Сброс ажиотажа вокруг GenAI: CIO и CTO обращаются к практической реальности

Бум генеративного ИИ 2023-2024 годов постепенно сходит на нет. Более чем когда-либо раньше сейчас важно сбалансировать оптимизм относительно потенциала ИИ с осторожностью относительно его недостатков. Хотя многие инициативы ИИ застряли в так называемой “ловушке пилота GenAI”, не в состоянии обеспечить масштабную бизнес-ценность за пределами стадии прототипа, другие продолжают генерировать реальную цифровую ценность. Этот успех достигается, когда CIO и CTO принимают сбалансированный подход к внедрению и масштабированию ИИ в организациях.

Теперь ИИ вступает в период, когда его реальные возможности и ограничения будут переоценены технологическими лидерами. В это время они должны действовать в условиях неопределенности, оставаясь гибкими и готовыми к непредсказуемым сценариям. Отчет Forrester The State Of Agentic AI, 2026 отражает практическую проблему, заявляя, что хотя инвестиции продолжают расти, масштаб все еще ограничен, поскольку многие компании не обладают зрелостью оркестровки, исполняемым управлением и дисциплинированным нечеловеческим идентификатором.

Существуют шесть практических и реалистичных подходов, которые профессионалы могут использовать сейчас, чтобы оставаться актуальными. Эти подходы основаны на внедрении ИИ, ориентированном на человека, и образуют прочную основу для любой организации.

1. Закрепить внедрение ИИ в человеческих навыках для измеримой производительности

Цели CIO и CTO – избежать слепой ставки на ИИ и создать более умную рабочую силу, которая использует лучшее, что может предложить ИИ.

В последние годы инженеры считали, что ИИ заменит их и были сопротивлены использованию инструментов ИИ. Сегодня больше инженеров активно используют Cursor и Claude Code, поскольку появились практические методологии, которые соответствуют ожиданиям с реальными результатами.

Что изменилось, так это осознание того, что инструменты ИИ дополняют интеллект инженеров и поддерживают их работу. Эти инструменты экономят значительное количество времени, особенно на ранних стадиях проекта. На стадиях инициации и создания прототипов ИИ может помочь разработчикам работать в 5 раз быстрее. На реальных проектах с хорошо установленными процессами ИИ может сэкономить до 25% времени. Эти результаты, вероятно, улучшатся, поскольку инструменты ИИ созревают и команды адаптируют свои рабочие процессы.

Эти выгоды от производительности также зависят от изменений в организации. Успешные внедрители пересматривают процессы, проверки и потоки утверждений, чтобы обеспечить, что существующие структуры не станут препятствиями, которые замедляют скорость, обеспечиваемую ИИ, сохраняя при этом качество конечных результатов.

2. Контролируйте выходные данные ИИ до того, как они повлияют на решения

В отличие от человеческого интеллекта, ИИ не был обучен признавать неопределенность. Когда он не уверен, он не обращается к более глубоким исследованиям или человеческому обзору, а вместо этого представляет догадки как факты.

Поскольку галлюцинации ИИ неизбежны, информация из ответов, сгенерированных ИИ, должна использоваться для принятия решений с осторожностью и с большей осторожностью, когда используется для обучения. Обучение в классическом смысле должно по-прежнему происходить через статьи, книги, форумы и документацию.

Где ИИ отличается, так это в предоставлении суммированных ответов за секунды, вместе с списками источников и ссылок, которые люди могут использовать для обучения. Это значительно уменьшает время, необходимое для поиска конкретной информации. Однако ответы, сгенерированные ИИ, все еще требуют проверки.

3. Усиливать человеческую экспертизу

Руководители организаций, ответственные за внедрение и масштабирование технологий, должны четко сообщать, что ИИ является инструментом для расширения человеческой способности, а не опорой, которая делает мастерство необязательным. Создавая рабочие процессы и показатели эффективности, которые вознаграждают человеческое прозрение, усиленное ИИ, а не слепую автоматизацию, лидеры обеспечивают, что экспертиза не теряется. В ближайшем будущем конкурентное преимущество будет принадлежать компаниям, которые усиливают навыки своих команд с помощью ИИ, сохраняя при этом требование человеческого совершенства.

4. Рассматривать ИИ как ткань с людьми в контроле

Влияние ИИ увеличивается, когда он встроен в то, как работают команды, как взаимодействуют системы и как принимаются решения. На практике ИИ поддерживает широкий спектр деятельности по всей цепочке поставок и операционным рабочим процессам. Он отлично справляется с задачами, основанными на правилах, распознаванием образов и многим другим. Например, он обрабатывает проектирование, суммирование, сравнение, прогнозирование, первоначальный анализ и проверки качества. Это особенно актуально для финансовых операций, поддержки, маркетинговых операций, внутренних исследований и контроля качества.

Однако, где требуется окончательная ответственность и подпись, или где принимаются этические, юридические или репутационные решения, человеческая экспертиза должна остаться хранителем решений. Наиболее успешные организации будут теми, которые добавляют человеческое усмотрение и изобретательность к эффективности ИИ во всех процессах.

5. Сделать межтехнологическую экспертизу новой нормой

Набор, обучение и переподготовка персонала в эпоху ИИ в предприятиях не должны превратиться в подготовку “нажимателей кнопок”, чья роль ограничена эксплуатацией инструментов ИИ.

Сотрудники с широким, межтехнологическим опытом теперь могут подойти几乎 к любой задаче с поддержкой ИИ. Написание требований, планирование архитектуры, программирование на разных языках, работа с бэкендом или фронтендом, автоматизация тестирования или задачи DevOps могут быть выполнены, работая с инструментами ИИ и выступая в качестве окончательного рецензента. Этот подход экономит значительное время, особенно для тех, кто работает в нескольких доменах или технологиях.

Многие люди теоретически могут сделать это сегодня, но их эффективность зависит от предыдущего опыта. Чем шире их технологический фон, тем больше ценности они могут извлечь из инструментов ИИ.

6. Использовать подробные спецификации для погружения в разработку с поддержкой ИИ

Искушение гнаться за ажиотажем “вибрационного кодирования” некоторыми организациями понятно, но ненадежно. Альтернативно, разработка, основанная на спецификациях, дает ИИ контекст, который ему нужен для производства надежных результатов. Хорошо определенные спецификации переводят намерения в нечто, на что инструменты ИИ могут реагировать.

Два основных преимущества разработки, основанной на спецификациях, – это последовательность и контроль. Когда ИИ работает со спецификациями, выходные данные легче проверить, интегрировать и управлять в организации. В то же время управление рисками не исчезает в сгенерированном коде.

Технологические лидеры должны рассматривать ИИ как умножитель силы внутри сильного процесса разработки. Разработка, основанная на спецификациях, – это практический способ обеспечить, что ИИ одновременно продвигает скорость, качество и подотчетность.

Практический сброс

В этом году и далее ИИ может начать учиться и вести себя непредсказуемым образом, отличным от сегодняшних моделей. В этой неопределенности умение сбалансировать уверенность и осторожность будет наиболее подходящим. Не менее важно будет приверженность непрерывному обучению, когда команды совершенствуют свои навыки, сомневаются в выходных данных ИИ и адаптируются к новым способам работы.

CIO и CTO будут играть центральную роль в применении практики ИИ без ажиотажа для поглощения неопределенности и перевода изменений в устойчивую цифровую ценность. Они будут согласовывать организационные процессы, стимулы и структуры принятия решений для переработки операций, чтобы люди и ИИ играли на своих сильных сторонах.