Как генеративный ИИ влияет на управление
Согласно статистике, большинство руководителей считают, что генеративный ИИ можно применить ко всем бизнес-процессам. Это подтверждают результаты опросов: 80 % руководителей уверены в пользе автоматизации на основе ИИ, а 68 % директоров по маркетингу полагают, что внедрение ИИ и автоматизации приведут к беспрецедентному росту бизнеса.
Компании, которые уже применяют ИИ, демонстрируют лучшие финансовые показатели: их выручка увеличивается на 5–10 %, а затраты снижаются на 10–20 %.
Одно из главных преимуществ нейросетей — способность к обучению. Они умеют находить и исправлять ошибки, накапливать опыт и действовать на его основании. Активное внедрение нейросетей в менеджмент — перспективное направление для повышения эффективности управления человеческими ресурсами и деловой активности компании. И в этой статье мы подробно рассмотрим влияние нейросетей на управление: где можно внедрять, почему это важно, как это делать и какие есть риски.
Где конкретно генеративный ИИ применяется в управлении?
Генеративный ИИ может применяться на стратегическом уровне для принятия решений и управления знаниями, а на административном — для автоматизации повторяющихся задач.
Исследования показывают, что ИИ может использоваться для управления знаниями, включая поиск информации, тематическое моделирование, интеллектуальный анализ текста, а также персонализацию сред электронного обучения или автоматическое обобщение документов.
Например, генеративный ИИ может быть использован для прогнозирования спроса на товары или услуги, для анализа данных клиентов и для подбора товаров для интернет-магазинов.
Глобально в бизнесе генеративный ИИ применяется в следующих областях:
- финансовый анализ;
- прогнозирование спроса на товары;
- анализ рынка;
- ценообразование;
- управление рисками.
Также генеративный ИИ используется для управления человеческими ресурсами. Например, банк «Открытие» применяет систему под управлением ИИ для оценки качества продаж и планирования расписания работников. Компания Sever.AI использует ИИ для оценки резюме, обзвона кандидатов и анализа видеоинтервью. Алгоритм Yandex Data Factory позволяет анализировать влияние промоакций на спрос. Yva.AI автоматически выявляет лидеров среди работников.
Примеров – сотни.
Генеративный ИИ как конкурентное преимущество, зачем его применять?
Ожидается, что после широкого внедрения генеративного ИИ ежегодный рост производительности труда в США может увеличиться на 1,5 процентных пункта в течение 10 лет. Уже сейчас применение нейросетей позволяет сотрудникам экономить до двух с половиной часов рабочего времени в день. Генеративный ИИ предоставляет большой объём данных структурированным и логичным способом, позволяя фильтровать и систематизировать информацию.
Как представляется, особую роль ИИ может сыграть в области стратегического менеджмента. Выработка эффективной стратегии требует анализа данных, прогнозирования рыночных тенденций, принятия решений о позиционировании и управления рисками. Именно здесь нейросети демонстрируют свою значимость и актуальность.
Почему они важны, если есть люди, которые итак принимают стратегические решения? Во-первых, проблема в возрастающей конкуренции на рынке и скорости изменений. В этой связи и управленцы должны принимать решения чаще и быстрее. Во-вторых, проблема связана с анализом больших объёмов данных в ограниченный период времени. Наконец, как показывают исследования, с возрастом пользователи могут ограничивать количество информации, которую они используют при принятии решений. Они всё чаще полагаются на свои собственные, ранее сложившиеся мнения. Генеративный ИИ может влиять на то, как люди усваивают и обрабатывают новую информацию, делая решения более объективными.
Достаточно наглядно важность внедрения генеративного ИИ показана в статье В. В. Сидорина «Система менеджмента качества организации с технологиями искусственного интеллекта». Несколько схем из неё приведу ниже для наглядности.
На рисунке представлены подходы и технологии обеспечения качества продукции и управления организацией. Опережающее развитие организации может быть обеспечено принятием решений на основе прогнозов ИИ, получением и обработкой больших объёмов данных, реализацией решений с помощью цифровых информационных технологий. Хотя автор и отмечает, что применяя ИИ следует соблюдать принцип минимальной достаточности, к чему ещё вернёмся.
Генеративный ИИ в управлении: как внедрять?
Условный алгоритм действий:
1. Определить, где ИИ может улучшить работу. Это может быть повышение качества обслуживания клиентов, оптимизацию операций, получение информации о новых рынках.
2. Наладить процессы сбора внутренних и внешних данных. ИИ необходима статистическая информация.
3. Выстроить программное обеспечение (технологии): решения по инфраструктуре, архитектуре, аппаратному и программному обеспечению и платформам.
4. Подготовить персонал для внедрения и обучения ИИ: специалистов по обработке данных, инженеров машинного обучения, бизнес-аналитиков и других экспертов.
5. Наладить процессы работы с ИИ.
Возвращаясь к статье В. В. Сидорина, ИИ для системы менеджмента качества должен уметь обрабатывать всю информацию об организации в реальном времени, находить и разрабатывать варианты решений для всех задач на всех уровнях. Алгоритмы ИИ должны быть разработаны специально под задачи и способны к самообучению, чтобы достигать результатов, сравнимых с работой специалистов. Схема взаимодействия ИИ и системы менеджмента качества может выглядеть вот так:
А вот как выглядят технологии ИИ в разработке стратегии организации:
Отлично, скажете вы. Раз столько преимуществ, то нужно брать и внедрять.
Но есть ряд сложностей.
В чём сложности внедрения генеративного ИИ в управление?
Генеративный ИИ вызывает опасения и дискуссии о его влиянии на управление персоналом.
Сложность обучения нейросети заключается в необходимости большого объёма данных для достижения хороших результатов. Данные должны быть доступны и хорошо систематизированы. Ещё одно ограничение связано с интерпретацией результатов работы нейросети. В отличие от классических алгоритмов, которые могут быть легко объяснены человеком, работа нейросети основана на сложных математических операциях, что делает её выводы менее понятными для людей. Это может стать проблемой при принятии решений на основе результатов работы ИИ.
Вот основные ограничения, которые могут затруднить применение ИИ:
- Недостаток прозрачности: нейронные сети могут давать точные рекомендации, но не всегда понятно, как они пришли к этим рекомендациям.
- Оперативный учёт изменений. Нейронные сети могут быть настроены на основе прошлых данных, но они не могут учитывать данные, которые им ещё не предоставлены.
- Риск ошибок. Нейронные сети могут давать точные рекомендации, но они также могут ошибаться.
- Высокая стоимость. Использование нейронных сетей может быть дорогим, особенно для небольших компаний, которые не имеют достаточных ресурсов для инвестирования в эту технологию.
Пожалуй, риск ошибок и недостаток прозрачности – это главные проблемы. И GPT-3,5, и GPT-4 периодически выдают ложную информацию, т.н. «галлюцинации». Эти «галлюцинации» вызывают серьёзные опасения по поводу достоверности результатов, что может представлять серьёзные риски для организаций, планирующих использовать результаты ИИ. Например, акции Google потеряли 100 миллиардов долларов из-за неточного ответа Bard (чат-бота Google AI) в Twitter во время демонстрации в феврале 2023 года.
Решение: дополнительный контроль и обратная связь со стороны человека при обучении, внедрении и работе ИИ.
Наконец, широкое внедрение ИИ может привести к тому, что организации будут полагаться на него для достижения конкурентоспособности. В результате это может привести к тому, что все компании будет использовать идентичные стратегии при общих для них условиях. В чём тогда будет заключаться относительное конкурентное преимущество? По иронии судьбы в итоге это может повысить ценность выводов, рекомендаций и результатов, которые созданы человеком. И этот сегмент станет премиальным.
Хотя я уверен, что технологии будут играть всё более важную роль в бизнесе, но также считаю, что человеческий потенциал всегда будет иметь значение. А в связи с возрастающей скоростью принятия решений и до повсеместного внедрения ИИ в управление – для анализа и роста компании необходима продуманная стратегия развития и регулярные стратегические сессии. Чем я и занимаюсь в рамках DT-Team.