AI и бизнес в 2026 году: почему нам лучше не знать причин своего успеха
Самые ценные улучшения в компании иногда появляются раньше, чем кто-либо успевает понять их причину. Как не разрушить случайную находку очередной оптимизацией — и почему ИИ меняет правила совместной работы? Мы часто пользуемся возможностью, хотя не можем обосновать, почему это работает. Мы не можем написать ТЗ, чтобы сохранить эффект, потому что не можем понять, что происходит. И тут возникает риск: поставщик из своих соображений внесет изменения в модель куртки, у клиентов исчезнет причина востребованности продукта, напарник по своим причинам изменит привычный порядок работы — и эффект во всех трех случаях может исчезнуть. Знакомая многим история с IT-сервисами: после «улучшений» пользователи просят вернуть прежнюю версию. Эффект случайных находок может быть сильным. В одном из моих проектов внешние исполнители готовили отчёты об оценке для банков. Одному банку требовалось четыре фотографии, другому — шесть. Таких требований много, банков много, у каждого требования свои. Все списки у оценщиков были. Оставалось в нужный момент вспомнить, какой пункт сверить и где его искать. Возможно, времени, отведённого на заказ, не всегда хватало на сверку. Я собрал рабочую группу. Одной из моих гипотез было показывать требования конкретного банка прямо в тех полях информационной системы, которые заполнял оценщик. Коллеги подготовили задание на доработку и проверили, как его выполнили. Количество ошибок сократилось примерно в шесть раз. Я ожидал, что подсказки немного помогут, но такой масштаб снижения всех удивил. Сколько времени исполнители тратили на сверку? В какой момент пропускали нужный пункт? Мы этого не измеряли. Детально исследовать процесс работы оценщиков было дорого, а изменением уже можно было пользоваться. Объяснение почему оно дала такой прирост качества, осталось открытым вопросом. Ещё лет десять назад я бы охотнее согласился с таким предложением. Сейчас я бы сначала задал три вопроса. У многофункциональной команды практиков здесь есть преимущество. Каждый накапливает опыт именно в этой команде, каждый может предложить идею, за которую самому хочется взяться без особого контроля или искусственной мотивации, каждый готов отвечать за долгосрочный результат, а не за факт выполнения работ. Нужна только технология совместного «слепого» поиска: как безопасно экспериментировать, как опираться на команду, как быть хорошей опорой для других и как не потерять найденное решение. Каждый специалист хорошо знает свою работу и лишь отчасти — работу коллеги. Когда результат зависит от сочетания их решений, оба могут заметить выигрыш, но ни один не знает, какое изменение предложить следующим. Каждый не понимает предметную область другого и поэтому предлагает новые идеи вслепую. AI уже делает поиск идей сфокусированным. Если доступны данные о работы обоих, он может их сопоставить и предложить каждому несколько гипотез о том, что попробовать в следующий раз. Специалисты могли бы дойти до этого и сами, но с помощью ИИ быстрее. Именно поэтому ИИ дает серьезное подкрепление тем технологиям, которые описаны в статье. Если после обновления программа даёт сбой, мы можем вернуться к версии, с которой всё работало. Для этого достаточно знать её номер. В инженерии похожую задачу решает управление конфигурацией: для каждого изделия можно проследить, из каких версий комплектующих оно собрано. Так же можно организовать совместную работу. Каждый участник у себя фиксирует, чем отличается очередная версия его способа работы, и сообщает коллегам, с какого заказа…
Источник: vc.ru — vc.ru/life/3237828-ai-i-biznes-kak-sluchaynye-nakhodki-menyayut-pravila-raboty
