Пока одни искренне убеждены, что искусственный интеллект — это мыльный пузырь, который вот-вот лопнет, другие с нетерпением ждут, когда роботы заменят часть сотрудников. Ни одна из этих «удобных» позиций ни на йоту не приближает нас к ответу на главный вопрос: где в компании эта технология могла бы работать уже сейчас?
Где ИИ «не работает»
По тому, как люди реагируют на распространение ИИ, можно судить об их отношении к новизне в целом. Как бы нас ни призывали сначала включать критическое мышление, а уже потом адаптироваться, на практике большинство всё равно выбирает одну из этих крайностей. Это и мешает увидеть, где технология реально может быть полезна в работе.
Несмотря на скептицизм, витающий вокруг этой темы, очевидно: если раньше ИИ в основном использовали в математике и ИТ, то сегодня он постепенно проникает в разные сферы. Как показывает исследование рынка труда от Anthropic, дело не столько в отраслях, сколько в задачах — технология начинает забирать на себя отдельные виды деятельности внутри работы, и за счёт этого расширяются области её применения.
Тем не менее, хватает сегментов, где до внедрения ещё далеко. И в этом смысле важно различать capability и deployment — потенциал технологии и то, насколько он реализуется на практике.
Источник: Anthropic
В сферах, где доминирует физический труд, capability действительно ограничен. Но это не означает, что в стройке, сервисе или в агросекторе ИИ неприменим, речь о другом: эти отрасли в целом медленнее перестраивают процессы и с осторожностью относятся к новым технологиям. При этом «под капотом» здесь спрятано большое количество административной работы. Значительная часть этой бюрократической машины работает по инерции по одной простой причине — «так исторически сложилось». В итоге проще объяснить ситуацию «консервативностью отрасли» или «техническими барьерами», чем разбирать саму конструкцию работы.
Например, в стройке, как и в агросекторе, основной потенциал оптимизации скрыт не в физическом труде, а в том слое, который его окружает: переписка, протоколы, сметы, проектная документация, закупки, разборы инцидентов — это огромный объём координационной и административной работы, которая создаёт значительные транзакционные издержки. По оценке Autodesk и FMI, от 30% до 50% данных в строительных проектах неполные или противоречивые. Из-за большого количества кросс-функциональных взаимодействий на стыках постоянно возникают ошибки, наслоения и путаница. В результате в 2020 году «плохие данные» обошлись индустрии в $1,8 трлн, из которых около $88 млрд ушли на переделки.
Можно подумать, что это там, на Западе, но в России ситуация не лучше. Более того, наша операционная модель в строительстве требует пересмотра. Долгое время значительная часть «управления» фактически происходила через мессенджеры: фрагменты проектной документации, договорённости, правки — всё передавалось в чатах. И хотя формально требования к работе с данными ужесточаются, подход остаётся тем же: данные «оседают» в переписке и в головах, вместо того, чтобы фиксировать их в системе. В такой модели их невозможно анализировать и использовать для принятия решений.
Детектор бессмысленной работы
По данным McKinsey, строительная отрасль десятилетиями стагнирует по производительности труда: если в других секторах рост достигает 50%, то в этой сфере — около 10%. Но это не означает, что потенциала для изменений нет. И здесь мы возвращаемся к вопросу внедрения ИИ. Полезно смотреть на технологию не через привычную узкую рамку: «Заменит ли ИИ сварщика?» — ответ, кажется, очевиден, а через более практичную перспективу: что именно он может сделать с «обвязкой» работы специалиста — теми задачами, которые окружают основной труд
Если перевести это на более прикладной язык, первый шаг — оценить capability внедрения ИИ по всем подразделениям компании. При этом важно смотреть не на профессии, а на контур задач. Всё, что связано с координацией, аналитикой, документооборотом, как правило, имеет высокий потенциал для внедрения. Как отмечает Anthropic, лучше всего автоматизируются не узкие технические операции, а деятельность на стыке анализа, коммуникации и учёта. Та самая «невидимая» работа, которая съедает значительную часть времени и при этом почти не ценится.
Второй шаг — проанализировать текущие потери. Не прикидывать «на глаз», а зафиксировать, сколько времени уходит на обработку сметы, подготовку протокола разногласий, создание дополнительного соглашения и другие операции. В этой точке обычно становится понятно, где технология действительно может дать эффект.
Если честно подойти к этой кропотливой работе и детально разобрать процессы под внедрение ИИ, может оказаться, что значительная часть задач вообще не нуждается в автоматизации просто потому, что они не создают ценности. Это действия, которые повторяются из раза в раз, потому что кто-то когда-то так решил. В этом смысле ИИ не только оптимизирует процессы, но и вскрывает их бессмысленность: лишние согласования, дублирование функций, избыточная отчётность — всё это скрытые потери, которые напрямую влияют на производительность и расходы.
И уже от этого можно отталкиваться и двигаться дальше — к пересборке операционной модели и корректировке стратегии.
В такой картине мира ИИ становится не «серебряной пулей» и не машиной, способной уничтожить человечество, а инструментом, который помогает увидеть, как на самом деле устроена работа.
Наверняка будут те, кто скажет: «У нас это не применимо». Но, как показывает практика, подобное заявление редко связано с технологией. Это почти всегда про процессы, которые не описаны, не структурированы и где размыта ответственность. В такой системе невозможно понять, где технология может дать эффект — и тогда «некуда встраивать» быстро превращается в «не применимо».
Да, находить транзакционные издержки, бессмысленные действия и дублирование функций гораздо скучнее, чем играть в корпоративный театр инноваций, или, наоборот, громче всех кричать, что ИИ — это от лукавого. Но вдолгую выиграют не мечтатели и не хейтеры, а те, кто системно наводит порядок в работе и шаг за шагом встраивает технологии в реальный контур процессов.