— Можно ли сказать, что ИИ неожиданно стал очень дорогим способом показать компании все ее старые проблемы? Назови топ-3 проблемы, которые проявляются первыми.— Мне нравится это называть “платным обучением”. Я бы назвал три проблемы, которые обычно появляются первыми:
- знания о продукте и процессах плохо собраны: требования разрознены, контекст хранится в головах людей, данные трудно найти. Поэтому мы делаем шаг назад и агрегируем информацию, при этом результат потом все равно сложно оценить и проверить.
- неясные критерии качества и ответственности. Если в компании не договорились, что считать хорошим результатом и кто за него отвечает на разных уровнях, AI генерирует больше артефактов, но людям приходится тратить время на проверку, переделки и согласования. Фокус смещается в процессы, вместо результатов. Растет когнитивная нагрузка и при этом есть ложное ощущение “ускорения”.
- узкие места в операционных процессах или вообще отсутствие необходимых формализованных процессов. Один этап ускоряется, а следующий не может принять больше работы: не хватает автоматизации, экспертов или людей, которые принимают результат. Растут очередь и объем незавершенной работы. И так на разных уровнях компании.
— В своем выступлении ты говорил, что изменения начинаются с руководителей. Опиши образ идеального современного руководителя в компании, внедряющей ИИ на разных стадиях. Что он должен начать делать, что перестать, чем обладать, какие управленческие задачи может отдавать ИИ и пр.?— Проще всегда начать с того, кем он не должен быть по-прежнему: самым сильным экспертом-практиком в выбранной технологии - например, знать все модели и инструменты. Важнее хорошо понимать цели бизнеса, видеть процесс целиком и уметь задавать “неприятные” управленческие вопросы. На старте руководитель на своем личном примере реализует подход к работе с изменениями, показывает команде и удачные примеры, и ошибки, выбирает ограниченные эксперименты и заранее договаривается о качестве, безопасности и метриках. Когда появляются первые результаты, он помогает перестроить весь процесс: готовит данные и людей, меняет распределение работы, проверяет, не переместилось ли узкое место. На зрелой стадии его задача — регулярно пересматривать портфель решений, правила доступа и контроля, а также навыки и роли, которые нужны команде.
Тогда не будет таких проблемных мест как KPI по числу запросов в LLM или количеству сгенерированных строк и “встраиваем AI, потому что у самурая нет цели, есть только путь”.
AI можно поручать подготовку черновиков, статусов, поиск по документам, извлечение фактов, гипотез и варианты решения. Руководитель сохраняет за собой постановку целей, приоритеты и ответственность за итог. AI может подготовить решение к обсуждению, а последствия выбора остаются на людях.
— Александр, у тебя большой опыт построения матриц компетенций, в связи с этим вопрос: что бы ты добавил в матрицу компетенций разработчика сегодня? Что стало менее важно? Что стало важнее?— Я уже добавляю в матрицу компетенций разработчика работу с AI как часть инженерной практики. Важно уметь выбрать и четко сформулировать цель и задачу, дать модели нужный контекст, разбить работу на понятные шаги и проверить результат. Разработчик должен понимать сгенерированный код, уметь покрыть его тестами, заметить ошибки, уязвимости и неподходящие архитектурные решения. На старших уровнях – умение проектировать процессы с AI-агентами и задавать правила их использования в команде.
Важнее стали формулировка проблемы, системное мышление, архитектурные решения, отладка и проверка качества. Если код генерируется быстрее, ценность смещается к пониманию того, что именно нужно построить, как это связано с остальной системой и как убедиться, что решение работает.
Менее важными стали скорость написания типового кода вручную и запоминание синтаксиса или деталей API, которые легко проверить. При этом фундаментальные знания не обесценились: они нужны, чтобы оценить корректность, безопасность и последствия предложенного AI решения.
В матрице я бы оценивал уровень самостоятельности: может ли человек продуктивно использовать AI для ограниченной задачи, принять его работу.