Девяносто девять процентов точности на каждом шаге звучит как отличный результат. Но на цепочке из ста шагов это примерно шестьдесят процентов: почти половина заказов дойдёт до конца с ошибкой. Эту арифметику и всё, что из неё следует для найма и увольнений, мы разобрали в выпуске на нашем канале: смотреть разбор на YouTube. Говорит там Дэниел Дайнс, основатель UiPath, компании на четыре тысячи сотрудников с выручкой больше полутора миллиардов долларов, которая автоматизирует рутину в корпорациях, и при этом он сам полдня проводит с ИИ.
Разговор записан у Гарри Стеббингса в подкасте 20VC. На мой взгляд, это редкий голос практика среди продавцов надежд. Дайнс готов платить машине больше, чем человеку. Но заменить сотрудника он не может, и компании, которые режут штат под ИИ, теряют месяцы. Из его слов мы вынесли три проверки: где ИИ уже заменит работу, а где провалится, сколько бы ни стоил.
Почему память ИИ это не обучение
Дарио Амодей из Anthropic обещает миллионы Эйнштейнов в дата-центре. Дайнса эта фраза всерьёз обеспокоила, и он проверил её буквально. Можно ли нанять такого Эйнштейна, дать ему аккаунт в Slack и сказать: делай мою работу? Нельзя. Новый сотрудник учится на работе. ИИ на работе не меняется, что бы вы ему ни говорили.
Память у ChatGPT есть. Но это блокнот: он записывает, что вы сказали, а сам от этого другим не становится. Повара за двадцать лет кухня меняет изнутри, и на бумагу это не переписать. С компанией то же самое. Двадцать лет на кухне это не список рецептов. А ИИ получает только список.
Что делать: не ждать, что ИИ «освоится» в компании, и с первого дня давать ему написанную инструкцию.
Арифметика точности: 99% на шаг это 60% на сто шагов
Вторая слабость ИИ: на каждом шаге он немного угадывает. На коротком отрезке этого не видно. На длинной цепочке ошибки накапливаются. Девяносто девять процентов точности на шаг дают примерно шестьдесят процентов на цепочке из ста шагов. А путь заказа от заявки до оплаты это как раз десятки шагов.
Поэтому Дайнс делает так. Счета, сверку и платежи он отдаёт обычным программам. Они не угадывают, они исполняют. А ИИ он ставит эти программы писать и чинить. Там, где нужна точность, работает код. Там, где нужны язык и суждение, работает модель.
И ещё одно его наблюдение, которое стоит запомнить. Сделать ИИ-агента сегодня не проще, чем два года назад. А вот автоматизацию проще в разы.
Что делать: всё, что должно быть точным, отдать программе, а ИИ пустить туда, где нужен язык и суждение.
Юристы и кодекс против вашей компании без правил
Где же ИИ справится сам? Дайнс отвечает примером юристов. У юристов есть кодекс: инструкция, написанная кем-то другим, задолго до них. И ИИ по ней работает блестяще. Стеббингс опросил пятнадцать юристов. Большинство полгода не писали документы руками и не хотят возвращаться.
А у вашей компании кодекса нет. Каждый счёт обрабатывается чуть иначе, и правила живут в головах людей. Пример Дайнса: допустим, NVIDIA отгружает чипы OpenAI вне очереди, но правила об этом нигде нет. ИИ это правило выучить не может, ему негде его прочитать. Значит, правило надо записать.
Вот первая и главная проверка. ИИ работает только там, где для задачи есть написанная инструкция. Нет инструкции, нет результата. И никакая модель это не исправит, даже самая дорогая.
Карта работы и почему модели взаимозаменяемы
Документ, в котором записаны такие правила, Дайнс называет картой работы. Это все процессы, исключения и системы, через которые заказ идёт от заявки до оплаты. Собирают её не на совещаниях. Агент записывает экран бухгалтера и спрашивает: почему этот счёт пошёл по другому пути? Ответ попадает в карту.
Отсюда его тезис: модели взаимозаменяемы, ценность в карте. Девяносто процентов рутины Дайнс отдаст дешёвым моделям. С картой вы меняете поставщика ИИ без потерь. Без неё вы заперты у одного поставщика, и это уже вопрос безопасности бизнеса, а не технологий. С чего начать описание процессов, чтобы не утонуть в бумаге, мы разбираем в бесплатной Академии Solaris.
И предупреждение из первых рук. UiPath попробовала написать себе закупочную систему силами одного ИИ. В работу её не пустили. Прототип получился за день, а дальше пошли права доступа, проверки, кривая база данных. Всё это доделывали люди.
Что делать: сначала карта процессов, потом ИИ, а не наоборот.
Руководитель и знания компании как текст
При всём скепсисе Дайнс теперь полдня проводит с Claude и ChatGPT. Причём сидит он в Visual Studio Code, редакторе для программистов. Не потому, что пишет код. Он работает со стратегией как с текстом, который ИИ умеет читать целиком.
Год назад к нему приходили с презентациями. Теперь приносят простой текстовый файл в общую папку стратегии. И он спрашивает ИИ по всей папке сразу: где противоречия, что уже решали, что упустили. На мой взгляд, рычаг руководителя вырос не от новой модели. Он вырос оттого, что знания компании стали текстом.
Мы в Solaris видим то же самое у себя. Этот выпуск целиком собрал наш ИИ-агент для YouTube: нашёл тему, написал сценарий, озвучил, смонтировал и загрузил. Это работа по написанной инструкции, тот самый случай из первой проверки.
Кого сокращать и почему первыми увольняют не тех
В начале года страх увольнений в отрасли зашкаливал. Сейчас, говорит Дайнс, он спадает. Он слышал о компаниях, уволивших сотни людей из поддержки ради ИИ. Теперь эти компании нанимают их обратно. На историю Джейсона Лемкина, который сжал команду с двадцати пяти до двух человек, Дайнс отвечает коротко: покажите. Один пример в одной отрасли не доказательство, пока модель не проверена в масштабе. Своим сотрудникам он сказал: глупостей не будет.
Теперь ответ на вопрос, кого резать первым: дипломированных экспертов или тех, кто просто ладит с клиентами. Дайнс первыми сокращал бы часть дипломированных экспертов. Именно узкую экспертизу ИИ закрывает лучше всего, поэтому таких людей компании понадобится меньше. А инициатива, доверие клиента, наставничество новичков и культура у ИИ отсутствуют. И как раз таких людей увольняют первыми по ошибке.
У каждой должности два результата. Один в отчёте. Второй держит клиента с вами, и он нигде не записан. Как отличить бухгалтера, который бережёт клиента, от того, кому всё равно? Не по названию должности.
Дайнс советует завести реестр: кто в компании делает что сверх роли. Сокращать вслепую по двадцать процентов значит вычистить как раз тех, кто помог бы ИИ прижиться.
Медвежий сценарий у Дайнса один. Эйнштейны в дата-центре всё же появятся, а токены упадут почти до нуля. Стеббингс напоминает, что цена уже упала с шестидесяти долларов до доллара за миллион. Дайнс не спорит. Но Эйнштейна он пока не видит.
Что делать: завести реестр людей, кто делает что сверх роли, и только потом планировать сокращения.
Частые вопросы
Может ли ИИ заменить сотрудника полностью?
По опыту Дайнса, нет. Новый сотрудник учится на работе и меняется, а ИИ на работе не меняется, что бы вы ему ни говорили. Он справится там, где есть написанная инструкция, как кодекс у юристов. Там, где правила живут в головах людей, он провалится, сколько бы ни стоил.
Почему ИИ ошибается в длинных задачах?
На каждом шаге модель немного угадывает, и ошибки накапливаются. Девяносто девять процентов точности на шаг превращаются примерно в шестьдесят процентов на цепочке из ста шагов. Поэтому Дайнс отдаёт счета, сверку и платежи обычным программам. ИИ он использует, чтобы эти программы писать и чинить.
Что такое карта работы и как её составить?
Это описание всех процессов, исключений и систем, через которые заказ идёт от заявки до оплаты. Составлять её можно с помощью агента: он записывает экран сотрудника и спрашивает, почему этот счёт пошёл по другому пути. Так неписаные правила становятся текстом. Без карты вы заперты у одного поставщика ИИ, с картой меняете его без потерь.
Кого сокращать первым при внедрении ИИ?
Дайнс первыми сократил бы часть дипломированных экспертов, потому что узкую экспертизу ИИ закрывает лучше всего. А людей, которые держат доверие клиента, наставляют новичков и создают культуру, увольнять нельзя: у ИИ этого нет. Перед любыми сокращениями он советует завести реестр, кто делает что сверх роли. Резать вслепую по двадцать процентов значит потерять тех, кто помог бы ИИ прижиться.
Стоит ли увольнять поддержку ради ИИ?
Дайнс слышал о компаниях, которые уволили сотни людей из поддержки и теперь нанимают их обратно. Историю о сжатии команды с двадцати пяти до двух человек он просит сначала показать в масштабе. Один пример в одной отрасли не доказательство. Считать нужно по своей карте работы, а не по чужим кейсам.