Як посилити організаційне навчання за допомогою генеративного штучного інтелекту
Генеративний штучний інтелект змінює організаційне навчання: люди і ШІ стають партнерами у створенні знань. Успішні компанії інтегрують його як стратегічну компетенцію, що підсилює продуктивність, інновації й адаптивність. Майбутнє ж, на думку Пола Баєра (Paul Baier) і Джона Свьокли (John Sviokla), співзасновників дослідницької фірми GAI Insights, — за системою постійного коінтелекту.
З появою ChatGPT ми вперше за понад двісті років автоматизації отримали інструмент, здатний відповідати «людською» мовою. Не кодом, не скриптом, а зрозумілими словами. Це не просто зручно — це радикально змінює способи створення, передання та збереження знань в організаціях.
Проте справжній прорив полягає не лише в автоматизації. Генеративний ШІ (GenAI) відкриває нову управлінську парадигму — не коли люди керують машинами, і не навпаки, а коли обидва агенти співпрацюють на рівних, формуючи унікальні спільні капітали знань. Як результат — стрімке прискорення організаційного навчання, трансформація продуктивности та зростання інноваційного потенціалу.
Нове мислення: не технологія, а компетенція
Парадоксально, але саме універсальність GenAI ускладнює його впровадження. Ті, хто досяг успіху, сприймають його не як окремий інструмент, а як стратегічну компетенцію всієї організації. Два приклади:
- Blue Cross Blue Shield of Michigan сформувала кросфункціональну команду лідерів GenAI, яка навчала працівників, впроваджувала відповідальне використання ШІ, підвищувала ефективність і генерувала інновації. Завдяки аналізу контрактів за допомогою генеративного ШІ компанія зекономила понад $10 млн, стандартизувавши умови та ціноутворення.
- Wolters Kluwer, видавець професійної інформації, заклав у корпоративну рутину «запас часу» для навчання: щотижневі сесії з обміну досвідом використання GenAI. Результат — розвиток внутрішніх спільнот, підвищення залучености персоналу й навіть зростання рівня утримання кадрів.
Обидва кейси демонструють єдиний підхід: GenAI — це організаційна інфраструктура, а не технологічна примха. Важливими є як натхненне лідерство згори, так і готовність до експериментів знизу.
Коли слова, зображення, числа і звуки стають капіталом
Автори пропонують термін WINS-робота (від англ. Words, Images, Numbers, Sounds) — нову категорію діяльности, на яку GenAI впливає найбільше. Юристи, консультанти, оператори кол-центрів — саме тут генеративний ШІ розкриває свою силу.
Дослідження BCG засвідчило: використання генеративного ШІ підвищило продуктивність консультантів на 12%, а швидкість — на 25%. Найбільший приріст спостерігався у працівників із початково нижчими результатами. Це доводить: GenAI не лише підсилює сильних, а й вирівнює та підтримує слабкі ланки.
Теорія A: люди і машини як колеги
У 1960-х Дуглас МакГрегор (Douglas McGregor) запропонував «Теорію X» і «Теорію Y» — від контролю й покарання до довіри й залучення. Згодом Абрахам Маслоу (Abraham Maslow) додав «Теорію Z» — культуру та сенс як основу лояльности.
Сьогодні ми на порозі «Теорії A» — де люди і машини діють у парі, як агенти навчання. Ця модель передбачає:
- Процеси та продукти з можливістю діалогу — продукти й сервіси можуть «пояснювати себе» мовою користувача.
- Цивільні програмісти (citizen programmers) — кожен працівник може створити власного помічника на базі ШІ.
- Робота з неструктурованими даними — GenAI опрацьовує те, що досі лишалося поза межами автоматизації (80–90% корпоративної інформації).
Як виглядає продуктивність, перебудована GenAI
Щоб уникнути міфів довкола «повної автоматизації», Баєр і Свьокла звертаються до моделі Кіна і Скотта Мортона (Peter Keen, Michael Scott Morton), яка класифікує завдання за рівнем структурованости (від алгоритмів до хаосу) і рівнем управління (операційне, менеджерське, стратегічне).
Приклад — компанія Jerry Insurance, що обслуговує понад 4 млн клієнтів. До впровадження GenAI обробка запитів у чаті була напівструктурованою і потребувала втручання людей. Після — 89% обробки автоматизовано. Чатботи навчилися розпізнавати емоції клієнтів і вчасно передавати розмову людині. Це не просто автоматизація — це структурування хаотичних даних у передбачувану роботу, яку вдосконалюють самі працівники.
Компанія оцінює, що зможе обслуговувати втричі більше клієнтів тією ж командою з 32 агентів. Наступний крок — автоматизація голосових дзвінків.
GenAI — це не продукт, а «рух якості»
Щоб інтегрувати генеративний ШІ як стратегію, а не одноразову ініціативу, автори пропонують аналогію з бойовими мистецтвами:
- Білий пояс — базове ознайомлення, практичне застосування, знайомство з діалогом людина–машина.
- Жовтий пояс — створення простих агентів, обмін знаннями, перші спроби промпт-інжинірингу (створення та оптимізація текстових запитів).
- Зелений пояс — запуск кількох агентів, оцінка безпеки, масштабування пілотів, навчання інших.
- Чорний пояс — розуміння MLOps, AIOps, управління портфелем ШІ-проєктів, створення внутрішніх навчальних програм.
Цей підхід практичний і економний: замість дорогих зовнішніх консультантів внутрішні експерти вбудовують знання у власний контекст.
Генеративна революція: від «убивчих застосунків» до коінтелекту
Майбутнє — не в погоні за черговим застосунком, а в побудові організації-діалогу, де кожна операція, сервіс і взаємодія мають інтелектуального агента, здатного пояснити, навчитись і вдосконалити процес.
Як токар у майстерні створює пристосування, що пришвидшують роботу всього цеху, так і кожен фахівець сьогодні може створити агента, який закріплює його знання й робить їх доступними іншим. Ці агенти — нові «додатки» організаційного навчання.
Погляд уперед: організація як система коінтелекту
Теорія A спонукає запитати: які завдання можна делегувати машині, а які — створити наново, використовуючи нові інструменти? Ми лише на початку цього шляху.
І в цьому суть: не шукати «вбивчий застосунок», а будувати структурну здатність до постійного вдосконалення. У діалозі між людьми й машинами народжується новий ландшафт конкурентної переваги — і той, хто раніше навчиться в ньому жити, стане лідером наступного десятиліття.
За матеріалами MIT SMR.
Ілюстрація: kion.io
|
