«ИИ — не инструмент, который устанавливают, а участник, которого вводят в должность»: Cohere о человекоцентричном управлении изменениями

Почему ИИ не укладывается в схему «ещё один корпоративный софт»

Управление изменениями исторически покрывало два разных типа перемен: внедрение новых инструментов и технологий и более широкие преобразования под руководством людей — смену руководства и реструктуризацию. По мере того как ИИ вплетается в устройство организаций, это различие начинает размываться: ИИ — это программное обеспечение, но у него есть особая способность к открытой работе, зависящей от контекста и предполагающей сотрудничество с людьми. Отсюда вопрос, который ставит Cohere: считать ИИ софтом, который надо развернуть, или активным участником рабочих процессов, роль которого нужно определить?

Инстинктивный ответ — считать софтом. Организации часто пытаются дооснастить ИИ в существующую инфраструктуру и процессы, полагая, что он встанет в те же ограничения, интеграции и рабочие потоки, которые поддерживают CRM-системы, ERP-платформы и другой корпоративный софт. Cohere предлагает на это не соглашаться: ИИ не просто инструмент, который устанавливают, а участник, которого вводят в должность, и когда его загоняют в софтверные рамки, теряются сильные стороны — распознавание закономерностей, масштабируемость и адаптивность, — которые дополняют человеческое суждение, а не конкурируют с ним.

Сотрудник как менеджер ИИ-поддержанной работы

Чтобы ИИ работал как коллега, процессы нужно проектировать под человека и ИИ одновременно. Со стороны ИИ это означает дать ему релевантный организационный и задачный контекст — примерно так же, как вводят в курс нового сотрудника, — и встроить механизмы с участием человека, которые позволяют модели запросить недостающие сведения или передать случай, требующий человеческого суждения или утверждения.

Со стороны человека рабочие процессы нужно строить так, чтобы ИИ выступал партнёром по мышлению, а не просто исполнителем делегированных задач: помогать анализировать информацию, сравнивать варианты и находить значимые закономерности по ходу работы. В задачах, где решает суждение, модель может синтезировать доказательства и показывать варианты и компромиссы, оставляя финальное решение человеку — смысл не в том, чтобы выдавать ИИ за человека, а в том, что его эффективность зависит от качества встраивания в процессы, которые ведёт человек.

Это меняет роль сотрудника: он начинает действовать как менеджер ИИ-поддержанной работы — задаёт направление, оценивает качество и решает, где нужно человеческое участие. Вместе с этим сдвигом приходит риск принять скорость и объём ИИ-выдачи за качество, что даёт поверхностную работу с низким эффектом; поэтому сотруднику нужна управленческая установка, где приоритет — качество и влияние, а не объём.

У тех, кто сам строит внутренние ИИ-решения, появляется дополнительная роль, близкая к мини-продакт-менеджеру: мало собрать решение — нужно думать, кто им будет пользоваться, какой бизнес-результат оно обслуживает и как его поддерживать и регулировать на всём жизненном цикле. Здесь действует другой риск — выйти за границы своей привычной роли, не увидев всех зависимостей вокруг того, что строится: вайб-кодинг позволяет собрать полезное решение, не учитывая его юридические, бизнесовые, операционные и технические последствия.

Проверяемое, требующее суждения и гибридное

Эффективное сотрудничество человека и ИИ опирается на понимание того, какие части процесса можно делегировать, а какие по-прежнему требуют человеческого суждения. Cohere предлагает разделить работу на три категории. Проверяемые задачи ИИ выполняет и сам сверяет с объективными критериями — например, код, который должен пройти заранее заданные тесты. Задачи, требующие суждения, — это субъективные вопросы, где ИИ помогает оформить выбор, но решение всё равно принимает человек, как при выборе между конкурирующими бизнес-стратегиями. Гибридные задачи — сложные случаи, где проверяемые подзадачи сочетаются с элементами суждения: маркетинговое исследование или подготовка бизнес-предложения.

Ключевой навык при внедрении — постоянно пересматривать это разделение по ходу работы: что ИИ способен выполнить, а что требует человеческого решения. Такие процессы опираются и на сочетание предметной экспертизы с более широкими компетенциями: специалист по данным, понимающий регулирование в здравоохранении, или маркетолог, знающий творческие ограничения ИИ, связывает техническую возможность с реальной применимостью. Поэтому сотрудникам может потребоваться развитие технических навыков работы с ИИ вместе с управлением, коммуникацией, стратегией, этикой и сотрудничеством.

Управление, надзор и подотчётность

Управление ИИ должно быть адаптивнее, чем управление обычным софтом. Традиционные программы работают по заранее заданной логике, правам и ожидаемому поведению, и надзор в основном проверяет, что они не выходят за эти границы. ИИ-системы вероятностны и дают более изменчивые, зависящие от контекста результаты, поэтому после развёртывания важнее постоянное наблюдение — за изменениями в производительности и поведении со временем, включая дрейф, возникающие предубеждения и отклонения от ожиданий организации и человеческих ценностей.

Контроль доступа показывает, почему нужен отдельный подход. Обычный софт работает с фиксированными, заранее выданными правами, а люди — по ролям, но могут запрашивать дополнительные права по необходимости. По мере того как ИИ занимает всё более активную роль в процессах, предприятиям стоит больше заимствовать человеческую модель: дать ИИ минимально необходимый доступ и разрешить запрашивать дополнительный, когда он нужен для задачи, — при этом любое расширение доступа остаётся под утверждением и надзором.

Аналогия с управлением людьми идёт дальше прав доступа. При вводе нового члена команды организация определяет его роль, задаёт границы возможного, устанавливает порядок проверки работы и объясняет стандарты, которым нужно соответствовать; то же должно относиться к ИИ — он тоже должен уметь показать, как пришёл к конкретным результатам. При этом не каждая система требует одинакового управления: решения сильно различаются по уровню автономии, от инструментов под управлением человека до полностью автономных постоянно работающих систем, поэтому правила задаются на уровне сценария использования, а не единым шаблоном. Полностью автономной системе нужен строгий мониторинг в реальном времени и участие человека в рискованных решениях, тогда как инструменту под управлением человека может хватить проверки входных данных и ревью результатов.

Главное — люди должны отвечать за то, для чего они используют ИИ и какие результаты это даёт. Если система проявляет предвзятость или выдаёт неверные результаты, отвечают те, кто её курирует, — так же как менеджер отвечает за работу и результативность своей команды.

Как вести внедрение по мере роста зрелости

На старте организации вряд ли знают, как именно ИИ встроится в повседневную работу по мере роста зрелости. Возможности меняются быстро, и команды чаще всего выясняют на опыте, какие задачи модель делает хорошо и где ещё может добавить ценность; по мере накопления этого понимания ожидания по ролям, контроли и правила приходится пересматривать под то, как ИИ используется в реальности.

Cohere выделяет три опоры для такого сопровождения. Ясная и вдохновляющая цель, привязанная к бизнес-эффекту, даёт командам общее направление, но ей нужно видимое спонсорство руководства: старший руководитель держит тему в повестке, снимает препятствия, требующие координации между командами, и подкрепляет приоритеты и ожидания по мере того, как ИИ становится частью повседневной работы. Прозрачная коммуникация нужна, чтобы сотрудники понимали, зачем вводится ИИ, как он может повлиять на их работу и какие выгоды и риски с ним связаны; руководителям стоит объяснять, как ИИ усиливает роли и создаёт новые возможности для организации, а не представлять его исключительно инструментом оптимизации затрат, и честно говорить об ограничениях, давая понятные способы задавать вопросы, поднимать опасения и делиться наблюдениями по мере расширения использования. Частые измерения показывают, приживается ли внедрение на самом деле: данные об использовании говорят, где и как часто применяется ИИ, но полная картина складывается из обратной связи сотрудников, наблюдений руководителей, оценок владения ИИ и свидетельств того, что ожидания по использованию и надзору соблюдаются.

Итог Cohere: ИИ — это больше, чем способ автоматизировать существующую работу или сократить расходы, и цель внедрения — встроить его в операционную модель так, чтобы изменилось то, как бизнес работает и создаёт ценность. Такая трансформация зависит от того, развиваются ли возможности ИИ вместе с организационными возможностями, которые их поддерживают, — от данных и технологий до навыков персонала, управления и стратегии. Компания оговаривает, что картина ещё формируется и описанное отражает наблюдения из работы с заказчиками: какие условия помогают внедрению, какие сложности сохраняются и как предприятия на них отвечают, — и по мере накопления опыта понимание того, что нужно для эффективного внедрения, продолжит меняться.