​Будущее менеджмента в эпоху ИИ. Пипл менеджеры vs Менеджеры моделей

Привет! Меня зовут Влад Прошинский, 8 лет запускаю и развиваю ИТ продукты в роли от Product Manager до CPO. Последние 12 месяцев изучаю как ИИ и LLM могут быть применимы в продуктах и бизнес-процессах. Я убежден, что внедрение ИИ даст компаниям большое преимущество.

В прошлой статье я давал оценку влияния ИИ на рынок труда, росту увольнений из-за распространения ИИ и трансформации рабочих мест.

В этой статье рассмотрим влияние на процессы управления людьми, процессами и самих менеджеров.

В 2024 году на работу начинают активно «выходить» Со-пилоты, ИИ агенты, которые могут выполнять часть работы вместо людей, и даже в некоторых случаях это делают лучше. Тренд на ИИ растет, растет и спрос на новый вид менеджеров — менеджеров моделей. Нанимать людей на выполнение задач становится «не модно», увольнения растут. Люди — прошлый век?

Что это такое и в чем тут суть? Новый вид менеджеров должен будет уметь распределять: КАКУЮ задачу или проект отдать нейросети и КАК описать, чтобы получить нужный результат. Какую работу можно поручить «условно дешевой» нейросети, а какую нет и перепоручить её «дорогому» человеческому труду.

В недавнем исследовании Work Trend Index Annual Report от Microsoft и LinkedIn, выделяется 4 типа сотрудников по их уровню владения ИИ:

Отчет по специалистам по ссылке , больше интересует отчет по менеджерам:

Владение навыками ИИ становится критически важным для современного рынка труда, особенно в управленческой сфере. Руководители признают необходимость интеграции ИИ в рабочие процессы и готовы пересматривать критерии найма в пользу кандидатов с соответствующими навыками. Однако, несмотря на признание важности ИИ, значительное число руководителей пока не готовы инвестировать в эти технологии, что может замедлить их внедрение в некоторых компаниях. Давайте сравним кто прав: новая или старая школа, по основным менеджерским параметрам.

Каждый пипл менеджер знает, что найм – это все. Если работу выполняют сотрудники, качество результатов будет прямым отражением их навыков и способностей. Способность адекватно оценивать навыки сотрудников и делегировать задачи людям, которые могут их выполнить, является важной компетенцией хорошего менеджера.

Менеджеру моделей нужно понимать как ту или иную работу будет выполнять нейросеть, какая лучше подойдет для решения той или иной задачи. Им понадобится возможность быстро оценить новые модели, которые они никогда раньше не использовали, чтобы определить, достаточно ли они хороши. Нужно будет знать, как разбивать сложные задачи между различными нейросетями, подходящими для каждой части работы, чтобы создать финальный результат высокого качества.

Оценка моделей сама по себе будет hard-навыком. Но есть основания полагать, что оценивать модели будет легче, чем людей, хотя бы потому, что первые легче тестировать. Нейросеть доступна днем и ночью, обычно она дешева, никогда не жалуется, не болеет, а мгновенно выдает результаты. Таким образом, менеджеры моделей будут иметь преимущество в освоении этих навыков, поскольку сегодняшние управленческие навыки сдерживаются относительными расходами на предоставление команды пипл менеджеру.

Пипл менеджеры, как правило, ограничены кол-вом исполнителей. Вспомните, как вы ставили задачу → получали результат → запрашивали 3 корректировки → снова получали результат, который вас... не устраивал → вы фрустрировали попросить переделать и соглашались на то, что есть. С нейросетями такой проблемы нет. Вы можете просить её переделать работу столько раз, сколько нужно. И это бесплатно (по крайней мере контекст сохранен, кол-во используемых токенов потребляется меньше). Это ещё одно преимущество.

Чем лучше будет сформулирован результат, тем больше вероятность того, что модель осуществит его должным образом. К счастью, языковые модели неплохо помогают людям выражать и совершенствовать свои запросы. Этот навык также будет востребован.

Опытные пипл менеджеры знают, когда и как вникать в детали. Они знают, какие вопросы задавать, когда проверять, а когда оставить все как есть. Они понимают, что если что-то сделано не так, как они бы это сделали, это не значит, что работа была сделана плохо. Знать когда и как вникать в детали, — навык, которому можно научиться, и, к счастью, языковые модели будут созданы для умной проверки в критические периоды, когда необходим контроль. Так что это не будет полностью зависеть от менеджеров моделей.

Пипл менеджеры вкладывают значительные ресурсы в обучение и развитие сотрудников: тренинги, курсы повышения квалификации, коучинг и менторинг. Время и усилия, затраченные на обучение, могут быть значительными, и результат не всегда гарантирован. А также не редко, сотрудник, прокачавший скилл, через несколько месяцев решает покинуть компанию.

Обучение моделей происходит значительно быстрее и эффективнее. Новые данные могут быть загружены в модель, и она быстро адаптируется к новым задачам. Процесс дообучения нейросетей является автоматизированным и часто менее затратным по сравнению с обучением людей.

Пипл менеджерам (совместно с HR), чтобы поддерживать на плаву мотивацию сотрудников необходим комплексный подход: финансовые поощрения, признание заслуг, карьерный рост, благоприятная рабочая среда и корпоративная культура. И это нужно делать регулярно, иначе будет расти текучесть кадров.

Нейросетям не нужна мотивация. Они работают постоянно и не требуют признания или поощрения. Их «удержание» заключается в поддержании и обновлении ПО и инфраструктуры, что значительно проще и дешевле.

Пипл менеджерам часто сложно объективно оценить производительность сотрудников, и чаще всего оценка субъективна и имеет сильную погрешность на личные отношения сотрудник <> руководитель. Более объективная оценка «Performance review 360» требует регулярных проверок каждый квартал / полугодие, запроса обратной связи и анализа, общий процесс может занимать от 1 до 3 месяцев. А ошибки в оценке могут привести к демотивации и конфликтам внутри коллектива.

Производительность нейросетей менеджер моделей может оценивать объективно на основе точных метрик и показателей. Результаты тестов и экспериментов позволяют точно определить эффективность модели и внести необходимые корректировки. Нейросеть не обижается, не конфликтует и не демотивируется.

В Change-командах (команды создателей новой ценности) люди обладают уникальной способностью к креативному мышлению и инновациям. Они могут придумывать новые идеи, подходы и решения, которые выходят за рамки шаблонов. В операционных Run-командах, креативные и инновационные чаще мешают менеджерам. В коллективах таких групп людей существуют десятки регламентов и должностных инструкций «как надо» и «как не надо». На поддержание актуальности регламентов и процессов контроля их исполнения уходит не мало времени менеджеров.

Менеджеры моделей в настоящий момент больше автоматизируют простые, повторяющиеся задачи. Маркетологи и контент менеджеры используют нейросети для поиска инфоподов, создания контента, и основная проблема на мой взгляд сейчас в том, что нейросеть пока отвечает на вопрос «Как?», но не дает четкой инструкции «Что делать». Основная функция сейчас это помощь (co-piloting) в генерации идей и анализе данных, предоставляя варианты.

Управляя изменениями, пипл менеджеры закладывают время чтобы коллектив мог адаптироваться к изменениям и нововведениям, но этот процесс может быть медленным и сопровождаться сопротивлением.

Менеджеры моделей могут быстро адаптировать нейросети к новым условиям и задачам путем обновления данных и промптов. Гибкость и скорость таких изменений происходит значительно быстрее.

Менеджеры моделей будет новым витком эволюции, как это было в конце 20 века, когда менеджеры разделились на два лагеря: способные работать с компьютерами и тех, кто не смог быстро освоить ПК. ПО и ПК дали большой импакт в управление организациями, что позитивно сказалось на росте выручки и скорости масштабирования бизнес-единиц.

Люди, которые лучше подготовлены к использованию нейросетей в повседневной жизни, будут иметь значительное преимущество в экономике. За умение распределять интеллект будут платить большое вознаграждение.

Старая школа может пользоваться устоявшимися методами управления, которые доказали свою эффективность в прошлом. Однако, рынок требует инноваций и принятие быстрых управленческих решений, в этом контексте навыки ИИ могут приносить значительное преимущество.

Что думаете? Как будет меняться рынок управленцев?
Какие навыки будут востребованы? Как поменяется сам менеджмент?

Делитесь в комментариях