Компании активно стремятся внедрить агентный искусственный интеллект, но большинство обнаруживает, что их текущие процессы и инфраструктура к этому не готовы. Основная проблема - попытки просто добавить AI-агентов в старые схемы работы, что не позволяет раскрыть их полный потенциал. Чтобы получить реальную выгоду, организациям необходим системный пересмотр структуры, технологий и метрик успеха.

Проблема «скотча» в организационном дизайне

Исследования показывают разрыв между амбициями и реальностью. Хотя 85% организаций хотят внедрить агентный ИИ в ближайшие три года, 76% признают, что их текущие операции и инфраструктура не готовы к таким изменениям. Не хватает готовности на уровне людей, процессов и рабочих потоков.

Прасун Шах, технический директор по вопросам кадрового консалтинга и руководитель направления ИИ в PwC UK Consulting, сравнивает текущий подход с попыткой наклеить скотч на ломающуюся операционную модель. По его словам, компании встраивают цифровых сотрудников в структуры, созданные для людей. Это не позволяет раскрыть всю ценность технологии и ведет к быстрому разочарованию.

Истинная ценность агентного ИИ - в способности выполнять целые рабочие процессы с минимальным участием человека. Агенты могут координировать сложные задачи, принимать решения, адаптироваться к изменениям и улучшать свою работу. На ранних этапах внедрения в таких сферах, как клиентский сервис, HR и продажи, ожидается, что AI-агенты могут ускорить бизнес-процессы на 30-50% и сократить время на рутинную работу на 25-40%.

Агентная бизнес-трансформация: новый концепт

Для описания необходимых глубинных изменений в индустрии появился новый термин - агентная бизнес-трансформация (Agentic Business Transformation, ABT). Его ввела платформа Ema совместно с HFS Research, чтобы заполнить пробел в существующей терминологии и дать компаниям новую концептуальную основу.

«Ни один из существующих терминов не охватывает всю полноту изменений, - объясняет Сурочит Чаттерджи, генеральный директор и основатель Ema. - Цифровая трансформация означала переход от бумаги к программному обеспечению. Трансформация на основе ИИ - добавление искусственного интеллекта к существующим процессам. Co-pilot - это помощь ИИ в человеческих задачах. ABT - нечто принципиально иное. Это интеграция AI-агентов в саму ткань организации».

Для Прасуна Шаха этот термин подчеркивает необходимость полного перепроектирования компании: ее операционной модели, рабочих процессов, прав на принятие решений и систем оценки эффективности. Речь идет о превращении агентов в активных участников создания ценности, а не просто в точечные инструменты для повышения производительности.

Согласно концепции Ema, ABT основывается на трех столпах: технологическом стеке, кадровой структуре и метриках успеха.

Технологии: от линейных процессов к «соединительной ткани»

Первый столп - технологический стек. «Ваш текущий стек создан для человеко-ориентированных, прикладных рабочих процессов, - говорит Чаттерджи. - Его нужно переосмыслить, когда основным исполнителем становится AI-агент, работающий на машинной скорости сразу в нескольких системах».

Шах объясняет, что при интеграции агентов компаниям придется отказаться от линейных процессов и перестроить работу совершенно иным образом. Ценность AI-агентов не в том, чтобы стать еще одним слоем в стеке, а в том, чтобы стать «соединительной тканью». Они перемещаются между различными уровнями и приложениями, координируя задачи высокого уровня или извлекая и интерпретируя данные из разных источников.

Именно способность понимать контекст и принимать решения на его основе может создать для компании настоящее конкурентное преимущество. «На этом поле и развернется следующая битва», - отмечает Шах. Чтобы построить такую «соединительную ткань», руководителям нужно адаптировать технологический стек для принятия более качественных решений AI-агентами, предоставив им одновременный доступ к различным наборам данных и приложениям для формирования неявного знания.

«Организации, совершившие этот архитектурный сдвиг, становятся по-настоящему более адаптивными, - говорит Чаттерджи. - Когда возникает новая бизнес-задача, вам не нужно ждать полгода, пока вендор ПО разработает нужную функцию. Вы настраиваете цифрового сотрудника с помощью естественного языка и подключаете его к необходимым системам. Срок от постановки задачи до запуска рабочего процесса сокращается с месяцев до дней».

Рабочая сила: новая гибридная реальность

По мере расширения сфер применения AI-агентов руководителям придется пересматривать кадровую структуру - второй столп ABT. Современные организационные модели мало отличаются от иерархических схем времен ранней индустриализации. Для максимальной эффективности процессы стандартизированы, задачи четко разграничены между подразделениями, а сотрудники продвигаются по карьерной лестнице, демонстрируя умение оптимизировать работу своих команд.

Однако с появлением AI-агентов, способных выполнять, координировать и оптимизировать задачи - часто без участия менеджеров - четкие границы этой иерархии размываются. В гибридной среде, где работают и люди, и агенты, менеджеры освободятся от многих исполнительских задач, но возьмут на себя новые обязанности по управлению смешанными командами.

Им потребуется управлять вопросами доверия, объяснимости решений, психологической безопасности и даже статусной динамикой, чтобы справляться с новыми напряжениями в гибридном коллективе. Влияние агентного ИИ на структуру рабочей силы выходит далеко за рамки управленческого уровня. По прогнозам McKinsey, к 2030 году три четверти существующих профессий потребуют перепроектирования, переобучения или перераспределения кадров. Компаниям нужно будет быстро адаптировать процессы найма, удержания и вознаграждения сотрудников.

Метрики успеха: от результативности к ценности

Третий и последний столп ABT - показатели успеха. По мере того как AI-агенты берут на себя все больше ключевых процессов и становятся коллегами для людей, традиционные метрики, ориентированные на активность или объем работы, теряют смысл.

«Когда вы добавляете цифровых сотрудников в команду, метрики активности становятся бессмысленными или вводящими в заблуждение, - говорит Чаттерджи. - AI-агент может обработать тысячу обращений клиентов за то время, за которое человек справится с десятью. Если измерять успех по количеству обработанных обращений, вы решите, что ИИ работает блестяще, но упустите из виду, привели ли эти обращения к удовлетворенности клиентов, их удержанию или росту выручки».

Чтобы исправить ситуацию, компаниям нужно разработать новый набор метрик, ориентированных на конечный результат, а не на объем работы. То есть на более широкие выгоды или достигнутые изменения, а не на отдельные выполненные задачи. Например, когда один из крупных корпоративных клиентов Ema пересмотрел свои метрики, перейдя от показателей вроде стоимости запроса и точности ИИ к таким результатам, как процент контрактов, рассмотренных без эскалации к человеку, измеряемая отдача от агентного ИИ утроилась за два квартала.

Эти изменения позволили заказчику перестать создавать точечные решения для массовых, но простых рабочих процессов и начать внедрять цифровых сотрудников там, где ценность результата была максимальной. Внедрение новых метрик может потребовать полной перестройки систем вознаграждения, управления талантами, а также распределения ответственности внутри организаций.

В командах из людей и ИИ, хотя этические и фидуциарные обязанности, вероятно, останутся за сотрудниками-людьми, операционная ответственность станет гораздо более распределенной, отражая системную роль AI-агентов. Перед руководством встанут новые вопросы: кто несет ответственность, если цифровой сотрудник допустит ошибку? Что происходит, когда ИИ и человек не согласны друг с другом? Какие защитные механизмы нужно создать для безопасности клиентов?

Заключение

Системные изменения происходят постепенно. Ответы на сложные вопросы, связанные с внедрением агентного ИИ, только формируются. Однако, начав внутренний диалог о трех ключевых столпах агентной бизнес-трансформации - кадрах, технологиях и метриках успеха, - руководители могут заложить основу для компании, которая будет готова к интеграции AI-агентов на системном уровне. Это позволит сократить разрыв между амбициями и реальным исполнением.