Искусственный интеллект перестал быть прерогативой исключительно технических специалистов, превратившись в полноценный рабочий инструмент для управленцев. Сегодня лидеры команд используют нейросети для обработки массивов данных и решения многозадачных кейсов. При этом средняя стоимость подписки на подобные сервисы составляет около 20 долларов в месяц, однако ключевая проблема заключается не в цене, а в подходе: многие руководители либо полностью игнорируют технологию, либо применяют её без понимания механизмов работы.
Иван Звягин, занимающий пост руководителя «Трендов», являющийся product owner в области ML-разработки и главным редактором журнала РБК, подчеркивает, что конкурентное преимущество получат не сами алгоритмы, а специалисты, освоившие грамотное взаимодействие с ними. Об этих аспектах он рассказал в рамках занятия «Не спешите внедрять: что лидеру стоит знать об ИИ», организованного Школолой управления РБК. Данный образовательный проект медиахолдинга проводит встречи по четвергам в 19:00 мск для развития управленческих компетенций.
При делегировании задач нейросетям руководители часто попадают в ловушку из-за специфики работы алгоритмов. Иван Звягин отмечает две основные опасности: чрезмерную «услужливость» системы и создание обманчивого впечатления о собственной надежности. ИИ способен генерировать крайне убедительные, связные и уверенные ответы, даже если в них содержатся фактические ошибки.
Для безопасного распределения нагрузки эксперт предлагает использовать методику «светофора»:
В «зеленую зону» входят рутинные операции, которые ранее передавались на аутсорс: перевод текстов, расшифровка аудиозаписей, форматирование документов или преобразование текста в таблицы. В этих задачах специализированные модели зачастую превосходят человека по точности. По мнению Ивана Звягина, хотя контроль за итоговым результатом всё же необходим, на практике его можно минимизировать.
К «желтой зоне» относятся подготовка аналитических сводок и черновиков электронных писем. Здесь существует риск искажения цифр или подбора контекстуально подходящих, но фактически неверных фактов. Иван Звягин рекомендует проводить тщательную проверку таких материалов, особенно если они предназначены для внешних адресатов, а также сохранять индивидуальный авторский стиль, чтобы избежать безликого корпоративного языка.
«Красная зона» включает стратегическое планирование, вопросы управления персоналом и любые аспекты, требующие эмоционального интеллекта и формирования доверия. Несмотря на то, что ИИ может служить источником идей, окончательное решение всегда должно оставаться за человеком, так как именно руководитель несет персональную ответственность за последствия.
Помимо автоматизации рутины, Иван Звягин выделяет ряд недооцененных возможностей:
— Обработка массивов данных. Большие отчеты (например, на 40 страниц) можно загружать в модель с четким запросом на создание структурированной выжимки. Также нейросети способны распознавать и обрабатывать даже рукописные заметки по фотографии.
— Интеллектуальный поиск. Инструменты вроде Perplexity позволяют быстро погрузиться в новую тему, предоставляя не просто ссылки, а структурированные справки с указанием источников.
— Подготовка к коммуникациям. Модель можно использовать как «адвоката дьявола», попросив её сыграть роль скептичного оппонента для тренировки аргументации перед важными переговорами.
— Рецензирование презентаций. ИИ способен проанализировать драматургию и структуру выступления, указав на слабые места.
Разъясняя природу технологии, Иван Звягин напоминает: у языковых моделей отсутствует человеческая логика. В их основе лежат нейроны, которые статистически предсказывают наиболее вероятное следующее слово в контексте. ИИ не осознает смысл своих слов и лишь мастерски имитирует понимание. Понимание этого ограничения позволяет руководителю не удивляться «галлюцинациям» системы, а работать более осознанно: предоставлять больше контекста и перепроверять критически важные данные.
Для получения качественного результата эксперт выделяет шесть составляющих эффективного промпта:
- Роль (определение специализации ИИ, например, редактор или критик).
- Контекст (описание ситуации).
- Задача (конкретное действие).
- Формат (желаемый вид ответа).
- Ограничения (что исключить из результата).
- Пример (образец для подражания).
Хотя не все элементы обязательны для каждого запроса, постановка задачи должна быть неизменной. При использовании одной и той же модели со временем она начинает учитывать историю переписки и предпочтения пользователя, что упрощает работу, но для сложных задач по-прежнему требуется максимально детализированный запрос.
На занятиях Школы управления РБК слушатели детально изучают каждый из этих компонентов и практикуются в создании запросов. Также в программу входят темы причин провала внедрения ИИ, обзора текущего рынка инструментов, различий между generative AI и machine learning, а также определения границ допустимого делегирования. Ознакомиться с материалами прошедших встреч и видеозаписями практических разборов можно на сайте школы при наличии платного доступа.
