The post has been translated automatically. Original language: Russian
A few years ago, conversations about digital transformation boiled down to one question: what can be automated? The question has changed today. Now it's much more interesting to understand what you shouldn't automate.
As soon as we have a new tool, it is tempting to transfer the widest possible range of powers to it. And the logic here is roughly clear: machines do not get tired, do not get sick, do not take vacations, and can analyze a volume of information that is simply inaccessible to humans. But there is one important detail: not every solution is a data processing task.
Some questions require people to understand, take responsibility for the consequences, and be able to act in situations where there is simply no right answer. And this is where the line runs between useful automation and the dangerous illusion that you're in control.
Strategic development of the company
There is probably no area where AI capabilities look more impressive today than strategic planning. Modern systems are able to analyze the market, look for trends, track competitors and make forecasts much faster than any analytical department.
The catch is that the strategy does not rely on a set of numbers.
Imagine a startup that is going to enter the market with a new product. Most likely, the algorithm will show a high level of risk, serious competition, and modest chances of success. If all entrepreneurs always followed only such calculations, many companies would not exist today.
Interesting business stories often start where the data says "don 't" and the founder of the company decides to try anyway.
Hiring key employees
Recruiting has already become one of the most automated business functions. Algorithms sort resumes, evaluate candidates' skills, and help conduct initial selection, and it really works for mass hiring.
But when it comes to finding a technical director, product manager, or top manager, the situation becomes much more complicated.
The strongest managers rarely look perfect on paper, they may have an unusual career path. Sometimes they come from a completely different industry, sometimes their main value is the ability to unite people around complex tasks.
Layoffs and difficult personnel decisions
Today, many companies measure literally everything: productivity, goal fulfillment, work speed, system activity, and other various indicators. By themselves, these metrics are very useful, and it is difficult to manage a large organization without them.
But at the same time, the same number can mean completely different things. A drop in performance indicators can be associated with burnout, family difficulties, conflicts within the team, and mistakes by the manager.
The algorithm sees a decrease in indicators, but is unable to understand the reason.
That is why I am always alarmed by conversations about full automation of personnel solutions. Dismissal is not about an event, it affects trust within the team, corporate culture and the reputation of the company.
Negotiations with key clients and partners
Now neural networks are able to prepare commercial proposals, analyze correspondence, and even suggest arguments during negotiations. And this is one of the AI usage scenarios that I like, as it saves a huge amount of time.
But there is one thing that cannot be automated yet. So, behind large contracts, there are almost always relationships between people. Especially in B2B, where partnerships can last for years.
During negotiations, we evaluate many more factors than the numbers in the presentation. We look at the confidence of the interlocutor, his willingness to fulfill obligations, the ability to find compromises and his behavior in difficult situations.
So far, a neural network can help prepare for a conversation, but how this conversation will go and what decisions will be made remains a person's priority.
Crisis management
In calm periods, data helps you make decisions faster, and in times of crisis , it helps you stay in touch with reality. AI is now increasingly being used to monitor risks, analyze news, social media, and customer behavior.
However, there is a problem that crisis situations almost never develop according to the scenario. And if the crisis is really serious, the manager has to take into account not only the numbers. You need to understand the reactions of employees, customers, investors, partners, and regulators. It is necessary to make decisions in conditions of lack of information and you have to take responsibility for yourself.
Ethical issues
There are questions that cannot be answered solely within the framework of performance indicators. Is it worth collecting more data about users? How acceptable is employee control? Where is the line between convenience of service and invasion of privacy?
The algorithm can calculate the profit from each scenario, but it is not able to decide how much a particular scenario corresponds to the company's values and how it will affect the company's reputation.
Technology should enhance a person, not replace them.
It seems to me that the main myth of recent years is that automation supposedly it always leads to the best result. In practice, everything is more complicated.
Yes, companies that learn how to use AI effectively will have huge benefits. They will analyze data faster, find patterns faster, and make operational decisions faster.
And an interesting pattern emerges: the higher the cost of a mistake, the more important human involvement is. Algorithms outperform us in information processing speed, but humans are stronger in understanding context, empathy, responsibility, and dealing with uncertainty.
Therefore, the main question today is no longer how many processes can be automated. It's important to understand which decisions should remain human , no matter how smart technology becomes.
Еще несколько лет назад разговоры о цифровой трансформации сводились к одному вопросу: что можно автоматизировать? Сегодня вопрос изменился. Теперь гораздо интереснее понять, что автоматизировать не стоит.
Как только у нас появляется новый инструмент, возникает соблазн передать ему максимально широкий круг полномочий. И логика тут примерно понятна: машины не устают, не болеют, не берут отпуск и могут анализировать объем информации, который человеку просто недоступен. Но есть одна важная деталь: далеко не каждое решение является задачей на обработку данных.
Некоторые вопросы требуют понимания людей, принятие ответственности за последствия и умения действовать в ситуациях, когда правильного ответа просто нет. И именно здесь проходит граница между полезной автоматизацией и опасной иллюзией, что ты все контролируешь.
Стратегическое развитие компании
Наверное, нет области, где возможности AI сегодня выглядят более впечатляющими, чем стратегическое планирование. Современные системы умеют анализировать рынок, искать тренды, отслеживать конкурентов и строить прогнозы намного быстрее любого аналитического отдела.
Загвоздка в том, что стратегия не опирается на набор цифр.
Представьте стартап, который собирается выйти на рынок с новым продуктом. Скорее всего, алгоритм покажет высокий уровень риска, серьезную конкуренцию и скромные шансы на успех. Если бы все предприниматели всегда следовали только таким расчетам, многих компаний сегодня просто не существовало бы.
Интересные бизнес-истории часто начинаются там, где данные говорят «не стоит», а основатель компании все равно решает попробовать.
Найм ключевых сотрудников
Рекрутинг уже стал одной из самых автоматизированных функций бизнеса. Алгоритмы сортируют резюме, оценивают навыки кандидатов и помогают проводить первичный отбор и для массового найма это действительно работает.
Но когда речь заходит о поиске технического директора, руководителя продукта или топ-менеджера, ситуация становится намного сложнее.
Самые сильные руководители редко выглядят идеально на бумаге, у них может быть нестандартный карьерный путь. Иногда они приходят из совершенно другой отрасли, иногда их главная ценность это способность объединять людей вокруг сложных задач.
Увольнения и сложные кадровые решения
Сегодня многие компании измеряют буквально всё: продуктивность, выполнение целей, скорость работы, активность в системах и другие всевозможные показатели. Сами по себе эти метрики очень полезны, без них управлять большой организацией сложно.
Но при этом одна и та же цифра может означать совершенно разные вещи. Падение показателей результативности может быть связано с выгоранием, сложностями в семье, конфликтами внутри команды, ошибками руководителя.
Алгоритм видит снижение показателей, однако неспособен понять причину.
Именно поэтому меня всегда настораживают разговоры о полной автоматизации кадровых решениях. Увольнение не про событие, оно влияет на доверие внутри команды, корпоративную культуру и репутацию компании.
Переговоры с ключевыми клиентами и партнерами
Сейчас нейросети умеют готовить коммерческие предложения, анализировать переписки и даже подсказывать аргументы во время переговоров. И это один из сценариев использования AI, который мне нравится, так как он экономит огромное количество времени.
Но есть одна вещь, которую пока невозможно автоматизировать. Так, за крупными контрактами почти всегда стоят отношения между людьми. Особенно в B2B, где партнерство может продолжаться годами.
Во время переговоров мы оцениваем гораздо больше факторов, чем цифры в презентации. Мы смотрим на уверенность собеседника, его готовность выполнять обязательства, способность искать компромиссы и его поведение в сложных ситуациях.
Пока что нейросеть может помочь подготовиться к разговору, но как пройдет этот разговор и какие решения будут приняты остается приоритетом человека.
Управление кризисами
В спокойные периоды данные помогают принимать решения быстрее, в кризисные периоды они помогают не потерять связь с реальностью. Сейчас AI все чаще используется для мониторинга рисков, анализа новостей, социальных сетей и поведения клиентов.
Однако есть проблема в том, что кризисные ситуации почти никогда не развиваются по сценарию. И если кризис действительно серьезный, руководителю приходится учитывать не только цифры. Нужно понимать реакцию сотрудников, клиентов, инвесторов, партнеров и регуляторов. Нужно принимать решения в условиях нехватки информации и приходится брать ответственность на себя.
Этические вопросы
Есть вопросы, на которые невозможно ответить исключительно в рамках показателей эффективности. Стоит ли собирать больше данных о пользователях? Насколько допустим контроль сотрудников? Где проходит граница между удобством сервиса и вторжением в частную жизнь?
Алгоритм может посчитать прибыль от каждого сценария, но он не способен решить, насколько тот или иной сценарий соответствует ценностям компании и как он отразится на репутации компании.
Технологии должны усиливать человека, а не заменять его
Мне кажется, главный миф последних лет проявляется в том, что автоматизация якобы всегда ведет к лучшему результату. На практике всё сложнее.
Да, компании, которые научатся эффективно использовать AI, получат огромные преимущества. Они будут быстрее анализировать данные, быстрее находить закономерности и быстрее принимать операционные решения.
И появляется интересная закономерность: чем выше цена ошибки, тем важнее человеческое участие. Алгоритмы обходят нас в скорости обработки информации, но люди сильнее в понимании контекста, эмпатии, ответственности и работе с неопределенностью.
Поэтому главный вопрос сегодня уже не в том, сколько процессов можно автоматизировать. Важно понять, какие решения должны оставаться человеческими независимо от того, насколько умными станут технологии.
Share
