Андрей Йонович, генеральний директор XBP Global — цикл інтерв’ю

Андрей Йонович — генеральний директор XBP Global, міжнародної технологічної компанії, що надає послуги й зосереджується на критично важливих для бізнесу робочих процесах. XBP Global застосовує агентний ШІ в регульованих сферах, зокрема в охороні здоров’я, державному секторі та фінансових послугах, де вирішальне значення мають точність, безпека, суверенітет даних і можливість аудиту. У цьому інтерв’ю Йонович розповідає про адаптивну оркестрацію процесів, моделі з відкритими вагами, інтелектуальне опрацювання документів, людський розгляд і про те, що потрібно, аби перетворити ШІ з технологічної можливості на вимірювані операційні результати.

Ви починали кар’єру як юрист із супроводу угод, згодом працювали у сфері злиттів і поглинань та корпоративної трансформації, а зрештою очолили XBP Global. Як цей досвід вплинув на те, як ви оцінюєте управління, комерційні ризики й організаційний вплив упровадження штучного інтелекту в критично важливі робочі процеси?

Насамперед я оцінюю ШІ з погляду операційної моделі. Робота з угодами й трансформаціями привчає запитувати, чи витримає структура перевірку, коли перейти від презентацій до виконання.

Для ШІ це особливо важливо, адже модель може чудово працювати сама по собі, але водночас призводити до поганих операційних результатів. В охороні здоров’я, державному секторі й банківській сфері точність оброблення, дотримання нормативних вимог і можливість аудиту є обов’язковими. Потрібно розуміти, де зберігаються дані, що системі дозволено робити, як контролюються рішення і якими будуть витрати на виконання робочого процесу у великому масштабі.

Управління потрібно закладати в архітектуру від самого початку. Я хочу знати, де працює модель, яка інформація перетинає межі підприємства, що фіксується в журналі аудиту і що відбувається, коли робочий процес доходить до рішення, яке потребує іншого рівня контролю.

Саме тут мій досвід, мабуть, має найбільше значення. Зазвичай мене менше цікавить, на що здатна технологія під час контрольованої демонстрації. Я хочу знати, чи можна вбудувати її в критично важливий процес і покладатися на неї.

XBP Global описує агентний ШІ як наступний етап розвитку автоматизації на основі звичайних правил і роботизованої автоматизації процесів. Що технічно змінюється, коли робочий процес переходить від виконання заздалегідь визначених інструкцій до використання ШІ-агентів, здатних робити висновки, ухвалювати рішення й координувати кілька завдань?

Архітектура стає значно адаптивнішою.

Традиційна автоматизація робочих процесів є детермінованою. Є правила, відомо, що станеться на наступному етапі, і в міру ускладнення процесу до системи жорстко закладають дедалі більше логіки. Для передбачуваних завдань це працює дуже добре. Проблеми виникають, коли кількість правил стає величезною або процес змінюється швидше, ніж можна перебудувати систему.

Зараз ми розвиваємо адаптивну оркестрацію процесів. Можна й надалі використовувати детерміновані механізми правил там, де цього вимагають точність і дотримання нормативних вимог, а в ті частини робочого процесу, де корисно робити висновки, додавати інтелектуальні моделі. Агенти можуть координувати завдання, отримувати доступ до інформації та вибирати наступну дію без потреби заздалегідь жорстко прописувати кожен можливий маршрут проходження процесу.

Ще одна зміна полягає в тому, що базову модель стає простіше замінити. Ми бачимо, як дуже швидко вдосконалюються моделі з відкритими вагами корпоративного рівня. Якщо конвеєр спроєктовано належним чином, у міру розвитку екосистеми можна інтегрувати потужнішу модель, не перебудовуючи навколо неї весь операційний процес.

Тож, на мою думку, дедалі важливішим технологічним активом стає сам робочий процес: оркестрація, галузеві знання, засоби контролю й дані, що оточують модель.

Багато компаній експериментують зі ШІ, але їм важко перейти від пілотних проєктів до промислового використання. Які найпоширеніші архітектурні чи організаційні перешкоди заважають підприємствам масштабно розгортати агентні робочі процеси? 

Клієнти вже переходять від експериментів до наступного етапу. Вони бачили демонстрації й чули дуже сміливі обіцянки щодо рентабельності інвестицій. Рано чи пізно комусь доводиться вбудувати технологію в реальний процес і змусити її працювати.

Саме тут архітектура стає складною. Робочий процес у промисловій експлуатації має інтегруватися з наявним середовищем компанії. Можливо, конфіденційну інформацію потрібно зберігати в приватній хмарі або локально. Необхідно й надалі мати доступ до наявних систем. Потрібно дотримуватися нормативних вимог. Економічна модель також має бути життєздатною за корпоративних обсягів.

Нещодавно ми виграли контракт на роботу з життєвим циклом технічного обслуговування парку літаків міжнародної авіакомпанії. Кожен запис про технічне обслуговування буде векторизовано й збережено в приватній векторній базі даних у приватній хмарі клієнта. Агентна інфраструктура керує доступом до цієї інформації та забезпечує відтворення записів, коли літаки повертають після завершення лізингу або продають.

Це зовсім інше завдання, ніж довести, що модель може відповісти на запитання про запис щодо літака. Тут ідеться про ціле операційне середовище, контроль даних і процес, який має надійно працювати знову й знову.

В організаційному плані проблема зазвичай полягає у відсутності відповідального за процес. Хтось має достатньо глибоко розуміти його, щоб визначити, що саме означає повноцінна робота в реальних умовах. Без такої операційної дисципліни пілотний проєкт може надовго залишитися вражаючим, але так і не стати корисним.

XBP Global поєднує автоматизацію з наглядом людини в циклі, особливо коли йдеться про рішення зі значними наслідками. Як ви визначаєте, які рішення система ШІ може ухвалювати автономно, а де людина має залишатися частиною процесу? 

Ми визначаємо роль людини як роль арбітра.

У робочих процесах, де рішення можуть мати значні наслідки, зазвичай є великий обсяг завдань, які можна виконувати з високим рівнем упевненості. А ще є нетипові випадки, коли інформація неповна, обставини незвичні або ціна помилки надто висока.

Коли процес доходить до одного з таких випадків, система передає операцію фахівцеві з відповідної галузі. Він або вона розв’язує питання, а це рішення потім можна повернути в систему, щоб модель і далі вдосконалювалася.

На мою думку, цей цикл зворотного зв’язку важливий. Людський нагляд приносить більше користі, коли з часом допомагає вдосконалювати робочий процес. Фахівець застосовує свої галузеві знання у випадках, де модель досі потребує допомоги.

Поріг автономності значною мірою залежить і від середовища. Розгляд страхових випадків у медицині, документи державного сектору та регульовані фінансові процеси мають інші вимоги, ніж внутрішнє завдання з незначними наслідками. Допустимий рівень упевненості має відповідати тому, до чого фактично призводить рішення після того, як система починає діяти на його основі.

Ваші клієнти працюють у регульованих галузях і державному секторі, де суверенітет даних, безпека та можливість аудиту мають вирішальне значення. Як організації можуть розгортати великі мовні моделі в захищених середовищах, не втрачаючи можливостей, які роблять ці системи корисними? 

Моделі з відкритими вагами суттєво змінюють відповідь на це запитання.

Довгий час вважалося, що для досягнення найкращих результатів роботи моделі потрібно надсилати інформацію в чуже середовище. Це створює очевидну проблему, коли дані мають залишатися в межах підприємства.

Тепер ми можемо брати моделі з відкритими вагами корпоративного рівня й інтегрувати їх у розгорнуті агентні конвеєри, водночас зберігаючи дані в середовищі клієнта. Залежно від вимог це може бути приватна хмарна інфраструктура або інфраструктура на власних потужностях. Організація й далі отримує переваги від розвитку ширшої екосистеми моделей, зберігаючи необхідний контроль над суверенітетом даних.

Архітектура також має бути здатною змінюватися. Немає підстав вважати, що сьогоднішня модель і надалі буде найкращою для конкретного завдання. Наші протоколи навчання дають змогу швидко інтегрувати нові моделі в наявний конвеєр.

Для клієнтів із регульованих галузей така гнучкість надзвичайно цінна: робочий процес може й далі вдосконалюватися, а межі, у яких зберігаються дані, залишаються незмінними. Саме так можна почати виконувати такі вимоги, як Закон ЄС про штучний інтелект, не ставлячись до дотримання нормативних вимог як до чогось, що додають уже після впровадження технології.

Значний обсяг корпоративної інформації досі залишається недоступним у документах, зображеннях, застарілих системах і паперових архівах. Як розвивається інтелектуальна обробка документів і яку роль вона відіграє в перетворенні фрагментованих даних на інформацію, якою агенти ШІ можуть надійно користуватися?

На мою думку, інтелектуальна обробка документів стає частиною інфраструктури агентних робочих процесів.

Історично значна частина обробки документів ґрунтувалася на шаблонах. Було відомо, який вигляд має документ і яке поле потрібно знайти, тож система його витягувала. Корпоративна інформація рідко буває такою впорядкованою. Лише в медицині можуть траплятися пояснення страхових виплат (EOB), складна кореспонденція, інформація про страхові вимоги та документи в різних форматах.

Новий підхід значно краще враховує контекст. Можна взяти неструктуровану інформацію, визначити, що в ній важливо, і перетворити її на структуровані результати, якими зможуть користуватися наступні системи. Це важливо, адже агент не може надійно координувати роботу, якщо інформація, на якій вона ґрунтується, неповна або неправильно витлумачена.

Масштаб також змінює суть проблеми. Ми працюємо із середовищами, де обробляють величезні обсяги зображень, страхових вимог, платіжних операцій та інших документів. За такого масштабу навіть невелика різниця в якості вилучення даних перетворюється на серйозну операційну проблему.

Тож інтелектуальна обробка документів (IDP) дедалі частіше стає першим етапом інтелектуального робочого процесу. Вона перетворює фрагментовану інформацію на придатні до використання дані, надає наступному етапу процесу надійну основу для дій і закладає підґрунтя для подальшої автоматизації.

XBP Global розповідала про перенесення застарілих процесів, заснованих на правилах, в агентні конвеєри ШІ та досягнення вищого рівня вирішення питань із першої спроби. Що має розуміти система ШІ про процеси організації, винятки та накопичені в ній знання, перш ніж вона зможе забезпечувати надійні результати?

Значна частина накопичених в організаціях знань так і не потрапила до чітко оформленої документації процесів.

Ці знання закладені в застарілих системах, наборах правил і професійних судженнях людей, які роками забезпечували роботу процесу. Вони знають, яка інформація важлива, яке правило застосовується за певних обставин і що відбувається на наступних етапах, якщо ухвалити неправильне рішення.

Під час перенесення цієї роботи потрібно зберегти накопичені знання про те, як вона виконується. У нашій сфері це часто означає поєднання детермінованої логіки зі ШІ, а не припущення, що від усіх правил слід негайно відмовитися. У регульованих робочих процесах є ділянки, де механізм правил надзвичайно корисний, оскільки вимоги чітко визначені. На інших ділянках інтелектуальна модель може значно ефективніше впоратися з різноманітністю ситуацій.

Саме галузева експертиза підказує, де доречний кожен із цих підходів.

Саме тому успішне вирішення з першої спроби не можна оцінювати лише за показником моделі. Робочий процес має забезпечувати результат, який витримує перевірку на наступному етапі. Якщо десь далі він спричиняє нову ескалацію, проблему не вирішено, а лише переміщено.

Система має достатньо добре розуміти процес, щоб знати, який вигляд має успішно виконана операція від початку до кінця.

XBP Global застосовує автоматизацію не лише в роботі з клієнтами, а й у власному переході до операційної моделі з пріоритетом ШІ. Чого ви навчилися, використовуючи компанію як внутрішній випробувальний майданчик, і як ви поєднуєте підвищення продуктивності з розвитком персоналу та управлінням змінами?

Ми досить активно застосовуємо ці підходи всередині компанії, адже, на мою думку, дуже швидко навчаєшся, коли від результату безпосередньо залежать власні фінансові показники.

Очікується, що завдяки нашим зусиллям із впровадження автоматизації на основі ШІ ми досягнемо щорічної операційної економії в розмірі від 65 до 75 мільйонів доларів, причому близько 35 мільйонів доларів очікується за 2026 рік. У другому кварталі дохід на одного працівника сягнув приблизно 89 000 доларів проти близько 82 000 доларів у попередньому кварталі, і ми очікуємо, що до кінця року цей показник наблизиться до 100 000 доларів.

Ці показники корисні, бо вони свідчать, чи справді операційна модель стає продуктивнішою.

Наслідки для персоналу цілком реальні. За нашими оцінками, до кінця 2026 року чисельність персоналу в усьому світі скоротиться приблизно на 20% у міру переходу до продуктивнішої операційної моделі. Управління змінами має враховувати, що підвищення продуктивності змінює потребу в персоналі.

Водночас працівники, які й надалі працюватимуть у цих процесах, мають стати компетентнішими. Нам потрібні галузеві експерти, архітектори й фахівці з операційної діяльності, здатні структурувати роботу, оцінювати результати та брати на себе відповідальність за рішення з більшою доданою вартістю.

Проведення цієї трансформації у власній компанії зробило розмову про неї значно практичнішою. Дуже швидко стає зрозуміло, яка автоматизація забезпечує стійке підвищення ефективності, а де хтось просто частіше використовує ШІ.

Проєкти із впровадження корпоративного ШІ часто просувають за допомогою демонстрацій, а не вимірюваних бізнес-результатів. Які показники керівникам варто використовувати для оцінювання інтелектуального робочого процесу та як враховувати точність, частоту винятків, час обробки, операційні витрати й зниження ризиків?

Я оцінював би робочий процес на двох рівнях.

На операційному рівні я хочу знати точність, частку успішних вирішень із першої спроби, час обробки, кількість винятків і вартість виконання роботи. У регульованому середовищі мене також цікавить, чи можна відстежити операцію під час аудиту і чи стабільно працюють контрольні механізми за великих обсягів.

Потім я хочу побачити, чи вплинули ці вдосконалення на фінансові показники бізнесу.

У XBP скоригована валова маржа в другому кварталі сягнула 24,9% — найвищого показника за весь час, а дохід на одного працівника зріс приблизно до 89 000 доларів. Наш цільовий показник річної операційної економії також підвищився до 65–75 мільйонів доларів після того, як ми виявили додаткові можливості для автоматизації.

Ці показники свідчать про інше, ніж результат тестування за еталоном. Вони показують, чи змінює технологія структуру операційних витрат.

Робочий процес може демонструвати чудову точність моделі, але все одно бути невдалим рішенням для впровадження, якщо його експлуатація надто дорога або він створює забагато додаткової ручної роботи. На мою думку, керівникам потрібно відстежувати результат на кожному етапі. Технологія має забезпечувати операційну вигоду, яку можна чітко виміряти.

Якщо зазирнути в майбутнє, чи, на вашу думку, агентний ШІ залишиться додатковим рівнем поверх наявних корпоративних систем, чи стане основним рівнем оркестрації, через який взаємодіятимуть люди, програмне забезпечення, дані й бізнес-процеси?

На мою думку, дедалі більше робочих процесів ґрунтуватимуться на агентному ШІ.

У підприємствах і надалі будуть системи, сховища даних і застосунки, що виконують конкретні функції. Зміниться те, як робота переміщатиметься між ними. Агентний процесний ланцюжок може отримувати інформацію, координувати роботу інструментів, запускати дії та визначати, коли для операції потрібен інший тип втручання.

Це вже можна побачити на прикладі авіакомпанії. Записи про технічне обслуговування зберігаються у приватній векторній базі даних у середовищі клієнта, а агентний рівень керує доступом до цієї інформації та її використанням упродовж усього циклу технічного обслуговування.

Очікую, що такий тип оркестрації стане значно поширенішим.

Базові моделі й надалі змінюватимуться. Моделі з відкритими вагами стрімко вдосконалюються, і після тих, якими ми користуємося сьогодні, з’явиться наступне покоління. Через це рівень оркестрації ставатиме дедалі важливішим, адже підприємствам потрібна надійна основа для роботи з цими моделями.

Якщо побудувати конвеєр з урахуванням процесу, галузевих знань, вимог безпеки та механізмів контролю на рівні підприємства, можна й надалі користуватися перевагами кращих моделей у міру їх появи. Саме тут, на мою думку, зосередиться значна частина довгострокової цінності.

Дякую за чудове інтерв’ю. Читачам, які хочуть дізнатися більше, варто відвідати XBP Global.