Цифровые сотрудники: как руководители расширяют команду без найма

Настоящим цифровым сотрудником агент становится, когда он получает подробную инструкцию, доступ к нужным корпоративным инструментам и способен довести ограниченный процесс до результата. Например, собрать данные, сверить документы, подготовить вывод, передать задачу дальше или остановиться и привлечь человека, если ситуация вышла за рамки инструкции.

О том, как цифровые сотрудники постепенно становятся частью современных команд, рассуждаем в статье.

Когда обсуждают AI и рынок труда, разговор быстро уходит в крайности о полной замене живых сотрудников или, наоборот, полном отказе от автоматизации. В реальности необходимо смотреть на конкретные операции внутри рабочих ролей. У менеджера, руководителя группы, бухгалтера, аналитика или тимлида почти всегда есть повторяющиеся задачи, которые требуют внимания, аккуратности и знания контекста. Для таких задач AI-агенты подходят лучше всего.

Рассмотрим один из таких процессов — ежемесячную сверку часов с подрядчиком. Подрядчик присылает отчет с задачами и потраченными часами.

Если процесс повторяется, возникает вопрос: почему не создать сервис, который все это делает? В ряде случаев это оправданный путь — когда процесс стабилен, данные приходят в одном формате и исключений почти нет. Однако в реальной компании почти все процессы изменчивы: формат отчета меняется, подрядчики присылают данные в разных форматах, во внутренней системе появляются новые поля, меняется порядок согласования.

Классическая автоматизация с многовариантностью — это полноценный долгий проект по разработке. Любое дополнительное изменение предполагает новый IT-проект: нужно поправить код, протестировать, выпустить и поддерживать обновленную версию. В отличие от традиционной разработки кода, в AI-агента закладывается именно суть задачи: что он получает на входе, по каким правилам действует и какой результат должен выдать.

В итоге сотрудник перестает тратить время на операции, которые агент выполняет самостоятельно, и может сосредоточиться на задачах, которые требуют глубокой экспертизы. Для компании это означает, что повторяемые процессы продолжают работать эффективно даже при изменениях.

Цифровой сотрудник — это всегда связка из нескольких элементов:

• Навыки — описание того, какую работу агент выполняет и как именно.

• Инструменты — доступ к корпоративным системам, чтобы, например, получить данные из портала, прочитать документ, создать задачу, отправить счет на согласование.

• Правила остановки — границы, за которыми агент не принимает решение самостоятельно и привлекает человека.

• Аудит — прозрачность действий: что агент сделал и на каком основании.

В примере со сверкой подрядчика агент может распарсить отчет, собрать данные из задач, сравнить часы и подготовить таблицу расхождений. Если все совпало, агент подготовит документ для согласования. Если обнаружились расхождения — передаст их менеджеру с пояснением о том, что именно не сходится, и запросом детализации и пояснений. Человек остается в процессе, как ответственное лицо, которое принимает решения там, где заканчивается зона ответственности агента.

Раньше автоматизация строилась по длинной цепочке: бизнес описывает требования, аналитик формализует процесс, разработчик пишет систему. Между человеком, который знает процесс, и инструментом, который его автоматизирует, возникал большой разрыв.

В модели цифровых сотрудников носителем экспертизы остается сам сотрудник. Он описывает агенту логику работы — что проверить, в каком порядке, какие ситуации считать исключением и когда остановиться и передать задачу человеку. По сути, это классическое делегирование, только вместо младшего коллеги инструкцию получает AI-агент. При этом сотрудник все еще отвечает за качество этой инструкции, проверяет результаты работы агента и дорабатывает правила по мере появления новых исключений.

• Внедрение AI-агентов трансформирует то, как руководитель принимает решение о росте команды, найме и горизонте планирования.

• Масштабирование без постоянного найма. Раньше рост операционных возможностей требовал пропорционального увеличения команды или длинного цикла разработки. AI-агенты, которые сотрудники создают на основе собственной практики, позволяют расширять объем выполняемых задач без постоянного расширения штата.

• Навык передачи знаний и экспертизы. Способность хорошо выполнять функцию перестает быть единственным критерием оценки сотрудника. Не менее важно, может ли он эту функцию задокументировать и передать другому специалисту или AI-агенту.

• Дополнительная операционная структура. Отдельные сценарии постепенно складываются в систему. Сначала это точечные роли — агент для сверки, агент для подготовки отчетов, агент для первичной проверки документов. По мере того как инструментов становится больше, эти роли расширяются и начинают покрывать более сложные процессы.

Сказать сотрудникам «теперь обучайте агентов» и ждать результата недостаточно. Компания должна подготовить среду. Для этого необходимы:

• доступ к эффективным AI-сервисам;

• библиотека навыков, чтобы полезные инструкции не оставались на локальных компьютерах отдельных людей;

• внутренние инструменты и API, через которые агент сможет работать с корпоративными системами;

• права доступа, аудит и правила безопасности;

• регламент процесса проверки и публикации: кто создает инструкцию, кто ее проверяет, кто отвечает за качество.

Чем лучше корпоративные системы готовы к интеграциям, тем проще выстроить полноценное взаимодействие с AI-агентами.

Компании, которые еще не работали с AI-агентами, нередко откладывают старт в ожидании подходящего момента, готовой платформы или четкой стратегии. Лучше всего начать с малого и затем постепенно масштабировать результат.

1. Сначала найти 5-10 повторяемых процессов, которые достаточно понятны, но пока не автоматизированы классическими средствами.

2. Затем определить ответственных сотрудников, которые являются носителями этих процессов, и дать им возможность описать сценарии для агентов. 

3. Параллельно техническая команда готовит среду: доступы к внутренним системам, API, безопасное окружение для исполнения, аудит.

4. После этого необходимо провести тестовые запуски. По каждому из них важно зафиксировать несколько показателей: сколько времени можно сэкономить на новом процессе, где агент ошибается и какие исключения встречаются чаще всего, какие инструменты агенту необходимы дополнительно и как меняется инструкция по итогам первых запусков.

На данный момент AI-инструменты доступны практически любой компании, поэтому то, что сегодня выглядит как технологическое новшество, завтра становится базовым требованием. Устойчивое преимущество останется у тех компаний, которые научатся системно превращать экспертизу своих сотрудников в воспроизводимые операционные сценарии быстрее и последовательнее, чем конкуренты.