За короткое время я побывал на трёх очень разных мероприятиях. «ПроцессТех» — люди, которые занимаются процессным управлением. День рождения Московской школы управления СКОЛКОВО — бизнес, предприниматели, руководители. И «Подмосковные вечера» — IT-конференция, много IT-директоров.
Аудитории разные. И мне было интересно услышать, как на всех трёх площадках разговор всё чаще выходил на один вопрос: как мы организуем работу и какой результат получаем.
На «ПроцессТехе» я и выступал, и слушал коллег. Запомнилась мысль о том, сколько у нас ещё нереализованной производительности. Возможности есть, технологии есть, а до результата доходит далеко не всё.
В СКОЛКОВО, где я участвовал как эксперт и проводил гостиную, мне было особенно интересно слушать Германа Грефа. Для себя я выделил мысль о людях, способных доводить задуманное до реализации. И ещё — о методологической школе принятия решений и управления, которая была сильна в Советском Союзе и которую нужно восстанавливать. Пересказываю здесь то, что мне запомнилось, своими словами.
А на «Подмосковных вечерах» меня порадовало, что даже в IT-среде инструменты занимали далеко не всё место в разговоре. Обсуждали применение, организацию работы, результат.
Для меня это очень хороший сдвиг. Последние два года я постоянно говорю об одной связи: в современном цифровом мире производительность труда растёт прежде всего за счёт повышения производительности интеллектуальной работы. Об этом и моя первая книга «Цифровое мышление: как строить процессы, чтобы ИИ стал стратегическим преимуществом».
За тем, как работает производство, как продаётся продукт, как движется товар, стоят чьи-то решения. Кто-то спроектировал работу, разобрался в ситуации, сопоставил данные, договорился, нашёл ошибку. От скорости и качества этой интеллектуальной работы зависит очень многое, в том числе работа вполне физических цехов и складов.
И я рад, что этот разговор становится шире. Теперь можно пойти дальше. Потому что здесь возникает интересный, местами даже неприятный вопрос: если машина начинает брать на себя интеллектуальную работу, что тогда потребуется от нас?
На первый взгляд ответ очевиден. Нам станет легче. Часть работы отдали, время освободили.
Но давайте посмотрим чуть глубже.
Представьте кухню, перед которой стоит задача повысить производительность. Или предложить гостям что-то новое. Как мы вообще будем на неё смотреть?
Есть повар. Есть продукты, у которых свои свойства: свежесть, вкус, температура, срок хранения. Есть холодильник, где они лежат. Есть ножи, плита, комбайн. Есть рецепты, навыки приготовления, правила работы. Есть заказ и человек, который ждёт готовое блюдо.
Причём всё это связано. Конкретный продукт нужно определённым образом хранить. Для его обработки нужен подходящий инструмент. Чтобы им воспользоваться, нужен навык. А выбор того, что делать, зависит от блюда, которое мы хотим получить, и от того, что сейчас происходит на кухне.
Повар может уйти, а кухня останется. Другой повар придёт в ту же среду, но результат может оказаться совсем другим. Значит, дело одновременно и в устройстве кухни, и в том, кто умеет на ней работать.
Теперь посмотрим, что делает сам повар. Он получает запрос. Понимает, что за ним стоит. Выбирает продукты, определяет последовательность действий, берёт инструменты. По ходу пробует, проверяет, меняет решение. Соус оказался слишком густым — нужно скорректировать. Продукт закончился — подумать, чем заменить и допустима ли вообще замена.
Это живая работа с обратной связью. У повара есть представление о результате, но путь к нему приходится уточнять.
Как мы раньше повышали производительность такой кухни? Например, покупали комбайн. Раньше повар нарезал руками, теперь часть операции выполняет машина. Быстрее, удобнее, больше объём.
В бизнесе мы много лет делали похожие вещи. Создавали программы, внедряли учётные системы, автоматизировали целые участки. Масштаб мог быть огромным. Но нам нужно было достаточно точно описать правила: что система получает, что с этим делает, что выдаёт.
А человек продолжал связывать всё это между собой. Он понимал, когда какой инструмент нужен. Разбирался, почему сведения не сходятся. Решал, чего не хватает и куда пойти дальше. Иногда эта работа занимала больше времени, чем сами операции в программах.
На кухне комбайн прекрасно режет. Но кто-то должен решить, что в него положить, зачем это нарезать и что потом делать с результатом.
И вот здесь с агентами появляется существенное изменение. Теперь мы можем передать машине часть работы самого повара. Понимание запроса, выбор инструмента, последовательность действий, проверку промежуточного результата, корректировку следующего шага.
Иногда это называют оркестрацией. Если сказать проще — кто-то должен всё время решать, что делать дальше. Раньше в неоднозначных ситуациях этим «кем-то» почти всегда был человек. Теперь часть таких решений может принимать агент.
Но для этого ему нужна своя кухня.
Одной модели недостаточно. Нужны данные, инструменты, знания о том, как работать, ограничения и возможность увидеть результат своих действий. Если повар не может открыть холодильник, наличие продуктов мало помогает. Если ему не дали попробовать блюдо, непонятно, как он должен исправить вкус. С агентами та же логика: нужно организовать доступ к необходимому и обратную связь.
Прежние инструменты при этом продолжают работать. Комбайн остаётся комбайном. Учётная система хранит данные, алгоритм считает, таблица помогает их сопоставить. Просто пользоваться ими на определённом участке теперь может агент.
Попробуйте так посмотреть на собственную работу. Допустим, вы говорите: «Мне нужен аналитический отчёт».
А какой? Для какого решения? Какие сведения должны в нём появиться? Где их взять? Что делать, если источники противоречат друг другу? Как понять, что вывод обоснован? В какой момент нужно вернуться к человеку и задать вопрос?
Вот мы уже начали описывать устройство работы. Видим исходные материалы, инструменты, необходимые знания, требования к результату и связи между ними. Теперь можно решать, что поручить агенту, что посчитать обычным алгоритмом, а где потребуется человек.
Собственно, за готовым отчётом всё это было и раньше. Только мы видели файл, а значительная часть работы оставалась в голове эксперта. Почему он выбрал эти данные? На что обратил внимание? Как понял, что здесь ошибка? Именно с этим слоем я работаю в методе скрытых артефактов. Чтобы передать такую работу, нужно сначала хотя бы самому увидеть, из чего она состоит.
А дальше кухня начинает расти.
На ней несколько поваров. У каждого свои навыки, свои задачи. Теперь среди исполнителей появляются агенты. И нужно понять, как они будут работать вместе с людьми. Кто получает заказ? Кто готовит исходные данные? Что передаётся следующему участнику? Кто проверяет? Что происходит, если результат не подходит?
Можно поставить очень быстрого повара на один участок и обнаружить, что гости по-прежнему ждут. Он приготовил свою часть за минуту, а дальше она полчаса стоит. В компании точно так же: агент за несколько минут собрал материалы, а потом они две недели лежат на согласовании.
Мы ускорили исполнителя. Теперь нужно разобраться со всей работой.
И это уже задача руководителя: увидеть, где ограничение, как распределить работу, какие передачи нужны, где принимаются решения. У людей при этом есть опыт, мотивация, отношения, интересы. У агентов — доступы, знания, ограничения и свои характерные ошибки. Всё это нужно собрать так, чтобы получался результат.
Здесь и появляется человеко-агентская система. За её устройство и за то, что она делает в бизнесе, отвечают люди.
Но есть ещё один поворот, который легко пропустить.
В самом начале возникает почти восторг: я могу делать то, что раньше было для меня слишком дорогим или долгим. Раньше нужно было собрать нескольких специалистов, поставить задачи, дождаться. Теперь часть этого можно сделать самому с агентами. Собрать отчёт, связать системы, написать программу, проверить идею.
И это реальное преимущество. Можно взять привычную задачу и решать её быстрее и дешевле конкурентов, которые работают по-старому. На этом вполне можно строить бизнес. Сколько продлится преимущество, зависит от конкретного рынка и от того, как хорошо вы организовали работу.
Иллюзия возникает чуть позже — когда кажется, что теперь так будет всегда.
Потому что вслед за радостью приходит другая мысль: подождите, если я теперь могу сделать это настолько быстрее, другие тоже смогут. А что тогда останется моим преимуществом? За что будут платить мне?
Вот здесь и становится неуютно. Технология только что расширила твои возможности — и она же заставляет заново задуматься о ценности собственной работы.
Пока другие не перестроились, разница в скорости может быть огромной. Но если все научились быстро делать примерно одно и то же, придётся искать следующий ход. Что теперь предложить? Какую задачу решить? Что стало возможным из того, за что раньше мы даже не брались?
На нашей кухне можно быстрее готовить прежнее меню. А можно увидеть возможность открыть совсем другой формат, обслужить другую аудиторию, предложить то, что раньше не сходилось по цене или сложности. Но кто-то должен это придумать, проверить и организовать.
Причём больше произведённого ещё не означает больше нужного. Если гости готовы покупать больше, производительность позволяет обслужить их той же командой. Если спрос не растёт, возникают другие решения: менять предложение, улучшать качество, перераспределять работу. Где-то может снизиться потребность в сотрудниках. Сам по себе агент не создаёт спрос на наш результат.
Поэтому вопрос замысла становится очень практическим. Что мы хотим получить, кому это нужно и почему человек выберет нас?
И одного замысла тоже мало. Можно прекрасно придумать, как всё должно работать. А потом выясняется: данных нет, доступ никто не выдал, люди не договорились, результат некому проверить. На картинке система есть, в жизни ничего не происходит.
Нужно уметь довести до реализации. Договориться с людьми, собрать необходимое, запустить, увидеть ошибки, переделать. Проверить, что всё это даёт полезный результат и что затраты на проверку не съели весь выигрыш.
Для меня именно здесь очень высокая ценность человека: придумать и суметь осуществить задуманное. С учётом технологий, людей, экономики и реальных ограничений.
При этом нужно учиться выстраивать систему. Если я каждый раз лично соединяю все куски, вытаскиваю каждую задачу, держу все правила в голове, рост снова упирается в меня. Даже если теперь у меня десять агентов.
Хочется, чтобы участники могли получать нужные сведения, передавать понятный результат, замечать проблемы и обращаться ко мне там, где действительно требуется моё решение. Чтобы работа воспроизводилась. А я мог её развивать.
И вот теперь вернёмся к вопросу: нам придётся меньше думать?
В отдельных задачах — да. Что-то перестанет требовать нашего внимания. Но воспользоваться освободившимися возможностями — отдельная интеллектуальная работа. Нужно шире смотреть, больше понимать, учиться организовывать то, что раньше ты вообще не мог организовать.
Гуманитарию здесь потребуется разобраться в устройстве технологий. Где лежат данные? Как системы обмениваются ими? Что агенту доступно? Как он узнаёт, что произошло после его действия? Что можно проверить автоматически?
Не всем нужно становиться разработчиками. Но понимать устройство своей кухни всё-таки придётся. Иначе даже хороший замысел трудно оценить: это вообще можно сделать? Что для этого потребуется? Где мы зависим от другого человека, а где можем справиться сами?
Техническому специалисту, в свою очередь, придётся глубже разбираться в том, зачем всё это делается, кому нужен результат и как люди будут с ним работать. Возможность быстро собрать решение делает вопрос о его смысле ещё более важным.
И всем нам нужно учиться видеть собственную интеллектуальную работу. За словами «я анализирую», «принимаю решение», «готовлю предложение» различать конкретные знания, действия, промежуточные результаты. Объяснять, что важно и как проверяется качество. Передавать другим то, что раньше держали только у себя в голове.
Это требует усилий. Иногда очень серьёзных. Рост возможностей искусственного интеллекта предъявляет новые требования к нашему естественному интеллекту. Мы получаем возможность сделать больше — и должны научиться этой возможностью пользоваться.
Именно эти навыки мы и стараемся развивать. Через книги, через практику, через интенсивы. На разных уровнях объясняем, как устроена интеллектуальная работа, как сделать знания доступными, как собрать совместную деятельность людей и агентов. Эти вопросы я продолжаю разбирать и во второй книге — «Цифровое знание: как строить процессы, чтобы ИИ стал стратегическим преимуществом».
Где-то начинаем с кухни и повара. Где-то берём реальную задачу участника и разбираемся, что скрывается за её результатом. Потом пробуем собрать решение и смотрим, что получилось. Человек постепенно начинает видеть, как он может организовать собственную работу иначе, и получает опыт доведения идеи до результата.
Поэтому меня так порадовали эти три мероприятия. Люди из процессного управления, бизнеса и IT всё чаще сходятся на вопросе производительности. Для меня это возможность продолжить разговор, который я веду последние два года: как через повышение производительности интеллектуальной работы изменить результат всей деятельности.
И дальше нам предстоит самим научиться работать на этом уровне. Формулировать замысел, понимать возможности, собирать систему и доводить её до результата. В этом суть наших интенсивов. Ради этого мы всё и делаем.
Комментарии (0)