессиональная мотивация - ценится содержание работы, работа - способ доказать и показать себе и другим свою способность выполнить работу, которая другим не под силу,
  • хозяйская мотивация - чувство "хозяина", стремление взять на себя полную ответственность, нетерпимость к командам сверху и со стороны,
  • "патриотический" тип -  быть нужным, снискать признание руководства,
  • люмпенизированный тип - нет стремления работать, работа только для того, чтобы избежать наказания.
Данные пять типов с моей точки зрения хорошо описывают 80% ситуаций. Прикладной характер данной типологии ярко проявляется при подборе персонала. В частности, в следующих сложных ситуациях. Допустим, имеются два класса работы, характеризуемые наличие начальства и бюджета.
  1. Есть начальник, нет бюджета. На эту работу идеально подходит "патриотический" тип и категорически противопоказан хозяйственник.
  2. Нет начальника, есть бюджет. Противопоказан патриот. Профессионалы и хозяйственники. 

На должности генерального директора предпочтителена персона с хозяйской мотивацией.

* * *

Источник данной таблицы "Памятка управленцу: все основные теории трудовой мотивации ясно и кратко". Фёдopoва Н.В., кандидат экономических наук

Название теории, авторы
Основная концепция
Классическая теория научного менеджмента (Фредерик Тейлор, Фрэнк Гилбрет, Гарри Грант и др.)
Работники организации в значительной степени заинтересованы в труде, если материальное вознаграждение тесно связано с результатами их труда. Денежное стимулирование — единственная основа высоких производственных показателей
Теории X и Y(Дуглас МакГрегор)
Некоторые не любят работать «от рождения», поэтому они могут хорошо работать только под постоянным наблюдением и принуждением (теория X). Другие сами мотивируют для себя потребность трудиться и находят внутреннее удовлетворение в труде — правда, если для этого созданы необходимые условия (теория Y)
Теория Z (Уильям Оучи)
Забота о каждом работнике организации, качестве трудовой жизни, привлечение работников к групповому принятию решений — вот предпосылки раскрытия их потенциала
Теория человеческих отношений (Фредерик Дж. Ретлисбергер, Элтон Мэйо, Ренсис Лайкерт)
Ключевым фактором мотивации является руководитель. Именно руководитель должен дать почувствовать работнику, что он является членом коллектива и занимает в нем важное место. При этом исповедуется демократический стиль руководства
Теория иерархии потребностей (Абрахам Маслоу)
В иерархии потребностей выделяют пять уровней: 
  1. физиологические потребности; 
  2. потребность в безопасности (как физической, так и экономической);
  3. потребность в любви, принадлежности (социальные потребности);
  4. потребность в уважении, признании; 
  5. потребность в самовыражении.
 Если удовлетворены потребности низших уровней, то для мотивации работника к труду нужно активизировать следующий, более высокий уровень потребностей
Фактор «2» (Фредерик Герцберг)
В двухфакторной модели трудовой мотивации выделяются две большие категории: 
  1. гигиенические факторы;
  2. мотиваторы. 

Гигиенические факторы, факторы поддержки (политика компании и управление, условия труда, заработная плата, межличностные отношения с руководителем, степень непосредственного контроля за работой) носят превентивный характер и могут вызывать у работника чувство неудовлетворенности, но они не являются мотивирующими факторами. К мотиваторам относятся потребности более высокого порядка, такие, как производственные достижения, общественное признание, работа сама по себе, ответственность и возможность карьерного роста. Задача менеджмента — устранение раздражителей (удовлетворение базовых потребностей) и использование мотиваторов (удовлетворение высших потребностей)
Теория заученных потребностей (Дэвид МакЛелланд)
Выделяются три доминирующие потребности:
  1. причастности (аффилиация);
  2. власти;
  3. успеха.
 Путем установления порядка вознаграждения (признание, продвижение по служебной лестнице, достижение определенного общественного положения и т.п.) и усиления ожидания, что вознаграждение будет результатом лучшего поведения или работы, можно усилить мотивацию более производительной и качественной работы
Теория ERG (Клейтон Альдерфер)
Выделяют три группы потребностей: 
  1. потребности существования (выживание, физическое благополучие, оплата труда) — Existence Needs; 
  2. потребности в связях (межличностные связи, установление контактов, уважение, оценка личности) — Relatedness Needs; 
  3. потребности в росте (внутреннее стремление к развитию творческого потенциала, к самореализации) — Growth Needs.

Согласно ERG-теории отвергается жесткая иерархия
Теория установки целей (Эдвин А. Локе)
Сознательные потребности работника определяют его действия. Цель будет воздействовать на прилагаемые усилия и влиять на выбор поведения
Теория изменения поведения, теория подкрепления (Беррес Фредерик Скиннер)
Поведение может быть управляемо, уточнено и изменено благодари определенным изменениям в системе поощрений и наказаний
Теория предпочтений, ожиданий VIE (Виктор Врум)
Мотивация поведения работника определяется тремя факторами:
  1. силой уверенности в том, что конкретные действия приведут к конкретному результату;
  2. силой уверенности в том, что конкретный результат приведет к конкретному вознаграждению;
  3. привлекательностью или приемлемостью вознаграждения.

Сила мотивации есть функция от суммы валентностей результатов (включая инструментальность), умноженных на ожидание, причем
  • валентность (V— Valence) — это устойчивость предпочтений работника относительно конкретного результата (Y=+1, 0, -1); 
  • инструментальность или значимость (I — Instrumentality) — это эталон субъективной оценки работника: ведет или не ведет исходное действие к достижению поставленной цели (-1 < I< +1); 
  • ожидание (Е — Ехреctancy) — это вероятность достижения определенного результата (0 < I < 1)

Теория справедливости, равенства или беспристрастности (Дж. Стейси Адамс)
Основным источником трудовой мотивации является беспристрастность или справедливость, которую работник ожидает встретить в трудовом коллективе. Если отношение «отдача — выход», которое получает работник (вознаграждение), к «вкладу — входу» в выполнение работы оказывается не равным с его точки зрения аналогичным соотношениям у других работников, то это признак несправедливости и соответственно предпосылка возникновения психологического напряжения. В соответствии с данной теорией адекватность вознаграждения оценивается по соотношению «входа» и «выхода»
Комплексная процессуальная теория мотивации (Лайман Портер, Эдвард Лоулер)
Включает в себя элементы теории ожиданий и теории справедливости. Базируется на пяти переменных величинах: 
  1. затраченные усилия; 
  2. восприятие, ожидание; 
  3. полученные результаты; 
  4. вознаграждение; 
  5. степень удовлетворения. 

Основной вывод: результативный труд ведет к удовлетворению
Теория «математического» ожидания (Джон Аткинсон, Н. Физер)
Мотивация работника к реализации определенной задачи есть функция, составляющими которой являются сила мотива производительного труда, субъективная вероятность (ожидание) успеха и привлекательность задачи (валентность)
Теория атрибуции (Фриц Хайдер)
Внутренние силы (личные качества, такие, как способности, усилия, утомляемость) и внешние силы (свойства окружающей среды), дополняя друг друга, определяют поведение работника. Теория атрибуции — это теория о том, как люди объясняют поведение других: приписывают ли они причину действий внутренним диспозициям человека (чертам характера, мотивам и установкам) или внешним ситуациям
Теория контроля (Уильям Глассер)
Связана с ощущениями работника, а именно с тем, насколько он контролирует свою производственную деятельность. Считается, что от осознанного контроля зависит удовлетворенность трудом
Теория представительства (Мишель Дженсен, Уильям Мексинг)
Ключевым моментом теории является то, что интересы собственников организации и ее работников могут различаться, причем это расхождение можно уменьшить посредством установления соответствующих вознаграждений
Теория Джона П. Кэмпбелла, Марвина Д. Даннетта, Эдварда Е. Лоулера и Карла Е. Уэйка мл.
Мотивирующее воздействие на людей оказывает определение того, насколько настоятельны их потребности и ожидания, насколько их действия побуждают к достижению поставленной цели и каких результатов достигли другие люди при подобных обстоятельствах
Теория Герберта Кауфмана
Организационная и профессиональная специализация могут развивать желание и возможность работников соответствовать целям организации
Теория Роберта Престаса
Предложена тройная классификация моделей организационного приспособления: 
  1. «продвигающиеся вверх» — те, кто понимает и принимает все ценности организации; 
  2. «индифферентные» — те, кто отвергает такие ценности и находит личное удовлетворение вне работы; 
  3. «амбивалентные» — те, кто хочет пользоваться благами, которые дает организация, но не отвечает ее требованиям

Теория Вернера Зигерта и Лючии Ланга
Критерий оптимальности мотивации и поощрений — обеспечение взаимной удовлетворенности организации (руководства) и индивида. Внимание акцентируется на эмоциональной стороне производственных проблем
Теория В. Арнольда
Результативность мотивации определяется направлением и качеством усилий, а не их суммированием. Продуктивность мотивации усиливается энергией целенаправленности поведения, продвижением личности к эффективным для организации поступкам
Концепция редизайна труда (Дж. Хакман и Грег Олдхэм)
Мотивированность работой следует измерять с помощью следующих пяти характеристик: 
  • разнообразие работы; 
  • законченность работы; 
  • значимость работы; 
  • автономность в работе; 
  • обратная связь (возможность оценки результатов собственных усилий)

Теория Томаса Стюарта
Работа с персоналом требует создания комплексных мотивационных программ. При этом работники организации получают в свои руки четыре символа освобождения: информацию, знания, власть и вознаграждение

понедельник, 17 февраля 2025 г.

Фазы развития технологии ИИ

В нашу эпоху быстрой технологической трансформации искусственный интеллект (ИИ) стоит на грани превращения в мощную технологию общего назначения, подобную электричеству или паровому двигателю. Эти основополагающие технологии фундаментально меняют отрасли и переопределяют общество, следуя эволюционной траектории, которая движется от небольших улучшений к изменениям на системном уровне. История показывает нам, что для реализации полного потенциала GPT требуется как понимание их прогрессивных фаз, так и дальновидное мышление, особенно для того, чтобы избежать отставания производительности, которое преследовало предыдущие технологические революции.

Понимание технологий общего назначения и их фаз


Технологии общего назначения имеют три основные характеристики: они всепроникающие, постоянно совершенствуются и служат платформами для других изобретений и инноваций. Такие технологии, как электричество, паровой двигатель и Интернет, обладают этими характеристиками и стали катализаторами волн изобретений, инноваций и производительности. ИИ обладает теми же характеристиками и имеет потенциал для преобразования бесчисленных секторов, способствуя прогрессу в здравоохранении, логистике, финансах и не только.

Различие между изобретением и инновацией. Технологии общего назначения являются важными драйверами изобретений. Они по своей природе создают совершенно новые пространства возможностей, которые позволяют разрабатывать прорывы, которые переопределяют то, что возможно в отраслях и обществе, устанавливая совершенно новые пути и возможности, не имевшие аналогов ранее. Например, паровой двигатель привел к изобретению механизированного производства и железных дорог, электричество привело к появлению электродвигателей и современных средств связи, а Интернет подстегнул создание цифровых услуг, электронной коммерции и облачных вычислений.

Хотя технологии общего назначения часто приводят к инновациям – улучшениям или адаптациям, которые улучшают существующие процессы – они в первую очередь катализируют изобретение, предоставляя основополагающие возможности, которые делают возможными совершенно новые виды решений. По мере продвижения каждой технологии общего назначения непрерывно расширяется горизонт для дальнейших изобретений и креативности, создавается платформа для последующих инноваций, извлекающих выгоду из этих основополагающих прорывов.

Четыре основные фазы развития технологий общего назначения:
  • Текущее состояние: До того, как технология получила широкое распространение, отрасли работали исторически состоящей структуре, используя устоявшиеся процессы. Процессы часто являлись ручными и не обладали эффективностью по сравнении с эффективность новой технологии. В случае с электричеством, например, фабрики полагались на централизованные паровые двигатели для питания машин, что требовало жесткой компоновки, многочисленных регулировок и высокого уровня обслуживания.
  • Точечные решения: Первоначальное использование технологии, как правило, фокусировалось на изолированных задачах или функциях, которые улучшаются для конкретных выгод без фундаментального изменения системы. Ранние последователи электричества заменили паровые двигатели электродвигателями, но сохранили модель центрального приводного вала, увидев улучшения в надежности питания и управлении без структурных изменений.
  • Более широкие применения: По мере того, как технология распространяется по функциям, она начинает создавать взаимосвязи, которые повышают общую производительность. Когда электродвигатели начали приводить в действие отдельные машины, заводские планировки стали гибкими, что повысило производительность, при этом продолжая следовать структурам сборочной линии.
  • Изменение на уровне системы: На последнем этапе происходит фундаментальная перестройка операций или целых отраслей. Когда фабрики полностью перешли на электричество, они смогли избавиться от центральных шахт, децентрализовать операции и внедрить сборочные линии, обеспечив производство «точно вовремя» и большую масштабируемость. Это изменение на уровне системы переопределило производство и заложило основу для современной промышленности.

Современные технологии общего назначения имеют схожий эволюционный путь. В настоящее время ИИ часто улучшает отдельные задачи, такие как ввод данных или управление запасами, знаменуя начало точечных решений. Однако по мере его развития увидим интеграцию ИИ во все функции, что позволит организациям использовать прогнозную аналитику, оптимизировать логистику или беспрепятственно координировать уход за пациентами. В конечном итоге эволюция ИИ достигнет кульминации в системных преобразованиях, которые могут переопределить отрасли — от автономных цепочек поставок в реальном времени до децентрализованных систем здравоохранения.

Парадокс производительности


Прошлые технологии общего назначения, такие как электричество, демонстрируют закономерность, известную как «парадокс производительности», когда для материализации роста производительности могут потребоваться десятилетия. Экономист Пол Дэвид заметил, что электричеству потребовалось около 40 лет, чтобы появиться в статистике производительности. Ранние последователи часто использовали новую технологию для имитации старых процессов, ограничивая ее преобразующий потенциал, пока организации не адаптировались к использованию ее уникальных возможностей. Эта задержка показывает, что для ускорения потенциала производительности ИИ требуется нечто большее, чем улучшения на основе задач.

Ускорение развития ИИ


Для реализации преобразовательного потенциала ИИ, лидерам следует принять высокоуровневые стратегии, которые способствуют сотрудничеству в масштабах всей экосистемы, предвосхищают системные изменения и развивают устойчивость в будущем.

Принять отказ от обучения как основную стратегию лидерства. В быстро меняющемся мире ИИ и других преобразующих технологий способность учиться, рузучиваться и переучиваться становится критически важной. Проницательность Элвина Тоффлера — «Неграмотными в 21 веке будут не те, кто не умеет читать или писать, а те, кто не умеет учиться, разучиваться и переучиваться» — подчеркивает важнейший навык отказа от устаревших знаний для адаптации к новым реалиям. Лидеры должны активно развивать мышление, которое бросает вызов существующим предположениям, постоянно подвергает сомнению статус-кво и принимает новые идеи. Отучивание позволяет лидерам и организациям оставаться гибкими, избегая жесткости, которая душит инновации. Отказываясь от укоренившихся способов мышления, лидеры могут лучше позиционировать свои команды для принятия новых перспектив, проведения системных изменений и процветания в мире, сформированном универсальными технологиями, такими как ИИ.

Принять экосистемное мышление. Преобразующая сила ИИ заключается в экосистемах, где различные заинтересованные стороны совместно создают новые формы ценности, охватывающие организации и секторы. В этих экосистемах создание и захват ценности смещаются от изолированных улучшений к общим преимуществам в масштабах всей системы. Лидеры, которые принимают экосистемное мышление, могут ускорить прогресс ИИ через его фазы, согласовывая общие цели, гибкое управление и совместный подход к инновациям. Этот фокус экосистемы способствует принятию ИИ за пределами традиционных границ, облегчая путь к системным изменениям, которые преобразуют целые отрасли

Репетиция будущего. Поскольку путь ИИ трудно предсказать, лидерам следует проводить структурированные «репетиции будущего», исследуя сценарии, основанные на ИИ, чтобы понять потенциальные воздействия и риски. Репетиции будущего дают представление об изменениях на уровне системы и готовят организации к адаптивности и устойчивости в условиях быстрых технологических сдвигов.

Развитие видения системных изменений. Вместо того, чтобы сосредотачиваться исключительно на постепенных улучшениях, лидеры должны разрабатывать стратегические видения, которые предвосхищают системные преобразования, которые может осуществить ИИ. Это видение может включать переосмысленные бизнес-модели, новый клиентский опыт или новаторские рынки, гарантируя, что ИИ станет неотъемлемой частью основной эволюции организации.

Содействие межорганизационному сотрудничеству. Трансформационные изменения требуют сотрудничества между организациями, включая заинтересованные стороны из разных секторов, регулирующие органы и партнеров сообщества. Создавая консорциумы или альянсы, лидеры могут ускорить разработку ИИ в общих областях, установить этические стандарты и создать структуры для взаимодействия.

Инвестиции в долгосрочные структуры поддержки. Хотя внедрение новых технологий, таких как ИИ, может принести дополнительные выгоды, лидеры должны признать, что для полного повышения производительности требуется время и фундаментальная поддержка. Создание правильной инфраструктуры, процессов и навыков в организации не происходит в одночасье. Помимо простого внедрения технологии, организации должны инвестировать в адаптацию своей среды и процессов, чтобы раскрыть ее полное влияние. Лидеры, которые сосредоточены на создании сильной экосистемы поддержки — от надежных структур данных до программ обучения — позиционируют свои организации для поддержания и максимального использования преобразующего потенциала этих технологий. Этот терпеливый, долгосрочный подход обеспечивает более плавный и эффективный путь через фазы внедрения технологии, позволяя масштабируемый рост.

Определение долгосрочных показателей успеха. Показатели для ИИ должны отражать более широкие, долгосрочные цели, выходящие за рамки краткосрочных выгод. Руководители советов директоров должны измерять адаптивность, воздействие на экосистему и устойчивость, чтобы гарантировать, что инвестиции в ИИ приводят к значимым улучшениям производительности, продвигая ИИ от изолированных приложений до воздействия на системном уровне.

Использование преобразующего потенциала ИИ


ИИ имеет революционный потенциал в экономике и обществе, как это было с электричеством. Но для осознания полного влияния ИИ требуется изменить подход к интеграции — сосредоточиться на сотрудничестве в экосистеме, перспективной стратегии и готовности к системной трансформации. Лидеры, которые принимают эти стратегии, могут способствовать созданию среды, в которой ИИ стимулирует устойчивый рост, адаптивность, устойчивость и способность процветать в сложном, взаимосвязанном мире. Этот проактивный подход снижает риск отставания производительности и закладывает основу для устойчивого создания стоимости в различных отраслях, позиционируя организации как лидеры в будущем, управляемом ИИ.

Источник


Раскрытие возможностей искусственного интеллекта как универсальной технологии. Фрэнк Диана. 30.10.2024 г.

https://frankdiana.net/2024/10/30/unleashing-artificial-intelligence-as-a-general-purpose-technology/

Unleashing Artificial Intelligence As A General-Purpose Technology. October 30, 2024 Frank Diana

четверг, 13 февраля 2025 г.

Искусственный интеллект для поиска разумной деятельности в космосе

Пока что проект SETI, существующий с в 1984 года и изучающий радиосигналы из космоса в поисках наличия в них признаков разумной деятельности, не дал никаких убедительных результатов. Однако в новой работе, опубликованной в журнале Nature Astronomy, описана попытка использования машинного обучения для обработки получаемых данных.

Нейросеть прошерстила данные, собранные телескопами ещё в 2016 году – 480 часов наблюдения за 820 звёздами – и выявила восемь интересных сигналов, упущенных предыдущими алгоритмами.

Ведущий автор работы – Питер Ма, студент Торонтского университета. Он объяснил, что если ранее машинное обучение применялось к обработке данных лишь частично, на отдельных этапах общей схемы обработки данных, то в новой работе нейросеть проделывает всю работу целиком от начала до конца. В результате ей удалось выявить сигналы, не обнаруженные традиционными программами.

Поиск нужных сигналов среди радиошума, создаваемого как природными процессами, так и нашими земными технологиями, напоминает поиски иголки в стоге сена. Астрономы выделяют сигналы определённого узкого диапазона, однако как они могут меняться в процессе перемещения на космические расстояния, понятно не до конца. Ма с коллегами натравили на эту задачу нейросеть, которая пытается отфильтровать земной шум и одновременно вычленить необычные сигналы, не похожие на результат естественных процессов.

По словам Ма, при использовании традиционных алгоритмов компьютер работает по заданным людьми инструкциям и находит только то, что мы просим его найти. Но проблема в том, что мы не знаем, как должны выглядеть сигналы, порождаемые другими цивилизациями. Нейросеть как раз пытается научиться этому.

Восемь необычных сигналов, найденных при помощи машинного обучения, пока не изучались специалистами. Конечно, вполне возможно, что изучив их, мы обнаружим признаки техносигнатур – особенности, присущие работе машин и приборов, созданных интеллектом. Однако Ма говорит, что рассчитывать на это лучше не стоит.

ИИ нашёл признаки разумной деятельности в сигналах из космоса, но учёные ему не верят

https://habr.com/ru/news/713964/

воскресенье, 9 февраля 2025 г.

Начальники и управление

О начальнике


Начальники не падают с Луны и на Луне не валяются. Завтра начальником можете стать вы. Поэтому нужно помнить, применять и требовать соблюдения этих заповедей от подчиненных:
  • не жалуйся на босса коллегам;
  • не рассказывай об ошибках боссах, о его слабостях или его не совсем приличном поведении;
  • не подчеркивай, не преувеличивай неудачи боса;
  • не ищите "косяки" в работе босса, и те более не указывай на косяки самому боссу;
  • не жалуйся на босса его боссу.

Чтобы управлять начальником, следует

I. Понять начальника
  • каковы его цели;
  • что от него требуют его начальники;
  • его сильные и слабые стороны;
  • его стиль работы;
  • как он предпочитает получать информацию (слушатель или читатель).

II. Понять себя
  • исключить контрзависимость - полное отвержение начальника;
  • исключить зависимость - полное соглашательство с начальником.

III. Понимание начальника и себя автоматически обеспечивает вас «ручкой управления начальником». А далее Вам самим решить – управлять или пусть сам едет (см. пункт VI - не мешая начальству делать ошибки).

IV. Руководители, умеющие четко изложить требования, умеющие ставить задачи - редкость.
Поэтому нужно
  • уметь добывать нужное/требуемое из начальника;
  • чувствовать, когда начальнику не хватает данных для корректных формулировок"
  • не умалчивать о проблемах и не приукрашивать: вскроется - хуже будет.

V. У начальника также мало время и энергии, как у вас. Поэтому, не теребить начальника по пустякам.

VI. Не стоит мешать начальнику делать ошибки. За их исправления вам могут заплатить. Но применять это правило не этично.



Что нужно помнить
  • Правильно коммуницируйте со своим начальником:
    • уметь доходчиво и уместно излагать свои мысли, как устно, так и письменно,
    • уметь внимательно слушать и читать письма своего руководителя.
    • проявлять активность и инициировать коммуникацию не дожидаясь момента, когда уже будет поздно что-то менять.
  •  Избегайте сюрпризов, плохих и хороших: резкое несоответствие результатов ожиданиям начальника в любую сторону показывает его неспособность к планированию и предвидению. А это два ключевых навыка руководителя.
  • Будьте лояльны и всегда готовы помочь.
  • Не лезьте через голову своего начальника. Другому начальнику на фиг не нужно работать за своего подчиненного!
  • Учитесь понимать предпочтения своего начальника: одно нужна краткость, другому подробности и детали, третьему - оригинальность. Четвертому - все в письменном виде и так далее.
  • Полагайтесь на сильные стороны начальника, учитывайте его слабые стороны.
  • Оцените свои сильные и слабые стороны и продумайте, как минимизировать последствия слабых сторон.

Типы проблемных начальников + правило управления
  1. Помешанный на контроле. Правило - завоевать доверие, постоянно демонстрируя следование стандартам босса.
  2. Без вести пропавший. Общаться по телефону и электронной почте, он вас тогда сам найдет.
  3. Политик. Пользоваться тем, что он охотно делегирует и учиться плетению связей у своего босса.
  4. Некомпетентный. Пользуйтесь и проявляйте инициативу, но демонстрируя что вы отличный командный игрок.
  5. Маленький Бонапарт. Поможет только лесть.

Теперь о работнике


Вот беда - непонимание того, как и куда двигаться дальше. Трудовые будни любого начальника - это куча дел и вечная суматоха, если не сказать более, - хаос. Говорят, что для того чтобы хаос не поглотил Вас, нужно ясно видеть, что для Вас главное. "Ясно" и "главное".

"Руководить - это прежде всего отвечать за работу вверенного Вам коллектива людей".

Можно заключить, что руководство начинается с самого себя.

Банально, но тем не менее: прежде чем начинать руководить другими, нужно научиться руководить собой и отвечать за себя. Впрочем, научитесь ли вы этому хитрому делу, - руководить собой, - или не научитесь, люди все равно будут оценивать
  • что вы за человек;
  • какой у вас характер;
  • какие у вас моральные принципы;
  • каких вы придерживаетесь взглядов;
  • как вы взаимодействуете с другими;
  • можно ли вам доверять;
  • ваш профессионализм: знаете ли вы как и что делать;
  • ваши человеческие качества: действуете ли вы из добрых побуждений, желаете ли людям (и своим подчиненным) только хорошего.
  • - умеете ли побеждать в политической борьбе.
О последнем: причем тут политическая борьба?

Политическая борьба в организации присутствует всегда. Присутствует, потому что политическая борьба есть следствие как минимум трех основных сущностных свойств организма, который называют "организацией". 
  • разделение труда, которое приводит к неравным группам с разными целями и приоритету именно в силу разделения;
  • взаимозависимость, которая приводит к тому, что никто не может в организации существовать в одиночку, независимо от других (тогда это просто не будет организацией!);
  • дефицит ресурсов (возможно это фактор стоило бы указать первым, но он слишком очевидный, поэтому пусть стоит последним).

Для того чтобы руководить, нужно помимо умения руководить собой еще, между прочим,
ясно представлять цель и расстояние до цели в любой момент времени. Все остальное, - политическая борьба, характер, взгляды, качества, - приложатся должным образом усилиями тех, кто увидит в вас "соломинку", за которую ему можно уцепиться. Ваша же последующая задача - стать затем бревном, затем надежным плотом, а потом можно возглавить авианосец.

"Бизнес-план" руководителя, структура:
  1. путь совершенствования себя как руководителя;
  2. собственные цели;
  3. мнения других о себе и работа с этими мнениями в перспективе;
  4. план посещения корпоративных тусовок, учебных курсов (желательно в связи с предыдущими пунктами).
  5. мероприятия по поддержанию теплых связей с теми, чьи советы и мнения вам особенно ценны с точки зрения оценки как содержания так и исполнения пунктов 1 и 2
  6. план освоения нового, а также поиск мест и обстоятельств, в которых и при которых вы могли бы научится чему то новому.
Такой бизнес-план будет отвечать за стратегию.

Четыре движущих силы персональной операционной модели


Эффективные лидеры постоянно адаптируют свои приоритеты, роли, время и практики, чтобы быть впереди.

Драйвер 1: Приоритеты

  • Полностью ли вы понимаете свои полномочия?
  • Готовы ли вы к самым важным беседам на руководящей должности?
  • Что вы можете перестать делать прямо сейчас?


Драйвер 2: Роль

  • Сосредоточены ли вы на работе, которую можете выполнить только вы?
  • Создаете ли вы позитивный рычаг для выполнения работы?
  • Кто вас поддержит?

Драйвер 3: Время

  • Позволяют ли ваши границы соблюдать жесткий, но свободный график?
  • Какой ритм вы установили для управления своим временем?
  • Как можно перестроить совещания, чтобы добиться максимального эффекта?

Драйвер 4: Энергия

  • Как защитить свое здоровье, выполняя ответственную работу?
  • Кто твои настоящие друзья?
  • Почему эта работа важна для вас?

Источник

Предупреждение: обновите свою персональную операционную модель. Арне Гаст, Сучита Прасад
22 ноября 2024 г.
Warning: Upgrade your personal operating model
https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/warning-upgrade-your-personal-operating-model


среда, 5 февраля 2025 г.

Цели предприятия и мотивация

Вопросы, вопросы, вопросы...
  • Почему в различных мотивациях исчезает из поля зрения сам сотрудник, сам человек?
  • Почему у предприятия, фирмы, компании есть самодостаточные цели, а у человека нет?
  • Почему в прокрустово ложе самодостаточных целей фирмы нужно «врезать» и «загнать» цели индивидуумов (индивидуальных умов, а также рук и ног)
  • Почему цель мотивации и цель менеджмента состоит в мотивировании, а не в заинтересовывании?
  • Зачем использовать слова "мотивация" и "мотиватор" среди рабочих, да и служащих, если всем (может за исключение обладателей МBA) нужно лезть в словари и читать - что же означают эти слова?
  • Почему не использовать вместо слова "мотиватор" слово "интерес"? Может потому, что перевод слова "мотивация" выглядит не благозвучно на русском языке - "заинтересовывание"? А может ЗАЧАРОВЫВАНИЕ?

Что есть фирма с точки зрения человека? Неважно, осознает это каждый или нет, но фирма для человека есть инструмент, с помощью которого каждый человек пытается наилучшим образом достичь своих индивидуальных целей. 

Индивидуальные цели могут быть экономические и неэкономические. Например, экономическая цель - максимизация своего личного дохода на некотором промежутке времени. И оговорка о промежутке времени важна – так как в краткосрочном и долгосрочном плане линии поведения могут существенно различаться. Неэкономическая, например, стремление к самореализации или бегство от скуки.

Исходя из того, что фирма состоит из людей, можно предположить от целей каждого, вероятно, исходит первичный импульс для развития предприятия. А если это так, то цели предприятие есть интеграл от индивидуаьных целей людей. Но мера каждого различна, от очень малой до существенной, если говорить о топ-менеджменте.

Но кто есть эти люди? И это не только персонал предприятия. Всех людей объединяет то, что фирма дает возможность достичь людям своих индивидуальных экономических и не экономических целей. Фирма представляет собой совокупность интересов следующих категорий людей:
  • инвесторов (интерес в преумножении капитала),
  • персонала (интерес в выплате денежного вознаграждения, гарантии рабочих мест, признания результатов труда),
  • покупателей и клиентов (интерес в продукции и услугах),
  • поставщиков (интерес в сбыте своей продукции и услуг),
  • государства в лице его чиновников (интерес в налогах и отчислениях, в поддержании занятости населения). 

Успешное развитие предприятия дает шанс данным категориям людей реализовать свои индивидуальные цели, поэтому сохранение и развитие предприятия в какой то мере обосновывает смысл существования предприятия. Впрочем, есть конкуренты, у некоторых из которых интерес состоит в уничтожении предприятия. И такое столкновение интересов иногда трагично.

Сформулируем необходимые условия хорошей мотивации:
  • Внешний фактор: мотив сохранения и развития предприятия.
  • Граничный фактор: - гарантия сохранения рабочего места
  • Внутренний фактор: экономический – выплата вознаграждения в прямой или косвенной форме, не экономический фактор – признание результатов и труда.

На практике способ мотивации персонала зависит от типа руководства. И в частности, от того к какому типу, трансакционному или трансформационную, тяготеет руководство.

При трансакционном типе руководства работников пытаются мотивировать, вознаграждая за выполненную работу, отталкиваясь от установленных правил, нормативов и стратегий. Так, одна из модных мотиваций, основанная на сбалансированной системе показателей (Balanced ScorecCard - Нортон и Каплан) и ключевых показателях эффективности (KPI - Питер Друкер) – типичный признак трансакционной мотивации.

При трансформационном руководстве, напротив, опираются на харизматических руководителей, излучающих силу, обладающих видением, действующих с душевным подъемом, с уважением к личности. В этом случае мотивируют новаторский подход, смелость, инициативу, энтузиазм и качества лидера. Сложность реализации таких мотиваций очевидна, так как упор в данных мотивациях делается на не экомических факторах с последующим логичным и «справедливым» переход к экономическим факторам. Примером такой системы можно назвать систему грейдов, в которой работник оценивается по четырем классам качеств, а результат зависит от суммы баллов и их стоимости. В частности, в таких системах нередко вознаграждения подчиненного превышает вознаграждение его руководителя. Трансформационные мотивации – это большая редкость.
____________________

Не могу найти место целям сообществ. Миф ли это - цели сообщества? Люди порой собираются в группу, когда они не полноценны в одиночку. Группа - есть инструмент для члена группы. Так как вне группы индивидуальные цели не достигаются, то индивидуальная цель состоит во вхождении в группу, принятии норм поведения группы (можно шире, добровольной социализации) для достижения индивидуальных целей членов группы.

Когда индивидуум не может достичь индивидуальных целей с помощью группы, он либо добровольно покидает группу ради другой, более подходящей, либо объявляет поход на культуру группы для изменения целевых установок группу в соответствии со своими индивидуальными целями.

Члены группа, в свою очередь, ревностно отслеживают интересы друг друга и выкидывают не комплиментарных (короче, тех с кем не по пути). Группы важно быть группой единомышленников. Вопрос: если единомышленники - это значит индивидуальные цели совпадают? Примем, что да.

Еще вопрос: можно ли найти цель сообщества, которую нельзя отождествить с индивидуальными целями? Тогда можно говорить о "самостоятельном существовании" сообществ и придумать "сознание сообщества". Ведь придумано же коллективное бессознательное, выходящее за рамки статистического феномена. С другой стороны, чем лучше, ярче, зажигательнее и энергичнее индивидуальная цель лидера группы - тем больше кричат о целях сообщества.

суббота, 1 февраля 2025 г.

Агентский ИИ и новая модель ценообразования

Почему такие компании, как Microsoft, Oracle и Salesforce, так спешат заставить своих клиентов принять их собственные версии агентского ИИ? Потому что они знают, что если они не опередят, то рискуют быть сметенными. Изменит ли текущий генеративный ИИ бизнес корпоративного программного обеспечения так же фундаментально, как и переход от локального к облачному? Это меняет не только то, как разрабатывается и создается программное обеспечение, но и типы приложений, которые будут покупать клиенты, и как они будут за них платить.

Предприниматель в области программного обеспечения Крис Харт пишет об угрозе традиционной модели подписки с ценообразованием "на пользователя" и "на рабочее место SaaS". Харт пишет:

"Однако программное обеспечение не всегда продавалось по подписке, и снова появилась возможность нарушить то, что сейчас является статус-кво, поскольку генеративный ИИ предлагает кардинальные улучшения эффективности и открывает новые способы монетизации услуг. Обратная сторона этой возможности — угроза традиционной модели SaaS, особенно для программного обеспечения, продаваемого компаниям".

Тарификация по результатам


Харт утверждает, что агентный ИИ позволяет компаниям-разработчикам программного обеспечения отойти от взимания платы за лицензии на пользователя и вместо этого начать взимать плату за результаты. Как он объясняет:

"Эта «ориентированная на результат» модель ценообразования согласует успех бизнеса, предоставляющего агента ИИ, с бизнесом, покупающим эту услугу".

"Бизнес знает, что они будут платить фиксированную плату, скажем, $5, за успешное взаимодействие с агентским ИИ. И бизнес, продающий услугу, крайне мотивирован сделать как можно больше успешными такие взаимодействия".

Пока все хорошо, но с таким видом оплаты по результату должны быть тщательно выбраны метрики, чтобы гарантировать, что они действительно соответствуют интересам клиента, а не поставщика. Например, если поставщик добивается фиксированной платы за каждый решенный тикет, какой у него стимул сообщать о повторяющихся проблемах, которые после устранения могли бы исключить эти тикеты? Агент, который фактически упреждает звонки в службу поддержки, предлагая улучшения продукта или пользовательского опыта, может быть более выгодной инвестицией. Соображения, которые необходимо учитывать клиентам, начинают больше походить на то, как вы бы структурировали и контролировали аутсорсинговую услугу, а не SaaS.

В сообщении LinkedIn в начале этого месяца ветеран SaaS Аарон Леви, соучредитель и генеральный директор Box, исследовал несколько различных механизмов ценообразования агентов ИИ . В модели на основе результата он отметил еще один недостаток — хотя у нее есть преимущество в виде простой связи «между тем, что нужно клиенту, и тем, что он платит за достижение результата», она рискует стать очень сложной в администрировании и отслеживании. Он комментирует:

"Как только ваша услуга предлагает N типов ценностных предложений или результатов, вам понадобятся N моделей ценообразования, чтобы их поддерживать".

Ценовые агенты, такие как рабочая сила


Предложение Леви перекликается с позиционированием Salesforce своей платформы Agentforce как «платформы цифрового труда». Леви говорит:

"Один из подходов заключается в использовании очень четкой связи между агентами ИИ и традиционной работой, что приводит к модели ценообразования для ИИ, в которой агенты оцениваются как рабочая сила, но со скидкой. Агент ИИ выполняет определенный объем работы, а вы платите за количество времени или единиц, которые потребовались для выполнения этой работы".

Марк Бениофф, генеральный директор Salesforce, утверждает, что предложение агентов в качестве альтернативы человеческому труду эффективно расширяет общий адресный рынок для его компании до общего фонда заработной платы глобальной рабочей силы — при этом настаивая на том, что люди все равно найдут другую, более полезную работу. Он утверждает:

"Мы уже перешли мост. И что такое мост, это мост в этот новый мир цифрового труда. Я не уверен, что когда мы начинали это путешествие, даже мы полностью понимали, куда идем, потому что если посмотреть на общий адресный рынок цифрового труда (TAM), то он не исчисляется миллиардами, десятками миллиардов или сотнями миллиардов; он исчисляется триллионами".

Бениофф и Леви могут быть слишком оптимистичны в отношении этой модели. Стоит скептически относиться к прогнозам на будущее, которые просто экстраполируют прошлое. Это «синдром безлошадной повозки», вспоминая ранние дни автомобилей, когда многие из их характеристик были смоделированы по образцу конных повозок, которые они заменили. Эта концепция цифрового труда звучит слишком похожей на «бесчеловечного работника». Возможно, таким компаниям, как Salesforce, выгодно расхваливать свой подход на основе затрат на рабочую силу, которые технология может заменить. Но предприятия принимают решения о покупке не так. Супермаркеты покупают автоматизированные кассы не потому, что их эксплуатация обходится немного дешевле, чем оплата труда операторов касс — они покупают их, потому что со временем ожидают значительного увеличения маржи.

Существует еще одно предположение, что вся работа, которую люди выполняют в данный момент, является производственной деятельностью, тогда как на самом деле одним из результатов внедрения новых технологий, как правило, является устранение избыточных процессов. Когда текстовые процессоры впервые заменили пишущие машинки, все еще было много людей, работающих машинистками, но эти рабочие места исчезли, как только стало обычным делом отправлять друг другу электронные письма. После устранения этих избыточных процессов многие предприятия решают передать эти сэкономленные трудозатраты своим клиентам как способ получения доли рынка, а не сохранения избыточной маржи. Конечно, также появляются новые производственные процессы и рабочие места, но неустанный непрерывный рост не является данностью — новые технологии порождают как проигравших, так и победителей.

Другие возможные подходы, которые описывает Леви, включают модель «затраты плюс» или сохранение традиционной модели SaaS на рабочее место и простое присоединение к ней агентов без дополнительных затрат. В последнем случае он замечает:

"В зависимости от варианта использования — и того, сколько мест понадобится клиенту — эта модель может быть довольно разрушительной. В областях, где много мест, используемых конечными пользователями, это, возможно, очень стратегически; в областях, где есть только небольшое количество мест, вы, вероятно, отказываетесь от слишком большой ценности".

Ваша маржа, наша возможность


Никундж Котари высказал противоположную точку зрения, написав: Your "Per-Seat" Margin is My Opportunity. Он пренебрежительно относится к ценообразованию "за рабочее место" в мире ИИ:

"Ценообразование по месту работает только тогда, когда ваши пользователи — люди. Но когда агенты становятся основными пользователями программного обеспечения, эта модель рушится. Вы не можете взимать плату с агента за место. Переход будет сначала основан на вычислениях — предприятия понимают потребительское ценообразование из облачных сервисов. По мере того, как ИИ становится более надежным, мы перейдем к чистому ценообразованию на основе результата".

Котари утверждает, что предприятия будут сравнивать цены на решения на основе результатов с совокупной стоимостью прикладного программного обеспечения и людей, которые его используют — что-то вроде моей аналогии с тем, как супермаркеты оценивают автоматизированные кассы. Он предлагает радикальный вариант бесплатной раздачи платформы в качестве дополнения к существующим операциям. Его аргумент заключается в том, что как только ИИ изучит все процессы создания стоимости, он сам в конечном итоге станет системой учета. Он заключает:

"Мне это не кажется очередной волной корпоративного ПО. Это похоже на перезагрузку в работе бизнеса. Нулевые первоначальные затраты, оплата только за результаты — это не просто модель ценообразования. Это будущее бизнеса".

На протяжении истории Saas люди говорили о ценообразовании на основе результатов, но хотя это звучит привлекательно на бумаге, это действительно трудно реализовать на практике. Многие результаты трудно количественно оценить и измерить последовательно или точно, и финансовые директора традиционно отказывались от непредсказуемости этого типа ценообразования по сравнению с фиксированными подписками. Это одна из причин, почему модель «за пользователя на рабочее место» осталась такой устойчивой, и во многих случаях, вероятно, останется распространенной и в далеком будущем.

Существует большая вероятность того, что агенты ИИ внесут встряску в индустрию корпоративных приложений, которая окажется столь же разрушительной, как и появление SaaS. Преобладающие модели ценообразования будут в значительной степени зависеть от того, как агенты и приложения будут упакованы в этом новом ландшафте.

Насколько разрушительным станет рост агентского ИИ для нынешнего поколения поставщиков корпоративных приложений? Ашу Гарг и Джай Гупта высказывают гипотезу, что системы агентов разрушат корпоративный стек. Они пишут:

"Это не просто новая категория программного обеспечения; это разрушение корпоративного программного обеспечения в том виде, в котором мы его знаем".

Поставщик больше не продает инструмент, а скорее готовый результат — и потенциально устраняет необходимость в сотруднике, который раньше использовал бы инструмент. Гупта и Джоанн Чен приводят пример того, как это может работать на рынке CRM:

"Изменение бизнес-модели для компаний по продажам может выглядеть следующим образом. Вместо того, чтобы взимать плату с клиентов "за место" на основе количества представителей по развитию продаж и менеджеров по работе с клиентами на платформе, поставщики программного обеспечения взимают плату за количество квалифицированных возможностей или подписанных клиентов, которых обеспечивает их программное обеспечение".

Обратите внимание, что в модели ценообразования произошел сдвиг от взимания платы за место к взиманию платы за результаты. Вместо монолитного пакета предложение становится портфелем взаимосвязанных, но отдельных результатов агента.

Сколько работы заменят ИИ + автоматизация и модель «Услуга как программное обеспечение»? Они считают, что это вопрос на 4,6 триллиона долларов.

Замещение рабочей силы


В блоге Джейк Сапер обсуждает потенциал стартапов, предлагающих услуги на основе ИИ, для продвижения в высокоповторяемых услугах - «работы, которую нужно сделать». Это могут быть миграция в облако, обслуживание приложений и тестирование на проникновение, бухгалтерский учет и финансовая отчетность, а также аутсорсинг поддержки клиентов.

"Эти гибридные компании — частично программное обеспечение с поддержкой ИИ, частично люди — не имеют большого количества прецедентов. Есть много открытых вопросов: могут ли решения с поддержкой ИИ работать достаточно хорошо? Как создать надежный бренд, когда клиенты уже скептически настроены? Вы нанимаете одних и тех же людей или нет?"

Речь идет об агентах ИИ, заменяющих как программное обеспечение, так и рабочую силу, особенно там, где работа в основном представляет собой скучное, повторяющееся администрирование, которое людям в любом случае не нравится делать.

Сомнительные предположения


Гупта и Чен делают интригующий вывод о том, что уровень автоматизации открывает возможность выполнять некоторые процессы чаще, чем это было возможно ранее, например, перегруппировку команды продаж или масштабную персонализацию клиентского опыта. Они советуют:

"Некоторые рассмотрят возможность использования ИИ для замены работы, которую когда-то выполняли люди; основателям следует подумать об использовании ИИ для выполнения работы, которую люди никогда не выполняли из-за ограничений времени или по другим причинам".

Но хотя эта новая технология ускоряет темпы автоматизации, это несет с собой огромную опасность автоматизации процессов, которые и так были неоптимальными, или добавления новых автоматизаций, которые упускают важные  шаги и меры безопасности, которые никогда не были документированы. Здесь начинают проявляться недостатки в чрезмерно оптимистичной оценке надвигающейся гибели действующих поставщиков. Агентский ИИ, безусловно, несет большие изменения, но он не станет мгновенным успехом.

Утверждается,  что системы агентов проглотят все неисправные слои корпоративных систем и в конечном итоге заменят их все. Авторы пишут:

"В отличие от предыдущих подходов, которые добавляли сложность, добавляя уровни технологий, системы агентов оптимизируют и унифицируют. Они устраняют необходимость в разрозненных инструментах, таких как CRM, маркетинговые платформы или аналитические панели, объединяя эти функции в единую связную систему".

Концепция заключается в том, чтобы заменить традиционные взаимодействия через формы, кнопки и панели мониторинга для сбора и представления информации и заменить их агентами, которые автоматически собирают и интерпретируют данные в источнике.

"Системы агентов революционизируют точку входа, заменяя человеческие процессы в их источнике и собирая данные там, где они рождаются — а не там, где они записываются. Интерфейс полностью переосмыслен и теряет свою значимость: больше никаких форм или полей, только органический рабочий процесс, где сбор данных происходит автоматически... Самое важное, что такие системы приводят к превосходным данным, генерируя более богатую, более полную информацию, включая как структурированный, так и неструктурированный контент".

В эту радужную картину встроены некоторые сомнительные предположения. Она предполагает, что данные — и документация процессов — организованы, очевидны и достаточно полны для того, чтобы эти автономные системы могли полностью заменить людей, выполняя необходимую работу. Реальность, как мы видим из реального опыта предприятий, внедряющих генеративный ИИ, заключается в том, что большая часть существующих неструктурированных данных плохо защищена, плохо отображена и плохо каталогизирована, в то время как процессы часто являются ситуативными и неадекватными, а многие пробелы заполняются в значительной степени непризнанной человеческой изобретательностью. Хотя генеративный ИИ может замазать эти трещины и представить то, что кажется гладко работающим автоматизированным процессом, он может работать только с теми данными, которые у него есть. Вероятный результат слишком ранней зависимости от систем агентов заключается в том, что они просто выявят многочисленные недостатки в существующих хранилищах данных и автоматизациях. И это еще до того, как мы перейдем к недостаткам использования вероятностной логики для интерпретации и представления транзакционных данных.

Но оставив в стороне чрезмерные амбиции и нелепые расчеты, у стартапов появляются возможности для создания ценности и завоевания доли рынка за счет автоматизации забытых участков повторяющейся работы, в настоящее время выполняемой людьми. Несомненно, есть особенно богатые возможности в специализированных секторах, где автоматизация ранее не была достаточно экономически выгодным предложением — и для избранных они могут послужить плацдармом для расширения в другие смежные возможности и построения более широкого бизнеса.

Мнение автора


Несмотря на все тревожные сигналы, все еще мало кто сомневается в том, что большие языковые модели (LLM), которые управляют генеративным ИИ, являются чрезвычайно влиятельной технологией, особенно из-за их новой способности фактически планировать и организовывать задачи. Влияние, вероятно, будет сопоставимо с созданием Интернета, облачных вычислений или интеллектуальных мобильных технологий — и изменения такого масштаба неизбежно создают новые рыночные возможности, одновременно создавая разрушительные проблемы для действующих игроков. Но даже несмотря на то, что нынешние темпы инноваций беспрецедентны, я думаю, можно с уверенностью сказать, что при рассмотрении корпоративных приложений это один из тех случаев, когда большие изменения произойдут в течение десятилетнего периода, хотя следующие год или два будут иметь решающее значение для ранних последователей на передовых рубежах. Из-за бюджетов, циклов принятия решений и организационной инерции просто требуется время, чтобы изменения такого масштаба стали по-настоящему массовыми.

Тем не менее, различные разработки за последние десять лет подготовили почву для того, чтобы облегчить внедрение этой новейшей технологии. Вместо того, чтобы рассматривать это как совершенно новый старт, я предпочитаю рассматривать рост LLM как просто еще одну главу в продолжающейся эволюции подключенных цифровых технологий за последнюю четверть века, долгосрочную тенденцию к тому, что я называю Frictionless Enterprise.

Например, идея разложения монолитных приложений на более гибкий набор функций и хранилищ данных развивается уже более десяти лет, причем платформы онлайн-коммерции и цифрового опыта находятся на переднем крае движения к более компонуемым архитектурам. Появление ИИ просто ускорило импульс к объединению данных сквозного типа по всему предприятию и позволило пользователям получать доступ к функциональным возможностям в потоке работы, а не хранить их изолированно в отдельных приложениях. Эта безуровневая архитектура, как я ее назвал, обеспечивает ИТ-ландшафт, который уже хорошо подходит для работы с новым поколением автономных агентов. В этом смысле корпоративные приложения уже готовы к разделению на более ориентированные на результаты предложения агентов.

Также есть приобретенный опыт, который может быть полезен, когда эти новые решения на основе агентов выйдут на рынок. Одной из проблем компонуемой архитектуры на корпоративном рынке является то, что управление закупками у нескольких поставщиков становится более сложным. Альянс поставщиков MACH, предлагающих компонуемые решения, выступил посредником в стандартизированных соглашениях, чтобы помочь решить эту проблему. Если предприятия собираются в конечном итоге покупать ориентированных на результат агентов у экосистемы поставщиков, они будут искать похожую стандартизацию — или, может быть, искать решение на основе агентов, которое решает эту проблему за них.

Но один из самых важных принципов Frictionless Enterprise, к которому я постоянно возвращаюсь, — это понятие развязывания и перевязывания , при котором продукты или процессы, которые ранее были упакованы вместе, разделяются и переупаковываются новыми способами. То, на что мы должны обращать внимание, — это не то, как агенты могут автоматизировать существующие процессы, а то, как они могут включать совершенно новые процессы. Как я написал, когда излагал эти принципы :

"Frictionless Enterprise — это масштабное мероприятие по разделению и повторному объединению, поскольку новые модели цифровой связи позволяют перенастраивать и переосмысливать продукты, процессы, целые организации и даже отрасли".

Примером может служить план поставщика управления расходами Coupa по созданию сети с поддержкой ИИ для совместного поиска и транзакций между покупателями и продавцами. Вместо того, чтобы стремиться создать агентов, которые автоматизируют каждый из существующих процессов управления заявками на закупку, оценки поставщиков и составления контрактов, поставщик стремится создать новую сеть агентов, которые автономно выполняют все поиски, заключение контрактов и закупки.

Сальваторе Ломбардо, главный директор по продуктам и технологиям, говорит:

"Если вы используете ИИ и просто задаетесь вопросом: «Что я могу автоматизировать завтра?», вы получите от этого немного пользы. Но это не настоящее нарушение. Нет, настоящее нарушение — это объединение его с идеей сотрудничества, изобретение объектов сотрудничества, которые знают друг друга [и] имеют набор данных, которые они могут вызывать, обсуждать и создавать вещи друг с другом, потому что они интеллектуальные агенты, как боты, общающиеся друг с другом".

Это пример того, как корпоративный процесс может быть полностью разделен и переупакован для работы совершенно новым, но гораздо более эффективным способом. Но потребуется время, чтобы задумать и построить эту новую платформу, а затем еще больше времени, чтобы добиться ее принятия. Многие из этих инновационных новых подходов будут зависеть от создания стандартизированных процессов и моделей данных, которые снова потребуют времени для объединения.

Это одна из причин, по которой я уделяю пристальное внимание текущим разработкам в сфере цифровой командной работы, где многие ведущие игроки разрабатывают собственные фреймворки для совместной работы, которые могли бы предоставить основополагающие шаблоны для стандартизации процессов. Например, думая о потенциале агентов ИИ на вертикальных рынках, хотя может быть много возможностей для индивидуальных решений, представьте, насколько большего можно было бы достичь с помощью платформы, которую любой специалист мог бы легко настроить под нужды своего собственного вертикального рынка.

Но что насчет этой идеи программного обеспечения как услуг, этой идеи о том, что программное обеспечение и автономные агенты объединятся, чтобы создать новый класс цифровых работников, чтобы заменить сегодняшних наемных работников умственного труда? Я нахожу ее чрезмерно упрощенной, как в ее подтексте прямой замены — которую, как я уже отмечал выше, я не вижу в качестве конечной цели для автономных агентов, — так и в ее неявном антропоморфизме систем ИИ. Агенты ИИ — это просто новая форма автоматизации, и они должны быть упакованы и оценены на основе ценности, которую они создают для предприятий, а не на основе зарплат людей, которых они якобы заменяют. И хотя многие люди увидят, как элементы их текущей работы будут взяты на себя автономными агентами, и им часто придется переобучаться или приспосабливаться к новым обязанностям, чтобы оставаться на работе, на этом нарушения не заканчиваются. Многие предприятия также увидят, что их существующие источники дохода исчезнут, и им часто придется переходить на новые предложения, чтобы оставаться платежеспособными.

В течение следующих нескольких лет мы станем свидетелями множества экспериментов. Ценообразование на основе результата для автономных агентов, которые выполняют определенные функции, станет распространенным, но будет и много неудач, поскольку поставщики и их корпоративные клиенты будут приспосабливаться к этим новым условиям торговли и неожиданным подводным камням, которые они с собой несут. Как все это обернется, можно только гадать, но это будут интересные несколько лет.

Источники


https://diginomica.com/future-saas-world-ai-agents-part-1-pricing
The future of SaaS in a world of AI agents - part 1 - pricing. By Phil Wainewright. December 27, 2024.

https://diginomica.com/future-saas-world-ai-agents-part-2-product
The future of SaaS in a world of AI agents - part 2 - product. By Phil Wainewright. December 31, 2024.

Будущее SaaS в мире агентов ИИ - часть 1 - ценообразование. Фил Уэйнрайт. 27 декабря 2024 г.
Будущее SaaS в мире агентов ИИ - часть 2 - продукт. Фил Уэйнрайт. 31 декабря 2024 г.