Самая большая скрытая стоимость ИИ не в вычислительной мощности, а в людях.

Все говорят о стоимости ИИ. Обычно они говорят о GPU, лицензировании моделей или потреблении токенов. Я думаю, они смотрят не туда.

Самая большая стоимость корпоративного ИИ может оказаться в людях, необходимых для его надзора.

Недавнее исследование показало, что сотрудники экономят около 11 часов в неделю, используя ИИ, но тратят более шести часов на проверку выводов, исправление ошибок, добавление缺ующего контекста и обеспечение того, что результаты действительно пригодны для использования. Кто-то придумал термин “botsitting” для этого. Это запоминающееся название, но оно указывает на гораздо более серьезную проблему.

ИИ должен был уменьшить объем работы. Вместо этого многие организации создают совершенно новую категорию работы, связанную с управлением ИИ. Это не технологическая проблема. Это проблема операционной модели.

Быстрый сиквел эры SaaS

Я уже видел этот фильм.

Пятнадцать лет назад организации приняли SaaS, потому что он сделал программное обеспечение проще в покупке и развертывании. Бизнес-единицы могли решать проблемы без ожидания ИТ. Производительность возросла. Инновации ускорились. Затем появился Shadow IT.

Внезапно никто не знал, сколько приложений используют сотрудники, где хранятся данные компании или кто имеет к ним доступ. ИТ все еще был ответственным, но он больше не имел видимости или контроля. ИИ кажется удивительно похожим, но разница заключается в скорости.

Приложение SaaS может раскрыть несколько систем; агент ИИ может подключиться к десяткам систем в первый день. Он может читать документы, суммировать контракты, генерировать код, обновлять записи и запускать рабочие процессы до того, как большинство организаций даже задокументируют его существование.

Технология развивается быстрее, чем операционная модель, созданная для ее управления.

Поэтому я не был удивлен недавним исследованием IBM, показавшим, что две трети CIO и CTO отвечают за системы ИИ, которые они не полностью контролируют. Большинство респондентов также сказали, что ИИ распространяется быстрее, чем может поспевать управление. Это не потому, что CIO внезапно стали менее способными. Это потому, что ИИ не вписывается в традиционные модели владения.

Безопасность владеет риском.
Юридический отдел владеет соблюдением требований.
Разработчики строят интеграции.
Бизнес-единицы владеют результатами.
Поставщики контролируют части основной инфраструктуры.

Между тем, ИИ пересекает все эти области. Когда что-то идет не так, каждый владеет частью ответа, но никто не обязательно владеет всей системой. Это создает пробел, и организации почти всегда заполняют этот пробел людьми.

Кто-то проверяет отчеты, сгенерированные ИИ, прежде чем они будут отправлены клиентам.
Кто-то проверяет код, написанный ИИ, прежде чем он будет развернут.
Кто-то проверяет рекомендации, прежде чем будут приняты решения.
Кто-то расследует неожиданное поведение.

Некоторый из этого надзора именно то, что мы хотим. ИИ не должен работать без человеческой оценки, особенно в регулируемых отраслях или средах с высокими последствиями. Проблема возникает, когда люди становятся основным контролем.

От чат-ботов к автономным агентам

Подумайте о том, что происходит, когда организации переходят за пределы чат-ботов.

Сегодня помощник ИИ помогает кому-то составить электронное письмо.
Завтра агент ИИ отправляет его.

Сегодня ИИ предлагает обновление записи клиента.
Завтра он делает это изменение самостоятельно.

Сегодня ИИ рекомендует следующий шаг в бизнес-процессе.
Завтра он начинает рабочий процесс автоматически.

Каждое новое действие вводит еще одно решение:

Должен ли ИИ быть допущен к этому?

• Должен ли он получить доступ к этой системе?
• Должен ли он получить доступ к этим данным?
• Должен ли кто-то одобрить это сначала?

Большинство организаций отвечают на эти вопросы вручную, и это работает, когда у вас есть десять случаев использования ИИ. Это не работает, когда у вас есть сотни… или тысячи. Ирония заключается в том, что организации инвестируют в ИИ, чтобы улучшить производительность, а затем просят высокооплачиваемых сотрудников тратить свое время на надзор за ним.

Это не масштабирование ИИ. Это масштабирование накладных расходов.

Microsoft пришел к аналогичному выводу в своем индексе тенденций работы 2026 года. После анализа триллионов сигналов рабочего места и опроса 20 000 пользователей ИИ компания обнаружила, что самой большой барьер для успеха ИИ не является технологией; это организация вокруг него.

Сотрудники принимают ИИ быстрее, чем их компании адаптируются. Реальная задача сейчас заключается в том, чтобы переработать, как выполняется работа: решить, что должен делать ИИ, что должны делать люди и как они работают вместе. Я думаю, что именно это разговор, который лидеры предприятий должны вести. ИИ не создает ценность просто потому, что он развернут. Он создает ценность, когда он развернут с четкой операционной моделью, которая позволяет людям сосредоточиться на оценке, а не на надзоре.

Переосмысление управления ИИ: от политики к операциям

Вот где разговор об управлении ИИ нужно изменить. Когда люди слышат слово управление, они часто думают о политиках, комитетах и документации. Эти вещи важны, но ни одна из них не принимает решение в режиме реального времени.

Ни одна из них не останавливает агент ИИ от доступа к данным, которые он не должен видеть, или приостанавливает рабочий процесс, который ведет себя неожиданно. Ни одна из них не объясняет, в момент, когда запрашивается действие, соответствует ли это действие политике компании.

Это пробел.

Организациям не нужны больше документов по управлению. Им нужно управление, которое работает. Рутинные действия должны происходить автоматически, когда они попадают в утвержденные политики; действия с более высоким риском должны требовать человеческого одобрения, и чувствительные системы должны иметь четкие границы того, что ИИ может и не может делать.

И если процесс ИИ начинает вести себя так, как никто не ожидал, должна быть возможность немедленно остановить его. Не потому, что ИИ нельзя доверять, а потому, что каждый бизнес-процесс нуждается в ограничителях.

Размещение людей там, где они важны

Компании, которые получают наибольшую ценность от ИИ, не исключают людей из уравнения. Они ставят людей туда, где они наиболее ценны.

Не проверяя каждый вывод.
Не проверяя каждый запрос.
Не присматривая за каждым агентом.

Они сосредотачивают людей на исключениях, пограничных случаях и решениях, которые действительно требуют оценки. Это гораздо лучшее использование человеческой экспертизы.

Настоящий вопрос для предприятия

ИИ достиг точки, где технология больше не является самым большим вопросом. Большинство организаций уже доказали, что он может генерировать контент, писать код, суммировать информацию и автоматизировать повторяющуюся работу.

Более трудный вопрос заключается в том, могут ли они эксплуатировать ИИ с уверенностью в масштабе предприятия:

Могут ли они видеть, что он делает?

• Могут ли они контролировать, к чему он имеет доступ?
• Могут ли они обеспечить соблюдение политики последовательно?
• Могут ли они объяснить, почему система ИИ приняла определенное действие?

Это операционные вопросы, и они становятся все более экономическими. Это потому, что каждый час, потраченный на надзор за ИИ, уменьшает выгоды от производительности, которые оправдывали инвестиции в первую очередь. Компании, которые побеждают с ИИ, не будут теми, кто запускает наибольшее количество моделей или развертывает наибольшее количество агентов. Они будут теми, кто не нуждается в армии людей, наблюдающих за ними.

ИИ должен усиливать вашу рабочую силу. Он не должен тихо становиться новой.