6 слоев сопротивления при внедрении ИИ. Почему сопротивление это нормально

Хайп вокруг ИИ заставляет компании искать «серебряную пулю». Но как только проект доходит до этапа реализации, он разбивается о классические 6 слоев сопротивления Голдратта (Теория ограничений).

Для бизнес-аналитика понимание этих слоев — это не психология, а маршрут с критическими точками. Разберем их суть на примере внедрения ИИ в бизнес-процессы.

1️ Несогласие с проблемой

Что говорят: «У нас и так все работает, незачем усложнять».

Суть: Компания пытается внедрить решение, не имея диагностированной «боли». Если проблема не оцифрована (мы не знаем точную стоимость ручной обработки одного документа, не знаем даже занятости работников в тех или иных процессах). Невозможно доказать необходимость изменений там, где нет проблем.

2️ Несогласие с направлением решения

Что говорят: «Проблема с обработкой данных есть, но ИИ тут ни при чём. Нам нужно просто модернизировать текущую информационную систему, автоматизировать вот этот процесс, допилив существующий софт».

Суть: Специалисты признают проблему, но предлагают традиционное, понятное им IT-решение. Они не верят, что ИИ сможет помочь, и считают его избыточным инструментом для данной задачи. И они же правы https://habr.com/ru/posts/1088986/

3️ Сомнение в выгодах решения

Что говорят: «Да, это интересно, но стоимость внедрения, лицензий, очистки данных и поддержки ИИ явно превысит ту экономию, которую мы получим. Где здесь реальный ROI?»

Суть: Любое внедрение — это всегда затраты. Тут и скептики и энтузиасты захотят посмотреть финансовое обоснование: будет ли реальная прибыль или ценность от ИИ превышать совокупную стоимость владения? Без четкого расчета, в котором выгоды гарантированно перевешивают затраты, проект выглядит как неоправданная трата бюджета. А времена нынче непростые, надо экономить.

4️ Опасение негативных последствий

Что говорят: «ИИ галлюцинирует, уверено врет, неправильно интерпретирует. А человек физически не может проверить каждую рекомендацию.»

Суть: Это не абстрактный страх, а конкретный риск. ИИ — вероятностная система, которая может уверенно выдавать не то. В существующих процессах человек несет персональную ответственность за каждое решение. С ИИ эта цепочка разрушается: кто отвечает, если алгоритм ошибся, а сотрудник доверился системе? Это может привести к катастрофическим последствиям, вплоть до от судебных исков и потери клиентов. Без четкого процесса верификации результатов проект будет нежизнеспособен.

5️ Опасение непреодолимых препятствий

Что говорят: «Мы понимаем, что хотим сделать, но не понимаем, какими силами. Готовых коробочных решений под наши задачи нет. У нас нет внутренней экспертизы, а на рынке мы не наблюдаем вендоров с реальным, а не маркетинговым опытом. Технология еще сырая, и найти настоящих носителей этих компетенций невозможно».

Суть: Это объективный фактор новой технологии. Внедрение ИИ в конкретный бизнес-процесс - это не просто развернуть сервис и научить пользоваться. Требуется большое исследование процессов организации в контексте внедрения ИИ. Сейчас многие уже ищут специалистов с опытом внедрения ИИ, и не могут найти. Попытка решить это «в лоб» приводит к расходам и зависанию проекта на этапе первых экспериментов, которые так и не переходят в реальную работу.

6️ «Да», но без действий

Что говорят: «Всё понятно, отличная инициатива, давайте внедрять» - но ничего не делают. Не выделяют время на тесты, не приходят на обучение, саботируют пилот другими задачами.

Суть: Даже если из-за политического давления или нажима руководства менеджеры и специалисты согласились участвовать во внедрении ИИ, это не значит, что сопротивление угасло. Конечно, чтобы успешно преодолеть этот слой нужно преодолеть предыдущие, а ещё иметь достаточно энтузиастов, готовых продвигать проект. Тут нужны не только аргументы, но и изменение контекста: новые правила и примеры успешных коллег.

Внедрение ИИ — это наконец-то проекты полной трансформации бизнес-процессов, чем и отличается от внедрений инструментов цифровизации, которые накладывались на текущие процессы сверху или служили только основой для выстраивания процессов.

Прежде чем говорить о технологиях, ответьте на три вопроса:

1. Какую конкретную проблему мы решаем и как это измерено в деньгах/времени?

2. Действительно ли нам здесь необходим ИИ? Может есть варианты пока сделать упор на упорядочивание процессов и классическую автоматизацию?

3. Понимает ли бизнес, что первые 3–6 месяцев работа скорее замедлится из-за настройки и контроля, прежде чем произойдет реальное ускорение и окупаемость?

4. Готовы ли мы переписать регламенты под вероятностную природу ИИ и взять на себя риски его ошибок?

5. Есть ли у нас специалисты, готовые решить эту проблему, перестроить процессы и не сломаться на пол-пути?

6. Достаточно ли энтузиастов среди сотрудников, можно ли выделить их в отдельную команду внедрения?

Без честных ответов на эти вопросы ИИ останется дорогим экспериментом с отрицательным эффектом.