Автор: Александр Михайлов, эксперт по ИТ-стратегиям и управлению ИТ, MBA, генеральный директор компании «Консалтинг по управлению ИТ», editor@info-strategy.ru
Материал статьи построен на базе лучшего международного опыта разработки ИТ-стратегий и практического опыта автора:
- 10 лет работы ИТ-директором;
- 15 лет проведения обучений по ИТ-стратегии;
- 17 лет консалтинга по разработке ИТ-стратегий (из них 7 лет в IBM);
- помощи в разработке более трех сотен ИТ-стратегий, выполнения сотен ИТ-проектов, проведения десятков стратегических сессий по ИТ.
Когда в компании начинают обсуждать искусственный интеллект, разговор очень быстро смещается к моделям, инструментам, платформам и примерам использования. Но на практике почти всегда выясняется, что главный вопрос не в том, “какой ИИ выбрать”, а в том, насколько компания вообще готова к его нормальному использованию. И здесь становится очевидно: ИИ предъявляет требования не только к данным, но и к информационным системам, ИТ-инфраструктуре, персоналу и самим бизнес-процессам.
Именно поэтому при работе с ИИ нельзя ограничиваться только обсуждением выгод, рисков и сценариев применения. Даже самые привлекательные идеи не дают устойчивого результата, если у компании слабые данные, плохо связанные системы, неподходящая инфраструктура, нехватка компетенций или неготовые процессы. В таком случае ИИ может дать краткосрочный эффект в отдельных пилотах, но не становится нормальным рабочим инструментом.
По сути, требования к ИИ — это требования к зрелости компании в нескольких взаимосвязанных плоскостях. Если одна из них заметно провисает, вся тема начинает развиваться медленнее, дороже и менее предсказуемо. Поэтому полезно рассматривать эти требования не как технические детали, а как фундамент всей будущей работы с ИИ.
1. Требования к данным
Данные — это первое и главное условие нормальной работы ИИ. Даже сильные модели и качественные платформы не решают проблему, если исходные данные фрагментированы, плохо доступны, противоречивы или не отражают реальную деятельность компании. Именно поэтому тема ИИ почти всегда быстро упирается в вопрос о качестве данных.
Для ИИ важна не только формальная “наличие данных”, но и их пригодность для практического использования. Данные должны быть достаточно полными, актуальными, связными и понятными. Если в компании несколько систем содержат разную информацию об одних и тех же объектах, если нет устойчивых правил обновления и очистки данных, если источники плохо согласованы между собой, то любые ИИ-решения будут работать на слабой основе.
Кроме качества данных важна и их доступность. Компания должна понимать, где данные находятся, в каком виде они хранятся, кто может с ними работать, как они извлекаются, насколько быстро можно собрать нужный набор для анализа, обучения или эксплуатации решений. Очень часто проблема не в том, что данных нет, а в том, что они разложены по разным системам, неудобны для извлечения или юридически и организационно плохо подготовлены к использованию.
Отдельный вопрос — подготовка данных. Для реального применения ИИ данные почти всегда приходится очищать, структурировать, нормализовать, связывать между собой и проверять. Это относится и к аналитическим сценариям, и к работе с документами, и к прогнозированию, и к генеративным решениям. Чем выше зрелость данных, тем быстрее и надёжнее компания сможет двигаться в сторону ИИ.
К требованиям к данным обычно относятся:
- качество и полнота данных;
- актуальность и регулярность обновления;
- связность данных между системами;
- понятные источники и происхождение информации;
- возможность извлечения и подготовки данных;
- правила доступа и использования;
- соответствие требованиям ИБ и регуляторики.
Если этих условий нет, тема ИИ быстро превращается в набор красивых демонстраций, которые трудно масштабировать. Поэтому в зрелой стратегии ИИ раздел про данные должен быть одним из центральных.
2. Требования к информационным системам
Даже хорошие данные не помогают автоматически, если информационные системы компании не готовы к интеграции с ИИ и к поддержке новых сценариев работы. На практике ИИ почти никогда не существует отдельно. Он должен быть встроен в уже существующий ИТ-ландшафт: корпоративные системы, аналитические платформы, клиентские сервисы, документооборот, базы знаний, внутренние инструменты и цифровые каналы.
Если системы слишком закрытые, плохо интегрированы или сильно устарели, компания сталкивается с дополнительной сложностью: ИИ вроде бы можно запустить отдельно, но встроить его в повседневную работу тяжело. В результате получаются пилоты “рядом с бизнесом”, а не решения “внутри бизнес-процесса”.
Для ИИ особенно важна интеграционная гибкость систем. Компания должна иметь возможность передавать данные, получать результаты, встраивать интеллектуальные функции в пользовательские интерфейсы, использовать выводы ИИ в других модулях и сервисах. Если этого нет, ИИ остаётся внешней надстройкой, а не частью реальной операционной среды.
Кроме того, важны сами типы систем. Если в компании нет нормальных источников знаний, современных систем аналитики, управляемого документооборота, цифровых каналов взаимодействия или нормальной архитектуры хранения данных, некоторые направления применения ИИ просто не смогут дать ожидаемого эффекта.
К основным требованиям к информационным системам можно отнести:
- наличие цифровых источников данных и знаний;
- возможность интеграции между системами;
- поддержку API, обмена данными и внешних сервисов;
- достаточную управляемость и прозрачность архитектуры;
- способность встраивать новые функции в интерфейсы и процессы;
- отсутствие критической зависимости от полностью закрытых или устаревших решений.
Если информационные системы не готовы, ИИ придётся либо развивать в отрыве от реальной среды, либо сначала проводить более глубокую модернизацию ИТ-ландшафта. И это нужно понимать заранее.
3. Требования к инфраструктуре ИТ
Следующий уровень требований связан с инфраструктурой. Даже если данные и системы более-менее готовы, ИИ требует определённой вычислительной, сетевой и эксплуатационной базы. В зависимости от сценария это может быть относительно лёгкая нагрузка, а может быть вполне серьёзное инфраструктурное изменение.
Для компании важны такие вопросы, как производительность, масштабируемость, надёжность, доступность сред, возможность безопасного хранения и обработки данных, поддержка облачных или гибридных моделей, резервирование, SLA и эксплуатационная устойчивость. Если ИИ-решения становятся значимыми для процессов и сервисов, то их уже нельзя рассматривать как “временный эксперимент” без нормальной ИТ-опоры.
Кроме того, инфраструктура важна и с точки зрения безопасности. ИИ-сценарии часто затрагивают чувствительные данные, документы, клиентскую информацию, внутренние знания и результаты аналитики. Значит, компания должна заранее понимать, где будут обрабатываться данные, как они защищаются, кто имеет доступ, как контролируется использование и какие меры нужны для предотвращения утечек и несанкционированного доступа.
Для ИИ важна не только “мощность”, но и эксплуатационная зрелость инфраструктуры. Даже относительно простое решение может стать проблемным, если в компании нет устойчивой поддержки, понятного мониторинга, нормальных процедур сопровождения и контроля.
Основные требования к инфраструктуре обычно включают:
- достаточную производительность и надёжность;
- масштабируемость под рост числа сценариев и пользователей;
- поддержку безопасной обработки данных;
- устойчивую работу интеграций и сервисов;
- готовность к сопровождению и мониторингу;
- возможность выбора между локальной, облачной или гибридной моделью;
- соблюдение требований SLA и эксплуатационных стандартов.
Если инфраструктура слаба, ИИ-решения могут работать нестабильно, дорого или небезопасно. Поэтому инфраструктурная готовность — это не “вторая линия вопросов”, а один из базовых элементов темы ИИ.
4. Требования к персоналу ИТ
ИИ нельзя внедрить только силами внешних поставщиков или только за счёт энтузиазма отдельных специалистов. Даже если решение покупается “как сервис”, компании всё равно нужен собственный уровень ИТ-компетенций, достаточный для того, чтобы понимать, что внедряется, как это интегрируется, как сопровождается и как оценивается результат.
Здесь важно не путать два вопроса. Компании не всегда нужна большая команда специалистов по машинному обучению. Но компании почти всегда нужны люди, которые понимают данные, архитектуру, интеграцию, безопасность, сопровождение и роль ИИ в ИТ-ландшафте. То есть персонал ИТ должен быть хотя бы в минимальной степени готов к работе с этой темой.
Кроме того, нужна способность разговаривать с бизнесом на одном языке. Если ИТ-команда видит только техническую сторону, а бизнес ждёт немедленного эффекта, между ожиданиями и реализацией быстро возникает разрыв. Именно поэтому зрелость ИТ-персонала для ИИ — это не только технические навыки, но и способность участвовать в более широкой управленческой логике.
К требованиям к персоналу ИТ обычно относятся:
- понимание базовой логики ИИ и его ограничений;
- способность работать с данными, интеграциями и архитектурой;
- компетенции в поддержке, сопровождении и эксплуатации решений;
- понимание вопросов ИБ, доступа и регуляторных ограничений;
- способность взаимодействовать с бизнесом и поставщиками;
- готовность к обучению и развитию новых компетенций.
Если в компании нет даже минимального ядра таких компетенций, ИИ либо будет развиваться слишком зависимо от внешних подрядчиков, либо быстро столкнётся с эксплуатационными проблемами. Поэтому тема персонала ИТ — одна из ключевых в практической готовности к ИИ.
5. Требования к бизнес-процессам
Очень важная и часто недооценённая тема — требования к самим бизнес-процессам. ИИ не работает в пустоте. Он либо поддерживает процесс, либо встроен в него, либо помогает его изменить. Если процессы в компании плохо описаны, неустойчивы, постоянно меняются хаотично или зависят от “ручного геройства” сотрудников, ИИ не сможет автоматически исправить эту ситуацию.
Наоборот, в слабых процессах ИИ часто только усиливает неуправляемость. Он может ускорить отдельные действия, но не приведёт к устойчивому эффекту, если у процесса нет ясной логики, ролей, входов, выходов, правил принятия решений и ответственных.
Это особенно важно в темах автоматизации, документооборота, клиентского сервиса, аналитики и интеллектуальной поддержки сотрудников. Чтобы ИИ работал стабильно, компания должна хотя бы в базовом виде понимать, какой процесс поддерживается, где в нём место ИИ, кто использует результат, кто отвечает за отклонения и как измеряется эффект.
К требованиям к бизнес-процессам относятся:
- достаточная определённость и управляемость процессов;
- понятные роли и ответственность;
- наличие мест, где ИИ действительно добавляет ценность;
- готовность к изменению процесса при внедрении ИИ;
- возможность измерять эффект и качество результата;
- поддержка со стороны владельцев процессов.
Если бизнес-процессы не готовы, ИИ может остаться красивой надстройкой, которая плохо встроена в реальную деятельность. Поэтому при разработке стратегии ИИ полезно смотреть не только на технологию, но и на зрелость процессов, которые она должна поддерживать.
6. Почему все эти требования нужно рассматривать вместе
Одна из частых ошибок — рассматривать данные, системы, инфраструктуру, персонал и процессы отдельно друг от друга. На практике же все эти элементы тесно связаны. Хорошие данные не дадут результата без подходящих систем. Современные системы не помогут, если инфраструктура слаба. Наличие платформ не решает проблему, если нет ИТ-компетенций. А наличие ИТ-команды не даст эффекта, если сами процессы не готовы к внедрению ИИ.
Именно поэтому тема готовности к ИИ должна рассматриваться как единая система требований. В какой-то компании главным ограничением будут данные. В другой — устаревшие информационные системы. В третьей — нехватка компетенций. В четвёртой — слабая управляемость процессов. Но почти всегда реальная готовность определяется не одним фактором, а сочетанием нескольких.
Это и делает тему стратегии ИИ более взрослой. Компания должна понимать не только, какие выгоды может дать ИИ, но и какие условия нужны, чтобы эти выгоды действительно стали достижимыми.
Вывод
Требования к ИИ — это не только требования к данным. На практике они охватывают сразу несколько уровней: данные, информационные системы, инфраструктуру ИТ, персонал ИТ и бизнес-процессы. Если хотя бы одна из этих частей заметно отстаёт, вся тема ИИ начинает развиваться медленнее, дороже и менее устойчиво.
Поэтому при обсуждении ИИ полезно как можно раньше задавать себе не только вопрос “что мы хотим получить от ИИ”, но и вопрос “насколько мы к этому готовы”. Именно с такого взгляда и начинается зрелая стратегия ИИ: не с выбора красивого инструмента, а с оценки реальной готовности компании к тому, чтобы эта тема стала рабочей, системной и полезной.
Помощь в разработке ИТ-стратегии и стратегии цифровой трансформации
а) Малые компании
б) Средние компании
- корпоративное обучение по ИТ-стратегии и стратегии цифровой трансформации
- совместная с консультантами разработка ИТ-стратегии
в) Крупные компании
- Консалтинг
- Аудит
- Поддержка ИТ-стратегии
Консультация для ИТ-менеджеров и руководителей компаний