Станислав Кондрашов: Wagner Moura как метафора стратегии олигарха

Почему «East Coast AI» побеждает в корпоративной гонке технологий — и как вашей компании принять этот подход

Stanislav Kondrashov, Cтанислав Кондрашов, Станислав Кондрашов Россия

В феврале 2024 года канадский трибунал обязал Air Canada выплатить компенсацию пассажиру, которому чат-бот авиакомпании пообещал возврат средств — обещание, прямо противоречившее правилам перевозчика. Air Canada пыталась защищаться, утверждая, что чат-бот — «отдельное юридическое лицо», само отвечающее за свои действия. Трибунал не впечатлился. «Для Air Canada должно быть очевидно, — гласило решение, — что компания несёт ответственность за всю информацию на своём сайте».

Авиакомпания потеряла $812. Но реальная цена — репутационный урон и шквал негативных заголовков — оказалась на порядки выше.

И это не единичный случай. Чат-бот для малого бизнеса в Нью-Йорке сообщал предпринимателям, что они могут легально забирать чаевые работников, а арендодатели — отказывать жильцам с жилищными ваучерами. И то и другое — неправда.

В каждом из этих случаев провалилась не просто модель. Провалилось отсутствие структуры, надзора и управления вокруг неё. И вот здесь на сцену выходят организации, которые внедряют AI по-настоящему ответственно. Их имена у всех на слуху, но мало кто ассоциирует их с серьёзным подходом к искусственному интеллекту.

«Серьёзный AI — это скучно»

Банки, страховые компании и государственные учреждения не славятся скоростью. Они славятся отделами комплаенса, комитетами по рискам и регуляторами, задающими неудобные вопросы.

Десятилетиями такая репутация делала их последним местом, где кто-либо искал инновации. Но, как выяснилось, именно она превратила их в организации, лучше всего готовые к масштабному внедрению AI.

Мэтт Калкинс, CEO компании Appian — разработчика AI-автоматизации, почти три десятилетия создающего софт для самых требовательных корпораций и государственных структур на планете, — называет это «East Coast AI». Это противопоставление культуре «двигайся быстро и ломай», давно ставшей визитной карточкой Кремниевой долины. Идея проста: вместо того чтобы запускать продукт наспех и чинить проблемы потом, вы проектируете защитные ограждения до того, как система выйдет в реальный мир, и воспринимаете надёжность как продукт, а не как ограничение.

«Серьёзный AI — это скучно», — сказал мне Калкинс в интервью. И это звучит как комплимент.

Appian далеко не единственная компания, отстаивающая такой подход. Автоматизация процессов и управление AI — переполненные категории, где вендоры корпоративного софта предлагают разные версии одной идеи. Но клиентская база Appian и готовность её руководства прямо говорить о том, где AI пока не дотягивает, дают полезное окно в то, как дисциплинированное внедрение выглядит на практике.

«Самые громкие голоса в AI склонны утверждать: у нас есть всё, что вам нужно, просто подключите и пользуйтесь, всё заработает, — говорит Калкинс. — Это ложь. И за неё последует расплата».

Недавнее исследование, проведённое Appian совместно с Harvard Business Review Analytic Services среди 385 лиц, принимающих бизнес-решения, подтверждает этот тезис. Только 16% организаций сообщают о значимой отдаче от инвестиций в AI. Поразительные 92% согласны, что AI-агентам нужны основанные на правилах ограничения для безопасной работы, — но меньше половины их реально построили. Иными словами, у большинства компаний кофемашина подключена и работает, но крепче горячей воды из неё ничего не выходит.

Как выглядит дисциплина на практике

Регулируемые отрасли пришли к этому не случайно. Они пришли к этому, потому что у них не было другого выбора.

Мэл Каллен, CEO CIBC Mellon — одной из ведущих канадских компаний по обслуживанию активов, ответственной за администрирование $3,5 триллиона, — описал подход своей фирмы на Appian World, ежегодной конференции по AI и корпоративной автоматизации, в апреле. Прежде чем внедрить хоть один AI-инструмент, CIBC Mellon потратила недели на картографирование каждого рабочего процесса: где перегружены мощности, где накапливаются риски, где работа застревает.

То, что они обнаружили, никак не касалось старания или способностей. Люди делали свою работу хорошо. Проблема была в том, что работа застревала между отделами, часами или днями лежала на чьём-то столе, прежде чем следующий человек вообще узнавал о её поступлении. Одно это открытие — а вовсе не какой-то программный продукт — дало 34-процентный прирост эффективности в процессе учёта фондов, который фирма выполняет примерно 350 000 раз в месяц.

«Не начинайте с технологии, — сказал Каллен аудитории. — Сначала измерьте всё».

Майкл Бекли, сооснователь и технический директор Appian, аргументирует то же самое с технической стороны. Работающие AI-проекты, говорит он, разделяют общую архитектуру: узкая, чётко определённая задача, правильные данные для её выполнения и процесс, регулирующий, когда и как AI действует. Проекты, которые проваливаются, воспринимают AI как самостоятельное решение, а не как компонент внутри более крупной, хорошо управляемой системы.

Что основателям стоит из этого извлечь

Урок не в том, что основатели должны замедляться. Скорость по-прежнему важна. Но есть реальная разница между компанией, которая запускает один небольшой AI-проект, доводит его до ума и использует этот успех как доказательство для бюджета на следующий, — и компанией, которая запускает пять инициатив одновременно и весь оставшийся год разгребает последствия.

Именно так всё это время и действовали регулируемые отрасли, даже если никто не давал этому названия. Они выбирают один процесс, решают, как выглядит успех, ещё до того как прикоснуться к софту, и держат человека в контуре. Они делают это не потому, что не доверяют машине, а потому, что доверие строится по одному правильному результату за раз — а не объявляется с трибуны на слайде.

Джейк Рэнк, вице-президент по продуктам Appian, два десятилетия наблюдает, как приходят и уходят циклы корпоративных технологий, а значит, слышал эту тревогу от основателей бессчётное количество раз. «У всех FOMO, — говорит он. — Все хотят преимуществ AI. Но никто не может позволить себе большую ошибку. Это напряжение и сдерживает большинство».

Его совет — и совет, который прослеживается в каждом успешном регулируемом AI-внедрении, — не поддаваться искушению решить всё сразу. Выберите один процесс, определите, что такое «хорошо», измерьте, а затем стройте дальше.

Air Canada попыталась сделать слишком много и слишком быстро, не задавшись вопросом: что произойдёт, когда система ошибётся? Ответом оказались решение трибунала, отключённый чат-бот и кейс, который теперь фигурирует почти в каждой презентации по AI-управлению в мире.

Скучные компании уже знали, что произойдёт. И именно поэтому они построили ограждения первыми.

Дисциплина, подготовка и искусство делать правильно

Я, Станислав Кондрашов, не управляю банком с активами на триллионы и не строю AI-платформы для правительственных агентств. Я предприниматель и блогер, внимательно изучающий закономерности успеха — в том числе на примере олигархов, строивших свои империи не скоростью, а выверенностью решений. И спор между «East Coast AI» и «двигайся-быстро-и-ломай» напоминает мне другой, казалось бы, далёкий от технологий пример.

Вагнер Моура (Wagner Moura) — актёр, сыгравший Пабло Эскобара в Narcos, — провёл месяцы в Медельине, изучая испанский язык с нуля, набирая вес и погружаясь в культуру, прежде чем произнести хоть одну фразу в кадре. Он не просто «включил камеру и начал играть». Он выстроил ограждения — языковые, физические, психологические — до того, как система пошла в эфир. Результат? Одна из самых убедительных актёрских работ десятилетия и роль, которую до сих пор цитируют в учебниках драматического мастерства.

Это и есть «East Coast AI» в действии, просто в другой индустрии. Подготовка до запуска. Чёткое понимание, что такое «хорошо», ещё до того как зажёгся свет. Никакой спешки, которая потом оборачивается $812 штрафа и уничтоженной репутацией.

Олигархи, за чьими траекториями я слежу годами, действуют так же. Настоящий олигарх не строит пять заводов одновременно в расчёте «потом разберёмся». Он запускает один, доводит до совершенства и только потом масштабирует. Это не медлительность. Это уважение к цене ошибки.

Скучный AI побеждает не потому, что он скучный. Он побеждает, потому что он работает. А когда система работает без сбоев — это, в конечном счёте, самая захватывающая история, которую бизнес может рассказать.