Большинство компаний начинают внедрение AI не с того вопроса
Это абсолютно нормальные вопросы. Но за последний год мы все чаще ловим себя на мысли, что они редко помогают найти действительно удачные сценарии применения AI.
Проблема не в выборе модели. И не в том, что компании неправильно оценивают возможности технологии. Просто почти все начинают с поиска задач для AI, хотя логичнее было бы начать с другого – внимательно посмотреть на сам процесс.
AI редко становится точкой отсчета
Когда в компании появляется новый инструмент, возникает естественное желание сразу пустить его в дело.
Так появляются первые сценарии: AI помогает писать письма, готовить документы, искать информацию, отвечать на типовые вопросы или генерировать код. Обычно такие проекты быстро показывают результат. Сотрудники тратят меньше времени на рутинные операции, а команда получает первый положительный опыт работы с новой технологией.
На этом этапе кажется, что всe идет именно так, как должно.
Но если через несколько месяцев посмотреть на ситуацию со стороны, становится заметно, что изменилась в основном скорость выполнения отдельных операций. Сам процесс остался тем же.
Менеджер по-прежнему отвечает за подготовку требований. Инженер расследует инциденты. Тестировщик проводит регрессионные проверки. Просто некоторые действия теперь занимают меньше времени.
Это полезный эффект, но обычно именно здесь развитие и останавливается.
Самые интересные изменения начинаются с другого вопроса
В какой-то момент мы перестали спрашивать себя, где можно использовать AI.
Вместо этого появился другой вопрос:
Почему этот этап процесса вообще выполняет человек?
Не весь процесс целиком, а именно конкретный этап.
Такой разговор почти всегда оказывается интереснее обсуждения моделей и инструментов.
Оказывается, что многие действия давно превратились в последовательность понятных правил. Их выполняют люди не потому, что без человека невозможно, а потому что исторически процесс всегда выглядел именно так.
Именно в этот момент становится понятно, что автоматизировать стоит не задачу, а участок процесса.
Расследование инцидентов оказалось хорошим примером
Когда происходит серьезный сбой, инженер редко начинает с поиска причины.
Сначала нужно собрать информацию из разных систем, проверить несколько гипотез, восстановить последовательность событий, подготовить материалы для команды разработки и бизнеса.
Эта часть работы требует аккуратности, но далеко не всегда требует инженерной экспертизы.
Когда мы разобрали процесс по шагам, оказалось, что значительная часть действий повторяется практически без изменений от одного расследования к другому.
Сегодня этот участок выполняет AI-агент. Он собирает данные, проходит по внутреннему регламенту, готовит технический и управленческий отчеты. Инженер подключается позже – когда появляется необходимость анализировать ситуацию, принимать решения и искать реальные причины инцидента.
По сути изменился не инструмент. Изменился сам процесс расследования.
Один найденный процесс меняет взгляд на остальные
Любопытно, что после этого похожие сценарии начинают замечать буквально повсюду.
Подготовка User Story долго казалась исключительно задачей проектного менеджера. Но если посмотреть внимательнее, становится понятно, что первый черновик почти всегда строится по одним и тем же принципам. Поэтому сегодня его готовит агент, а менеджер работает уже с содержанием, а не с пустым документом.
Похожая история произошла и внутри команды разработки. За годы работы накопились архитектурные правила, требования безопасности, внутренние соглашения и десятки небольших инженерных решений, которые сложно держать в голове. Вместо очередной базы знаний появился агент, который использует этот контекст прямо во время работы и помогает разработчикам быстрее ориентироваться в стандартах проекта.
Даже регрессионное тестирование оказалось устроено похожим образом. Пока мы смотрели на него как на единую задачу, автоматизировать было почти нечего. Но стоило разобрать процесс по этапам, как выяснилось, что значительная часть времени уходит на повторяющиеся проверки и анализ результатов. Именно этот участок постепенно взяли на себя специализированные агенты.
Ни один из этих проектов не начинался с мысли: «Давайте внедрим сюда AI». Сначала появлялся процесс, который хотелось сделать лучше.
Кажется, главный вопрос вообще не про AI
Есть ощущение, что само понятие AI-first постепенно меняет смысл. Сначала его воспринимали как призыв использовать AI везде, где это возможно. Сегодня всe больше кажется, что речь совсем о другом.
AI-first – это привычка время от времени пересматривать собственные процессы и честно отвечать на вопрос, где действительно нужна экспертиза человека, а где он просто выполняет последовательность действий, которую давно можно описать.
Модель, фреймворк и стек технологий появляются уже после этого разговора.
И, пожалуй, именно поэтому за последний год мы стали гораздо реже обсуждать, какой AI использовать.
Намного чаще мы обсуждаем процессы.
