Поскольку агенты искусственного интеллекта берут на себя выполнение задач, человеческая роль становится ключевой. Ману Нараян, CIO компании GitLab, рассказывает на портале The New Stack о том, как преуспеть в условиях перехода к нелинейному росту производительности.

Более десяти лет лидеры используют термин «будущее работы», чтобы описать, как технологии трансформируют бизнес. SaaS заменил локальное ПО. Облако заменило физическую инфраструктуру. Инструменты для совместной работы заменили офис как место, где мы выполняем задачи.

Технологии переживают очередной период революционных изменений. На этот раз темпы этих изменений еще выше, чем в предыдущие периоды. Например, возможности ИИ по решению все более сложных задач в разработке ПО удваиваются примерно каждые семь месяцев. Мы вот-вот станем свидетелями значительного сдвига в сторону нелинейного роста производительности, когда ИИ переосмыслит саму работу. Это порождает новые вопросы о том, кто или что выполняет работу.

Пришло время для работы, ориентированной на цель

ИИ-трансформация требует от нас нового подхода. Нынешний способ организации работы, измерения производительности и развития талантов предполагает, что человек, который производит больше всех, работает быстрее всех и знает больше всех, является лучшим сотрудником. Это предположение никуда не денется, но одного его уже недостаточно.

Генеральный директор NVIDIA Дженсен Хуанг четко изложил, как переосмыслить нашу работу с ИИ, противопоставив задачи и цель. В каждой работе есть задачи. Для инженера-программиста кодирование — это задача. Но цель разработки ПО заключается в том, чтобы решать проблемы с помощью технологий и находить новые задачи, которые стоит решать. В этом новом мире ИИ, когда задач для человека становится все меньше, цель становится для него все более важной.

Короче говоря, задачи инженера, аналитика или даже рекрутера все чаще могут выполняться агентами ИИ. Но цель, стоящая за каждой из этих ролей, остается, потому что цель коренится в ценности, которую мы придаем работе, а не в ее выполнении. Это различие можно обобщить на любую бизнес-функцию. Вопрос больше не в том, «как мне сделать это лучше?». Вместо этого работникам нужно задать себе вопрос: «Как мне руководить командой агентов, чтобы они справились с этим, чтобы я мог сосредоточиться на реальной ценности своей роли?».

В новой модели взаимодействия человека и агента мы определяем цель. Каждый становится менеджером, задавая намерения, определяя результаты, делегируя выполнение агентам, оценивая результаты и корректируя курс с помощью суждений, которые ни одна модель не может воспроизвести.

Как на самом деле выглядит нелинейная производительность

Нам также пора переосмыслить наше понимание производительности, основанной на ИИ. Мне нравится думать об этом так: Томас Эдисон не стал решать проблему тусклого света свечи, создав лучшие свечи. Он изобрел лампочки. Точно так же речь идет не о 5% или 10% повышения производительности, а скорее об изменении качества; это как переход от света свечи к электричеству, а не от тусклой свечи к яркой.

Рассмотрим инженера-программиста, готовящегося к выпуску новой функции. Сегодня они переключаются между трекером проекта для требований, вики для архитектурных решений, репозиторием кода для последних изменений и чатами для открытых вопросов от продуктовой команды. Только на переключения может уходить несколько часов, и это повторяется в каждом спринте.

Теперь представьте себе команду агентов, выполняющих эти задачи параллельно: сбор требований, выявление архитектурных конфликтов, обобщение последних изменений, сканирование на наличие уязвимостей и составление первоначального плана реализации. Инженер проверяет и сразу приступает к работе.

Примените ту же логику к другим задачам:

• Команда поддержки сокращает время решения проблем на 50%, потому что агенты собирают контекст и составляют ответы до того, как человек коснется заявки.

• Юридическая команда проверяет контракт за минуты вместо дней, при этом агент-исследователь собирает прецеденты, агент по соблюдению нормативных требований выявляет пункты, касающиеся рисков, а агент по составлению документов предлагает правки, оставляя юристу возможность сосредоточиться на стратегии переговоров и принятии решений, требующих экспертных знаний.

Это не учебная практика

Этот сдвиг уже происходит. EY недавно объявила, что почти все опрошенные ею крупные организации сообщили о повышении производительности за счет ИИ, причем около половины заявили о значительном росте, и что эти достижения были реинвестированы в развитие, а не в сокращение штата. Этот импульс реален, но он также повышает ставки: самый большой риск в настоящее время при внедрении ИИ — это слишком медленный темп.

ИИ-нативные компании уже выпускают продукты быстрее и без тех накладных расходов, которые присущи большинству корпоративных организаций. Для стартапов часть этого преимущества обусловлена ​​размером. Но значительная часть носит структурный характер: они по необходимости создают продукты с ИИ в их основе, а не как дополнительный слой. Им не пришлось ничего перестраивать, потому что ИИ был партнером с самого начала.

Это означает, что операционная задержка, которая ставит многие крупные организации в невыгодное положение, становится на порядок хуже.

Организации, которые вырвутся вперед, создадут базовую структуру, которая позволит агентам действовать быстро и безопасно. Это включает в себя четкое распределение ответственности за решения ИИ, общий контекст и масштабируемые механизмы защиты. Без этого внедрение раздробится на отдельные подразделения и вовлечет людей в эксперименты, отвлекающие от действительно важной работы.

Забудьте о том, что вы, как вам кажется, знаете о работе

Чтобы правильно ориентироваться в этом вопросе, нам нужно отказаться от многих предвзятых представлений о работе. Для корпоративных организаций это будет гораздо сложнее, учитывая темпы развития ИИ.

Окно возможностей закрывается, но мы не можем просто двигаться быстрее; нам нужно двигаться по-другому. В условиях, когда цель становится все более важной, рассудительность и интуиция, которые делают нас всех людьми, никогда не были так ценны. Чтобы извлечь выгоду из нелинейных преимуществ, которые обещает ИИ, нам всем нужно будет понимать цель работы лучше, чем когда-либо прежде.