Чтобы обеспечить оптимальное взаимодействие людей и технологий, крайне важно переосмыслить «найм», обучение и контроль за вашей новой командой агентов искусственного интеллекта, пишет на портале The New Stack Венки Вирарагхаван, директор по продуктам DataRobot.

Агенты ИИ начинают проникать на предприятия, что обуславливает необходимость создания новых служб и процессов для управления этой растущей командой нечеловеческих сотрудников.

Независимо от того, централизуют ли предприятия работу в отделе «управления цифровым персоналом» или управляют ею другими унифицированными способами в масштабах всей организации, им необходимы механизмы, обеспечивающие надлежащую работу каждого агента ИИ. Это означает выстраивание правильной безопасности и управления тысячами ежедневных взаимодействий агентов с людьми и другими агентными системами. Это также требует таких ключевых возможностей, как оценка, мониторинг и наблюдаемость.

Но предприятиям также необходимо устранить организационные барьеры, чтобы обеспечить более глубокое сотрудничество между технологами, традиционными HR-сотрудниками и конечными пользователями. Эти новые, смешанные группы помогут принимать ключевые решения, например, когда создавать или покупать, а также переосмысливать операционные процессы, чтобы обеспечить максимальную эффективность как людей, так и машин. И в конечном итоге, внутренние специалисты, которые понимают уникальную сферу деятельности каждой компании, имеют решающее значение для успешного внедрения и масштабирования агентов ИИ.

Вот что организациям следует учитывать при создании собственных внутренних команд и процессов для поддержки агентного будущего.

Переосмыслите традиционные HR-команды

В условиях роста внедрения агентов ИИ компаниям необходимо оценить не только свою ИТ-инфраструктуру. Руководителям потребуется переосмыслить роли сотрудников и ключевые показатели эффективности (KPI). Возможно, потребуется изменить структуру отчетности, а также систему поощрений.

Например, на ранних этапах внедрения технология может помочь автоматизировать более рутинные обязанности. От разработчиков, например, может ожидаться более быстрая разработка новых продуктов с использованием кода, сгенерированного ИИ. Или же маркетинговые команды могут полагаться на ИИ-агента вместо младшего сотрудника для проведения конкурентного анализа, освобождая начинающих работников для более тесного сотрудничества со старшими коллегами над более ценными задачами и более быстрого изучения бизнеса.

Но по мере развития и совершенствования возможностей глубокого логического мышления ИИ-агенты также смогут справляться с более сложными когнитивными задачами. Они, возможно, не заменят людей в сложных задачах, но могут повысить скорость и производительность сотрудника при выполнении задач. Например, ИИ-агент, способный сканировать медицинские записи, рентгеновские снимки или другие источники для предоставления высококачественного предварительного диагноза, может кардинально изменить привычный распорядок дня врачей. Вместо просмотра документации они смогут сосредоточиться на оказании медицинской помощи, что потенциально позволит им обслуживать больше пациентов.

Между тем, необходим более глубокий подход к процессу «найма», чтобы гарантировать, что инвестиции направлены в правильные области возможностей. В результате те, кто управляет человеческим капиталом, должны более тесно сотрудничать с ИТ-командами, которые понимают технологию. А традиционные HR-менеджеры должны также взаимодействовать с конечными пользователями, которые начинают внедрять решения на основе ИИ в свои повседневные рабочие процессы. Такая координация будет иметь решающее значение для согласования потребностей и бюджетов.

Возьмем распространенный сценарий использования: новый агент ИИ для поддержки клиентов. Прежде чем инвестировать в это решение, ИТ-командам следует скоординировать свои действия с операторами колл-центра, чтобы определить их основные проблемы. Целесообразно начать с конкретных задач для автоматизации, используя пилотные проекты для устранения неполадок. В ходе этого процесса HR-командам следует работать с обеими группами заинтересованных сторон, чтобы понять, как технология повлияет на операционную деятельность. Продукт следует запускать только после того, как все переменные будут продуманы и протестированы.

Это может означать потенциальный пересмотр планов найма и KPI. Например, существующих сотрудников колл-центра могут оценивать не столько по количеству обрабатываемых ими звонков в день, сколько по таким факторам, как качество предоставляемых ими услуг — или их человеческие навыки, которые можно было бы лучше использовать на благо организации.

Разрабатывать, покупать или отдавать на аутсорсинг?

Поскольку в перспективе компании будут иметь в своем распоряжении большое количество ИИ-агентов, им необходимо более тщательно выбирать, в какие системы инвестировать, какие готовые решения покупать, а какие добавлять к существующим ИТ-платформам:

  • Создание практики руководства в области ИИ. Подобно тому, как компании готовы платить большие деньги за самых талантливых отраслевых руководителей, организации должны резервировать самые крупные инвестиции в ИИ для критически важных сценариев использования, которые обеспечивают дифференцированные возможности и результаты.
  • Приобретение и обучение новых «сотрудников». Существует множество случаев, когда готовые ИИ-решения не подходят, но при этом отдача от инвестиций недостаточна для создания решения внутри компании. В таких случаях компаниям потребуется использовать собственные данные и внутреннюю экспертизу для достижения требуемой производительности от ИИ-агентов — подобно тому, как они используют опытных сотрудников для обучения менее опытных работников.
  • Аутсорсинг базовых возможностей. Каждый поставщик ПО внедряет базовые инструменты ИИ в свои платформы. Хотя они могут помочь пользователям повысить эффективность систем управления взаимоотношениями с клиентами (CRM), управления затратами и рисками в здравоохранении (HCRM) или других систем, их функциональные возможности часто ограничены только этой программной экосистемой. Предприятиям следует инвестировать в них осмотрительно, убедившись, что основная часть инвестиций направлена ​​на дальнейшее выделение среди конкурентов. И по возможности предприятиям следует объединять данные из этих разрозненных систем в единую платформу для создания приложений на основе этих объединенных ресурсов.

Новая эра HR: управление агентным капиталом

После «найма» каждому агенту ИИ для успешной работы потребуется обучение, обратная связь и оценка. Именно здесь ключевыми становятся такие возможности, как мониторинг, управление и наблюдаемость.

Прежде чем любой новый сотрудник, будь то младший специалист или член высшего руководства, приступит к работе, ему присваивается цифровая идентификация, включающая доступ к системам, необходимым для выполнения его работы. Аналогично, агентам ИИ необходимо обеспечить надлежащее управление, прежде чем они будут допущены к работе.

В то же время компании должны иметь возможность отслеживать агентов ИИ и их взаимодействие в режиме реального времени. А когда возникают проблемы, необходимо точно и быстро определять, что пошло не так, и устранять первопричины, чтобы они не повторились.

Успешное сочетание человеческого и машинного интеллекта требует большего, чем просто внедрение нового ИТ-решения. Предприятиям необходимо переосмыслить процессы, устранить организационные барьеры и пересмотреть подход к управлению как персоналом, так и растущим числом агентов ИИ.

Сейчас и в будущем это единственный надежный способ максимально эффективно использовать потенциал людей и ИИ.