ов.
Промышленное внедрение технологий, напротив, затрагивает огромное количество сотрудников, которые могут не понимать технологий и даже бояться их. Планируя масштабное внедрение технологий, компании необходимо разработать программы обучения и переподготовки сотрудников и перепрофилировать работу с учетом компетенций умных машин.
Успех управления изменениями зависит как минимум от трех типов сотрудников:
● Эксперты. Проекты по внедрению когнитивных технологий сулят экспертам выгоды, но при этом экспертам есть что терять. Плюс в том, что их знания и опыт можно будет распространить в рамках организации, благодаря чему им не придется снова и снова отвечать на одни и те же скучные вопросы. Однако экспертов может пугать потенциальная утрата эксклюзивного и уникального опыта, а также потеря работы после запуска умных машин. При внедрении некоторых технологий эксперты могут привлекаться для тренировки системы перед ее развертыванием. Поскольку опыт, как правило, составляет их интеллектуальную собственность, его приходится покупать. После внедрения технологий эксперты также понадобятся для контроля за работой когнитивных систем и проведения технического обслуживания. Работодателям следует удерживать экспертов, поскольку со временем их знания также понадобятся для совершенствования систем.
● Руководящие работники. Как и эксперты, руководящие работники должны участвовать во многих когнитивных проектах. Поскольку цель когнитивных проектов часто заключается в улучшении процесса принятия решений, руководящие работники должны объяснить, как они принимают решения в настоящее время и какие ключевые факторы при этом учитывают. Если цель проекта состоит в генерации аналитической информации или рекомендаций для сотрудников, важно удостовериться, что предлагаемая модель действительно будет использоваться (поскольку многие модели не приживаются). Если цель состоит в достижении определенной степени автоматизации принятия решений, руководящие работники могут чувствовать угрозу, исходящую от когнитивных технологий, и препятствовать их успешному внедрению. В связи с этим очень важно как можно раньше определить, как в итоге будет использоваться система, и удостовериться, что руководящие работники согласны с этим.
● Непокорные ученики. Сотрудники, готовые осваивать новые навыки и разбираться в принципах функционирования умных машин, вероятно, без проблем освоятся в новых ролях – по крайней мере при ориентации компании на совершенствование процессов. Проблемой могут стать те люди, которые не готовы учиться новому и не проявляют интереса к технологиям. Их необходимо убедить освоить новые навыки, но в конце концов, возможно, придется сказать им, что трудоустройство в будущем зависит от их готовности учиться.
Помимо повышенного внимания к перечисленным типам сотрудников, для управления изменениями можно использовать все традиционные подходы, включая анализ заинтересованных кругов, оценку готовности, информирование сотрудников и проведение тренингов. Кроме того, многие компании уже применяют гибкие методы разработки когнитивных проектов, которые обычно помогают привлечь сотрудников к процессу. Хотя ни один из этих принципов управления изменениями не представляет особой сложности, компании часто о них забывают.
Чему можно поучиться у государственных и частных организаций
Государственные организации оказывают серьезное влияние на роль ИИ в обществе и бизнесе, причем как позитивное, так и негативное. Что касается позитивного влияния, в статье в The New York Times говорится, что шведские работники не боятся пришествия ИИ[202]. В ней рассказывается о сотруднике шведской горнодобывающей компании, который уже управляет подземным горнодобывающим оборудованием дистанционно. Он полагает, что технический прогресс в итоге приведет к автоматизации его работы:
Но я не переживаю… На этой шахте столько работы, что для меня точно найдется другая, даже если эта вдруг исчезнет. Компания о нас позаботится.
Возможно, этот рабочий просто пытается не вешать нос, но в статье говорится иначе. В ней описывается страна, где рабочие не слишком опасаются потери работы в результате автоматизации по нескольким веским причинам. В Швеции рабочие пользуются поддержкой государства. Профсоюзы по-прежнему имеют влияние и стимулируют внедрение новых технологий. Между работниками и работодателями царит доверие. Когда компании получают больше денег в результате повышения производительности труда, они обычно делятся прибылью с сотрудниками.
Подобная ситуация наблюдается и в другой шведской организации. На страницах этой книги я пару раз упоминал об интеллектуальном агенте Aida, который используется в банке SEB. Глава Центра компетенции Aida Эрика Лундин утверждает, что сотрудники кол-центра и службы технической поддержки почти не опасаются потери работы из-за использования Aida:
С самого начала никто не опасался потерять работу. Все наши сотрудники были готовы помочь с обучением Aida. Они сочли это возможностью исследовать новые горизонты – применить новую технику и помочь банку понять, как ее можно использовать. Никто не считал, что внедрение этой программы направлено на снижение затрат и сокращение штатов. В любом случае Aida еще не достигла того уровня, который позволил бы ей лишить работы многих сотрудников. Такое может случиться в будущем, но вряд ли нам придется избавляться от людей.
Возможно, в вашей стране (как и в моей) ситуация не столь радужная. Однако это не значит, что компании за пределами Скандинавии не могут попытаться создать подобную обстановку. Плюсом для них станет высокий уровень лояльности сотрудников, а также их готовность совместно осваивать новые технологии. Кроме того, как показала Зейнеп Тон из MIT, «стратегия хорошей работы» (хоть при внедрении ИИ, хоть при использовании других новых технологий) может повысить финансовые показатели следующих ей компаний – особенно в сфере розничной торговли, но также и в других областях[203]. Тон с коллегой описывают стратегию следующим образом:
Стратегия хорошей работы позволяет компаниям по максимуму раскрывать потенциал своих сотрудников. Компании, предоставляющие хорошую работу, ориентируются скорее не на замену сотрудников машинами, а на дополнение ценных специалистов ценными машинами. Когда один из нас посетил полностью автоматизированный распределительный центр компании Mercadona [испанской розничной компании, следующей стратегии хорошей работы], директор сказал: «При строительстве мы следовали одному принципу: "Не заставляй человека делать то, что может сделать машина". Мы лишь хотим, чтобы сотрудники делились с нами своими знаниями и навыками»[204].
Между Швецией и компанией Mercadona мало общего, но они выбрали похожие подходы для интеграции ИИ и автоматизации своих рабочих процессов. Они также весьма успешны в экономическом отношении. Другие компании и организации могут последовать их примеру и получить такую же выгоду.
Резюме и выводы
Эта глава, пожалуй, наиболее дискуссионная в книге, где гипотез и догадок не избежать, ведь такова специфика темы. Хотя достаточное количество организаций уже внедряет когнитивные технологии, многие еще не достигли того момента, когда вопросы управления изменениями выходят на первый план. В этой главе также обсуждаются проблемы, с которыми еще никто не сталкивался на практике, но которые с большой вероятностью могут возникнуть в целом ряде организаций, внедряющих ИИ.
Важно помнить, что многие организации познакомились с подобными проблемами при внедрении прошлых поколений информационных технологий. Новые технологии почти всегда в определенной степени меняют рабочий процесс, поскольку иначе они не приносят пользы. Новые рабочие процессы почти всегда становятся лучше, если к их отладке прикладывают руку те, кто непосредственно выполняет работу. И даже угроза потери работы в результате автоматизации уже возникала при внедрении технологий прошлого поколения, хотя и не была такой серьезной, как при внедрении ИИ.
Как и в прошлом, нам придется изучать эти технологии по мере их совершенствования и распространения. Как и в прошлом, они принесут пользу бизнесу, только если обеспечат определенные экономические выгоды и повысят производительность труда. Как и в прошлом, компаниям придется находить оптимальное соотношение автоматизации и совершенствования процессов и влияния новых технологий на сотрудников организации.
Наверняка можно сказать только одно: в будущем люди не будут выполнять всю работу, но всю работу не будут выполнять и машины. Нам еще предстоит узнать, как именно люди и машины будут работать вместе, причем определять это придется в каждом конкретном случае. Основной целью компаний и их руководителей должно стать создание производительных, эффективных и гуманных ИИ-решений.
Такое расплывчатое заявление (мы не знаем точно, как все сложится между людьми и машинами, но в результате, скорее всего, родится некая комбинация автоматизации и совершенствования процессов), вероятно, верно в отношении всего описанного в этой книге. С одной стороны, я не раз подчеркивал, что ИИ и когнитивные технологии способны потенциально преобразить бизнес-стратегии и процессы, а потому работать с ними нужно всем. С другой стороны, я призываю к некоторой осторожности: лучше начать с малого, чем сразу замахнуться на реализацию масштабных проектов, которые с большой вероятностью провалятся, учитывая текущий уровень развития технологий. Я также отметил, что создание моделей и алгоритмов ИИ становится все проще и дешевле, но сложнее всего интегрировать технологии с существующими системами и процессами и изменить привычки сотрудников и организационную культуру.