CIO нуждаются в более эффективном способе учёта работы ИИ в ИТ

За последние два года CIO ставили перед собой простую цель в отношении ИИ в ИТ: внедрить его в организацию, позволить командам экспериментировать и увидеть, где он может улучшить предоставление услуг.

IT-организации покупали лицензии, запускали пилотные проекты и добавляли функции ИИ в уже перегруженные программные стеки. Это имело смысл, пока команды ещё выясняли, что может сделать ИИ. Теперь, когда расходы находятся в реальных бюджетах, и CFO хотят знать, что компания получает за свои деньги.

Проблема в том, что многие цифры, которые CIO используют для измерения ИИ, не отвечают на этот вопрос. CIO могут показать, сколько сотрудников используют ИИ, как часто они его используют и сколько времени, как они говорят, он им экономит. Финансы хотят знать, потратила ли компания меньше денег, выполнила ли больше работы или избежала найма дополнительных сотрудников.

Экономия пяти часов в неделю на одного сотрудника кажется ценной, но компании всё равно нужно знать, что случилось с этими пятью часами. Если сотрудник справляется с большей нагрузкой, или команда может поддерживать растущий объём работы без найма ещё одного человека, компания может увидеть финансовый результат. Если ничего больше не изменится, экономия времени может никогда не отразиться в бюджете.

По мере того как компании тратят больше средств на ИИ, CIO необходимо становиться гораздо более конкретными в отношении того, какую работу выполняет ИИ и сколько она стоит.

Сэкономленное время не обязательно означает сэкономленные деньги

Многие расчёты ROI ИИ начинают с времени как критерия — например, если ИИ экономит сотруднику 30 минут в день, компания может умножить эти минуты на тысячи сотрудников и получить очень большую цифру.

Однако бизнес‑процессы редко работают так упорядоченно. Работа переходит от одного человека к другому, ждёт одобрения и стоит в очередях. Если ИИ экономит десять минут на одной части процесса, а затем работа ждёт шесть часов, пока её возьмёт другой человек, компания не получает десяти минут полезной мощности.

Для CIO более полезный вопрос — меняет ли ИИ производительность самого сервиса. Если запросы доступа проходят очередь быстрее, требуется меньше тикетов, обрабатываемых людьми, или снижается стоимость запроса, ИТ может измерять результат, используя те же операционные показатели, которые уже отслеживает.

Aviva — хороший пример. Страховая компания использовала более 80 моделей ИИ в рамках изменений в своей работе с претензиями и сообщила о сокращении времени оценки ответственности на 23 дня и уменьшении количества жалоб на 65 %. Эти цифры показывают руководству, что изменилось в работе, и дают финансовому отделу то, что он может измерять.

CIO должны применять тот же подход к своим инвестициям в ИИ. Прежде чем расширять пилотный проект, им следует знать, какую часть бизнеса они планируют изменить и сколько работы ИИ необходимо выполнить для этого.

Работа, которую выполняет ИИ, — лучший отправной пункт

Рассмотрим обычный запрос доступа в ИТ. Копилот может суммировать тикет и подготовить ответ, в то время как ИТ‑агент проверяет политику компании, подтверждает запросившего, получает одобрение, меняет разрешение и закрывает запрос.

Копилот может сэкономить сотруднику несколько минут, но большая часть работы всё равно остаётся за сотрудником.

Теперь рассмотрим систему ИИ, которая может проверять запрос в соответствии с политикой компании, собирать недостающую информацию, направлять запрос на одобрение и вносить изменения после получения одобрения. ИТ может увидеть, сколько запросов система ИИ завершает, как часто сотруднику приходится вмешиваться и сколько человеческой работы каждый запрос всё ещё требует.

Это даёт CIO гораздо более ясный способ учёта ИИ. Вместо оценки, сколько минут сэкономила технология, они могут измерять, сколько работы она выполнила и сколько стоило её выполнение.

Тот же подход можно применить к адаптации сотрудников, внутренней поддержке и реагированию на инциденты. Важная часть — предоставить ИИ ответственность за работу, которую компания уже понимает и умеет измерять.

Но необходимо также учитывать человеческую работу

Система ИИ может начать 1 000 запросов на адаптацию и потребовать вмешательства сотрудника в 600 из них. Считать все 1 000 автоматизированными даст руководству неверное представление о том, сколько работы ИИ действительно выполнил.

Эти вмешательства стоят денег. Если агент работает над запросом несколько минут, а затем передаёт его сотруднику, который тратит ещё двадцать минут на его завершение, эти двадцать минут должны учитываться в стоимости процесса.

Это означает, что ИТ необходимо запись о том, что произошло в каждом задании. Нужно знать, что сделал ИИ, к каким системам он получил доступ, где требовалось одобрение, когда сотрудник вмешался и была ли работа действительно завершена. Эти записи могут подпитывать традиционные показатели службы поддержки, такие как среднее время до решения, одновременно добавляя метрики, важные специально для ИИ, включая коэффициенты вмешательства и стоимость за выполненную задачу.

Командам безопасности требуется почти такая же информация, когда что‑то идёт не так. Если система ИИ изменяет неправильное разрешение или предпринимает действие, которое не должна была выполнять, им необходимо восстановить, что произошло, и понять причину.

Ведение такой записи даёт CIO возможность измерять обе стороны инвестиций. Они могут увидеть стоимость эксплуатации ИИ и человеческий труд, всё ещё необходимый для контроля и завершения его работы.

То, сколько ответственности получает ИИ, влияет на экономику

CIO также должны решить, сколько полномочий они готовы предоставить ИИ.

Система ИИ с ограниченными правами может требовать одобрения многих своих действий сотрудником. Это удерживает человека в процессе, но также означает, что компания продолжает платить за дополнительный человеческий труд.

Предоставление системе большего количества полномочий может позволить ей выполнять больше работы самостоятельно, но это также увеличивает риск, который ИТ должна управлять. Система, способная создавать учётные записи или изменять разрешения, может нанести больший ущерб при ошибке, чем система, которая лишь рекомендует, что должен сделать сотрудник. Стоимость также может неожиданно возрасти, когда агент застревает в цикле, повторно пытается выполнить одну и ту же задачу или расходует вычислительные ресурсы из‑за слишком расплывчатой инструкции. Такие сбои также учитываются в экономике.

Компании будут проводить эту грань по‑разному в зависимости от характера работы. Для расчёта ROI важно знать, где находится эта граница и сколько человеческого участия она порождает.

Если система ИИ может безопасно выполнить 90 % процесса, её экономика может выглядеть совсем иначе, чем у системы, которой нужен сотрудник на каждом втором этапе.

Начните с работы, которая уже стоит денег

CIO, планирующие очередной раунд расходов на ИИ, должны начать с работы, которая уже требует значительного времени или персонала.

Запросы доступа, ввод новых сотрудников, реагирование на инциденты и внутренняя поддержка предоставляют ИТ конкретные показатели для измерения. Компания уже примерно знает, сколько запросов обрабатывается, сколько времени сотрудников они занимают и где работа обычно застревает.

Отсюда ИТ может определить, какие части может безопасно выполнять ИИ, а где всё ещё требуется участие сотрудника. Затем можно решить, чего ожидается от инвестиций.

Возможно, команда хочет обрабатывать на 30 % больше запросов без найма новых сотрудников. Возможно, она хочет снизить стоимость каждого запроса доступа. Возможно, она хочет, чтобы сотрудники тратили меньше времени на рутинную поддержку, чтобы заниматься задачами, которые сейчас находятся в бэклоге. Как только ИТ узнает полную стоимость выполнения задачи с помощью ИИ, включая человеческое вмешательство, она может установить целевую стоимость этой задачи и решить, стоит ли автоматизация действительно того.

Когда ИИ начинает выполнять работу, CIO могут сравнить ожидания с реальными результатами. Они могут увидеть, сколько работы выполнил ИИ, как часто требовалось вмешательство людей и какова была общая стоимость процесса.

Это даёт CIO гораздо более простой способ обсуждать расходы на ИИ с финансовым отделом. Вместо попыток приписать денежную стоимость тысячам оценочных сэкономленных минут, они могут показать, какую работу выполнил ИИ, сколько человеческого труда всё ещё потребовалось и потратила ли компания меньше средств на выполнение этой работы.