Лидеры мнений

Корпоративный ИИ достиг потолка. Планирование поможет его преодолеть.

David Marmer
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыКорпоративный ИИ сталкивается с потолком координации, поскольку агентам не хватает…
Показать больше
  • Корпоративный ИИ сталкивается с потолком координации, поскольку агентам не хватает общего операционного контекста между функциями.
  • Непрерывное планирование превращает ИИ в живой координационный слой, который проверяет сценарии под давлением по мере изменения условий.
  • Управление должно быть спроектировано с самого начала, чтобы обеспечить отслеживаемость и человеческий контроль над автономными решениями.

Первая волна корпоративного ИИ дала командам помощников, повышавших производительность внутри отдельных функций. Следующая волна теперь сталкивается с проблемой координации: важнейшие бизнес-решения затрагивают финансы, операционную деятельность, цепочку поставок и стратегию, тогда как большинство систем ИИ по-прежнему работают внутри одной функции.

Согласно исследованию McKinsey о зрелости ИИ, только один процент руководителей называет свои компании «зрелыми» на шкале внедрения: ИИ полностью встроен в рабочие процессы и дает существенные бизнес-результаты. Остальные девяносто девять процентов внедрили ИИ, но на уровне всего предприятия пока могут показать немногое.

Причина структурная. Этим системам нужно место для координации, и планирование — естественный выбор. В нем уже сходятся финансовые предпосылки, сигналы спроса, операционные ограничения и стратегические цели. Встраивание ИИ в этот слой превращает планирование из периодического упражнения в связующую ткань предприятия.

Именно этот потолок многие предприятия сейчас обнаруживают при внедрении ИИ первого поколения. Помощники повысили эффективность задач внутри команд, но большинство организаций так и не решили более сложную основополагающую проблему: как согласовывать решения во всем бизнесе в реальном времени. Даже ускоренный процесс прогнозирования дает сбой, если предпосылки цепочки поставок, операционные ограничения и финансовые приоритеты остаются разобщенными.

Архитектура координационного разрыва корпоративного ИИ

Чтобы это заработало, необходимы три структурных изменения.

1. Корпоративный ИИ должен преодолеть функциональную изоляцию

Помощник в финансовой функции может обобщить отклонение от прогноза и объяснить изменения в отчете о прибылях и убытках. Но он не может получить сигнал спроса в реальном времени из операционной деятельности, учесть обновленную оценку риска поставщиков и отразить все это в пересмотренном прогнозе, который одновременно смотрят CFO и COO. Это структурный потолок сегодняшнего корпоративного ИИ и причина, по которой внедрение функция за функцией дает высокие показатели индивидуальной производительности, но слабые результаты для всего предприятия.

За этим сбоем стоит проблема контекста. ИИ каждой функции работает с принадлежащими ей данными, в используемых ею системах и на основе ее предпосылок. Нет общего слоя, в котором эти взгляды сходятся в единую картину того, что бизнес считает истинным.

Так возникает «координационный разрыв ИИ», с которым теперь сталкиваются многие предприятия: системы способны самостоятельно генерировать полезные выводы, но не могут согласовывать решения во всем бизнесе достаточно быстро для текущих условий.

Преодолеть потолок — значит соединить агентов через общий операционный контекст, построенный на общих моделях данных, общей бизнес-логике и онтологиях, позволяющих единообразно интерпретировать решения между функциями.

С такой основой агент спроса может заметить сигнал, агент цепочки поставок — выполнить на его основе моделирование закупок, а финансовый агент — обновить прогноз по обоим результатам. CFO видит единую рекомендацию, основанную на том же представлении о реальности, которым руководствуется остальной бизнес.

2. Непрерывное планирование становится координационным слоем корпоративного ИИ

Непрерывное планирование поверх этого операционного контекста превращает согласованную работу агентов в реальные бизнес-результаты. Планирование перестает быть ежеквартальным упражнением и становится живой системой: сценарии оцениваются относительно целей компании по мере изменения условий, а не ждут следующего цикла, чтобы наверстать упущенное. Когда предпосылка меняется, альтернативы уже смоделированы и прошли стресс-тестирование. Руководство принимает решение, имея жизнеспособные пути действий, а не один прогноз, который нужно заново строить под давлением срока.

Конфликт между США и Ираном проверяет это в реальном времени. Подверженные его последствиям транснациональные компании обрабатывают несколько сигналов сразу: движение цен на нефть и энергию, переоценку риска морских маршрутов через Ормузский пролив и увеличение сроков поставок у поставщиков. Руководство должно решить, что делать, за несколько дней. Хеджирование цен на энергию, изменение маршрутов и пересмотр контрактов нужно сопоставить друг с другом в этом временном окне. Только непрерывно работающая система планирования, подвергающая сценарии стресс-тестированию по мере развития ситуации, может дать надежный ответ вовремя, чтобы действовать.

Так на практике выглядит ИИ, ориентированный на цели. Агенты движутся к целям руководства и указывают на компромиссы, когда достижение одной означает отказ от другой. Система может моделировать сто альтернатив в реальном времени, но руководство при этом все равно может не знать, какую выбрать. В слое планирования уже находятся цели и компромиссы. Это различие между многоагентной системой, работающей в промышленной эксплуатации, и системой, работающей в демонстрации.

Необходимость этого перехода становится все острее. Gartner прогнозирует, что более 40 процентов проектов агентного ИИ будут отменены к концу 2027 года из-за роста затрат, слабой бизнес-ценности или недостаточных средств контроля риска. Многие такие неудачи будут восходить к проблемам координации и управления, а не только к возможностям модели.

3. Корпоративное управление нельзя добавить задним числом

Слой непрерывного планирования сосредоточивает реальные полномочия принимать решения в согласованной системе ИИ. Поэтому управление должно быть частью архитектуры с самого начала. Именно это опасение многие CFO и CIO высказывают первым, когда речь заходит о внедрении ИИ, и позиция обоснованна. Автономным системам не место в процессах принятия решений без возможности аудита, объяснимости и четких границ, заданных политиками.

В действительно работающих внедрениях каждое действие агента можно проследить до входных данных, логики и политики, на которых оно основано. Каждая рекомендация содержит предпосылки, необходимые финансовому руководителю, аудитору или члену совета директоров для ее критической оценки по существу.

Прослеживаемость делает человеческий надзор осуществимым. CFO, финансовый контролер и отвечающие за результат руководители могут проверять рекомендации, оспаривать предпосылки и разрешать действия только тогда, когда видят, как система пришла к выводу. Агенты обеспечивают скорость и широту охвата, люди сохраняют право суждения. Руководитель, способный увидеть, как система находит отклонение, изучить предпосылки и оспорить рекомендацию до исполнения, со временем даст ей больше полномочий. Получив ответ из черного ящика без прослеживаемой логики, руководитель откажется опираться на систему, и полномочия агента сократятся. Компании, встраивающие управление в архитектуру, получают первый тип внедрения. Добавляющие его позднее — второй.

Следующее десятилетие принадлежит строителям инфраструктуры

Через десять лет различие между компаниями, сделавшими планирование связующим слоем своего ИИ, и остальными будет несомненным.

Неприметная работа — соединение данных, интеграция рабочих процессов и включение управления с самого начала — определяет, на какой стороне окажется компания.

Победителями в корпоративном ИИ будут не компании с наибольшим числом агентов, а компании, построившие инфраструктуру для их координации.

Дэвид Мармер является главным директором по продукту в компании Board, где он руководит стратегией, управлением и дизайном продукта. Как опытный исполнительный директор по управлению продуктом, Дэвид имеет многодесятилетний опыт управления портфелями от 50 миллионов до 1 миллиарда долларов в стартапах и глобальных корпорациях. Его опыт работы охватывает аналитику, FP&A/EPM, IoT, анализ клиентской базы, борьбу с финансовыми преступлениями и решения GRC. Известный своей способностью разрабатывать целостные стратегии для корпораций, Дэвид занимал исполнительные должности в IBM и Cognos, помогая организациям переводить видение продукта в измеримые бизнес-результаты.