Искусственный работник
ИИ может повысить компетенции работников, но заметить его ошибки смогут лишь специалисты
Генеративный искусственный интеллект (GenAI) уже стал для компаний инструментом повышения производительности труда, а теперь, как выяснил Институт BCG Henderson, ИИ может помочь работодателям повысить квалификацию сотрудников. Эксперимент показал, что специалисты с помощью ИИ могут выполнять задачи, для которых им пока не хватает собственных навыков. Однако перед менеджментом возникает новый вызов — контроль качества работы, выполненной с помощью ИИ. Российские компании, активно внедряющие ИИ, для минимизации рисков работы ИИ дополнительно обучают сотрудников и применяют программные решения.
Эксперты Института BCG Henderson представили крупное исследование о возможностях применения в компаниях генеративного искусственного интеллекта (GenAI). Эксперимент, в котором приняли участие более 480 консультантов BCG, показал, что GenAI помогает работникам справляться с задачами, для которых им не хватает собственных знаний и навыков. В Boston Consulting Group считают, что лидерам компаний следует рассматривать генеративный ИИ не только как средство повышения производительности труда: работники с помощью ИИ могут выполнить не только больший объем задач за одно и то же время, но и справиться со сложными задачами, требующими принципиально иных компетенций и навыков.
Ранее BCG уже проводил научный эксперимент в области применения генеративного ИИ среди 750 консультантов BCG по всему миру. Тогда эксперты изучили возможности повышения производительности труда: выяснилось, что 90% специалистов при работе с задачами по генерации контента повысили производительность труда. В среднем уровень их производительности был на 40% выше, чем у специалистов, работавших над задачей без GenAI.
Второй эксперимент BCG сконцентрировался не на повышении производительности труда, а на выполнении работниками задач, не соответствующих их навыкам. Эксперимент имитировал процессы в области науки о данных: написание кода для слияния и очистки двух наборов данных, создание предсказательной модели для спортивных инвестиций с помощью методов машинного обучения, а также проверку статистического анализа, выполненного с помощью ChatGPT. Задачи были достаточно сложными для участников и не могли быть полностью автоматизированы с помощью GenAI. Лишь половина участников имела доступ к инструменту GenAI — их результаты сравнили с результатами 44 профессиональных аналитиков данных, работающих без помощи ИИ.
В результате даже специалисты без опыта в программировании или статистике смогли с помощью GenAI написать код, корректно применять модели машинного обучения и исправлять ошибки в статистических расчетах. Наибольший эффект наблюдался в программировании: уровень выполнения задачи неопытными сотрудниками, но с помощью GenAI составил 86% от уровня выполнения профессиональными аналитиками данных. Результат оказался сразу на 49 п. п. выше по сравнению с участниками, не использующими GenAI. Задача по построению предсказательной модели на основе исторических данных считалась сложной даже при выполнении с помощью ИИ. Инструмент тем не менее помог специалистам найти новые подходы к решению сложной задачи. Те, кто применял GenAI, чаще выбирали верные методы машинного обучения — на 15 п. п.
Хотя GenAI помогает сотрудникам выполнять более сложные задания, новые знания они не получают. Так, эксперты BCG провели тест по всем трем задачам, в том числе среди тех, кто не выполнял их. Результаты показали, что работавшие с кодом участники не показали улучшения в тесте по сравнению с теми, кто программированием не занимался. «Выполнение задач с помощью GenAI не всегда приводит к глубокому пониманию процесса. Возможность повторения задач или дополнительное стимулирование обучения могли бы повлиять на результаты, но работа с GenAI сама по себе не всегда приводит к усвоению новых знаний»,— полагают эксперты.
Выводы BCG важны для руководителей и управленцев: GenAI можно рассматривать как «экзоскелет», который помогает работникам выполнять больший объем задач и справляться со сложными заданиями. Однако использование GenAI требует скорректировать подход к работе. Специалисты могут не обладать необходимыми знаниями для проверки работы, выполненной с помощью GenAI, следовательно, могут не знать, когда инструмент ошибся. Также работники могут быть ленивы и невнимательны при работе с ИИ, предупреждают в BCG. Значит, задача по верификации результатов ложится на руководителей отделений — или они должны предложить сотрудникам эффективный алгоритм работы с ИИ.
Из-за распространения ИИ на рынке труда появляется новый тип работников. С помощью GenAI они могут быстрее писать код, создавать персонализированный маркетинговый контент по запросу и обрабатывать большие объемы информации за считаные секунды. Однако, поскольку характер профессий и требуемые навыки изменяются, сотрудникам необходимо развивать свои компетенции.
Российские компании также обращаются к технологиям ИИ и поддерживают интерес сотрудников к ним. Директор по исследованиям и разработке «СберМаркетинга» Евгений Батяшин рассказывает, что многие сотрудники компании используют искусственный интеллект, чтобы тратить меньше времени на рутинные повседневные задачи. В «СберМаркетинге» относятся к этому положительно и даже разработали продукты на основе ИИ, которые сотрудники используют в своей работе ежедневно,— это «ИИ-ассистент» для генерации текста, AI Art для генерации изображений и «Эхо» для транскрибации аудио и видео. При этом компания регулярно проводит обучение — об устройстве и сферах применения генеративного ИИ, как правильно писать запросы. А/Б-тестирование показало, что использование генеративного ИИ при создании и настройке контекстной рекламы, рекламы в социальных сетях, генерации лайнов на баннерах и формировании брифов экономит более 70% времени сотрудников «СберМаркетинга».
В Positive Technologies также положительно относятся к ИИ, так как он значительно ускоряет работу, позволяет специалистам быстрее решать рутинные задачи, а также разбираться в решении сложных задач, которые выходят за рамки их навыков. «Мы считаем важным объяснять сотрудникам все возможности современных генеративных моделей. Зная о них, люди совершенно точно придумают, как их эффективно применить в работе»,— говорит руководитель группы специальных проектов ML-команды Positive Technologies Алексей Пехтерев. В Positive Technologies наибольший процент пользователей генеративных ИИ — это разработчики. С помощью ИИ они решают такие задачи, как генерация и рефакторинг кода, написание тестов и документации, а также text mining, рефакторинг и саммаризация текстового контента.
«АНТ — Цифровые сервисы» (АНТ-ЦС) применяет алгоритмы ИИ при разработке систем автоматизации работы промышленных компаний, анализе данных и предиктивной аналитике, хотя ни в одном конечном продукте компании нет генеративного ИИ. «В 2024 году работа с генеративным ИИ — естественная необходимость для любой технологической компании. ИИ применяется в типовых задачах начальной разработки на простых проектах, а с ростом сложности пока выигрывает квалификация разработчика»,— объясняет гендиректор АНТ-ЦС Александр Мамаев. По его словам, обычно генеративный ИИ применяется сотрудниками для написания типовых автоматизированных функций — всю систему целиком машина написать пока не в состоянии.
Пока российские компании говорят преимущественно о повышении производительности труда при применении GenAI. В «СберМаркетинге» указывают, что ИИ освобождает время, которое сотрудники тратили на рутинные задачи — теперь они могут посвящать больше времени обучению. Однако по словам Евгения Батяшина, ИИ также помогает развивать креативность: большинство нейросетей, использующих ИИ, помогают находить вдохновение и новые идеи в том числе по вопросам, которые касаются развития навыков и знаний самих работников. В Positive Technologies отмечают, что развитие квалификации при решении рабочих задач с использованием ИИ зависит от персонального подхода. «Если решение применено бездумно — "лишь бы работало", то, конечно же, ни о каком рывке в развитии речи не идет. Если же сотрудник провалидировал результат, сам или через ревью, то этот опыт несомненно будет положительно сказываться на росте квалификации»,— уверен Алексей Бехтерев.
Как поясняет Евгений Батяшин, для работы с ИИ важно знать о сильных и слабых сторонах инструмента, а также обладать профильными знаниями, чтобы адекватно оценивать сгенерированный контент. Новым направлением в развитии ИИ могут стать продукты на его основе, которые умеют проверять информацию в ответах и формировать четкие запросы. Работа с генеративными моделями как минимум требует от человека постоянного развития навыков в работе с нейроалгоритмами, соглашается Александр Мамаев. Искусственный интеллект развивается намного быстрее человека, и задача бизнеса — не соревноваться с ним, а использовать его как вспомогательный инструмент. «Рано или поздно генеративный ИИ научится не только создавать отдельные функции, но и законченные информационные системы. Когда это произойдет, ИИ будет создавать алгоритмы за пределами возможностей человеческого восприятия»,— считает эксперт
Алексей Пехтерев уверен, что чем выше квалификация специалиста, тем бОльший «буст» ему дает генеративный ИИ и тем более вероятно, что он заметит ошибку ИИ. Чтобы минимизировать риски ошибок при применении ИИ, эксперт рекомендует делать ревью результатов. В качестве программных решений он называет использование плагинов, которые позволяют генеративной модели «ходить» в интернет, обогащая контекст для ответа актуальной информацией, что значительно снижает (но не исключает) риск «галлюцинаций» и некорректных ответов. По словам Александра Мамаева, разработчики АНТ-ЦС проверяют всю работу, сделанную машиной, и корректируют ошибки, которые встречаются. «Даже в таком режиме наша работа заметно ускорилась после того, как сотрудники получили доступ к генеративному ИИ»,— констатирует он.