Представьте, что вы пытаетесь восстановить реактивный двигатель в полете, передав управление системе, которая обучается в процессе полета. По сути, именно этим многие компании занимаются, используя агентный ИИ. Поставщики агрессивно ускоряют темпы развития, частные инвестиционные фонды требуют быстрой реализации прибыли, а на руководство компаний оказывается все большее давление с целью демонстрации первых успехов. Капитала много, ожидания высоки, и последние два года доминирующим инстинктом является стремление к быстрому развитию. Это означает быстрое создание, широкое внедрение и проработку деталей по ходу дела.
Эта фаза обучения на ходу закончилась. По нашему опыту, финансовые директора больше не финансируют эксперименты без очевидной отдачи. Советы директоров задают более сложные вопросы о влиянии. Ожидания сместились от доказательства того, что ИИ может работать, к доказательству того, что он приносит измеримую пользу в масштабе. И этот сдвиг выявляет растущий разрыв между усилиями и результатом.
Данные подтверждают то, что уже чувствуют специалисты-практики. Исследование McKinsey показывает, что 88% организаций регулярно используют ИИ, но только 39% сообщают о влиянии на прибыль до вычета процентов и налогов на уровне предприятия. Даже при увеличении расходов, расширении набора инструментов и проведении пилотных проектов большая часть ценности остается невостребованной.
По сути, проблема не в технологиях. Предприятия были созданы для людей и детерминированного программного обеспечения, а не для систем, способных принимать решения и действовать. Сейчас компании внедряют агентные системы в работу, которая изначально не была рассчитана на такую автономию. Агенты не терпят неудачу незаметно. Они мгновенно и в больших масштабах усиливают каждый недостаток в базовой операционной системе. Организации, получающие непропорционально большую выгоду, действуют иначе. Скорость для них менее важна, чем тщательность. Они рассматривают агентный ИИ как систему, которую нужно проектировать, а не как инструмент для внедрения.
И начинается всё с плана. В этой статье мы описываем элементы этого плана, как они взаимодействуют и могут быть реализованы, а также основные преимущества такого подхода. Важность плана мы иллюстрируем примерами, с которыми сталкивались на практике.
На основе нашей работы по внедрению ИИ-технологий в течение последнего года мы выявили пять типов ошибок, характерных для многих компаний, стремящихся интегрировать агентов ИИ.
Автоматизация неработающих процессов вместо их перепроектирования. Агенты не исправляют недостатки рабочих процессов, а усугубляют их. Наш опыт показывает, что высокоэффективные организации значительно чаще кардинально перестраивают рабочие процессы с использованием ИИ, а не просто накладывают технологии поверх неизменных операций. Большинство организаций по-прежнему поступают именно так.
Решение задачи готовности данных на более позднем этапе. Для организаций, испытывающих трудности с внедрением агентного ИИ, данные существуют, но не являются авторитетными. Системы интегрированы в теории, но фрагментированы на практике. Агенты обнаруживают это в первый день эксплуатации, а не на этапе планирования. К тому времени стоимость исправления проблемы измеряется месяцами, а не неделями. Одна глобальная компания в сфере медицинских технологий, разрабатывающая агентное решение для обслуживания клиентов, предполагала, что ее данные о клиентах интегрированы и чисты, но столкнулась с несоответствиями в системах контроля версий и другими недостатками данных в разных системах учета уже на этапе разработки. Исправление проблем в середине проекта добавило четыре-пять недель доработок, которые были бы выявлены в ходе аудита данных на этапе планирования.
Решение о том, что лучше — разработка или покупка, принимается до того, как станет понятна суть работы. Многие организации по умолчанию используют платформы сторонних поставщиков из-за скорости или разрабатывают собственные решения из-за гибкости, не имея четкого представления о том, что на самом деле требуется для выполнения работы. Решение закрепляется в процессе выполнения. За этим часто следуют дорогостоящие доработки. Одна крупная компания в сфере медицинских технологий использовала готовую платформу для развития своих возможностей в области ИИ, но быстро обнаружила, что она не поддерживает несколько основных правил сопоставления данных. Вместо того чтобы разрабатывать собственную логику, необходимую для устранения этого пробела, команда спланировала все так, чтобы успеть к дате запуска. В результате около 30% запланированной ценности остались нереализованными.
Недостаточное инвестирование в управление изменениями. Технически совершенные системы, которые никто не использует или используют неправильно, не приносят никакой пользы. Внедрение не следует за развертыванием. Оно должно быть разработано с самого начала, а не добавлено после запуска.
Управление, которое отчитывается, но не контролирует. В большинстве программ есть руководящий комитет, который рассматривает отчеты о ходе работы, но часто ему не хватает дисциплины для принятия сложных решений или своевременного решения проблем неэффективных проектов. Например, одна медицинская организация, занимающаяся цифровизацией процесса найма персонала, создала руководящий комитет, который проводил ежемесячные заседания и рассматривал отчеты, но не имел реальных полномочий для перераспределения бюджета, изменения объема работ подрядчика или закрытия неэффективных направлений деятельности. По нашему опыту, именно такая модель обычно губит управление: комитеты получают отчеты о ходе работы, но не могут действовать на их основе, права принятия решений принадлежат спонсору проекта, который не присутствует на заседаниях, и слишком медленный график, позволяющий выявлять проблемы до того, как они усугубятся. К тому времени, когда проблема всплывает на квартальном обзоре, она уже возникла три спринта назад и ее решение обходится дорого.
План действий — это короткий, интенсивный этап, обычно от четырех до восьми недель, единственная цель которого — устранить неопределенность, которая в противном случае закрепится на этапе реализации. Это не презентация стратегии и не упражнение по выбору поставщика. Это также не предварительный этап перед настоящей работой; скорее, это и есть настоящая работа, и ее необходимо выполнять в правильной последовательности. Представленный здесь план действий вписывается в более широкий контекст исследований McKinsey о том, как компаниям необходимо перестраиваться для новой эры искусственного интеллекта.
Экспозиция освещает шесть компонентов:
Данные подтверждают то, что уже чувствуют специалисты-практики. Исследование McKinsey показывает, что 88% организаций регулярно используют ИИ, но только 39% сообщают о влиянии на прибыль до вычета процентов и налогов на уровне предприятия. Даже при увеличении расходов, расширении набора инструментов и проведении пилотных проектов большая часть ценности остается невостребованной.
По сути, проблема не в технологиях. Предприятия были созданы для людей и детерминированного программного обеспечения, а не для систем, способных принимать решения и действовать. Сейчас компании внедряют агентные системы в работу, которая изначально не была рассчитана на такую автономию. Агенты не терпят неудачу незаметно. Они мгновенно и в больших масштабах усиливают каждый недостаток в базовой операционной системе. Организации, получающие непропорционально большую выгоду, действуют иначе. Скорость для них менее важна, чем тщательность. Они рассматривают агентный ИИ как систему, которую нужно проектировать, а не как инструмент для внедрения.
И начинается всё с плана. В этой статье мы описываем элементы этого плана, как они взаимодействуют и могут быть реализованы, а также основные преимущества такого подхода. Важность плана мы иллюстрируем примерами, с которыми сталкивались на практике.
Распространенные ошибки при интеграции ИИ-агентов
На основе нашей работы по внедрению ИИ-технологий в течение последнего года мы выявили пять типов ошибок, характерных для многих компаний, стремящихся интегрировать агентов ИИ.
Автоматизация неработающих процессов вместо их перепроектирования. Агенты не исправляют недостатки рабочих процессов, а усугубляют их. Наш опыт показывает, что высокоэффективные организации значительно чаще кардинально перестраивают рабочие процессы с использованием ИИ, а не просто накладывают технологии поверх неизменных операций. Большинство организаций по-прежнему поступают именно так.
Решение задачи готовности данных на более позднем этапе. Для организаций, испытывающих трудности с внедрением агентного ИИ, данные существуют, но не являются авторитетными. Системы интегрированы в теории, но фрагментированы на практике. Агенты обнаруживают это в первый день эксплуатации, а не на этапе планирования. К тому времени стоимость исправления проблемы измеряется месяцами, а не неделями. Одна глобальная компания в сфере медицинских технологий, разрабатывающая агентное решение для обслуживания клиентов, предполагала, что ее данные о клиентах интегрированы и чисты, но столкнулась с несоответствиями в системах контроля версий и другими недостатками данных в разных системах учета уже на этапе разработки. Исправление проблем в середине проекта добавило четыре-пять недель доработок, которые были бы выявлены в ходе аудита данных на этапе планирования.
Решение о том, что лучше — разработка или покупка, принимается до того, как станет понятна суть работы. Многие организации по умолчанию используют платформы сторонних поставщиков из-за скорости или разрабатывают собственные решения из-за гибкости, не имея четкого представления о том, что на самом деле требуется для выполнения работы. Решение закрепляется в процессе выполнения. За этим часто следуют дорогостоящие доработки. Одна крупная компания в сфере медицинских технологий использовала готовую платформу для развития своих возможностей в области ИИ, но быстро обнаружила, что она не поддерживает несколько основных правил сопоставления данных. Вместо того чтобы разрабатывать собственную логику, необходимую для устранения этого пробела, команда спланировала все так, чтобы успеть к дате запуска. В результате около 30% запланированной ценности остались нереализованными.
Недостаточное инвестирование в управление изменениями. Технически совершенные системы, которые никто не использует или используют неправильно, не приносят никакой пользы. Внедрение не следует за развертыванием. Оно должно быть разработано с самого начала, а не добавлено после запуска.
Управление, которое отчитывается, но не контролирует. В большинстве программ есть руководящий комитет, который рассматривает отчеты о ходе работы, но часто ему не хватает дисциплины для принятия сложных решений или своевременного решения проблем неэффективных проектов. Например, одна медицинская организация, занимающаяся цифровизацией процесса найма персонала, создала руководящий комитет, который проводил ежемесячные заседания и рассматривал отчеты, но не имел реальных полномочий для перераспределения бюджета, изменения объема работ подрядчика или закрытия неэффективных направлений деятельности. По нашему опыту, именно такая модель обычно губит управление: комитеты получают отчеты о ходе работы, но не могут действовать на их основе, права принятия решений принадлежат спонсору проекта, который не присутствует на заседаниях, и слишком медленный график, позволяющий выявлять проблемы до того, как они усугубятся. К тому времени, когда проблема всплывает на квартальном обзоре, она уже возникла три спринта назад и ее решение обходится дорого.
Разработка тщательно продуманного плана
План действий — это короткий, интенсивный этап, обычно от четырех до восьми недель, единственная цель которого — устранить неопределенность, которая в противном случае закрепится на этапе реализации. Это не презентация стратегии и не упражнение по выбору поставщика. Это также не предварительный этап перед настоящей работой; скорее, это и есть настоящая работа, и ее необходимо выполнять в правильной последовательности. Представленный здесь план действий вписывается в более широкий контекст исследований McKinsey о том, как компаниям необходимо перестраиваться для новой эры искусственного интеллекта.
Экспозиция освещает шесть компонентов:
- проблему, которую необходимо решить;
- решение, которое необходимо разработать;
- обеспечение бизнес-процессов; технологическую и информационную основу;
- план реализации и выполнения;
- управление, которое необходимо обеспечить.
Ключевые шаги решения проблемы:
- Задокументировать текущие сценарии взаимодействия (customer journeys), процессы и рабочие потоки, создав единый достоверный источник информации
- Выявить критические моменты, «болевые точки» и возможности для дифференциации
- Оценить влияние на бизнес в количественном выражении и определить приоритетность наиболее ценных возможностей
- Сформулировать видение целевых сценариев взаимодействия и принципов организации работы
- Определить, какие сценарии, процессы и рабочие потоки подлежат переработке
Результаты.
Четко сформулированная проблема, которую необходимо решить. Она включает в себя проверку того, как работа фактически выполняется, количественно обоснованные бизнес-кейсы для приоритетных возможностей, а также определенный набор формулировок проблем с указанием ответственных лиц и гипотез о ценности.
Решение, которое стоит разработать. Это предполагает перепроектирование рабочих процессов с агентами в центре. Требуется четкая логика принятия решений, определяющая, какие решения могут принимать агенты, на основе которых они могут действовать и которые могут передавать на рассмотрение вышестоящим инстанциям, проверенная с помощью прототипов, с формальным описанием объема работ в документах с бизнес-требованиями и требованиями поставщика, определяющих минимально жизнеспособный продукт (MVP), и планом развития функций, последовательно охватывающим этапы проверки концепции (PoC), MVP и масштабирования.
Операционная модель, позволяющая бизнесу адаптироваться к изменениям. Четкое перераспределение ролей, перепроектирование ответственности, совместное проектирование управления изменениями с технической реализацией с первой недели, а также влияние сторонних организаций и аутсорсинга бизнес-процессов (BPO) — все это учитывается до того, как станет неожиданностью в рамках контракта. Это формирует основу для обеспечения эффективности бизнеса.
Техническая база, способная поддерживать развертывание агентного ИИ. Она включает в себя оценку текущего состояния технологий и данных, выявленные до начала разработки требования к исправлению ошибок, а также четкие решения о том, что лучше — разрабатывать или покупать, — принимаемые на основе реальных критериев.
План реализации, который определяет последовательность создания ценности, а не просто выполнения действий. Он описывает путь от PoC до MVP, производства и масштабирования, с контрольными точками принятия решений, привязанными к реализации ценности и ясности в отношении ресурсов, еще до начала первого спринта.
Управление, которое контролирует программу, а не просто отчитывается о ней. План действий подробно описывает реальные права принятия решений, реальные пути эскалации, дисциплинарные меры в отношении одобрения/отклонения проекта, а также ключевые показатели эффективности (KPI), отслеживающие внедрение и реализацию ценности, а не только саму деятельность по развертыванию.
Получение преимуществ от интеграции агентного ИИ на основе разработанного плана
Учитывая нехватку времени при внедрении агентного ИИ, четыре-восемь недель, которые, по нашему опыту, требуются для составления плана, могут показаться отвлекающим фактором в тот момент, когда совет директоров ожидает результатов. Однако наша работа с клиентами показывает, что, наоборот, это время потрачено с пользой: план является важным фактором создания ценности. Здесь мы выделяем четыре преимущества.
Более быстрая разработка. Разработчики, имеющие техническое задание, включающее четкие схемы рабочих процессов, явную логику принятия решений и проверенные требования, выпускают продукт быстрее и с меньшим количеством циклов доработки. По нашему опыту, программы, разработанные на основе технического задания, сокращают общее время сборки на 30–40%.
Более высокая реализация ценности. По нашему опыту, поэтапное внедрение и тщательная перестройка рабочих процессов неизменно позволяют раскрыть значительно больший потенциал программы в первый год по сравнению с программами, которые сразу переходят к этапу разработки. Например, компания, работающая в сфере медицинских технологий, которая поэтапно внедрила программу, отдавая приоритет наиболее ценному рабочему процессу, уже в первый год демонстрирует темпы реализации ценности выше целевого, опережая запланированные сроки.
Снижение рисков инвестиций. Планирование выявляет пробелы в качестве данных, архитектурные конфликты и подводные камни операционной модели до того, как они приведут к сбоям в производстве. Например, одна компания, проводившая подобный этап планирования, обнаружила, что ее данные от сторонних поставщиков хранились в разрозненных средах без общего уровня потребления, из которого агент мог бы постоянно получать данные. Выявление этого пробела до начала разработки позволило команде определить объем работ и внедрить уровень потребления в рамках плана, а не обнаруживать его в процессе разработки.
Более высокий уровень внедрения. Программы, в которых управление изменениями разрабатывается совместно с технической реализацией с первой недели, а не рассматривается как проблема запуска, неизменно демонстрируют повышение уровня внедрения среди пользователей на 40–60% через шесть месяцев. Проблема внедрения редко связана с самой технологией. Почти всегда это происходит из-за отсутствия целенаправленного проектирования с учетом потребностей людей и процессов.
* * *
Окно возможностей для экспериментов без последствий закрыто. Советы директоров сокращают финансирование программ, которые не могут продемонстрировать отдачу. Организации, которые вырвутся вперед, не обязательно будут теми, кто быстрее всего внедрит агентов. Они будут теми, кто быстрее всего перепроектирует свою работу для мира, в котором люди и машины все чаще делят между собой суждения и действия. Перепроектирование начинается с разработки плана. Этап разработки плана, длящийся от четырех до восьми недель, — это не задержка. Это разница между программой, которая развивается, и программой, которая фрагментируется. Если ваша программа по внедрению агентного ИИ масштабирует пилотные проекты без четкого определения проблемы, перепроектированного рабочего процесса, честной оценки данных и последовательного плана реализации, вы можете столкнуться с препятствием. Поэтому остановитесь и сначала разработайте план. Все остальное зависит от него.
Источник
Увеличение шансов на успех: план успешного масштабирования агентного ИИ. 14 сентября 2026 г. Дамиан Левандовски, Оана Чета, Венки Анант
Stacking the odds: A blueprint for successfully scaling agentic AI
https://www.mckinsey.com/capabilities/operations/our-insights/stacking-the-odds-a-blueprint-for-successfully-scaling-agentic-ai
Stacking the odds: A blueprint for successfully scaling agentic AI
https://www.mckinsey.com/capabilities/operations/our-insights/stacking-the-odds-a-blueprint-for-successfully-scaling-agentic-ai
Комментариев нет:
Отправить комментарий