Мнение

Лучшие пилоты ИИ укрепляют процесс, который вы хотели уничтожить

mm
Добавьте Unite.AI в избранные источники в Google

McKinsey опубликовал статью 4 августа 2026 года о построении функции HR вокруг агентов, и в ней есть одна полезная фраза, которую можно применить к корпоративному ИИ. Когда команды строят агенты без плана, авторы пишут, что “каждый нерегулируемый агент закрепляет фрагмент старой операционной модели в коде.”

Они называют это результатом пилотной ловушкой: скорость на уровне задачи, дрейф на уровне дизайна.

Эта фраза стоит больше, чем сама статья, и она применима далеко за пределами HR, к многим компаниям, которые запускают пилотные проекты ИИ и не могут увидеть результат, потому что пилоты работают.

Ловушка – это пилот, который преуспевает

Вот механизм. Специалист по зарплате или рекрутер, как отмечает статья, может настроить рабочий агент за один день с помощью инструментов с низким кодом, платформ построения по конфигурации, которые требуют больше кликов и написания инструкций, чем написания кода. Не прототип. Работающий, подключенный к реальному рабочему процессу, производящий реальный вывод.

Это означает, что последовательность, которую все учили, начинать с малого, затем учиться, затем расширять, больше не является осторожным вариантом. McKinsey прямо пишет, что инстинкт “начинать с малого и учиться” больше не является консервативным. Когда любой специалист может настроить агент за один день, начало с малого происходит независимо от того, санкционирует ли это руководство или нет.

Стоит быть точным в том, где статья заканчивается, а экстраполяция начинается. Пилотная ловушка McKinsey в основном является аргументом о потраченных усилиях – команды совершенствуют шаги, которые правильный редизайн удалил бы. Версия ниже – это более сложная, и она моя: потраченные усилия можно вернуть, а закрепление не является таковым.

Неудавшиеся пилоты – это нормально. Пилот, который неудачно запускается, отключается и забывается, и стоит несколько недель. Опасные пилоты – это те, которые работают, потому что работающий агент сразу же становится нагрузочным. Кто-то зависит от него в бюджетном совещании. И какой бы процесс он ни автоматизировал, включая все шаги, которые существуют только из-за системы, которую вы заменили четыре года назад, или политики, которую никто не читал с тех пор, теперь закодирован, работает и гораздо труднее спорить с ним, чем когда он жил в документе.

Это ловушка. Вы не автоматизировали рабочий процесс. Вы ратифицировали его. Это неудобная версия все более распространенного вывода, что результаты ИИ зависят больше от формы рабочего процесса, чем от инструментов, направленных на него. Если рабочий процесс является переменной, которая имеет значение, то закрепление плохого процесса – это самое дорогое, что может сделать успешный пилот.

Число, которое они похоронили

Заголовочное число в статье гласит, что примерно две трети сегодняшних hoạtностей HR могут быть полностью автоматизированы или полностью автоматизированы в доставке к 2030 году. Это число будет цитироваться повсюду на этой неделе, и это наименее интересная вещь в статье.

Интересное число находится в таблице распределения времени. В конечном состоянии, которое описывает McKinsey, примерно 20 процентов человеческого времени тратится на то, что они называют управлением агентскими возможностями: настройка агентов, написание и проверка логики, которую эти агенты следуют, тестирование их перед выпуском, мониторинг их производительности и дрейфа, а также вывод из эксплуатации, когда рабочий процесс меняется. Статья не определяет дрейф; читайте его как медленный скольжение, где вывод агента остается правдоподобным, но тихо перестает быть правильным.

Пятая часть человеческих часов функции тратится на обслуживание машин. Статья прямо говорит, что это “не категория округления”, и она права. Это та же самая надзорная нагрузка, которая постоянно появляется как самая большая скрытая стоимость в корпоративном ИИ, теперь данная в процентах. Но статья не говорит, является ли этот 20 процент переходной стоимостью, которая падает по мере созревания практики, или фактической постоянной стоимостью запуска агентов в масштабе. Это число решает, является ли программа агентов сокращением затрат или обменом затрат, и оно отсутствует. Если вы моделируете экономию от автоматизации и не включили в модель людей, которые поддерживают автоматизацию, ваша модель неверна примерно на пятую часть затронутой команды.

То же самое пробел появляется в случае деталей. Одна организация в статье реализовала 50 вариантов использования и “выявила значительную экономию затрат в год, а также значительные улучшения уровня обслуживания HR”. Значительное – это много работы. Более того: статья предупреждает, в абзаце сразу после, что в некоторых случаях организации улучшают эффективность процессов, которые позже конечный редизайн удаляет или поглощает в совершенно разных рабочих процессах. Итак, сколько из этих 50 выжило? Это одно число решило бы, является ли маршрут снизу вверх сокращением или дорогим обходом, и его нет.

Половина совета, которую может использовать нормальная компания

Рецепт McKinsey – определить вашу модель работы человека и агента в 2030 году сначала и работать назад от нее. Определите пункт назначения, затем последовательность реализации, инвестиций в возможности, управления.

Статья честна о том, кто может сделать это. Своей собственной диаграмме организации, она говорит, требует “мышц управления продуктом, которых большинство функций HR не имеют сегодня, основу данных, достаточно сильную, чтобы запустить граф навыков, и CHRO с реальным мандатом по проектированию рабочей силы”. Затем: “меньшее количество организаций может начать с этого.”

Для всех остальных, включая многие компании, которые уже имеют запущенные агенты, северная звезда – это не действенный совет. Диагноз – это. Если нерегулируемые агенты закрепляют старый процесс, то ваша текущая экспозиция пропорциональна количеству агентов, которые уже существуют и не были одобрены, и вы, скорее всего, не знаете этого числа.

Итак, первый шаг – не план 2030 года. Это подсчет.

Узнайте, что на самом деле запущено. Не то, что было одобрено. Что существует. Каждая автоматизация, которую кто-то построил в инструменте с низким кодом, каждая запланированная задача, подключенная к общей почте, каждый помощник, настроенный против реальной системы учета. Для каждого: три факта: кто построил его, что он может тронуть, и что ломается, если он остановится. Этот инвентарь занимает один день на отдел и это единственная версия “управления”, которую компания без офиса трансформации может выполнить в понедельник.

Вопрос CHRO в статье – это тот, который нужно украсть, и это самый острый из пяти: какие ранние выборы являются фундаментальными, какие накапливаются со временем, и какие можно безопасно отменить. Отсортируйте свой инвентарь таким образом. Агенты, которые можно безопасно отменить, – это ваши эксперименты, и вы должны запустить больше из них. Те, которые нельзя отменить, – это ваша архитектура, независимо от того, решили ли это кто-то. Это также полезная поправка к инстинкту, который движет большинством первых пилотов, который заключается в том, чтобы направить агентов на самый видимый процесс, а не более тихий внутренний.

Кто на самом деле платит за это

Партия, которая проигрывает здесь, – это не компания, которая никогда не начинала. Это та, которая находится на втором году с здоровым количеством пилотов и слайдом, показывающим рост принятия.

Количество пилотов – это метрика, которая кажется прогрессом и измеряет обратное. Каждый дополнительный пилот, построенный против текущего процесса, увеличивает стоимость изменения этого процесса позже, потому что теперь есть инструменты на пути и человек, который владеет им, и число в палочке, которое говорит, что это работает. Компания с десятками рабочих агентов не опережает компанию с тремя. Она более привержена.

Это рефрейм, который стоит взять из этой статьи. Вопрос, который нужно задать о вашей программе агентов, – это не сколько из них запущено или насколько они точны. Это то, сколько вашей текущей операционной модели вам придется размотать, чтобы изменить свое мнение – и может ли кто-то сказать вам это сегодня.

Алекс Макфарленд - журналист и писатель в области искусственного интеллекта, исследующий последние разработки в этой области. Он сотрудничал с многочисленными стартапами и изданиями в области искусственного интеллекта во всем мире.