Автоматизування керівних вердиктів – вектор останніх двох декад. Виникнення штучного інтелекту підняло його на нову висоту. Фірми переходять від автоматизації задач до системної передачі ШІ управлінських рішень. Це не заміна кадрів, а новітній управлінський проєкт, у котрому технології стають дієвими членами прийняття вердиктів.
Яким чином ШІ виходить на нову сходинку управлінської системи та які виклики постають перед підприємництвом у цій новітній добі? Розповідає Олексій Вигодський, Head of Enterprise Applications and Technologies в MODUS X.
Придбайте річну підписку на шість видань Forbes Ukraine за вартістю чотирьох випусків. Якщо ви цінуєте якість, глибину та міць справжнього досвіду, ця підписка саме для вас.
За останні два десятиліття корпорації пережили декілька технологічних хвиль. Спершу – автоматизація: цифрові ERP-системи та основні workflow-процеси скоротили ручну працю співробітників. Згодом – оцифрування клієнтських інтерфейсів: мобільні додатки, CRM, портали самообслуговування. Далі постали DWH, DQM-інструменти та BI-вітрини, що мали пришвидшити ухвалення рішень завдяки ліпшій доступності та якості відомостей.
Кожна хвиля мала вплив у певних галузях, але не усунула головних управлінських проблем: важкість узгоджень, надлишковий апарат та нешвидку реакцію на зміни. Організації лишалися залежними від людського чинника під час ухвалення кожного неординарного рішення.
Популярне Категорія Гроші Дата 27 жовтня 100 днів уряду Свириденко. Forbes Ukraine зібрав 13 складних запитань від бізнесу для прем’єр-міністерки. Що вона на них відповіла
Сьогодні на передній план виходить штучний інтелект, котрий перестає бути підсобним інструментом і перетворюється на новий щабель управлінської системи. Він спроможний не тільки аналізувати відомості, а й приймати вердикти – у рамках заданих правил та розподіленої відповідальності.
Три рівні ШІ: від правил до генерування рішень
Арсенал технологій ШІ складається із трьох категорій інструментів:
Системи на основі правил – суворо визначені правила: «коли X, тоді Y». Ідеальні для формалізованих процесів: чат-боти, обчислення за тарифними матрицями. Сильні у передбачуваності, слабкі у гнучкості. Відповідальність за наслідки здійснення алгоритмів лежить на тому, хто створив правила.
Системи на основі машинного навчання – навчаються на даних, виявляють закономірності та роблять прогнози: попиту, рекомендації товарів, відтік клієнтів. Гнучкі, але вимагають зрілої інфраструктури даних. Відповідальність за результати – на людині, котра приймає рішення на основі наданого ШІ прогнозу.
Генеративний ШІ – системи не просто аналізують, а й створюють: документи, рішення, варіанти стратегій. Вони стають членами управлінського процесу.
Це перша технологія, де частину відповідальності за результати може бути делеговано машині. Тому головне питання для підприємництва на шляху до використання ШІ для розв’язання задач звучить так: «Які вердикти я готовий делегувати ШІ, й хто несе відповідальність за результати?».
Сучасні управлінські контури поєднують всі три категорії, формуючи гібридну модель ухвалення рішень:
- Правила визначають допустимі межі рішень.
- ML-моделі аналізують ситуації, фіксують аномалії та прогнозують розвиток подій.
- Генеративний ШІ готує управлінські рішення і, в деяких випадках, виконує їх.
- Людина в процесі залишається для зон підвищеного ризику.
Такий розподіл ролей вимагає чіткого управлінського дизайну: хто відповідає за правила, якість даних, промпти, дії системи та обробку інцидентів. Йдеться не про технології, а про новий рівень організаційного управління.
Закупівлі як приклад делегування ШІ
Функція закупівель – наочний приклад, де ШІ вже починає перерозподіляти відповідальність між людьми та машинами. У великих корпораціях процеси закупівель чітко формалізовані: від ініціації до укладення угоди.
Однак:
- Процедури займають тижні узгоджень.
- Вони залучають дорогих учасників (комісії, експерти).
- Містять значні «сірі зони» відповідальності через бюрократію та людський фактор.
Традиційно ІТ обмежувалося технічною підтримкою системи, не беручи участь у змістовній частині процесу.
Впровадження ШІ змінює це, кожна технологічна категорія отримує свою управлінську роль:
- Правила закупівель і комплаєнс лишаються під контролем людини.
- ML-моделі класифікують та аналізують пропозиції.
- Генеративний ШІ готує тендерну документацію, аналізує пропозиції та протоколи.
- Остаточне затвердження – спільна зона людини та ШІ, залежно від сценарію.
Сегментація закупівель за рівнем делегування ШІ
Закупівельні процеси можливо поділити на сегменти за складністю, регуляторними обмеженнями та допустимим рівнем автоматизації (див. таблицю 1).
Таблиця 1. Практична реалізація за сегментами
Сегментація закупівель за рівнем делегування ШІ. Джерело – аналіз Олексія Вигодського
Сегмент 1. Повне делегування, у котрому ШІ може діяти повністю автономно:
- формувати заявки за прогнозами споживання;
- надсилати запити;
- класифікувати пропозиції;
- обирати постачальника за заданими критеріями;
- ініціювати замовлення в ERP.
Участь людини у цих процесах часто не потрібна, а іноді навіть зменшує ефективність, вносячи суб’єктивність і затримки.
Сегмент 2. Напівавтоматична модель, у котрій ШІ виконує 70–90% роботи:
- генерує тендерну документацію;
- класифікує і порівнює пропозиції;
- будує порівняльні таблиці;
- формує рекомендації.
Людина затверджує фінальне рішення і забезпечує юридичну коректність.
Сегмент 3. Стратегічні закупівлі, де ШІ посилює експертів, але не замінює їх:
- перевіряє відповідність вимогам;
- виявляє ризики;
- прогнозує сценарії взаємодії.
Остаточне рішення залишається за закупівельною комісією або керівництвом через високу вартість, унікальність та репутаційні ризики.
Міжнародні приклади: як ШІ вже змінює закупівлі
Siemens: впровадила ШІ-помічників для тендерів. Вони автоматично аналізують тендерні документи кількома мовами та формують shortlist постачальників для закупівельних комісій.
Люди затверджують готовий список, а не розбирають пропозиції вручну. ШІ реально приймає рішення про те, хто потрапить у фінал, а людина перевіряє.
Walmart: ШІ готує переговорні рішення. Компанія використовує машинне навчання та генеративний ШІ для аналізу тисяч пропозицій постачальників, підготовки запитів на надання комерційних пропозицій потенційним постачальникам та переговорних стратегій.
ШІ формує позицію компанії на переговорах, виявляє відхилення від стандартних умов і пропонує аргументацію. Раніше це робили сотні закупників вручну, тепер ШІ приймає рішення щодо тактики переговорів, а людина лише затверджує або коригує.
Unilever: ШІ перевіряє пропозиції на ESG і ліцензії. Компанія застосовує ШІ для автоматичної перевірки пропозицій постачальників на відповідність ліцензіям, юридичним вимогам і ESG-критеріям.
ШІ фактично ухвалює рішення про допуск або недопуск пропозицій постачальників до розгляду в рамках суворих правил. Людське втручання відбувається тільки в спірних випадках.
Управлінські та правові виклики
Основним обмеженням широкого застосування подібних моделей є правове регулювання відповідальності. Законодавство багатьох країн не передбачає делегування рішень неуповноваженим особам чи системам. Це обмежує використання генеративного ШІ, особливо в державному секторі та стратегічних функціях.
Однак корпоративна практика випереджає регулювання. Компанії вже розробляють регламенти для машин, подібно до того, як раніше створювали регламенти для відділів. Це новий етап управлінської еволюції.
ШІ перестає бути лише інструментом аналітиків і стає повноцінним учасником системи прийняття рішень. Мова не про заміну людей, а про системний перерозподіл функцій і відповідальності між людиною та машиною.
Організації, які вже зараз вибудовують управлінські архітектури нового типу: з чіткими зонами відповідальності, юридичними рамками та прозорими процесами, – отримують переваги у швидкості, прозорості та контролі.
Ті, хто відстає, ризикують залишитися на рівні BI-панелей, поки конкуренти проєктують управлінські контури за участю ШІ.
Матеріали по темі
Категорія Інновації Дата 22 серпня Магія коефіцієнта Coding Time. Як ШІ перетворити на економічний двигун для софтверних команд. Розповідає Олексій Вигодський із MODUS X
Категорія Інновації Дата 02 серпня 42% компаній у США та ЄС закрили свої ШІ-проєкти. Коли штучний інтелект справді працюватиме на ваш бізнес? Розповідає Олексій Вигодський з MODUS X
Категорія Інновації Дата 26 вересня Монетизувати дані. Бізнес може заробляти мільйони на невидимому ресурсі. Проблема – несформований ринок даних. Практичний чекліст від Олексія Вигодського із MODUS X Контриб’ютори співпрацюють із Forbes на позаштатній основі. Їхні тексти відображають особисту точку зору. У вас інша думка? Пишіть нашій редакторці Тетяні Павлушенко – [email protected]