Как понять, что ИИ в компании действительно работает

У компаний, внедряющих ИИ, часто возникают одни и те же вопросы: как понять, что предложенное решение имеет реальную бизнес ценность? По данным McKinsey Global Institute , более 70% AI-проектов не достигают заявленного ROI (return on investment, рентабельность). Причина в отсутствии системного подхода к внедрению. В SharksCode решили идти другим путём. Стратегия компании состоит в том, чтобы выстраивать оценку эффективности ИИ так же строго, как и любой другой бизнес-процесс.

Трехуровневая логика эффективности

В SharksCode подошли к оценке эффективности ИИ в процессах компании через три отдельных уровня.

• Первый – операционный. Он о скорости, качестве и снятии рутины: сколько часов освобождается, где уменьшается количество ошибок, где процесс стал заметно быстрее.
• Второй – командный. Он о том, как меняется фокус людей, куда перенаправляется высвободившееся время и растет ли уровень решений, принимаемых сотрудниками.
• Третий – стратегический. Он о новых возможностях, которые раньше просто не существовали, и о том, что компания теперь может делать, чего не могла без ИИ.

«Первый ИИ-агент, который мы ввели в HR, – Акулина. Она полностью заменяет адаптационный HR-онбординг и берет на себя не менее 12 часов работы people-партнера с каждым новым человеком. Но главное, что люди в команде стали мыслить шире. Они стали кайфовать от таких инструментов», – Светлана Онищенко, Chief Human Resources Officer в SharksCode.

С чего начинается автоматизация?

Существует распространенный миф: достаточно подключить ИИ-инструмент и он сам разберется. Практика показывает обратное. По оценкам рынка, около 80% внедрений ИИ не приносят результата именно потому, что компании пытаются автоматизировать хаос.

Это подтверждается и данными внутреннего исследования SharksCode. Среди факторов, наиболее влияющих на готовность рекомендовать компанию как место работы, есть качество менеджмента и лидерства, условия работы и культура взаимодействия внутри команд. То есть лояльность людей держится на качестве повседневной среды. Это фундамент, где любое ИИ внедрение либо взлетает, либо останавливается. То есть подготовка к автоматизации – далеко не IT-задача. Это дело управленческое. Она начинается задолго до выбора инструмента.

Как считается ROI?

Вопрос расчета ROI от ИИ часто обрастает сложными моделями и методологиями. В SharksCode подходят к этому прагматично.

«Мне кажется, что ROI здесь считается даже проще, чем в любом непрописанном процессе. Расход времени и других ресурсов на стандартную задачу, стоимость этого времени, сколько объема берет на себя AI-агент и затраты на самого агента. Разница – это и есть ROI», – Светлана Онищенко.

Но есть важный нюанс. Не каждое использование ИИ должно давать мгновенный ROI. Часть решений инфраструктурны. Они создают базу для будущего масштабирования и возвращают вложения через 6–12 месяцев. Команда в SharksCode научилась различать эти два типа и не требует от «фундаментных» решений тех же показателей, что и от операционных.

Именно из-за этого принципа компания постепенно наращивает экосистему AI-агентов. Сегодня уже работает Акулина для онбординга и сорсинг-агент для рекрутмента. В тестировании – менеджерская версия Акулины и агент для отслеживания воронки найма.

Что изменилось в команде?

Собственное исследование SharksCode фиксирует, что сильнейшими EVP-драйверами компании есть возможност развития, интересный продукт и реальное влияние. То есть, люди приходят и остаются там, где могут расти. И само внедрение ИИ становится одним из обеспечивающих этот рост механизмов.

«У нас бизнес-HR (функция, помогающая компании достигать бизнес-целей через управление людьми, командами и организационными процессами). Поэтому задачи фасилитации и анализа всегда были. Но сейчас моя команда считает ROI AI-агентов, проектирует новые процессы, думает о масштабировании. Я вижу, как уровень экспертизы сотрудников увеличивается, когда мы вводим новые инструменты. Это и есть лучший показатель того, что внедрение сработало», – Светлана Онищенко.

По данным исследования, 95,8% команды SharksCode оценивают свой опыт работы как отвечающий или превышающий ожидания. Это само по себе свидетельствует о зрелости внутренней среды, в которой новые инструменты хорошо приживаются.

Три сигнала, что ИИ действительно работает

Как понять, что внедрение вышло? В SharksCode выделяют три признака:

• Команда сама начинает искать новые приложения. Когда люди говорят: "а давайте еще вот это автоматизируем", инструмент явно прижился.
• Решения принимаются быстрее и с меньшим количеством согласований. Это заметно в темпе работы.
• Появляется время на задачи, до которых раньше не доходили руки.

«Грамотно интегрированный инструмент на основе искусственного интеллекта значительно облегчает жизнь команды. Но есть весомый нюанс. ИИ никогда не будет работать самостоятельно. Он нуждается в постоянной настройке, управлении и оркестрировании. Но именно это и есть новая компетенция человека в команде – управлять системой. Мы все теперь работаем с гибридным интеллектом», – Светлана Онищенко.

Внедрение ИИ говорит о зрелости процессов, готовности команды к изменениям и управленческой честности в измерении результатов. SharksCode выбирает путь, где каждый ИИ-агент имеет прописанный сценарий, измеряемый ROI и понятное место в операционной логике компании.

Именно эта системность и есть ответ на вопрос: «Как понять, что ИИ действительно работает?».