В текущем году корпоративные расходы на внедрение искусственного интеллекта ожидаются на уровне 2,5 триллиона долларов, из которых более 1 триллиона будет направлено исключительно на ИТ-услуги и специализированное программное обеспечение. Несмотря на внушительные инвестиции, многие компании до сих пор сталкиваются с трудностями при попытке интегрировать новые технологии в свои бизнес-процессы и командную работу.
Опыт сотрудников остается ключевым фактором успеха ИИ
Спустя несколько лет после начала «революции ChatGPT» становится очевидно, что автоматизация не сокращает зависимость от человеческого ресурса, а, наоборот, подчеркивает его важность. Исследование, проведенное компаниями Ramp и Revelio Labs среди почти 22 000 американских предприятий, показало парадоксальную тенденцию: организации, вкладывающие наибольшие средства в ИИ, активно наращивают штат, а не сокращают его.
Ярким примером стала компания Ford, которой пришлось вернуть в штат 350 опытных инженеров после того, как автоматизированные системы не смогли обеспечить надлежащее качество контроля производственных процессов. Это событие стало наглядным уроком для бизнеса: вместо отказа от найма или обучения необходимо привлекать квалифицированных специалистов для доработки и совершенствования ИИ-решений, чтобы они эффективно решали прикладные задачи.
Создание онтологии навыков для управления знаниями
Прежде чем развивать новые компетенции, организациям необходимо понять, каким экспертным потенциалом они уже обладают. Многие компании владеют ценными знаниями, но не имеют четкого представления о том, кто именно ими располагает и где существуют пробелы.
Одним из эффективных методов решения этой проблемы является создание так называемой «онтологии навыков» — динамического реестра компетенций, существующих в компании. Такой подход позволяет:
- Избежать субъективных предположений о кадровом потенциале.
- Определить команды с уникальными специализированными знаниями.
- Выявить «узкие места» до того, как они станут серьезными бизнес-проблемами.
- Сформировать надежный фундамент для планирования штата и внутреннего карьерного роста.
После идентификации экспертов их знания необходимо валидировать и интегрировать в рабочие процессы. Важно, чтобы обучение не было оторвано от практики, а происходило непосредственно в ходе выполнения задач. Опытные сотрудники выступают как наставники для молодых коллег и помогают перепрограммировать ИИ-инструменты, основываясь на своем глубоком понимании процессов.
Почему опыт невозможно заменить алгоритмами
ИИ способен упорядочивать данные, находить закономерности и рекомендовать пути обучения, но он не обладает критическим суждением, которое приходит только с опытом. Алгоритм не может объяснить, почему конкретный производственный процесс работает именно так, когда его стоит подвергнуть сомнению и как адаптировать под текущие реалии компании.
Для отделов управления персоналом и развития талантов (L&D) это означает переход к более стратегической роли. Владея повесткой повышения квалификации и переобучения, такие команды могут превратить накопленную экспертизу внутри бизнеса в устойчивое конкурентное преимущество. Организации, которые инвестируют в поиск, распространение и масштабирование уже существующих знаний, а не только в закупку нового софта, получают максимальную отдачу как от своих сотрудников, так и от внедряемых технологий.
Эксперт в области обучения и развития (L&D) и главный специалист по обучению в компании 360Learning отмечает, что спустя несколько лет после старта революции генеративного ИИ бизнес всё еще пытается понять, как именно эта технология вписывается в бизнес-модели, команды и внутренние процедуры. Из общего объема в 2,5 триллиона долларов, которые корпорации планируют потратить на искусственный интеллект в текущем году, свыше 1 триллиона долларов выделяется непосредственно на ИИТ-услуги и профильное программное обеспечение.
Исследование, проведенное аналитиками Ramp и Revelio Labs, охватило около 22 000 американских компаний и опровергло распространенное заблуждение о том, что автоматизация должна снизить потребность в человеческом труде. На практике организации обнаружили высокую степень зависимости искусственного интеллекта от опытных специалистов. ИИ способен ускорять рабочие процессы, но сам по себе он не гарантирует долгосрочный рост и успех без опоры на человеческий опыт.
Ярким подтверждением этого стал прецедент с концерном Ford: компания вернула в штат 350 ветеранов инженерного дела после того, как автоматизированные системы и ИИ не смогли вовремя зафиксировать и предотвратить производственные дефекты. Полученный опыт демонстрирует важность наличия сильной команды для успешного запуска ИИ-инициатив, способной дорабатывать и настраивать алгоритмы под реальные нужды бизнеса.
Карта компетенций и поиск скрытых экспертов
Прежде чем формировать новые навыки, бизнесу необходимо четко определить существующие зоны экспертизы. Многие компании располагают критически важными знаниями, однако не имеют системного представления о том, кто именно ими владеет, и где возникают кадровые провалы. Решением этой задачи становится разработка онтологии навыков — постоянно обновляющейся базы знаний обо всех компетенциях внутри структуры.
- Создание живого реестра навыков вместо опоры на интуитивные предположения и догадки.
- Точное определение избыточных или недостающих возможностей компании.
- Обнаружение подразделений со специфическими экспертными знаниями.
- Предупреждение потенциальных операционных проблем за счет раннего выявления дефицита компетенций.
- Формирование прочного базиса для стратегического планирования кадров и программ внутренней мобильности персонала.
Полноценный реестр компетенций позволяет выявить так называемых «скрытых» экспертов — сотрудников, чьи знания годами существовали исключительно в виде неоформленного опыта, включая редких «пауэр-узеров» (power users) систем искусственного интеллекта. Так, в компании Ford вернувшиеся инженеры привлекаются адресно: они обучают молодое поколение сотрудников и занимаются перепрограммированием ИИ-инструментов.
Валидация знаний и роль человеческого суждения
Выявление экспертизы — это лишь отправная точка. Следующий этап требует ее проверки и непрерывной валидации, связывая сотрудников с целевыми возможностями профессионального роста и создавая условия, при которых эксперты могут легко делиться накопленным багажом с коллегами. Такое обучение должно быть органично встроено в ежедневные рабочие процессы, а не изолировано от них, чтобы оказывать максимальное влияние на эффективность труда.
Несмотря на то, что современные технологии значительно упрощают структурирование и дистрибуцию информации, они принципиально не способны породить человеческое суждение, рождающееся из реального опыта. Искусственный интеллект отлично справляется с задачей обнаружения скрытых паттернов и генерацией рекомендаций по прохождению учебных курсов, однако он бессилен в следующих аспектах:
- Объяснение глубинных причин работоспособности конкретного бизнес-процесса.
- Принятие решений о том, когда устоявшийся регламент следует подвергнуть сомнению.
- Адаптация существующих процедур под меняющиеся реалии и внутреннюю специфику организации.
Именно опытные работники обеспечивают необходимый контекст, который позволяет и самому ИИ, и остальным членам команды использовать корпоративные знания с максимальной отдачей. Без этого фактора технологии не смогут функционировать корректно.
Конкурентное преимущество через управление талантами
В период, когда специалисты из сфер HR и L&D опасались снижения собственной значимости на фоне автоматизации, становится очевидно, что их роль возрастает многократно. Отделы обучения и развития получают уникальный шанс занять стратегическую позицию, полностью контролируя повестку апскиллинга (повышения квалификации) и рескиллинга (переобучения).
Превращая внутреннюю экспертизу сотрудников в реальное конкурентное преимущество, бизнес формирует гибкую рабочую среду, способную к слаженному взаимодействию с алгоритмами. Фокус на извлечении, фиксации и масштабировании уже имеющихся у сотрудников знаний приносит компании двойную пользу:
- Построение самообучающейся структуры, которая становится интеллектуальнее с каждым новым усвоенным уроком.
- Предотвращение безвозвратной потери ценной информации при увольнении ключевых сотрудников.
- Сокращение количества повторяющихся ошибок и общее повышение качества выпускаемой продукции или услуг.
- Усиление программ внутреннего карьерного продвижения и горизонтальной мобильности.
Компании, нацеленные на получение максимального возврата инвестиций от собственного штата и внедряемых программных средств, должны вкладывать ресурсы в обнаружение, трансляцию и масштабирование накопленного опыта, а не ограничиваться простым приобретением очередного программного обеспечения.
