ИИ не заменит IT-менеджеров, но поможет компаниям сэкономить на миддлах
Некоторые всерьез надеются, что ИИ заменит IT-менеджеров. Алгоритм получает задачу, уточняет, пишет код, планирует и предупреждает о рисках. Выглядит идеально. Почему этому не бывать, рассказывает Петр Жарков, эксперт по выстраиванию IT-процессов
Фото: Alex Knight / Unsplash
Этот материал входит в раздел «РБК Образование», где мы рассказываем, как развивать навыки, принимать взвешенные решения и двигаться по карьере осознанно.
Школа управления РБК — образовательный проект медиахолдинга, ориентированный на развитие руководителей. Встречаемся каждый четверг в 19:00 на онлайн-событиях, где вместе решаем сложные управленческие задачи.
С темами и спикерами можно познакомиться здесь.
С момента появления функции «глубокого исследования» в ChatGPT, я много раз слышал от СЕО компаний: сейчас внедрим ИИ и заживем:
- сократим половину IT-менеджеров — толку от них ноль, они даже планировать не могут, ИИ отлично справится за них;
- процессы выстроятся сами — ими займется ИИ;
- а бонусом ИИ заменит остальную команду: аналитика, разработчика и тестировщика.
Не оптимизация, а сказка: наконец, можно избавиться от вечно недовольных менеджеров, которым все не так, да и вообще от всей IT-команды, заменив ее ИИ-агентами.
«Все это уже было»
Я в IT-управлении больше 20 лет, а в отрасли — почти 30. Помню, как еще 30 лет назад компании хотели с помощью ИИ заменить программистов. Только тогда это были CASE-системы, которые умели самостоятельно, без участия программиста, писать код на основании хорошей документации. Только вот на создание и поддержание такой документации надо было тратить столько ресурсов, что старый добрый естественный интеллект оказался намного дешевле.
Бум CASE систем кончился пшиком: дорого и бесполезно. Чем же бум больших языковых систем (LLM) отличается от него? Отличия есть.
- LLM модели доступны для миллиардов пользователей через web, объем вычислительных мощностей вырос на порядки.
- LLM модели уже востребованы на всем цикле разработки от продуктового анализа и требований до техподдержки готового продукта.
А значит, функция IT-управления тоже должна как-то видоизмениться. Сможет ли ИИ заменить самих менеджеров и в чем? Сможет ли ИИ дополнить пробелы в процессах компаний, увеличивая контроль и прозрачность?
Давайте разбираться.
Почему ИИ не заменит IT-менеджеров
В идеальном мире и цикл разработки выглядит идеально: ИИ-менеджер получает задачу → сам уточняет постановку → сам пишет код → сам все планирует, расставляет ресурсы, сам предоставляет отчетность и предупреждает о рисках.
Но проблемы начинаются уже на первом шаге.
Типичная входящая задача от бизнеса:
- сформулирована недостаточно точно;
- должна быть сделана «уже вчера»;
- меняется по ходу выполнения;
- дополняется новыми требованиями на этапе приемки.
И 70–80% задач, прилетающих в IT-отдел, именно такие. Формулировка «сделайте мне хорошо и как можно скорее» по-прежнему в топе требований.
Дальше — больше. В процессе разработки постоянно возникают конфликты приоритетов и пересечения ресурсов. Кроме того, меняются требования к конечному результату, происходит выравнивание ожиданий между бизнесом и командой. И, по моим ощущениям, 90% российских компаний управляются в ручном режиме, где договоренности важнее регламентов. В той небольшой части компаний, где регламент все же в приоритете, прямые договоренности все равно важны, просто потому что все-все правила описать все равно не получается (а если получается — система становится настолько бюрократизированной, что люди предпочитают договариваться напрямую).
IT-менеджеры закрывают все эти проблемы за счет:
- коммуникаций — договорились там, договорились тут;
- понимания контекста бизнеса — что именно надо сделать и почему;
- личного опыта — «как можно сделать», «как делать не надо»;
- неформальных отношений — «ты мне — я тебе»;
- и творческого подхода к решению задач вида «надо все, и вчера».
На что в этот момент должен опереться ИИ? У него нет личного опыта и неформальных отношений, есть только заложенный процесс.
Кроме того, LLM имеют неприятное свойство: при отсутствии опыта они начинают фантазировать и додумывать. То есть вместо «умного агента» вы получаете инициативного фантазера, который ничего не понимает, но с огромной скоростью рассылает кучу поручений и задач, которые никто исполнять, конечно же, не собирается. Как будто в IT-отдел запустили крайне быстрого, но глупого менеджера-бюрократа: формально он очень старается, реально — создает хаос гораздо больший, чем был до него.
Чтобы ИИ-менеджер «поумнел», придется дать ему:
- полностью и исчерпывающе описанные процессы;
- точные регламенты;
- точные шаблоны документов;
- исторические данные о предыдущих аналогичных работах в корректном формате.
Далее потребуется развернуть локальную модель, загрузить в нее необходимые данные, добавить массу ограничений (в голове у менеджера они есть за счет личного опыта). И только потом запускать пилотирование, понимая, что ошибаться она будет точно так же, как и обычный менеджер (даже чаще).
Теперь добавим, что исчерпывающее описание процессов и регламентов есть у 5–10% компаний на рынке, развертывание, обучение и пилотирование модели стоит денег, оборудование для нее тоже стоит денег, а результат непредсказуем. Вот и выходит, что заменить менеджера слишком дорого — дешевле найти его на рынке, даже с учетом высокой стоимости IT-персонала (привет опыту внедрения CASE систем 30 лет назад).
Вывод: в компаниях, где процессы не описаны полностью, где не собраны исторические данные, внедрение ИИ-менеджеров не повысит эффективность, а значительно повысит энтропию.
Вступайте в сообщество Школы управления РБК в Telegram или MAX, чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.
Почему ИИ не заменит процессы
Тренировать ИИ на процессах компании дорого и долго. Тогда, может быть, на выручку придет ИИ-агент, который будет обучен на лучших практиках отрасли? Возможно, имеет смысл взять модель, обучить ее на процессах разработки «условного «Яндекса», и пусть она сама предоставляет экспертизу, ориентируясь на то «как надо»?
Но здесь мы получаем классическую историю про коробочный b2b-софт, который уже 20 лет продается под лозунгом: «купите коробку — она решит все ваши проблемы быстро, недорого и качественно».
Такие «коробки» подходят только для малого бизнеса: когда процессов мало, а денег на их полноценную оцифровку еще меньше. Для компаний со штатом от 50 человек любая «коробка» нуждается в доработке. И чем больше компания — тем сложнее и дороже эта доработка обходится. Заканчивается тем, что крупные компании часто пишут софт «под себя»: так проще учесть все потребности и дешевле поддерживать.
Тоже самое и с ИИ: общие практики везде одинаковы, но чем больше компания, тем больше будет нюансов во взаимодействии «бизнес — IT». «Коробку» придется настраивать под существующие процессы. А для этого процессы в компании:
— должны быть описаны;
— должны исполняться всеми участниками.
В итоге получится то же самое, что и с любым коробочным софтом: под простые процессы обучить можно, но у МСП денег нет, а под энтерпрайз докручивать дорого и долго, проще написать свой.
При этом недостаточно просто выпустить решение LLM энтерпрайз-уровня — надо еще выпустить то, что устроит клиентов по качеству, стоимости внедрения/использования и по безопасности.
Приходим к простому выводу: процессы нельзя «купить» или «скачать» — их все равно придется создавать самим: описывать, внедрять инструменты контроля и только потом обучать локальную модель на ваших данных. Получается, и здесь ИИ бессилен.
Тем не менее ИИ использует все больше и больше IT-менеджеров. Как и зачем?
«Экзоскелет» для менеджера
Менеджеры используют ИИ для стандартных и уже банальных вещей: протоколирование встреч, написание писем, контроль полноты документации, помощь в решении неизвестных доселе проблем.
Зачем это менеджерам? Все просто — с ИИ они становятся умнее и опытнее.
Я знаю истории, когда толковый менеджер, проработав в IT всего год, уже сам формирует сложные дашборды в JIRA и начинает трансформировать процессы своей компании, потому что хочет больше ясности, а ИИ подсказывает ему, как делать правильно. И это без курсов, без сертификации на знание стандартов ITIL (аббр. от Information Technology Infrastructure Library — международная библиотека «лучших практик» (best practices) для управления IТ-услугами. — РБК) или PMI (организация, устанавливающая стандарты в проектном управлении. — РБК). Таким образом главная ценность ИИ состоит даже не в том, что он «помогает», а в том, что он может существенно повысить уровень сотрудника всего за $20 в месяц.
Компании годами искали «крепких миддлов» (middle PM) на зарплату 230–250 тыс. руб., потому что «джуны» (100–150 тыс. руб.) делали много детских ошибок: косноязычно писали, забывали фиксировать договоренности, терялись в новых темах и не умели работать с документами.
Что мы видим сейчас? Связка «толковый джун + ChatGPT» начинает выдавать результат на уровне «крепкий миддл».
- Коммуникация. «Джун» прогоняет свои мысли через ИИ — на выходе клиент получает письмо уровня «миддла»: вежливое, структурированное, без воды и лишней информации.
- Дисциплина. ИИ автоматически транскрибирует встречи и высылает резюме, следит за проблемами и рисками. Проблема «забыли» или «не заметили» исчезает, хотя сам сотрудник дисциплинированнее не стал.
- Кругозор. «Джун» не бежит к сеньору с вопросом «какие метрики мне измерять и как это сделать?», он спрашивает у ИИ и получает контекст мгновенно.
Экономика проста.
- Разница в зарплате «джуна» и «миддла» — около 80 тыс. руб. в месяц.
- Стоимость подписки на топовую нейросеть — примерно 2 тыс. руб. в месяц.
- Чистая выгода — 78 тыс. руб. в месяц с одного рабочего места. Или почти миллион рублей в год на человека.
Вот где настоящая революция. Не в замене людей роботами, а в том, что роботы позволяют более недорогим специалистам выдавать более дорогой результат.
Основная проблема состоит в том, что из-за отсутствия внутрикорпоративного решения для работы менеджеры пока обращаются к открытым моделям ИИ, отправляя им конфиденциальные сведения. Это значит, данные могут утечь, например, в ходе промпт-инъекции (атака, при которой кто-то или что-то заставляет LLM нарушить ее системные инструкции. — РБК). При должном умении даже сливать данные будет не нужно, ИИ все расскажет и покажет сам. И эту проблему предстоит решить компаниям.
