Как превратить бизнес в AI-First компанию с ИИ-агентамиПервый вопрос предпринимателей: с чего начать ИИ-трансформацию бизнеса и внедрение ИИ-агентов?
Мой ответ всегда один: не с агентов, а с диагностики бизнеса.
Сначала нужно понять, где компания находится сейчас: насколько зрела ее система управления, люди, инфраструктура и данные и готова ли она к внедрению ИИ.
К этому выводу я пришел не только благодаря успешным проектам. В моем опыте была и неудачная попытка ИИ-трансформации.
В роли Chief AI Officer я предложил начать с диагностики ИИ-зрелости, на что фаундер назвал это «корпоративным булшитом».
Он хотел сразу перейти к созданию агентов, но быстро выяснилось, что внедрять агентов практически некуда.
В компании был слабый менеджмент. Даже руководители не понимали общих целей бизнеса, а цели подразделений не были связаны между собой.
Никто не понимал, какой департамент чем занимается, но «все должны внедрить себе агентов».
В итоге — кто в лес, кто по дрова. Как встроить сюда общие цели по ИИ, было неясно.
Люди и без того работали в атмосфере страха, а после появления темы ИИ начали опасаться сокращений.
Вместо инициативы возникло сопротивление: сотрудники старались не брать ответственность и ничего не менять.
Инфраструктура состояла из легаси-систем. Чтобы развернуть небольшой релиз, инженеры могли месяцами ждать инфраструктурную команду, попутно увольняясь, хотя обновления ИИ-агентов часто нужно выпускать ежедневно.
С данными было не лучше. У каждого департамента — свои базы, доступы и правила. Единого контура данных не существовало, а где что находится, знал один старожил.
Получение данных для обучения агентов превращалось в многомесячный проект.
Я нанимал ИИ-инженеров по автоматизации, но вместо разработки агентов они пытались получить доступы, найти данные и дождаться деплоя.
Мы так и не вывели ни одного агента в прод, зато запустили более сотни пилотов.
В таких условиях ИИ-трансформация превращается в болото, которое снилось мне по ночам. А после нескольких месяцев я решил оставить проект.
Можно сделать классный прототип и показать крутую демку, но превратить ее в устойчивую часть бизнеса невозможно. Технология становится еще одним элементом хаоса.
Поэтому диагностика зрелости — не бюрократия. Это рентген компании.
Она помогает определить сильные и слабые стороны, понять, какие ограничения устранить, и сформировать дорожную карту перехода к AI-First-модели.
После диагностики начинается разработка ИИ-стратегии. Сначала нужно определить цели и метрики.
Обычно бизнес стремится:
• сократить затраты;
• увеличить выручку;
• ускорить разработку продуктов;
• повысить качество решений;
• и масштабироваться без роста штата.
Далее нужно понять, какие процессы влияют на эти показатели: основные, создающие ценность для клиента, поддерживающие — HR, финансы и IT, или управленческие, связанные со стратегией и решениями.
Затем процессы нужно описать, найти узкие места и точки принятия решений, а после редизайнить под совместную работу людей и ИИ-агентов.
Начинать лучше с низковисящих фруктов — процессов, где потенциальный эффект высок, а критических блокеров нет. Быстрые победы позволяют проверить гипотезу, показать результат и получить поддержку для масштабирования.
Параллельно проводится SWOT-анализ и формируется дорожная карта повышения зрелости: какие изменения нужны в управлении, культуре, инфраструктуре и данных, чтобы следующие решения внедрялись быстрее.
Еще один вывод из моего опыта: иногда построить AI-First-бизнес с нуля проще, чем трансформировать большую корпорацию.
В новом бизнесе процессы можно сразу проектировать вокруг ИИ.
В существующей компании сначала приходится разбирать кучу организационных и технологических ограничений.
Именно об этом моя первая лекция: как оценить готовность компании, определить цели трансформации, выбрать процессы и построить реалистичную стратегию внедрения ИИ-агентов.
👉
Лекцию можно посмотреть или прочитать. Каждый день я буду разбирать ее ключевые тезисы, а каждые десять дней — выпускать новую лекцию.
Следите за обновлениями.
