Цифровой слепок компании: как из знаний людей рождается продукт

На семинаре в МТПП я сказал вещь, которая звучит странно: логистическая компания может перестать заниматься логистикой, и это может оказаться её сильным решением. В этой статье я объясню, откуда берётся эта мысль: почему главный актив компании со стажем это знания её людей, как эти знания превращаются в цифрового сотрудника и почему он вместе с софтом вокруг него может стать продуктом для всей отрасли. Сам отрывок можно посмотреть в ролике на нашем канале, здесь развёрнутая текстовая версия.

Коротко:

Настоящая ценность такой компании это не склады, не парк машин и не учётная система, а люди и то, что они знают. Возьмём для примера логистическую компанию, которая 25 лет на рынке. Её главный капитал это несколько ключевых сотрудников, которых я называю евангелистами: людей, которые не просто делают работу, а понимают, почему она устроена именно так, и умеют объяснить это другим. Плюс накопленная за годы база: например, перевозчики, маршруты, нестандартные ситуации и то, как из них выходили. Ничего этого нет в открытых источниках. Модель, обученная на интернете, знает про логистику вообще и ничего не знает про эту компанию.

Есть и третий слой: интуитивное понимание, как всё выстраивается. Представьте опытного диспетчера: он смотрит на заявку и за секунду видит, что этот груз нельзя отдавать этому перевозчику. Спросите, почему, и ответ придёт не сразу. О том, почему опыт сотрудников это капитал компании, я писал отдельно. Здесь важно другое: именно этот слой делает компанию компанией, и именно он чаще всего нигде не записан.

Цифровой слепок компании это агент, обученный на знаниях конкретных людей так, что он принимает решения как они. Не помощник с общими советами, а цифровой сотрудник, который как будто сам 25 лет отработал в этой логистической компании и знает, какой перевозчик подведёт, а какой клиент меняет заявку в последний момент. Иногда это называют цифровым двойником компании. Мне ближе слово «слепок»: мы снимаем форму с того, что уже есть, а не строим модель с нуля.

Чем это отличается от папки с регламентами? Регламент описывает, как должно быть. Слепок хранит, как бывает на самом деле и что с этим делать. Регламент читает человек, а слепок устроен так, чтобы по нему работал агент: получал задачу, находил похожие случаи, применял правила, которых в регламенте нет, потому что их никто не формулировал. На семинаре я говорил, что мы создаём в компании цифровое подразделение, по сути слепок самой компании, а готовых агентов под типовые задачи можно взять с нашего маркетплейса агентов. Но основа всегда одна: знания людей, которые в этой компании работают.

Что делать: назовите три решения, которые в вашей компании умеет принимать только один человек.

Чтобы обучить ИИ-агента на знаниях компании, эти знания нужно сначала вербализировать, то есть проговорить вслух и записать словами. Это самый недооценённый этап. Знания ключевых людей обычно нигде не записаны, и не потому, что люди ленятся. То, что делаешь двадцать лет, перестаёшь замечать. Человек искренне считает, что «просто смотрит на заявку», а на деле за секунду проверяет десяток условий.

На мой взгляд, вытаскивать такие знания удобнее всего в разговоре, голосом, на разборе живых случаев. Просьба «напишите регламент» даёт общие слова, и всё ценное теряется. А если взять вчерашнюю заявку и спросить, почему её отдали этому перевозчику, а не тому, разговор идёт сам. В нём всплывают исключения и фразы «ну это же очевидно». Эти «очевидно» и есть основа будущего агента.

Начинать стоит с одного процесса и одного человека. Не «оцифруем всю компанию», а одна типовая задача. Записать, разобрать, собрать первую версию агента, дать ему те же задачи, сравнить с решениями человека, исправить. Люди в этой схеме не исчезают: они учат агента и проверяют его. О том, как у наших разработчиков карточки задач стал заполнять агент и что из этого вышло, я писал в статье про то, откуда в компании конфликты и при чём здесь ИИ-агенты. Первый процесс лучше брать там, где больше всего рутины и споров.

Что делать: выберите один процесс и одного человека, с которых начнёте.

Продукт рождается в тот момент, когда компания понимает, что её агент решает задачи, одинаковые для всей отрасли. Вернёмся к условной логистической компании. Она обучила агента на своих знаниях и окружила его софтом: приём заявок, подбор перевозчика, контроль сроков. И замечает, что коллеги по рынку делают то же самое, только руками. Тогда обученного цифрового сотрудника вместе с софтом можно сдавать коллегам в аренду. Он будет выполнять те же задачи, потому что обучен на опыте, которого у них нет.

Так экспертиза становится продуктом. Отраслевой ИИ-агент, собранный на реальном стаже, это преимущество, которое нельзя скопировать с сайта. Дальше тот самый поворот, с которого я начал. Компания может переориентироваться: перестать быть исполнителем и зарабатывать на софте и обучении цифровых сотрудников для отрасли. Из перевозчика она становится поставщиком решения для перевозчиков.

Здесь хочу быть честным. Это гипотеза о том, куда всё идёт, а не обещание. Допускаю, что со временем доход от такого продукта может стать сопоставимым с основным делом, но цифр называть не буду: проверенных цифр у меня нет. Путь долгий. Нужно не только обучить агента, но и довести софт до устойчивого состояния и научиться продавать его вчерашним конкурентам. Но у компании, которая сняла слепок со своих людей, появляется выбор, которого раньше не было.

С производством будет то же, что с логистикой. Любая производственная компания со стажем сидит на тех же невидимых знаниях. Например, технолог, который на слух понимает, что линия идёт не так, снабженец, который знает, у кого брать нельзя. Всё это так же проговаривается, записывается и становится основой цифрового сотрудника.

Второй условный пример: компания, которая сдаёт в аренду спецтехнику. На мой взгляд, отрасль движется к тому, что техника становится автономной. Тогда ею управляют из единого окна, а каждую машину ведёт обученный агент, который знает, как эта компания годами работала на объектах. И здесь нужны люди, которые умеют обучать и внедрять таких цифровых сотрудников. Такая компания уже не просто сдаёт технику в аренду. Она становится сервисом по управлению автономными системами. Её главный актив опять не машины, а знания и люди, которые передают их агентам.

Точных сроков никто не знает. Перестройка не случится мгновенно, по моему ощущению, на неё уйдёт лет десять. Будут потрясения, будут выигравшие. Пугаться бессмысленно, это неизбежно. А заботиться об этом нужно уже сейчас, пока ключевые люди работают в компании и их можно расспросить.

Вместе со слепком нельзя отдавать коммерческую тайну и персональные данные: ни коллегам по отрасли, ни тем более чужим нейросетям. Когда я говорю, что цифрового сотрудника можно сдавать в аренду, речь о методе: как принимать решения, на что смотреть, как разбирать нестандартный случай. Наружу идёт метод, а не клиентская база. Свой агент знает ваших перевозчиков и клиентов по именам. В версию для аренды эти имена, условия договоров и ставки попадать не должны. Где именно проходит граница, компания решает сама, и это отдельная работа до любой аренды.

Это не формальность, а часть конструкции. Слепок стоит с самого начала строить так, чтобы знание «как мы работаем» было отделено от данных «с кем мы работаем». На семинаре этому была посвящена отдельная часть, я собрал главное с семинара в МТПП про ИИ-агентов и 152-ФЗ в отдельной статье. Принцип простой: агенту дают доступ к персональным данным не больше, чем нужно для его задачи.

Что делать: перед тем как снимать слепок, разделите, что из знаний компании метод, а что данные.

Начать стоит с одного человека и одного разговора, а не с проекта по оцифровке всей компании. Не нужно покупать софт и писать стратегию. Нужно признать, что в компании есть люди, без которых она не работает, и что их знания живут только у них в голове.

Один шаг до пятницы 13 ноября. Назовите одного человека в компании, без которого встанет работа, и запишите на диктофон 20 минут его рассказа о том, как он принимает одно типовое решение. Не регламент, а живой рассказ на примере вчерашнего случая. С этой записью можно прийти к нам в бота.