Ян Ганушь, который в Notino руководит отделом Execution Excellence, хочет сократить время принятия ключевых решений с шести недель до нескольких дней. Для этого интернет-магазин уже задействовал сотни AI-агентов, а теперь испытывает «цифровых двойников», которые будут готовить решения ещё до начала совещания. Об этом он рассказал на технологическом фестивале Forbes Next Big Thing.
Ганушь четверть века проработал в руководстве компаний, нередко находившихся не в лучшей форме. Последние полтора года он с головой ушёл в искусственный интеллект, а его задача в Notino звучит просто: ускорить компанию везде, где это имеет смысл.
Notino проспал старт AI и включил вторую передачу
«Компания два года спала, а в начале этого года мы решили, что с этим нужно что-то делать. Владелец скомандовал включить вторую передачу», — рассказывает Ганушь. По его словам, за полгода Notino вышел в число лидеров Чехии по автоматизации процессов с помощью AI.
Сегодня в компании работают сотни агентов, а десятки процессов уже прошли картирование с помощью искусственного интеллекта. Эффект исчисляется десятками миллионов крон. Наибольшую ценность Ганушь видит там, где часть процесса можно ускорить, масштабировать или автоматизировать.
При этом он отвергает идею компании, которой в основном управляют алгоритмы. Хорошо обученная модель способна принять среднее или выше среднего решение, но выдающееся по-прежнему опирается на опыт, суждение, эмпатию и готовность человека рискнуть. «Если бы мы все были, как говорят, AI first и имели похожие модели и агентов, Notino через пять лет стал бы вдвое меньше. Компанию по-прежнему делают прежде всего люди», — говорит он.
Из одного дня — шесть недель
В штаб-квартире Notino работает более тысячи человек, и каждый день проходят сотни встреч. В такой организации, по словам Ганушя, никто уже не способен охватить взглядом, что было решено за день, кого это касается и где кого ждёт следующий шаг.
Результат — потеря времени, не связанная со сложностью самого решения. Если бы все нужные менеджеры собрались на два часа в одной комнате, вопрос закрыли бы в тот же день. В реальности же у одного нет материалов, другой вне офиса, третьему нужно позвать ещё одного коллегу, а четвёртый под конец дня предлагает новую встречу. «Решение, которое могло бы быть принято за день-два, иногда растягивается на шесть недель. Только потому, что люди не могут скоординироваться», — объясняет Ганушь.
Сокращение этой задержки он считает одной из главных возможностей AI в крупных компаниях. Notino параллельно меняет и сам способ принятия решений: как можно больше полномочий передаётся вниз по иерархии тем, кто действительно разбирается в вопросе. Раньше слишком большая часть повестки доходила до совета директоров, но по мере роста компании такая модель стала тормозом. Искусственный интеллект должен сохранить руководству обзор, даже если сами решения рождаются на несколько уровней ниже.
Обучение AI должно стать строже
Notino на практике проверил, к чему приводит сугубо добровольный подход. В образовательную программу по AI вошла лишь часть сотрудников, а участие в последующих воркшопах оказалось ниже ожиданий компании. Одни коллеги внедрили AI в работу по максимуму, другие вообще не присоединились, и команды сильно разошлись в скорости освоения технологии. «Эта добровольность нам немного не пошла на пользу», — резюмирует Ганушь.
Поэтому Notino рассматривает более последовательный и обязательный подход к обучению. Для разных должностей компания хочет постепенно описать нужный уровень знаний и создать систему, которая позволит измерять и развивать эти навыки. По мнению Ганушя, через несколько лет знание AI в ряде профессий станет таким же естественным, как сегодня работа в Excel.
В Notino идут цифровые двойники
Одного обучения людей Ганушю недостаточно. Другую проблему он видит в том, как быстро сотрудники передают друг другу информацию и координируют работу по всей компании. Идея цифровых двойников выросла из его экспериментов с собственными AI-инструментами: двойник должен заранее подготовить решение, чтобы совещание не превращалось в долгий сбор недостающих данных.