ПО импортозамещения второй половины 2025 года

Фрагмент «Тепловой карты импортозамещения ПО». Альфа-Банк, исследование «Импортозамещение в IТ-секторе. Итоги и перспективы 2025+»



Источник:
https://www.novostiitkanala.ru/news/detail.php?ID=190184

Оценочная карта для оценки рисков ИИ

Комплексная система показателей может помочь компаниям перестроить структуры и практики управления рисками генеративного ИИ (Gen AI) и использовать потенциал этой преобразующей технологии.

Gen AI меняет индустрию финансовых услуг: от того, как банки обслуживают клиентов, до того, как руководители принимают решения. Несмотря на все преимущества, которые предлагает новая технология, включая автоматизацию рабочих процессов, улучшение программного обеспечения и повышение производительности, gen AI также несет в себе значительные риски. Он может подвергнуть финансовое учреждение правовым и репутационным рискам и повысить его уязвимость к кибератакам, мошенничеству и так далее.

Повышенные опасения проистекают из того, как работает gen AI. Традиционные системы ИИ созданы для управления задачами узкого масштаба с использованием фирменных бизнес-данных. Напротив, gen AI может создавать новый контент — часто с использованием общедоступных, неструктурированных и мультимодальных данных — посредством ряда сложных, многоэтапных процессов, которые могут создавать больше возможностей для неправильного использования и ошибок. Традиционные системы управления рисками ИИ не предназначены для контроля этих дополнительных уровней сложности.

Финансовым учреждениям необходимо будет обновить структуры управления ИИ, чтобы учесть  возросшую сложность и более чувстительные точки воздействия. Это будет означать включение модели управления рисками модели (MRM), включение новых технологий, данных и юридических рисков в модель риска предприятия. Необходимо пересмотреть надзор за ИИ, а затем оценить, как лучше всего управлять моделями, специфичными для генеративного ИИ.

Модернизация управления генеративным ИИ

Чтобы учесть потенциальное влияние на бизнес генеративного ИИ, лидерам необходимо систематически пересматривать все области риска, затронутые технологией. Следует проанализировать системы надзора, модели генеративного ИИ, интеллектуальную собственность (ИС), использование данных, а также ряд юридических и этических факторов.

Системы надзора

Как правило одна группа (например, комитет MRM) контролирует все приложения генеративного ИИ. Такой подход обычно не подходит для систем генеративного ИИ, поскольку они часто включают в себя смесь различных моделей и программных компонентов, каждый из которых может нуждаться в специализированном надзоре. Например, чат-бот на базе ИИ, который предоставляет финансовые консультации клиентам, может подвергнуть компании целому ряду технологических, юридических и связанных с данными рисков. Соответственно, финансовым учреждениям необходимо решить, какие компоненты ИИ требуют только проверки рисков модели, а какие требуют совместного обзора с другими видами риска. Тесная координация между комитетами по рискам может обеспечить тщательный надзор.

Модели генеративного искусственного интеллекта

Руководителям по управлению рисками в финансовых учреждениях понадобятся новые модели для управления рисками ИИ. В прошлом модели ИИ создавались в первую очередь для выполнения одной конкретной задачи за раз, например, для прогнозирования на основе структурированных данных и сортировки данных на основе меток. Такие инструменты могут извлекать данные о прошлых кредитах, например, для прогнозирования вероятности того, что заявитель может не выплатить свой кредит, или для определения оптимальной цены кредита.

С новыми многозадачными моделями генеративного ИИ банки могут делать больше, чем просто прогнозировать и классифицировать. Они могут разрабатывать и предоставлять персонализированные услуги, улучшать взаимодействие с клиентами и повышать операционную эффективность способами, которые они не могли бы сделать с традиционным ИИ. Например, модели генеративного ИИ могут автоматически создавать новые листы условий кредита на основе анализа похожих, ранее оформленных кредитов. Это не только сокращает ручную работу, но и может ускорить процесс закрытия и улучшить опыт заемщика.

Однако, поскольку модели генеративного ИИ обучаются как на публичных, так и на частных данных, они могут выдавать информацию или ответы, которые фактически неверны, вводят в заблуждение или даже сфабрикованы, например, создавая завышенные итоговые суммы доходов или воображаемую историю банкротства для клиента, запрашивающего приложение генеративного ИИ. Эти проблемы можно свести к минимуму с помощью приложений retrieval-augmented-generation (RAG), которые объединяют внешние и внутренние данные для обеспечения точных ответов. Приложения RAG могут включать юридически проверенный язык о правилах кредитования и могут применять строгие правила общения, чтобы помочь банкам управлять взаимодействием клиентов с инструментами генеративного ИИ.

IP и использование данных

Инструменты Gen AI могут вводить обязательства, связанные с входящим и исходящим IP и его чрезмерным распространением. Например, помощник по кодированию Gen AI может предложить банку использовать вычислительный код, имеющий проблемы с лицензированием или способный непреднамеренно раскрыть фирменные алгоритмы банка. Некоторые приложения Gen AI, работающие в режиме реального времени, например, используемые в обслуживании клиентов, требуют сочетания автоматизированного и человеческого контроля для оперативного выявления проблем.

Многие финансовые учреждения не уделяют достаточного внимания контролю данных Gen AI, который в значительной степени зависит от объединения публичных и частных данных. Это вызывает опасения относительно того, кто несет ответственность за какие данные и как они используются. Например, при использовании помощников по кодированию Gen AI вопросы и фрагменты кода из открытых интегрированных сред разработки могут быть включены в подсказки и отправлены внешним поставщикам Gen AI. Но они могут не сохраняться, и их влияние на рекомендации по коду может иметь юридические последствия.

Финансовые учреждения должны разработать системы для отслеживания происхождения данных, способа их использования и соответствия правилам конфиденциальности. Отсутствие привязки кредитных решений к исходным данным может привести к штрафам со стороны регулирующих органов, судебным искам и даже потере лицензии за несоблюдение. Компаниям необходимо вести учет контента, созданного ИИ, который может меняться в зависимости от введенной информации.

Правовые и этические факторы

Заголовки пестрят новостями о системах генеративного искусственного интеллекта, которые нарушают правила. В основном это происходит потому, что модели стирают границы между новым контентом и существующим контентом, защищенным законами об интеллектуальной собственности. Это создает путаницу относительно того, кто владеет и лицензирует его. Кроме того, когда модели генеративного искусственного интеллекта обучаются на конфиденциальных данных, таких как информация о клиентах, требуется больше внимания к конфиденциальности и соблюдению правил. Эти модели нуждаются в тщательном мониторинге, чтобы они не раскрывали конфиденциальную информацию и не увековечивали предвзятость.

Прозрачность и «объяснимость» (способность понимать, как работает модель ИИ и почему она принимает определенные решения) также имеют решающее значение, поскольку результаты работы систем генеративного ИИ иногда бывает трудно отследить до их происхождения. Финансовые учреждения должны установить меры безопасности для управления этими рисками на протяжении всего жизненного цикла модели, чтобы обеспечить соответствие меняющимся правилам и этическим стандартам.

Использование системы показателей для управления рисками генеративного ИИ

Поскольку финансовые учреждения систематически анализируют воздействие на клиентов; финансовое воздействие; сложность моделей, технологий и данных генеративного ИИ; а также правовые и этические последствия, они могут использовать оценочную карту рисков, чтобы определить, какие элементы управления генеративного ИИ требуют обновлений и насколько срочной является эта необходимость. Команды могут использовать оценочную карту для оценки рисков для всех вариантов использования и приложений генеративного ИИ в компании.

Команды могут использовать следующую оценочную карту для оценки рисков

	Низкий риск	Средний риск	Высокий риск
Воздействие на клиентов	Возможности ИИ не соответствуют клиентским запросам	Возможности ИИ косвенно доступны внешним клиентам	Возможности ИИ доступны (и могут использоваться) внешним клиентам
Финансовые последствия	Возможности ИИ не оказывают прямого влияния на финансовые или операционные процессы	Возможности ИИ могут привести к небольшому риску убытков из-за низкой производительности модели.	Возможности ИИ могут привести к значительному риску убытков из-за низкой эффективности модели
Сложность модели	Базовая начальная модель используется без настройки	Встроенные виртуальные агенты используют базовую начальную модель	Построены новые фундаментальные модели или переобучены фундаментальные модели с открытым исходным кодом
Сложность технологии	ИИ используется только как модель, без интеграции с ИТ	Инструменты сторонних разработчиков для работы с базовой моделью используются для создания и поддержки приложений ИИ	Необходимо создать и поддерживать пользовательские инструменты для работы с базовой моделью в процессе производства приложений ИИ
Сложность данных	Качество обучающих данных высокое, хорошо документированное и верифицированное	Качество обучающих данных достаточно высокое и хорошо документировано	Качество обучающих данных не может быть проверено. Качество обучающих данных низкое или набор данных содержит конфиденциальную информацию
Этические риски	Данные и приложения ИИ прошли тщательную внутреннюю и внешнюю проверку	Данные и приложения ИИ прошли тщательную внутреннюю проверку	Данные и приложения ИИ могут включать в себя внутренние предубеждения или генерировать токсичный или вредный контент

Система оценок может быть полезна для групп по закупкам в финансовых учреждениях, которые покупают, а не создают приложения генеративного ИИ; они могут использовать ее для оценки своей потенциальной подверженности риску третьих лиц и своего комфорта в отношении данных и методов моделирования, используемых продавцами приложений генеративного ИИ. Хотя некоторые факторы могут быть не совсем прозрачны для покупателей, группы по закупкам могут использовать сочетание комплексной проверки поставщиков, технических обзоров базовых моделей и договорных гарантий для присвоения оценок риска стороннему программному обеспечению и принятия более обоснованных решений о закупках.

Внедрение комплекса мер контроля для управления рисками генеративного ИИ

Использование оценочной карты риска может помочь финансовым учреждениям расставить приоритеты в случаях использования генеративного ИИ на основе бизнес-потребностей и профиля риска/доходности каждого случая. Оценочные карты также могут сигнализировать о возникновении проблем. В обоих случаях оценочная карта также должна поддерживаться структурой управления рисками или набором элементов управления для управления генеративным ИИ. Каждый тип контроля — бизнес, процедурный, ручной и автоматизированный — играет важную роль в обеспечении безопасного и эффективного использования генеративного ИИ.

Управление бизнесом: не блокировать, настраивать

Финансовым учреждениям необходимо будет разработать структуру, которая будет контролировать риск генеративного ИИ, не замедляя инновации. Например, организация может использовать централизованный комитет по надзору за ИИ на ранних этапах внедрения чат-бота или другого приложения генеративного ИИ. Позже контроль может перейти к подкомитету или нескольким комитетам.

Компаниям необходимо будет решить, как риски вписываются в операционные модели (будь то централизованные, федеративные или децентрализованные), чтобы лучше справляться с новыми вызовами, создаваемыми системами генеративного ИИ. Большинство финансовых учреждений начинают с централизованной организационной модели оценки рисков генеративного ИИ и переходят к частично централизованной или полностью децентрализованной модели по мере развития возможностей управления рисками. Чтобы двигаться быстрее, некоторые создают ускорители генеративного ИИ для создания согласованных подходов во всех департаментах.

Процедурный контроль: будьте гибкими

Для таких процедур, как обработка кредитных заявок, большинство финансовых учреждений должны обновить стандарты MRM. Стандарты должны отражать специфические риски Gen-AI, такие как то, как модели обрабатывают изменяющиеся входные данные и многоэтапные взаимодействия. Например, если банк моделирует широкий спектр ответов клиентов виртуальному помощнику, MRM необходимо будет постоянно адаптировать. Аналогичным образом, процессы проверки технологий должны быть оптимизированы для безопасной интеграции систем Gen AI. Все обновления должны включать методы мониторинга того, как приложения Gen AI адаптируются с течением времени, чтобы гарантировать, что они остаются точными и соответствующими требованиям при обработке новых подсказок и новых данных.

Ручное управление: следите за машиной

Человеческий надзор необходим для проверки конфиденциальных результатов и обеспечения этичного использования Gen AI. Например, рецензентам необходимо редактировать конфиденциальные данные, прежде чем модели их обработают. Когда дело доходит до качества ответов, сгенерированных Gen-AI, финансовые учреждения должны создать «золотые списки» вопросов для тестирования моделей.

Они также должны запрашивать много отзывов от клиентов и сотрудников. Системы могут учиться на человеческих оценках. Обратная связь может информировать о точности и уместности различных выходных данных — например, то, как виртуальный помощник «разговаривает» с клиентом, должно соответствовать институциональным ценностям и целям. Выходные данные следует регулярно пересматривать и обновлять по мере необходимости, чтобы усилить обучающие способности моделей.

Автоматизированный контроль: рассмотрите сторонние инструменты

Одним из преимуществ технологии является то, что в некоторых случаях она может управлять собой. Автоматизированные инструменты могут очищать данные в масштабе, отмечать необычное использование и запускать исправления в режиме реального времени. Например, многие сторонние приложения могут удалять конфиденциальную информацию из документов. Другие сторонние инструменты могут автоматизировать тестирование уязвимостей для систем генеративного ИИ, что помогает финансовым учреждениям быстро выявлять и устранять слабые места. Сами модели генеративного ИИ могут использовать комбинацию традиционного ИИ и новых технологий для проверки собственных выходных данных, то есть моделей, проверяющих модели, чтобы обеспечить контроль качества на высоких скоростях.

Заключение

Поскольку генеративный ИИ становится частью финансовых учреждений, руководителям по управлению рисками необходимо переосмыслить то, как они управляют соответствующими системами . Им необходимо будет выйти за рамки традиционных практик управления рисками ИИ и включить мониторинг в реальном времени, надежную прозрачность и более надежные гарантии конфиденциальности данных и этики. Комплексная система оценки рисков и фокус на четырех ключевых наборах элементов управления могут помочь компаниям найти правильный баланс между стремлением к инновациям и снижением рисков. Более того, применение системного подхода к обновлению управления рисками генеративного ИИ может помочь финансовым учреждениям раскрыть преобразующую силу новой технологии для улучшения принятия решений, обслуживания клиентов и операционной эффективности — и сделать это ответственно.

Источник

Как финансовые учреждения могут улучшить управление искусственным интеллектом
27 марта 2025 г. Статья
Амит Гарг, Дэвид Шоеман и Кевин Бюлер.

How financial institutions can improve their governance of gen AI
March 27, 2025 | Article

https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-financial-institutions-can-improve-their-governance-of-gen-ai

Решения по модернизации ИТ

Сегодняшние решения по модернизации происходят в принципиально новых условиях. Во-первых, крупномасштабные платформы SaaS (программное обеспечение как услуга), построенные на современных архитектурах, предназначенных для облачных операций, непрерывных обновлений и глубокой интеграции с экосистемами операторов, теперь жизнеспособны в масштабах. Во-вторых, конвергенция данных, искусственного интеллекта и облачных вычислений создает основу для внедрения новых технологий более агрессивно, чем когда-либо прежде, при условии, что платформа стабильна и масштабируема.

Технологическая модернизация часто рассматривается как ИТ-инициатива, требующая ограниченного участия заинтересованных сторон бизнеса. Тем не менее, готовность к переосмыслению и перестройке бизнес-процессов имеет решающее значение для успешного преобразования основных систем.

Разрабатывать или покупать? Шесть аспектов трансформации основных платформ

Решение о том, следует ли создавать индивидуальные решения собственными силами, приобретать коммерческие готовые платформы (COTS - commercial off-the-shelf) или модернизировать существующие системы, является сложным выбором. Центр тяжести в этом вопросе смещается — все меньше пользователей стремятся к полноценным кастомным сборкам, и все больше изучают способы расширения устаревших систем с помощью современных оболочек или использования платформ SaaS.

У каждого подхода есть плюсы и минусы. Пользователи, использующие собственные сборки, имеют больший контроль, индивидуальные возможности и более легкую адаптацию к будущим инновациям. Однако они, как правило, сталкиваются с проблемами длительных сроков, ограниченной масштабируемости и растущих затрат и недооценивают полную стоимость долгосрочного обслуживания и постоянных инноваций. В проектах по сборке инновации часто закрепляются на этапе ввода в эксплуатацию, а когда происходит перерасход средств, имеется недостаточная документация, сокращаются расходы на обучение, это лишают организацию возможности развивать платформу.

Организации, выбирающие платформы COTS, получают более быстрое внедрение и более широкие инновационные возможности благодаря модели постоянных изменений, в которой поставщик управляет непрерывным развитием платформы. Тем не менее, они часто сталкиваются с проблемами с использованием всего потенциала новых систем. Современные пакеты могут удовлетворить потребности за счет конфигурации без серьезной настройки, но они по прежнему очень сложны. В результате, даже внедрение COTS может потребовать длительных временных рамок для преодоления проблем интеграции и адаптации к все более сложной архитектуре приложений.

Детальная оценка по шести ключевым параметрам может помочь принять обоснованное решение о том, следует ли создавать новую платформу, покупать решение COTS или модернизировать существующую платформу.

К критическим параметрам относятся следующие:

1. Функционал и возможности платформы. Если бизнес-модель требует специализированной функциональности, значительной кастомизации или сложной интеграции, организация может рассмотреть возможность разработки системы. Для тех, кто готов адаптировать бизнес-процессы и уделять приоритетное внимание времени выхода на рынок, экономической эффективности и инновациям, COTS может подойти лучше всего, особенно с учетом того, что платформы продолжают добиваться успехов в улучшении своей конфигурируемости и более эффективном удовлетворении уникальных потребностей продуктов.Во всех случаях приоритетом должно быть то, сможет ли платформа поддерживать будущий рост и расширение продукта, не запирая бизнес в хрупких обходных путях.

2. Настройка рабочих потоков и опыт цифровизации. Организации могут рассмотреть возможность разработки, если у них есть узкоспециализированные рабочие процессы и им требуется индивидуальное решение. Покупка предоставит систему со встроенными и готовыми рабочими процессами. Другие соображения включают требуемый уровень автоматизации процессов и степень гибкости при внесении изменений в рабочий процесс. Для операторов, обновляющихся в рамках экосистемы COTS, вопрос заключается в том, улучшит ли новая версия скорость, автоматизацию или пользовательский опыт настолько, чтобы оправдать затраты и сбои в обновлении.

3. Управление, безопасность и контроль данных. Организации могут рассмотреть возможность разработки, если они отдадут приоритет индивидуальному управлению, полному контролю над проприетарными моделями данных и настраиваемым протоколам безопасности. Организациям выгоднее покупать модульные, масштабируемые решения с предварительно созданными расширенными аналитическими возможностями и которые могут принимать обновления безопасности, управляемые поставщиком платформы. Организации могут оценить, согласуются ли инновации от поставщиков с их ИТ-стратегией или сохранение контроля над проприетарными моделями имеет решающее значение, хотя современные COTS-платформы все чаще предлагают настраиваемое управление данными и надежные функции безопасности. Организации, уже использующие платформу поставщика, могут рассмотреть, обеспечивает ли обновление значимые улучшения в аналитике, переносимости данных и контроле рисков.

4. Время выхода на рынок и стоимость. Создание системы требует более высоких первоначальных инвестиций, а требуемая обширная разработка и интеграция означает, что внедрение может занять от пяти до десяти лет. Платформы COTS обычно предлагают более низкие первоначальные затраты и внедрение в течение трех-пяти лет за счет использования конфигурации с минимумом программирования и минимальной настройки для ускорения развертывания. Но даже в среде одного и того же поставщика серьезное обновление может потребовать тщательного тестирования, перенастройки и изменения бизнеса. Другими факторами являются совокупная стоимость владения, долгосрочная масштабируемость и предсказуемость затрат по мере роста бизнеса, а также то, соответствует ли новая модель амбициям роста или же индивидуальная сборка обеспечивает лучший контроль над затратами с течением времени.

5. Организационные возможности и инновации. Организации могут рассмотреть возможность разработки, если у них есть сильные компентенции, техническая глубина, возможности развертывания и сопровождения ПО. Те, кому не хватает глубоких инженерных ресурсов или кто предпочитает полагаться на инновации, управляемые поставщиками, могут рассмотреть системы COTS. Даже организациям с сильными ИТ-командами может быть трудно идти в ногу с темпами инноваций, предоставляемых ведущими поставщиками, которые вкладывают значительные средства в исследования и разработки и часто выпускают обновления. По мере того, как SaaS все чаще охватывает приложения, платформы и инфраструктуру данных в рамках единого предложения, организации могут оценить, поддерживает ли архитектура поставщика эту конвергенцию и обеспечивает ли она возможность расширения с течением времени. В конечном счете, все сводится к тому, могут ли организации поддерживать подход к сборке внутри компании или более эффективно сотрудничать с поставщиком. Для тех, кто уже использует платформу COTS, любое решение об обновлении может повлиять на готовность организации принять и внедрить улучшения, учитывая, что даже самые лучшие новые функции не принесут прибыли, если бизнес не готов их внедрить.

6. Риски во время миграции и а ходе эксплуатации. Разработка обеспечивает больший контроль над безопасностью, соответствием требованиям и нормативными рисками; минимизирует привязку к поставщику; и может быть правильным выбором для организаций, обладающих возможностями управления миграционными рисками и возможностями долгосрочного обслуживания системы. Организации могут рассмотреть возможность покупки, если они хотят проверенное решение с меньшим риском, имеют потребность в снижении сложности миграции, хотят комфортно работать с обновлениями безопасности, соответствовать нормативным требованиям. Организации также могут учитывать масштаб и сложность требований к соответствию, потенциальное операционное влияние миграции и долгосрочный компромисс между надежностью поставщика и внутренними возможностями управления рисками. Для существующих пользователей COTS значительные обновления сопряжены с риском, особенно если платформа претерпела сильные изменения или ландшафт интеграции сложен. Организации могут оценить операционное и бизнес-влияние процесса модернизации и сопоставить его с затратами на обслуживание устаревших систем и задержку трансформации.

Выбор поставщика: поиск подходящего стратегического партнера

Покупка современной системы может ускорить внедрение, тем не менее выбор подходящего решения и поставщика становится стратегической задачей. К распространенным ошибкам относятся выбор поставщиков без доказанной масштабируемости, недооценка проблем и сложности интеграции, а также ограниченная видимость возможностей платформы, слабые сети технической поддержки или недостаточное обучение. Организации должны оценивать, обладает ли поставщик финансовым благополучием, операционной дисциплиной и экосистемой для поддержания непрерывных инноваций. Выбор времени и способа обновления, а также подтверждение долгосрочного соответствия поставщика бизнес-модели и архитектуре требует такой же тщательности, как и первоначальный выбор поставщика. Существует шесть критериев, которые следует учитывать при выборе поставщика.

Лучшие в своем классе поставщики предлагают следующее:

1. Масштабируемость и готовность к росту. Лучшая в своем классе платформа широко используется ведущими организациями, подкреплена тематическими исследованиями и отзывами клиентов и может масштабироваться для поддержки растущих объемов бизнеса, географического расширения и потребностей многопрофильного бизнеса. Важно отметить, что организации могут оценить, имеет ли поставщик достаточный свободный денежный поток для финансирования текущих исследований и разработок, гарантируя, что платформа продолжит развиваться и не будет стагнировать с течением времени. Кроме того, платформа может продемонстрировать гибкость инфраструктуры благодаря дизайну, ориентированному на API, и микросервисной архитектуре.

2. Гибкость и системная интеграция. Гибкая платформа предоставляет целевые решения для конкретных этапов цепочки создания стоимости и легко интегрируется с другими внутренними или сторонними системами. Он может иметь широкий спектр документированных API с быстрым временем отклика и высоким временем безотказной работы системы, а также готовые коннекторы для стандартных отраслевых систем, что снизит потребность в обширной пользовательской разработке. Продвинутые платформы также обычно имеют надежную партнерскую сеть для обеспечения доступ к дополнительным решениям. Активная экосистема с различными каналами подачи данных на платформу, такими как сторонние приложения, партнеры и инструменты для разработчиков, помогает поддерживать актуальность и актуальность платформы.

3. Доверие и присутствие на рынке. Надежный поставщик должен обладать доказанной способностью стимулировать инновации в отрасли. В частности, поставщики со значительным присутствием на рынке имеют проверенные решения.

4. Сотрудничество и влияние на продукт. Сотрудничающий поставщик активно взаимодействует со своими клиентами для улучшения существующих продуктов и разработки новых функций и обновлений. Они вовлекают клиентов в процесс обновления продукта с помощью таких инструментов, как группы пользователей, консультативные советы и механизмы сбора отзывов через онлайн-порталы и специальных менеджеров по работе с клиентами. Сотрудничающие поставщики также прозрачны в отношении своей дорожной карты развития с четкими сроками и контрольными точками.

5. Функциональность и адаптивность функций. Универсальная платформа предлагает широкий и сложный набор функций, предназначенных для различных сценариев использования, с расширенными основными функциями, такими как динамические конфигурации продуктов, возможности самообслуживания клиентов и автоматизированная проверка соответствия. Лучшие в своем классе вендоры регулярно расширяют возможности платформы с помощью готовых решений и обеспечивают настройку без кода или с минимумом программирования. Платформа также может быть адаптирована к будущим требованиям, особенно к поддержке передовых технологий.

6. Сторонняя сервисная сеть и покрытие. Надежный поставщик имеет надежную сеть сторонних поставщиков услуг для внедрения и операционной поддержки, о чем обычно свидетельствует количество и глубина отношений с партнерами по системной интеграции, охватывающая географические регионы и предоставляющая местную поддержку и экспертные знания. Что еще более важно, эти сторонние партнеры могут иметь репутацию надежности обслуживания, подкрепленную последовательным соблюдением соглашений об уровне обслуживания, а также высокими историческими показателями эффективности.

Практические шаги для начала работы

К модернизации системы часто подходят как к технологической инициативе, но ее успех в равной степени зависит от лидерства в бизнесе. По своей сути модернизация — это трансформация бизнеса, требующая переосмысления процессов для реализации всей стратегической и операционной ценности системы. В настоящее время мы находимся на этапе демаркации, когда руководство бизнесом и ИТ больше не может работать параллельно — современная трансформация требует интегрированной, гибкой операционной модели, в которой бизнес и технологии совместно владеют результатами. Тесное взаимодействие и согласованность между руководителями бизнеса и технологий имеют решающее значение для обеспечения того, чтобы организация работала над достижением общей повестки дня.

Шаги для начала процесса модернизации:

• Заранее определите и согласуйте бизнес-цели и цели в области технологий. Прежде чем оценивать решения, согласуйте внутри компании желаемые бизнес-результаты и приоритеты модернизации. Общие цели включают повышение операционной эффективности, ускорение выхода на рынок, улучшение цифрового обслуживания клиентов и сокращение долгосрочных затрат на ИТ.
• Проведите структурированную оценку "разработка в сравнении с покупкой или обновлением". Используйте четкую структуру для оценки бизнес-потребностей, сложности продукта и технологических приоритетов по ключевым параметрам, таким как функциональность, стоимость, скорость, масштабируемость и риски. Это гарантирует, что решение будет объективным. Подумайте о том, как система должна развиваться в будущем, чтобы поддерживать меняющиеся предложения продуктов, цифровую дистрибуцию и интеграцию экосистемы.
• Оцените внутреннюю готовность и пробелы в возможностях. Оцените внутренние возможности для выполнения крупномасштабной трансформации, включая доступные таланты, возможности, существующую инфраструктуру, сложность интеграции и согласованность руководства. Знание своих ограничений может помочь спланировать правильную поддержку, будь то через поставщиков, внутреннее повышение квалификации или найм.
• Проведите выбор поставщика или оценку обновления. Выйдите за рамки списков функций и оцените долгосрочную жизнеспособность, гибкость интеграции, партнерство в экосистеме и сотрудничество между поставщиками и клиентами. Для существующих пользователей платформы оцените, значительно ли предлагаемое обновление расширяет возможности, устраняет ли оно болевые точки и согласуется ли оно с бизнес-целями без чрезмерного риска внедрения.
• Расставьте приоритеты и определите последовательность инициатив. Управляйте сложностью трансформации и постепенно достигайте результатов с помощью структурированной дорожной карты. На начальном этапе можно было бы сосредоточиться на быстрых победах, которые соответствуют бизнес-приоритетам, обеспечивая ранний успех для наращивания темпов и совершенствования процессов. На последующих этапах можно было бы заняться высокоприоритетными инициативами с учетом зависимостей, рисков и доступности ресурсов.
• Обеспечьте эффективное управление проектами. С самого начала обеспечьте эффективное управление, например принятие решений, права и пути эскалации, чтобы избежать задержек, управлять масштабом и сосредоточить команды на создании ценности, а не только на достижении контрольных точек. Модернизация — это многолетний процесс, который с самого начала требует жесткого управления для управления сотрудничеством между бизнес-командами и технологическими командами.
• Реализуйте управление изменениями и стимулируйте их внедрение. Сведите к минимуму сопротивление и максимизируйте отдачу от трансформации с помощью таких инициатив, как четкое изложение видения (например, с помощью информационного бюллетеня компании, общего собрания или сессии вопросов и ответов сотрудников), обеспечение согласованности руководства и постоянной поддержки, проведение целевых программ обучения и поддержание структурированных каналов обратной связи для решения проблем и совершенствования процессов трансформации.

Модернизация систем — это трансформационный процесс, требующий тщательного планирования, эффективного управления и тесного сотрудничества между бизнесом и технологиями. Успех начинается со структурированного подхода к оценке этих вариантов, выбору правильных решений или поставщиков, а также созданию эффективной операционной модели, обеспечивающей подотчетность и эффективное принятие решений. Эффективное управление изменениями, например, путем обучения пользователей и согласования действий заинтересованных сторон, не менее важно, но часто упускается из виду. Имея четкую дорожную карту и правильную модель исполнения, организации могут максимизировать ценность своих основных систем и позиционировать себя для устойчивого долгосрочного роста.

Источник

Данный материал был немного переработан на основе следующей статьи

Как страховщики P&C могут успешно модернизировать основные системы. 12 мая 2025 г. Криш Кришнакантан, Санджай Канияр, Танги Кэтлин, Софи Ру.

How P&C insurers can successfully modernize core systems. Krish Krishnakanthan, Sanjay Kaniyar, Tanguy Catlin, Sophie Ru.

https://www.mckinsey.com/industries/financial-services/our-insights/how-p-and-c-insurers-can-successfully-modernize-core-systems

Оптимизация оборотного капитала

Когда компании приступают к преобразованиям, они, естественно, сосредотачиваются на общей картине: как преобразование позволит повысить эффективность за счет мер по сокращению затрат или как они могут реализовать высокоэффективные стратегии роста, чтобы стать больше, экономичнее и лучше.

Однако компании, стремясь к переменам, часто упускают из виду или недооценивают влияние, которое может оказать улучшение чистого оборотного капитала на начальном этапе трансформации, что может свести на нет первоначальный импульс к изменениям.

Существует множество известных способов, с помощью которых компании могут оптимизировать денежные средства, хотя многое зависит от рыночной среды. Например, недавнее увеличение капитальных затрат повысило осведомленность компаний о цикле конвертации денежных средств и компромиссах, которые могут возникнуть при принятии некоторых инвестиционных решений. В этих условиях традиционные методы оптимизации денежных средств, такие как продление сроков оплаты с поставщиками, не столь эффективны. Поставщики менее склонны продлевать сроки, поскольку им придется финансировать продление за счет собственного капитала.

Внесение небольших изменений в трех областях — отображение процессов в цикле конвертации наличности, внедрение новейших технологий и развертывание возможностей управления эффективностью — может помочь компаниям на ранних этапах преобразований. Это может, в свою очередь, создать поведенческие и культурные сдвиги и устойчивую приверженность изменениям. Сосредоточение на этих трех областях может помочь компаниям оптимизировать баланс своей кредиторской и дебиторской задолженности на 30% или более в течение нескольких недель, часто без необходимости значительного взаимодействия с поставщиками или клиентами.

Планирование процессов

Закупки и продажи напрямую связанные с денежным потоком, являются двумя очевидными и важными частями, которые можно усовершенствовать в деле экономии денег в долгосрочной перспективе. Картирование процессов продаж и закупок с течением времени может выявить узкие места и области для улучшения. Оптимизация и автоматизация этих процессов может ускорить циклы конвертации наличности и улучшить ликвидность за счет небольших усилий.

Для улучшения цикла закупок (от закупки до оплаты) успешными оказываются три действия. Все они предоставляют компаниям возможность повысить должную осмотрительность простыми и эффективными способами.

• Обработка заранее счетов-фактур. Компании могут проверять счета-фактуры перед оплатой и выполнять сверку с контрактом (например, с учетом цены, объема и условий). Оценка этих деталей позволит компаниям более активно отклонять плохие счета-фактуры или удерживать оплату при обнаружении ошибок.
• Проверка скидкок, предлагаемых поставщиками. Компании должны проводить регулярные проверки и расчеты скидок, которые были предложены для ранних платежей. Эти проверки и расчеты могут быть особенно полезны, когда компании борются с растущей стоимостью капитала. Например, скидка в 0,5% в обмен на оплату на 30 дней раньше — это другое обсуждение в среде со стоимостью капитала 5,0%, чем в среде со стоимостью капитала 10,0%. Баланс между условиями и скидками имеет решающее значение в условиях растущей стоимости капитала.
• Составление графика платежей. График платежей позволяет избежать ранней оплаты счетов и ежедневной обработки платежей, и вместо этого группировать платежи по еженедельному, двухнедельному или даже ежемесячному графику. Создание графика платежей служит операционным целям (экономя время на отправке платежей путем их группирования) и помогает организациям откладывать платежи на несколько дней. Многие организации устанавливают свой график платежей с расчетом на будущее и оплачивают счета, которые не подлежат оплате до следующего платежного цикла. Однако такой подход может создать отрицательный денежный эффект. Вместо этого организации должны установить и сообщить поставщикам платежный цикл (подчеркивая связанную с ним предсказуемость денежного потока, которую он предлагает поставщикам) и принять ретроспективный подход, который оплачивает все счета, подлежащие оплате с предыдущего платежного цикла.

Улучшение цикла продаж (от заказа до оплаты) влечет за собой реализацию инициатив по повышению эффективности, точности и скорости процесса выставления счетов, а также систематическое управление просроченными счетами.

Улучшение сбора оспариваемых и неоспоримых просроченных счетов-фактур зависит от понимания сбоев в связанных процессах.

Бесспорные просроченные платежи.

• Процесс напоминания. Проверьте процесс напоминания и настройте проактивный подход к напоминаниям. Оптимизируйте процесс с соответствующими заинтерисованными небольшими группами в режиме реального времени, а не на основе напоминаний в конце месяца.
• Инструменты. Запустите легкодоступную панель управления, включающую актуальный статус напоминаний, используйте автоматизированные инструменты напоминаний для стандартных задач.
• Управление последствиями. Добавьте в договор четкие последствия просрочки платежа, например, финансовые. Придерживайтесь строгих правил.

Споры и претензии.

• Процесс разрешения споров. Переопределите и упростите процесс разрешения споров, особенно для соответствующих простых ситуаций, как ошибки в счетах-фактурах и накладных.
• Качество счетов-фактур. Улучшите процесс обработки заказов и  точность выставления счетов для уменьшения количества оспариваемых счетов-фактур. Сократите громоздкость счетов-фактур для уменьшения количества некорректных или несвоевременно выставляемых счетов-фактур.

Внесение этих изменений позволит перестроить стимулы в организации как в коммерческих, так и в кредитных командах управления, например, позволяя им отправлять своевременные, высококачественные счета-фактуры, а не спешить с выставлением счетов, чтобы признать доход. Это изменение, в свою очередь, улучшает качество обслуживания клиентов и предотвращает неожиданную потерю дохода компаниями. Компании могут улучшить цикл продаж тремя способами:

Будущее офиса

• Оптимизация процесса приема клиентов. Оптимизация процесса приема клиентов при заключении контракта может позволить компаниям избежать проблем в дальнейшем и укрепить стратегии формирования чистого оборотного капитала. Компании могут принять и обеспечить соблюдение глобальных условий оплаты, проводить проверки кредитоспособности клиентов, внедрять кредитные лимиты и разрабатывать четкие рекомендации по интеграции клиентских порталов и управлении основными данными. Эти усилия могут помочь выделить неоплаченные счета и побудить клиентов платить вовремя.
• Улучшение процесса выставления счетов. Улучшение процесса выставления счетов позволяет компаниям быстро выставлять точные счета клиенту после доставки продукта или завершения обслуживания. Компаниям следует отслеживать все необходимые подтверждающие пункты, например, подпись клиента после завершения обслуживания, чтобы избежать проблем в дальнейшем, которые могут привести к спорам, и обеспечить проверку качества и точности счета перед его отправкой.
• Настройка процесса сбора для управления как неоспариваемыми, так и оспариваемыми просроченными счетами-фактурами на систематической основе. Компании могут установить строгий и автоматизированный процесс напоминания для просроченных счетов-фактур, которые не оспариваются, отправляя напоминание клиенту за несколько дней до даты оплаты счета-фактуры, а также частые, эскалационные последующие действия после того, как счет-фактура просрочен. Они также могут внедрить лучший в своем классе процесс управления спорами с четкими кодами причин, ответственными за разрешение споров, назначенными для каждой причины, активным отслеживанием и ежедневными обновлениями.

Внедрение новых технологий

Выявление проблем в стратегиях формирования чистого оборотного капитала и улучшение этих процессов может быть еще более эффективным и устойчивым, если их дополнить технологиями. Машинное обучение (МL) и ИИ могут трансформировать способы управления денежными средствами и повысить общую операционную эффективность, особенно когда речь идет об управлении запасами и процессах взыскания.

• Управление запасами. ML и AI могут повысить точность прогнозирования спроса, оптимизировать ассортимент и уровни запасов, а также обеспечить видимость и метрики. Это выполняется в реальном времени для повышения производительности цепочки поставок, снижения затрат и общего повышения эффективности цепочки поставок. С помощью данных в реальном времени и предиктивных алгоритмов ML и AI могут обеспечить точные прогнозы спроса, автоматизировать ручные процессы и принимать решения на основе данных для оптимизации управления запасами.
• Процессы взыскания. ML позволяет организациям прогнозировать платежное поведение клиентов по сегментам и на индивидуальной основе. Это позволяет консультировать команды по взысканию: на чем сосредоточить свои усилия, например, показывая, где следует вводить своевременные удержания кредита, чтобы смягчить накопление просроченных счетов. Некоторые компании начинают интегрировать генеративный ИИ в рабочие процессы управления дебиторской задолженностью, анализируя историческое платежное поведение определенных персон клиентов и автоматизируя последующие процессы с клиентами, находящимися в группе риска или не выполняющими обязательства. Затем эти оценки позволяют компаниям адаптировать подход к управлению кредитами. Например, он может помочь определить, каких клиентов следует поощрять к переходу на модель предоплаты.

Развертывание возможностей управления производительностью

Эффективное управление эффективностью необходимо для оптимизации денежного потока и включает в себя постановку четких целей, мониторинг эффективности по отношению к этим целям и внесение необходимых корректировок для более эффективного достижения целей. Эти возможности работают рука об руку с передовыми технологиями.

Лучшее в своем классе управление эффективностью подразумевает предоставление всем заинтересованным сторонам информации, необходимой для принятия своевременных решений. ИИ, бизнес-аналитика, инструменты анализа данных, инструменты анализа процессов могут предоставлять информацию о денежных позициях в режиме реального времени, прогнозировать будущие денежные потоки и выявлять потенциальные проблемы до того, как они станут критическими. Например, такие методы, как анализ отклонений и выставление счетов или глубокое погружение в данные, могут помочь выявить отклонения от ожидаемых моделей денежных потоков и стимулировать своевременные корректирующие действия.

Более того, анализируя большие наборы данных, компании могут получить представление о тенденциях денежных потоков и выявить неэффективность. Например, предиктивная аналитика может помочь более точно прогнозировать спрос, сокращая потребность в избыточных запасах.

Все соответствующие уровни организации должны контролировать установленные KPI. Эта ответственность не лежит исключительно на финансовой команде, а требует кросс-функционального владения в коммерческих и закупочных цепочках поставок и в финансовых командах. Должна существовать четкая и практичная политика, которая будет направлять работников передовой линии в принятии ежедневных решений. Например, заранее определив свой оптимальный ценник (срок оплаты против процентной скидки), руководители смогут лучше управлять компромиссами между ценообразованием и условиями оплаты.

Используя новые подходы и используя передовые технологии, организации могут навести порядок на раннем этапе и создать импульс при запуске трансформации. Кроме того, они оптимизируют денежный поток, улучшат ликвидность и повысят устойчивость, что не позволит принимать реактивные решения. Предприятия, которые овладеют навыками управления денежными средствами, смогут эффективнее использовать возможности, стимулировать рост и выходить из экономической неопределенности более сильными.

Источник

https://www.mckinsey.com/capabilities/transformation/our-insights/gain-transformation-momentum-early-by-optimizing-working-capital

Gain transformation momentum early by optimizing working capital. January 24, 2025. Article. By Ojas Shah with Julien Galiano Celestino and Marvin Denis.

Получите импульс трансформации на раннем этапе за счет оптимизации оборотного капитала
24 января 2025 г. Статья. Оджас Шах, Жюльен Гальяно Селестино, Марвин Денис.

Разработка операционной модели для средних компаний

Шпаргалка - разработка операционной модели для средних компаний.

Структура

Блоки и связи: первичные и вторичные, организационные и структурные оси.
Роли и ответственность: ответственность за прибыли и убытки, корпоративные функции, структура продаж.
Управление: принятие правильных решений, структура органов управления.
Ограничиния, локализация или глобальное присутствие.

Процессы.

Разработка процессов, редизайн сквозных процессов.
Связи: связь корпоративных функций с бизнес-единицами.
Управление производительностью: метрики и цели для измерения производительности.
Системы и технология: целевая архитектура.

Люди

Потребности в рабочей силе.
Навыки и квалификация.
Культура: рабочие нормы, ценности, практики менеджмента.
Неформальные связи и сети, включая сети для поддержки изменений.

Базовые повторно используемые компоненты развертывания ИИ

Базовые повторно используемые компоненты развертывания ИИ. Восклицательным знаком обозначены чувствительные компоненты.

В статье McKinsey - A data leader’s operating guide to scaling gen AI. September 12, 2024 (https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-data-leaders-operating-guide-to-scaling-gen-ai) приведенный ниже текст представлен в графической форме.


Data sources

• API (!)
• File
• Web
• Relational database management system
• Document database

Data repositories

• Raw data
• Object storage
• Curated data
• Graph database
• Vector database
• Online transactional processing
• Columnar storage

Data services

• Generative AI
• Hallucination checker (!)
• Validation (!)
• Generation (!)
• Source attribution
• Prompt library
• LLM chain and agent framework
• Semantic search and retrieval
• Function calling
• Predictive AI
• Input validation
• Model parameter configuration

Data consumption

• API
• User interface (!)
• Chat
• Multimodal input/output

Processing

• LLMs  (!)
• Change monitoring
• API queries
• PII masking
• Chunking and embedding
• Metadata collection
• Multimodality
• Graph neural network
• Reranking
• OCR and text extraction
• Embedding
• Open-source model
• ETL processing

Data and model governance

• Model performance monitoring  (!)
• A/B testing and experimentation
• Routing
• Model registry
• Accuracy evaluation
• "Versioning" and reproducibility
• Model "explainability"
• Reusable pipelines for training and interence
• Request throttling
• Model tuning and training
• Cataloging
• Automated backup and recovery
• Acess requests
• Versioning
• External sharing

Control center gateway

• Financial operations
• Identity and acess management
• Code management
• Secrets management
• Infrastructure operations
• Monitoring and logging
• Container orchestration
• Scheduling
• Sandbox development enviroment
• Shared-development workspaces
• Workflow management

Роботы общего назначения работают на основе искусственного интеллекта и моделирования

 Просто интересный рисунок

Источник.

https://www.mckinsey.com/industries/industrials-and-electronics/our-insights/a-leap-in-automation-the-new-technology-behind-general-purpose-robots

A leap in automation: The new technology behind general-purpose robots

July 28, 2025 | Article. By Ani Kelkar and Christian Jansen with Matt Webster, Sarthak Vaish, and Sitos Nepal.

Как ИИ трансформирует разработку стратегии

Искусственный интеллект должен произвести революцию в стратегической деятельности. Но по мере распространения внедрения ИИ стратегам понадобятся данные, креативность и новые навыки для разработки уникальных вариантов.

По своей сути стратегия подразумевает извлечение информации из фактов и данных, разработку реальных вариантов на основе этой информации, принятие трудных решений и реализацию инициатив. Аналитика помогала в этой работе на протяжении нескольких десятилетий, но никогда ранее технология не была способна не только дополнять и частично автоматизировать входные данные, но и объединять их в комплексный анализ. Со временем она может даже рекомендовать жизнеспособные стратегии.

Искусственный интеллект и генеративный ИИ обладают потенциалом для преобразования работы стратегов путем усиления и ускорения таких видов деятельности, как анализ и генерация идей, при этом смягчая проблемы, связанные с человеческими предубеждениями и социальной стороной стратегии. Опираясь на недавний взрыв данных и более ранние достижения ИИ, которые привели к резкому повышению точности прогнозирования, новейшие инструменты значительно упрощают и удешевляют получение идей.

Хотя ИИ не изменит необходимость для лидеров демонстрировать стратегическую смелость , совершая большие шаги, со временем технология улучшит каждую фазу разработки стратегии, от проектирования до мобилизации и исполнения. Сегодня технология обеспечивает наибольшие преимущества на этапе проектирования, помогая организациям оценить отправную точку в контексте динамики отрасли и рынка. Они могут использоваться для определения размера потенциальных рынков, анализа действий конкурентов и оценки ценности различных стратегических инициатив в различных сценариях. Но это только начало: стратегия требует мобилизации организации, обеспечения правильного распределения ресурсов и мониторинга исполнения. Во всех этих задачах ИИ может сыграть свою роль.

Новые роли ИИ в стратегии

Человеческое суждение остается важным для разработки стратегического видения, которое объединяет амбиции организации с видением того, как их реализовать. Однако ИИ может ускорить и привнести большую строгость в работу стратегических команд. 

Пять ролей ИИ: 

• исследователь, 
• интерпретатор, 
• партнер по размышлениям, 
• симулятор,
• коммуникатор. 

Каждая из этих ролей может вступать в игру на разных этапах в разных фазах разработки стратегии.

Исследователь. Стратеги тратят значительное время на сбор и обогащение данных из многочисленных источников. Способность ИИ обобщать и создавать значимые связи между всеми наборами данных может значительно улучшить эти усилия. Например, механизм на базе ИИ, который определяет потенциальные цели слияний и поглощений, может точно определить скрытые активы, которые соответствуют стратегическому тезису компании, улучшая то, что сегодня часто является случайным процессом, полагающимся на знание рынка руководителями и их посредниками. Один из таких инструментов может сканировать общедоступную информацию о более чем 40 миллионах компаний на разных языках и создавать краткий список соответствующих целей за считанные минуты. Хотя ИИ более тщательный и быстрый, чем люди, стратегам все равно нужно задавать правильные вопросы, чтобы генерировать отличительные идеи, которые они ищут.

Интерпретатор. Чтобы превратить аналитику данных в полезные идеи, стратегам необходимо интерпретировать, как результаты могут способствовать достижению их целей. Например, поиск возможностей для роста часто влечет за собой изучение смежных областей. Эти идеи расширения могут исходить из многих источников, таких как обзоры действий конкурентов или глубокое понимание возникающих потребностей клиентов. Инструменты ИИ могут облегчить этот процесс обнаружения, преобразуя данные из разрозненного набора входных данных, таких как годовые отчеты, патенты, отзывы клиентов и данные о закупках, в «сканы роста». Эти сканирования суммируют наиболее часто используемые смежные области, а затем интерпретируют и оценивают соответствие данных стратегии компании. Полученная перспектива может помочь стратегам сузить варианты, найти прецеденты или ориентиры для рассматриваемых действий и раскрыть свежие идеи.

Еще одна область, где ИИ уже выступает в качестве интерпретатора, — это мониторинг тенденций. Стратегам необходимо следить за изменениями основных тенденций при разработке вариантов и пересмотре предположений. Механизм на базе ИИ может считывать огромные объемы информации и разбивать тенденции на компонентные шаблоны, а затем интерпретировать, указывают ли шаблоны на то, что тенденция ускоряется, созревает или спадает. Например, организация, стремящаяся понять спрос на экологически чистые строительные материалы, может отслеживать интерес архитекторов, объемы патентов и упоминания конкурентов задолго до того, как эти сигналы преобразуются в объемы продаж.

Партнер по размышлениям. ИИ также может выступать в качестве партнера по мозговому штурму, ускоряя генерацию идей и противодействуя потенциальным предубеждениям или слепым пятнам руководителей бизнеса. В частности, ИИ может помочь стратегам избегать распространенных ошибок, оценивая планы установленным рамкам. Например, команда может провести проверку стратегии как до, так и во время ее реализации, используя ИИ в качестве претендента, чтобы выявить потенциальные скрытые ошибки или слепые пятна в управлении.

Симулятор. Прежде чем принять стратегию, стратеги рассматривают влияние нескольких рыночных сценариев на основе макроэкономических условий, потенциальных действий конкурентов и реакций заинтересованных сторон. ИИ может сделать сценарный анализ гораздо более строгим с помощью расширенных возможностей моделирования, тактических игровых и симуляционных приложений. Эта возможность также может быть ценной во время реализации стратегии, поскольку ИИ отслеживает ранние сигналы с рынка, имитирует их влияние и предупреждает команду, когда может быть разумно изменить курс.

Коммуникатор. Четкое изложение стратегического пути и цели, а также их последствий для организации и ее заинтересованных сторон имеет важное значение для мобилизации действий. Способность Gen AI обобщать концепции в различных форматах стала одним из самых популярных приложений технологии с момента запуска ChatGPT. Стратеги могут использовать инструменты Gen AI, чтобы сделать повествования более убедительными для разных аудиторий с разным уровнем знаний (например, региональные рынки, регуляторы или аналитики) и в разных форматах (краткие сводки, тезисы или, совсем недавно, подкасты). ИИ также может отслеживать по разным каналам согласованность внешних коммуникаций.

Как ИИ трансформирует разработку стратегии

Генеративный ИИ представляет хорошо документированные риски: предвзятость модели (исторические данные обучения могут привести к тому, что ИИ будет чрезмерно подчеркивать определенные типы клиентов), снижение объяснимости (неспособностью предложить логическую основу для анализа), галлюцинации (создание правдоподобно звучащего, но ложного контента). Хорошей новостью является то, что каждая из этих ловушек устраняется. Например, ИИ может помочь контролировать себя: «агент-критик» может проверять работу, проделанную другими приложениями ИИ, и отмечать, когда контент может быть неверным, или напрямую давать указание переработать рассматриваемую задачу.

Помимо этих хорошо понятных рисков, генеративный ИИ представляет пять дополнительных соображений для стратегов.

Во-первых, он повышает важность доступа к собственным данным. Генеративный ИИ ускоряет долгосрочную тенденцию: демократизацию идей. Никогда еще не было так просто использовать готовые инструменты для быстрого получения идей, которые являются строительными блоками любой стратегии. По мере распространения моделей ИИ расширяются и последствия опоры на коммерциализированные идеи. В конце концов, компании, использующие общие входные данные, будут производить общие результаты, которые приводят к общим стратегиям, которые, почти по определению, приводят к общим результатам или хуже. В результате важность курирования экосистем собственных данных (подробнее об этом ниже), которые включают количественные и качественные входные данные, будет только возрастать.

Во-вторых, распространение данных и идей повышает важность отделения сигнала от шума. Это долгое время было проблемой, но ИИ-генерация усугубила ее. По мере развития технологии она сможет эффективно извлекать важные сигналы, но пока этого не произошло.

В-третьих, по мере того, как растет простота генерации идей, растет и ценность синтеза на уровне руководителей. Руководители бизнеса, особенно те, кто отвечает за принятие стратегических решений, не могут эффективно работать, если они завалены данными, даже если эти данные — не более чем сигналы. Как и в случае с растущей способностью генеративного ИИ отделять сигналы от шума, технология становится лучше в синтезе, но в ближайшей перспективе лидерам стратегии необходимо взять эту задачу на себя.

В-четвертых, ИИ усиливает важность процессов, которым следуют организации при разработке стратегий. Исследования показывают, что качество процесса гораздо важнее для успеха стратегий, чем качество идей. Высококачественные процессы включают в себя, помимо прочего, разработку и изучение стратегических альтернатив, правильный учет неопределенности, подталкивание к принятию смелых обязательств и, что самое важное, принятие мер по устранению предвзятости решений. К счастью, поскольку генеративный ИИ ускоряет разработку идей, оно оставляет больше времени для стратегических команд, чтобы отточить лучшие в своем классе процессы.

Наконец, для успешного использования генеративного ИИ стратегическая функция должна инвестировать в технологию для создания и доступа к экосистемам источников собственных данных. Экосистемный подход устраняет необходимость для компаний внутри компании генерировать или владеть полным спектром собственных данных. Вместо этого они создают сети источников, к которым они могут беспрепятственно подключаться с помощью технологий. Кроме того, стратегам необходимо будет определить (и часто настраивать) инструменты генеративного ИИ, которые могут эффективно служить исследователями, симуляторами, интерпретаторами, партнерами по мысли и коммуникаторами.

Три краткосрочных шага для старта

Станьте умнее. Стратег будущего должен понимать, как работает ИИ. 

• Как система предсказания слов манипулирует сложными концепциями и информацией? 
• Как из информации, включенной в модели и подсказки, генерируются идеи?

Те, кто приобретет этот опыт, смогут внести вклад в создание инструментов, необходимых для их работы, например, для проведения сложных симуляций того, как будут развиваться рынки и конкурентные среды. Люди с такими навыками будут пользоваться большим спросом, что сделает их удержание приоритетом управления.

Начните строить сегодня. ИИ здесь, чтобы остаться, и поиск правильного способа его применения для разработки стратегии имеет важное значение. Стратегические команды должны ознакомиться с возможностями, которые предлагает ИИ, от помощи в исследованиях и генерации идей до выявления потенциальных рисков. Команды, которые изучают, как доступные инструменты могут помочь в этих задачах, лучше поймут, какие еще инструменты нужно будет создать или в которые инвестировать для удовлетворения конкретных потребностей. С организационной точки зрения лидеры должны помочь стратегическим командам получить доступ к экспертным знаниям в области науки о данных, инженерии данных и больших языковых моделей. Это можно сделать, включив технических экспертов в стратегические команды или предоставив стратегам доступ к ним через центры передового опыта.

Развивайте собственную экосистему идей. Даже с самыми современными возможностями модели ИИ будут ограничены интерпретацией существующих данных — они не смогут генерировать новые сигналы. Например, ИИ не заменит идеи из этнографических исследований или прямой ввод от клиентов. Действительно, такая собственная информация станет еще более важной для создания уникальных идей, поскольку внешние данные станут более доступными для всех участников рынка. Чтобы получить преимущество, стратегам необходимо будет расширить присутствие в различных областях, связавшись с новаторами и заинтересованными сторонами внутри и за пределами своих организаций. Основное внимание стратегов будет все больше уделяться разработке гипотез, тестированию и обучению у них, а также поддержанию инфраструктуры ИИ и данных, которые позволяют преобразовывать идеи в конкурентное преимущество.

Заключение

Искусственный интеллект не может — и, как мы считаем, не заменит — заменить человеческую логику и интерпретацию в такой сложной области как стратегия. Однако технология может давать более быстрые и объективные ответы, которые могут значительно усилить мастерство принятия решений. Благодаря различным ролям, которые уже может играть ИИ, от исследователя до мыслительного партнера и симулятора, мы начинаем видеть, как эти инструменты могут со временем переопределить роли стратегов и помочь компаниям принимать стратегические решения. Делая процесс разработки стратегии более эффективным, одновременно предоставляя пространство для творчества и прорывных идей, которые помогают лидерам определять последующие смелые шаги, ИИ может обеспечить конкурентное преимущество, необходимое для победы на рынке.

Источник

Как ИИ трансформирует разработку стратегии. 5 февраля 2025 г. Статья
Александр Д'Амико, Брюс Делтейл, Эрик Хазан, Андреа Триколи, Антуан Монтар.

How AI is transforming strategy development. February 5, 2025. Article.

https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/how-ai-is-transforming-strategy-development