Во время посещения сайта Вы даете согласие с использованием файлов cookie, которые сайт использует для корректной работы, а также аналитические и маркетинговые cookie-файлы. Подробнее вы можете прочитать в Политике обработки персональных данных.
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Обязательные cookies
Всегда включены. Эти файлы cookie необходимы для того, чтобы вы могли пользоваться веб-сайтом и его функциями. Их нельзя отключить. Они устанавливаются в ответ на ваши запросы, такие как настройка параметров конфиденциальности, вход в систему или заполнение форм.
Аналитические cookies
Disabled
Эти файлы cookie собирают информацию, чтобы помочь нам понять, как используются наши веб-сайты или насколько эффективны наши маркетинговые кампании, или чтобы помочь нам настроить наши веб-сайты под вас. Смотрите список используемых нами аналитических файлов cookie здесь.
Рекламные cookies
Disabled
Эти файлы cookie предоставляют рекламным компаниям информацию о вашей онлайн-активности, чтобы помочь им предоставлять вам более релевантную онлайн-рекламу или ограничить количество просмотров рекламы. Эта информация может быть передана другим рекламным компаниям. Смотрите список рекламных файлов cookie, которые мы используем здесь.

Почему рост производительности
ИИ не гарантирует повышения эффективности управления

Искусственный интеллект радикально изменил скорость интеллектуальной работы.

Аналитические справки, отчёты, проекты договоров, презентации и варианты решений, на подготовку которых раньше уходили часы или дни, теперь могут создаваться за минуты.

Компании получают возможность производить значительно больше информации при меньших затратах. Казалось бы, это должно автоматически повышать эффективность работы: сотрудники быстрее выполняют задачи, руководители раньше получают необходимые материалы, а решения принимаются оперативнее.
Кресла стоят вокруг круглого стола связаны световой линией
Однако скорость создания информации увеличивается значительно быстрее, чем способность человека осмысленно
её проверять и использовать.

ИИ может подготовить десятки вариантов решения за время, необходимое специалисту для изучения одного из них, но скорость подготовки материала ничего не говорит о его достоверности, применимости и качестве выводов. 

В результате ограничение, которое раньше находилось на этапе производства информации, постепенно перемещается на этап её оценки.

Когда производительность перестаёт означать экономию времени

Представим руководителя, которому необходимо оценить перспективы нового проекта.

Раньше для этой задачи аналитическая группа несколько дней собирала данные, сравнивала предложения, рассчитывала сценарии и готовила итоговый документ. Значительная часть предварительной работы выполнялась до того, как материалы попадали к руководителю.

Теперь же с помощью ИИ можно за короткое время подготовить сразу несколько сценариев, сравнить десятки параметров, получить альтернативные расчёты и сформировать подробные рекомендации.

Объём доступной аналитики увеличился, но руководителю по-прежнему необходимо проверить исходные предпосылки, разобраться
в противоречиях, оценить ограничения и определить, какие выводы заслуживают доверия. Причём чем сложнее задача, тем больше интеллектуальных усилий может потребоваться для такой проверки.

Ошибку в расчёте иногда обнаружить сравнительно просто. Гораздо труднее заметить неверную причинно-следственную связь, неподходящую аналогию или вывод, который выглядит убедительно, но не следует из представленных данных.

Получается двоякая ситуация: ИИ способен выполнить работу, на которую раньше потребовались бы усилия нескольких специалистов,
но оценка полученного результата может по-прежнему требовать значительного времени одного высококвалифицированного человека.

Так компания может увеличить скорость производительность подготовки информации, но не обязательно сократит время, необходимое
для принятия обоснованного решения.

Ограничение находится не только в компетентности

Обсуждая риски применения ИИ, часто говорят о необходимости повышать квалификацию сотрудников. Предполагается, что компетентный специалист сможет правильно оценивать результаты работы алгоритмов, а недостаточно подготовленный будет допускать ошибки.

Важно учесть, что это объясняет лишь часть проблемы. Даже специалист, прекрасно понимающий предмет, располагает ограниченным временем, вниманием и способностью сохранять концентрацию. Он может качественно проверить десять документов, но это не означает, что за то же время сможет с аналогичной глубиной проверить сто. При этом повышение квалификации не устраняет физического ограничения объёма информации, который человек способен осмысленно обработать. 

Так возникает разрыв между производительностью системы, создающей материалы, и пропускной способностью системы, отвечающей
за их проверку. Если организация не учитывает этот нюанс, она сталкивается с двумя последствиями — либо результаты ИИ накапливаются в ожидании проверки, либо сотрудники начинают сокращать её глубину, чтобы справиться с возрастающим потоком.

В первом случае исчезает часть ожидаемой экономии времени. Во втором возникает риск снижения качества работы.
Но означает ли это, что каждый результат искусственного интеллекта необходимо проверять вручную?

Не вся информация требует одинакового внимания

Автоматическая расшифровка встречи, стандартное письмо подрядчику и аналитическое обоснование крупной инвестиции могут быть подготовлены с использованием одних и тех же технологий, однако последствия ошибок в этих материалах совершенно различны — неточная формулировка во внутренней рабочей заметке может не повлиять на дальнейшие действия, а ошибка в договорном обязательстве, финансовом расчёте или обязательной маркировке рекламы способна привести к дополнительным расходам, нарушению сроков или юридическим последствиям.

Следовательно, проблема заключается не только в количестве создаваемой информации, но и в том, что разные результаты требуют разной глубины проверки.

Если организация пытается контролировать всё одинаково тщательно, она расходует ограниченное внимание специалистов на материалы, которые не имеют существенных последствий. Если же проверка сокращается без учёта значимости информации, критически важные ошибки могут остаться незамеченными.

Поэтому увеличение производительности ИИ требует изменения подхода к контролю как такового. Необходимо различать материалы, которые можно проверять автоматически по установленным правилам, результаты, требующие выборочной проверки или контроля исключений, и решения, для которых необходим глубокий профессиональный анализ.

При этом требования к проверке зависят не только от стоимости возможной ошибки, но и от её обнаруживаемости. Даже сравнительно простая операция может требовать дополнительного контроля, если ошибка способна незаметно повториться в большом количестве документов.

Почему дополнительная автоматизация не всегда решает проблему

На первый взгляд выход очевиден: если человек не успевает проверять результаты ИИ, проверку тоже следует поручить искусственному интеллекту. Такие инструменты действительно могут выявлять несоответствия, сопоставлять документы, проверять обязательные реквизиты, обнаруживать расхождения в данных и сокращать объём ручной работы.

Но автоматическая проверка не всегда равнозначна независимому подтверждению правильности результата. Если несколько моделей используют одинаковые ошибочные исходные данные или неверно понимают поставленную задачу, их согласие ещё не доказывает достоверность вывода.

Поэтому важно различать проверку соответствия установленным требованиям и оценку обоснованности самого решения. Первую задачу во многих случаях можно формализовать и автоматизировать. Вторая же, в свою очередь, может требовать понимания обстоятельств, ограничений, взаимосвязей и возможных последствий, которые не полностью отражены в исходных материалах.

Вместо бесконечного наращивания количества проверяющих алгоритмов организации необходимо определять, какие результаты могут использоваться после автоматизированного контроля, а какие требуют дополнительной профессиональной оценки.

Как меняется организация интеллектуальной работы

Традиционно компания распределяет задачи между сотрудниками исходя из объёма необходимой работы и имеющихся ресурсов.
С развитием ИИ меняется структура этого распределения.

Подготовка документа, сбор информации и формирование предварительных вариантов могут занимать всё меньше времени.
Но оценка существенных отклонений, проверка сложных выводов и анализ последствий по-прежнему требуют внимания квалифицированных специалистов.

Это означает, что компании недостаточно измерять количество созданных материалов или скорость выполнения отдельных операций.

Также необходимо учитывать, сколько результатов действительно используется в работе, какой объём проверки они требуют и не возникает ли новое ограничение на этапе согласования и оценки, иначе организация рискует столкнуться с парадоксом: производительность отдельных сотрудников значительно выросла, но общий процесс не ускорился, поскольку увеличилась нагрузка на тех, кто проверяет
и утверждает результаты.

В такой системе ценность приобретает не способность произвести максимальное количество информации, а возможность направить необходимое внимание именно туда, где от качества проверки зависит дальнейший результат.

Информация должна входить в процесс с понятной ролью

Для организации, использующей ИИ, становится важным не только содержание созданного материала, но и его назначение. Один документ предназначен для предварительного обсуждения, другой содержит данные, требующие подтверждения, третий фиксирует
уже согласованное решение, а четвёртый может использоваться для запуска следующего этапа работы.
Если эти различия не определены, все материалы оказываются в общем информационном потоке, а необходимость устанавливать
их значение каждый раз ложится на сотрудников.

Мы рассматриваем документы как элементы взаимосвязанного процесса. Согласования, изменения, обязательства, взаимодействие
с подрядчиками и история решений фиксируются в единой информационной среде. Это позволяет сохранять статус информации, последовательность действий и контекст, необходимый участникам проекта.

Такая организация сама по себе не гарантирует достоверность результатов ИИ, но она разграничивает подготовительные материалы, информацию, требующую проверки, и утверждённые решения, от которых зависит дальнейшая работа.

По мере развития искусственного интеллекта именно это становится всё важнее. ИИ позволяет создавать больше информации
за меньшее время, но эффективность организации определяется не количеством произведённых материалов, а её способностью обеспечить необходимое качество их проверки и использования, не превращая человеческое внимание в постоянное узкое место.


Made on
Tilda