О том, как персональные агенты облегчат работу каждого из нас, как быстрее справляться с повседневными задачами и даже без опыта создавать продукты с помощью нейросетей.
Рутина уходит в прошлое: сегодня самое время прокачивать навыки работы с нейросетями и внедрять их в ежедневную работу. В ТЕХНОНИКОЛЬ для этого есть все — доступ к лучшим ИИ-инструментам, обучающие программы, собственные разработки и, что самое важное — поддержка руководства. О том, как персональные агенты облегчат работу каждого из нас, как быстрее справляться с повседневными задачами и даже без опыта создавать продукты с помощью нейросетей, рассказывает Алексей Колдашев, директор по цифровизации ППК ТЕХНОНИКОЛЬ.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
— Генеральный директор Корпорации Владимир Марков говорит, что кто научится работать с ИИ, будет управлять теми, кто не научился. Что это означает на практике?
— Я разделяю эту мысль. Человек, который умеет работать с ИИ, получает больше возможностей: быстрее разбирается в информации, проверяет идеи, берет на себя задачи, на которые раньше не хватало времени или навыков. При этом ему по-прежнему нужно понимать свою работу, ставить задачу и оценивать результат. От этого во многом и зависит польза ИИ.
Мы уже создаем для этого условия в ТЕХНОНИКОЛЬ. Корпоративный ИИ-помощник доступен всем сотрудникам, выдано более 500 лицензий на передовые коммерческие инструменты, развиваем собственные решения. Следующий шаг — агенты, которым можно будет поручать часть работы.
Мне хочется, чтобы ИИ стал таким же привычным рабочим инструментом, как компьютер или Excel. Чтобы сотрудник, столкнувшись с задачей, сам понимал, где помощник позволит сделать ее быстрее или качественнее.
— Всем сотрудникам нужно будет освоить его на одинаковом уровне?
— Уровень должен соответствовать задачам человека. С Excel ведь так и происходит: кому-то достаточно простой таблицы, а кто-то строит сложные модели и аналитику. С ИИ один сотрудник готовит письма и разбирает документы, другой анализирует данные, третий создает цифровые продукты.
Но базовые навыки нужны всем: понятно объяснить задачу, дать необходимую информацию и проверить ответ. А дальше человек сам определяет, насколько глубоко ему стоит осваивать инструмент. Мы поддерживаем разные уровни использования.
— В «Базе знаний» TN Life уже работает ИИ-помощник, который помогает искать информацию. Каким вы видите следующий шаг?
— Я вижу следующий шаг в том, чтобы помощнику можно было поручить конкретную работу. Например, голосом попросить заказать справку, оформить командировку или подготовить информацию из нескольких корпоративных систем. Человеку будет достаточно объяснить, что ему нужно, а помощник выполнит необходимые действия.
Для этого одной умной модели мало. Ей нужны связи с нашими системами и доступ к рабочим инструментам. Поэтому мы развиваем такие подключения через MCP — открытый стандарт взаимодействия ИИ с внешними системами. Так помощник постепенно становится агентом: получает возможность выполнять поручения. При этом нужно заранее определить, какие действия ему доступны, где требуется подтверждение сотрудника и как проверяется результат.
В компании уже выдано более 500 лицензий на коммерческие ИИ-инструменты — ChatGPT, Cursor и другие передовые решения
— Как вовлечь тех, кто пока относится к ИИ скептически? Чего люди опасаются?
— Скепсис мне понятен. Если человек хорошо знает свою работу, у него закономерно возникает вопрос: сможет ли ИИ сделать ее качественно? Есть и опасения за свою профессиональную роль. На мой взгляд, разобраться с этим лучше всего помогает собственный опыт. Взять знакомую задачу, попробовать решить ее с ИИ и самому оценить результат. Здесь как раз полезна экспертиза человека: он увидит и удачное решение, и ошибку.
Я встречал коллег, которые сначала сомневались, а потом начинали активно пользоваться ИИ и показывать его другим. Когда удается быстрее подготовить материал или справиться с задачей, которую долго откладывал, отношение меняется. Становится понятно, как использовать инструмент в своей работе. И одновременно видно, сколько зависит от самого человека — его знаний, постановки задачи и готовности довести результат до нужного качества.
— Будет ли обучение сотрудников? Просто выдать доступ к нейросети, наверное, недостаточно.
— Да, доступ — это только начало. Мне близок подход Владимира Маркова: учиться работе с ИИ можно у самого ИИ. Попросить объяснить непонятное, показать пример, помочь разобраться с задачей. Но сначала у человека должен появиться интерес. Здесь и нужны короткие встречи, демонстрации, помощь с первым опытом. Хорошо, когда сотрудник приходит со своей задачей и прямо на ней пробует инструмент.
Вместе с Цифровой академией мы уже провели много демо-дней и будем продолжать обучение. Мне особенно интересно видеть, что коллеги начинают делать после таких встреч. Иногда они находят применения, которые удивляют даже людей с большим опытом работы с ИИ. Хочется, чтобы сотрудники чаще делились такими находками: пример коллег помогает увидеть возможности и в собственной работе.
«Объясните помощнику, над чем вы работаете, что уже известно и какой результат вам нужен. Чем лучше он понимает задачу и контекст, тем полезнее будет ответ»
— Многие считают, что главное — научиться писать правильные промпты. Вы согласны?
— Я бы начинал с умения поставить задачу. Объясните помощнику, над чем вы работаете, что уже известно и какой результат вам нужен. Чем лучше он понимает задачу и контекст, тем полезнее будет ответ. Если информации не хватает, можно прямо попросить ИИ задать уточняющие вопросы.
По моим наблюдениям, с развитием моделей необходимость в сложных, специально сконструированных промптах уменьшается. Можно разговаривать обычным языком, уточнять, показывать, что не подходит. В инструментах с памятью помогает и накопленный контекст: помощник может учитывать ваши задачи и предпочтения. Я это вижу на собственном опыте. Навык появляется по мере работы — когда пробуешь, оцениваешь результат и объясняешь, что нужно изменить.
— Как вы будете оценивать пользу ИИ для Корпорации?
— Я разделяю изменения в процессах компании и личную эффективность сотрудника. Для процесса можно задать вполне конкретные показатели: сколько времени он занимает, где возникает ожидание, как часто приходится что-то переделывать. Сначала смотрим, как работа устроена сейчас, затем сравниваем с тем, что получилось после изменений.
Причем важно оценивать весь процесс. Если подготовка документа ускорилась, а дальше он по-прежнему несколько дней лежит на согласовании, общий результат может почти не измениться. Для такого анализа мы планируем использовать process mining — изучение того, как процессы фактически проходят в информационных системах. Это поможет находить задержки и проверять, дали ли изменения ожидаемый эффект.
— А если сотрудник с помощью ИИ быстрее готовит презентацию или письмо?
— Здесь точность измерения будет другой. Мы не записываем действия человека за компьютером, поэтому опираемся в том числе на его собственную оценку. Можно спросить, сколько времени раньше занимала подготовка материала, сколько занимает теперь и сколько приходится тратить на проверку и доработку. Это субъективные данные, но они помогают понять, где человек действительно чувствует пользу.
Есть и статистика использования корпоративных инструментов: насколько регулярно к ним обращаются, как применяют сервисы для разработки, какой объем работы выполняют с моделями. Если человек постоянно возвращается к помощнику, для меня это хороший сигнал. Но количество запросов или потраченных токенов само по себе еще не показывает эффект. Поэтому статистику нужно сопоставлять с опытом сотрудников и конкретными изменениями в их работе.
— Вокруг ИИ много разговоров об ограничениях и рисках. Как вы к ним относитесь?
— К громким заявлениям стараюсь относиться спокойно и разбираться, какой конкретно риск за ними стоит. ИИ расширяет возможности людей, в том числе тех, кто использует технологии во вред. Например, он может облегчать подготовку атак на информационные системы. Значит, нам нужно развивать и защиту, учиться применять ИИ в кибербезопасности, привлекать необходимую экспертизу.
В повседневной работе отдельное внимание нужно уделять данным. Конфиденциальную информацию обрабатываем в корпоративном ИИ-помощнике, который работает в нашем контуре. Во внешних инструментах используем корпоративные учетные записи и только те данные, работа с которыми там разрешена. Само наличие корпоративной подписки не означает, что в сервис можно загрузить любую информацию компании
— А опасения о «восстании машин»?
— Я бы не стал ни предсказывать такой сценарий, ни уверенно говорить, что мы уже понимаем все последствия развития ИИ. Есть гипотеза технологической сингулярности — момента, когда темп изменений станет слишком высоким, чтобы человек успевал их осмысливать и контролировать. Пока я отношусь к этому как к вопросу, за которым нужно внимательно следить. Возможности моделей меняются, и наши представления об их ограничениях тоже придется пересматривать.
При этом договориться об общих ограничениях будет непросто. Мы видим сильную конкуренцию, в том числе между американскими и китайскими компаниями. Когда одни продолжают двигаться вперед, другим трудно остановиться. А проверить, что именно происходит в чужой исследовательской лаборатории, сложно. Здесь уже нужны решения на уровне государств и международных договоренностей.
— Кто должен обеспечивать безопасность самих моделей?
— Прежде всего разработчики моделей. Перед выпуском нужно проверить, как модель ведет себя в разных ситуациях, где она может причинить вред и насколько легко обойти установленные ограничения. Это большая исследовательская работа, которой лаборатории занимаются наряду с развитием самих моделей.
Сложность в том, что здесь нельзя заранее прописать ответ на каждый возможный запрос. Люди формулируют одну и ту же задачу разными способами, в том числе намеренно пытаются обойти защиту. Поэтому безопасность требует постоянной работы. И нам, как пользователям этих технологий, тоже нужно понимать ограничения выбранного инструмента и проверять, подходит ли он для конкретной задачи.
— Вы сами давно пользуетесь ИИ?
— Мне всегда интересно самому попробовать новую технологию. С ChatGPT познакомился, когда он только стал широко известен, а активно использую ИИ примерно последние полтора года. В какой-то момент стало понятно, что возможности моделей уже позволяют решать серьезные задачи. Тогда же я предположил, что вокруг них будет развиваться инфраструктура: подключение инструментов, работа с данными, выполнение последовательностей действий. Сейчас мы это и наблюдаем.
Пользуюсь ИИ каждый день, часто несколькими инструментами параллельно: Claude, ChatGPT, корпоративным распознаванием речи, моделями через API. Пробую и локальные решения — для текстов, изображений, распознавания документов. Мне интересно понимать на собственном опыте, что уже работает хорошо, где пока есть ограничения и что из этого может быть полезно нам в компании. Такой опыт помогает гораздо предметнее обсуждать внедрение с командой.
— Есть работа, которую вы уже не делаете без ИИ?
— Написание кода. Код для своих проектов я создаю с помощью ИИ. Сам определяю, какую задачу должен решать продукт, как он должен работать, проверяю результат и добиваюсь нужного поведения.
Таким способом я создал и выпустил в TN Life два цифровых продукта, еще несколько разрабатываю параллельно. Для меня это возможность самому пройти путь от идеи до работающего решения и разобраться, как организовать такую разработку. Где ИИ справляется, где ошибается, какие инструкции ему нужны и на каком этапе обязательно должна подключиться команда.
— Как проверить, что в сгенерированном коде нет ошибок?
— Ошибки возможны, поэтому проверка должна быть частью самой работы. Можно поручить одному агенту написать код, а другому — разобрать решение и найти слабые места. Но одной такой проверки недостаточно: нужны тесты и проверка того, как продукт работает в реальных сценариях.
Еще важно сразу задать правила разработки. Работая над своими продуктами, я сформировал инструкции с требованиями к технологиям и подходам, принятым в компании. Этот опыт можно использовать повторно: следующий сервис уже создается с учетом накопленных требований. Затем подключаются руководители разработки, оценивают решение, используют анализаторы кода и проверяют конкретные участки.
По собственному опыту вижу, насколько ИИ расширяет круг задач, за которые можно взяться. Мне хочется, чтобы коллеги тоже это попробовали. У каждого есть профессиональные знания, идеи и работа, до которой не доходят руки. Выберите такую задачу, попробуйте решить ее с помощником и посмотрите на результат. Мы даем инструменты и помогаем их освоить, а самые интересные применения сотрудники часто находят сами.
Текст Пресс-службы Корпорации ТЕХНОНИКОЛЬ. Изображение Magnific
