Почему ИИ нужны сильные бизнес-процессы, чтобы приносить ценность

Компании десятилетиями пытались сделать хаотичные операции более понятными и удобными для улучшения. Такие методы, как Lean Six Sigma и управление бизнес-процессами, стали популярны, потому что дали организациям практический способ превращать разрозненную работу во что-то измеримое, повторяемое и подотчётное. Lean Six Sigma сосредоточилась на использовании данных и статистической дисциплины для снижения числа ошибок и повышения качества. BPM сосредоточилось на описании того, как работа движется между командами и отделами, чтобы руководители могли увидеть, где в систему встроены задержки, передачи задач или путаница.

В статье утверждается, что эти старые методы улучшения процессов не заменяются ИИ. Вместо этого они обновляются для делового мира, в котором ИИ может анализировать рабочие процессы, выявлять закономерности и помогать быстрее принимать решения. Ключевая идея в том, что ИИ работает лучше всего, когда его добавляют в компанию, которая уже понимает собственные процессы. Если у организации есть понятные рабочие процессы, надёжные данные и культура измерения результатов, у ИИ есть прочная основа для развития. Если фундамент слабый, технология может просто добавить ещё один слой сложности.

Бизнес-интерес к этому велик. В статье приводятся оценки, согласно которым рынок оптимизации процессов на базе ИИ может превысить 113 миллиардов долларов в течение следующего десятилетия. Также упоминается исследование, в котором 88% бизнес-лидеров ожидали увеличения расходов на процессную аналитику на базе ИИ в ближайшие 12–18 месяцев. Проще говоря, многие компании готовятся использовать ИИ не только для чат-ботов или генерации контента, но и для более незаметной внутренней работы по улучшению операций.

В то же время статья осторожна в ожиданиях. В ней говорится, что одних инвестиций недостаточно. Инструменты ИИ могут помочь компаниям двигаться быстрее, но они не создают автоматически дисциплину, ясность или качественное принятие решений. Компании, которая не знает, как на самом деле устроен поток её работы, может быть трудно получить полезные результаты от ИИ, потому что система будет наложена поверх неясных зон ответственности, непоследовательных данных и плохо определённых целей.

Именно поэтому главный посыл связан с сочетанием технологий и управленческих привычек. ИИ может ускорить операционное совершенство, но именно операционное совершенство изначально делает ИИ полезным. Организации, которые уже практикуют анализ на основе данных, контроль качества и структурированное улучшение, лучше подготовлены к тому, чтобы превращать эксперименты с ИИ в реальные бизнес-результаты. Они могут подключать новые инструменты к существующим процедурам, а не относиться к ИИ как к отдельному инновационному проекту.

Статья описывает это как сдвиг в том, как компаниям следует думать об операционном совершенстве. Технологии и процессы больше не являются отдельными инструментами, которыми руководители могут управлять независимо. ИИ нуждается в процессной дисциплине, а современное улучшение процессов всё чаще выигрывает от ИИ. Наибольшую ценность, скорее всего, получат компании, которые объединят и то и другое: понятные рабочие процессы, измеримые цели, подотчётные команды и ИИ-системы, которые поддерживают эти структуры, а не отвлекают от них.

Также важно отметить контекст источника. Материал был подготовлен Insights, подразделением MIT Technology Review по заказному контенту, и не был написан редакцией издания. В раскрытии информации говорится, что работа была исследована, спроектирована и написана людьми, а любые инструменты ИИ использовались только на вторичных этапах производства, проходивших человеческую проверку. После основного текста статьи появляются несколько не связанных с ним тизерных строк, где упоминаются такие темы, как Subquadratic, влияние ИИ на рынок труда, инструменты ИИ для программирования и случаи, когда Google AI выводит личную контактную информацию, но они не являются частью центрального аргумента об операционном совершенстве.