Автоматизація управлінських рішень – тренд останніх двох десятиліть. Поява штучного інтелекту вивела його на новий рівень. Компанії переходять від автоматизації завдань до системного делегування ШІ управлінських рішень. Це не заміна людей, а новий управлінський дизайн, у якому технології стають повноцінними учасниками прийняття рішень.
Як ШІ виходить на новий рівень управлінської системи та які виклики стоять перед бізнесом у цій новій епосі? Розповідає Олексій Вигодський, Head of Enterprise Applications and Technologies у MODUS X
Купуйте річну передплату на шість журналів Forbes Ukraine за ціною чотирьох номерів. Якщо ви цінуєте якість, глибину та силу реального досвіду, ця передплата саме для вас.
За останні два десятиліття корпорації пережили кілька технологічних хвиль. Спочатку – автоматизація: цифрові ERP-системи та базові workflow-процеси зменшили ручну працю співробітників. Далі – цифровізація клієнтських інтерфейсів: мобільні додатки, CRM, портали самообслуговування. Потім з’явилися DWH, DQM-інструменти та BI-вітрини, що мали прискорити прийняття рішень завдяки кращій доступності та якості даних.
Кожна хвиля мала ефект у певних сферах, але не усунула основних управлінських проблем: складність погоджень, надмірний апарат та повільну реакцію на зміни. Організації залишалися залежними від людського фактора під час прийняття кожного нетривіального рішення.
Сьогодні на перший план виходить штучний інтелект, який перестає бути допоміжним інструментом і перетворюється на новий рівень управлінської системи. Він здатний не тільки аналізувати дані, а й приймати рішення – у межах заданих правил та розподіленої відповідальності.
Три рівні ШІ: від правил до генерації рішень
Арсенал технологій ШІ складається з трьох категорій інструментів:
Системи на основі правил – жорстко визначені правила: «якщо X, то Y». Ідеальні для формалізованих процесів: чат-боти, розрахунки по тарифних матрицях. Сильні в передбачуваності, слабкі в гнучкості. Відповідальність за наслідки виконання алгоритмів лежить на тому, хто створив правила.
Системи на основі машинного навчання – навчаються на даних, виявляють закономірності та роблять прогнози: попиту, рекомендації товарів, відтік клієнтів. Гнучкі, але потребують зрілої інфраструктури даних. Відповідальність за результати – на людині, яка приймає рішення на основі наданого ШІ прогнозу.
Генеративний ШІ – системи не просто аналізують, а й створюють: документи, рішення, варіанти стратегій. Вони стають учасниками управлінського процесу.
Це перша технологія, де частина відповідальності за наслідки може бути делегована машині. Тому головне запитання для бізнесу на шляху до використання ШІ для розв’язання завдань звучить так: «Які рішення я готовий делегувати ШІ й хто несе відповідальність за наслідки?».
Сучасні управлінські контури поєднують всі три категорії, формуючи гібридну модель ухвалення рішень:
- Правила задають допустимі коридори рішень.
- ML-моделі аналізують ситуації, фіксують аномалії та прогнозують розвиток подій.
- Генеративний ШІ підготовлює управлінські рішення і, в деяких випадках, виконує їх.
- Людина в процесі залишається для зон підвищеного ризику.
Таке розподілення ролей вимагає чіткого управлінського дизайну: хто відповідає за правила, якість даних, промпти, дії системи та обробку інцидентів. Йдеться не про технології, а про новий рівень організаційного управління.
Закупівлі як приклад делегування ШІ
Функція закупівель – наочний приклад, де ШІ вже починає перерозподіляти відповідальність між людьми та машинами. У великих корпораціях процеси закупівель чітко формалізовані: від ініціації до укладення договору.
Однак:
- Процедури займають тижні погоджень.
- Вони залучають дорогих учасників (комісії, експерти).
- Містять значні «сірі зони» відповідальності через бюрократію та людський фактор.
Традиційно ІТ обмежувалося технічною підтримкою системи, не беручи участі у змістовній частині процесу.
Впровадження ШІ змінює це, кожна технологічна категорія отримує свою управлінську роль:
- Правила закупівель і комплаєнс залишаються під контролем людини.
- ML-моделі класифікують і аналізують пропозиції.
- Генеративний ШІ готує тендерну документацію, аналізує пропозиції та протоколи.
- Остаточне затвердження – спільна зона людини та ШІ, залежно від сценарію.
Сегментація закупівель за рівнем делегування ШІ
Закупівельні процеси можна розділити на сегменти за складністю, регуляторними обмеженнями та допустимим рівнем автоматизації (див. таблицю 1).
Таблиця 1. Практична реалізація за сегментами
Сегментація закупівель за рівнем делегування ШІ. Джерело: аналіз Олексія Вигодського
Сегмент 1. Повне делегування, у якому ШІ може діяти повністю автономно:
- формувати заявки за прогнозами споживання;
- надсилати запити;
- класифікувати пропозиції;
- обирати постачальника за заданими критеріями;
- ініціювати замовлення в ERP.
Участь людини у цих процесах часто не потрібна, а іноді навіть знижує ефективність, вносячи суб’єктивність і затримки.
Сегмент 2. Напівавтоматична модель, у якій ШІ виконує 70–90% роботи:
- генерує тендерну документацію;
- класифікує і порівнює пропозиції;
- будує порівняльні таблиці;
- формує рекомендації.
Людина затверджує фінальне рішення і забезпечує юридичну коректність.
Сегмент 3. Стратегічні закупівлі, де ШІ посилює експертів, але не замінює їх:
- перевіряє відповідність вимогам;
- виявляє ризики;
- прогнозує сценарії взаємодії.
Остаточне рішення залишається за закупівельною комісією або керівництвом через високу вартість, унікальність та репутаційні ризики.
Міжнародні приклади: як ШІ вже змінює закупівлі
Siemens: впровадила ШІ-помічників для тендерів. Вони автоматично аналізують тендерні документи кількома мовами та формують shortlist постачальників для закупівельних комісій.
Люди затверджують готовий список, а не розбирають пропозиції вручну. ШІ реально приймає рішення про те, хто потрапить у фінал, а людина перевіряє.
Walmart: ШІ готує переговорні рішення. Компанія використовує машинне навчання та генеративний ШІ для аналізу тисяч пропозицій постачальників, підготовки запитів на надання комерційних пропозицій потенційним постачальникам та переговорних стратегій.
ШІ формує позицію компанії на переговорах, виявляє відхилення від стандартних умов і пропонує аргументацію. Раніше це робили сотні закупників вручну, тепер ШІ приймає рішення щодо тактики переговорів, а людина лише затверджує або коригує.
Unilever: ШІ перевіряє пропозиції на ESG і ліцензії. Компанія застосовує ШІ для автоматичної перевірки пропозицій постачальників на відповідність ліцензіям, юридичним вимогам і ESG-критеріям.
ШІ фактично ухвалює рішення про допуск або недопуск пропозицій постачальників до розгляду в межах суворих правил. Людське втручання відбувається тільки в спірних випадках.
Управлінські та правові виклики
Основним обмеженням широкого застосування подібних моделей є правове регулювання відповідальності. Законодавство багатьох країн не передбачає делегування рішень неуповноваженим особам чи системам. Це обмежує використання генеративного ШІ, особливо в державному секторі та стратегічних функціях.
Однак корпоративна практика випереджає регулювання. Компанії вже розробляють регламенти для машин, подібно до того, як раніше створювали регламенти для відділів. Це новий етап управлінської еволюції.
ШІ перестає бути лише інструментом аналітиків і стає повноцінним учасником системи прийняття рішень. Йдеться не про заміну людей, а про системний перерозподіл функцій і відповідальності між людиною та машиною.
Організації, які вже зараз вибудовують управлінські архітектури нового типу – з чіткими зонами відповідальності, юридичними рамками та прозорими процесами – отримують переваги у швидкості, прозорості та контролі.
Ті, хто відстає, ризикують залишитися на рівні BI-панелей, поки конкуренти проєктують управлінські контури за участю ШІ.
Ви знайшли помилку чи неточність?
Залиште відгук для редакції. Ми врахуємо ваші зауваження якнайшвидше.
