Atlassian: Исследования показывают, что для достижения реальной окупаемости инвестиций организациям следует подходить к внедрению ИИ на уровне команды, а не на индивидуальном уровне.

Персонал VB

Представлено компанией Atlassian.

Большинство компаний подходят к внедрению ИИ неправильно, оптимизируя то, как отдельные люди используют ИИ, а не то, как команды работают вместе, заявила доктор Молли Сэндс, руководитель лаборатории командной работы в Atlassian, во время неформальной беседы со старшим технологическим обозревателем VentureBeat Сэмом Виттевеном на конференции VB Transform 2026.

Сэндс возглавляет группу специалистов в области поведенческих наук и психологии, изучающих, как искусственный интеллект меняет способы взаимодействия людей в рабочей среде, и использует полученные результаты, чтобы помочь организациям перестроить процессы выполнения работы.

«Мы не просто изучаем это, мы также активно вмешиваемся и меняем это», — объяснила она. По ее словам, ее команды обучают новым методам работы и перестраивают рабочие процессы в компаниях, что является проблемой, с которой многие организации до сих пор борются.

Почему скорость внедрения ИИ не приводит к окупаемости инвестиций

В ежегодном отчете Atlassian «Состояние команд», в котором в этом году были опрошены 12 000 специалистов по работе с информацией по всему миру и проанализированы данные примерно 200 руководителей компаний из списка Fortune 1000, выявлен значительный разрыв между активностью и ценностью, демонстрирующий, что все используют ИИ, но лишь немногие пока могут определить, где он действительно приносит пользу.

«89% руководителей сообщили нам, что в их компаниях наблюдается ускорение темпов работы сотрудников, и только 6% из них смогли привести конкретные примеры очевидной окупаемости инвестиций», — сказал Сэндс.

Однако примерно 14% команд смогли преобразовать использование ИИ в реальную выгоду — это означает, что в одной организации может быть несколько высокоэффективных команд, окруженных другими, которые не получают никакой отдачи.

У лидеров команд были три общие характеристики: контекст, рабочие процессы и культура. Команды, вырывавшиеся вперед, создавали то, что Atlassian называет контекстным графом, фиксируя цели, решения и организационные знания в общих цифровых записях, а не оставляя их в индивидуальной памяти. В таких продуктах, как Jira и Confluence, граф связывает рабочие элементы, цели и людей, которые их выполняют, предоставляя ИИ доступ к необходимому организационному контексту.

В отношении рабочих процессов команды-победители перепроектировали целые сквозные процессы, а не просто ускоряли отдельные задачи. В противном случае, ускорение работы отдельных сотрудников, работающих в несколько разных направлениях, приводит лишь к тому, что они «очень быстро начинают сталкиваться друг с другом», как выразился Сэндс.

Что касается корпоративной культуры, то самые динамично развивающиеся команды работали под руководством лидеров, которые открыто поощряли обучение и эксперименты, при этом ясно давая понять, что некоторые эксперименты могут потерпеть неудачу.

Как лидеры могут превратить ИИ из индивидуального хакерства в командное преимущество

По словам Сэндса, экспериментирование и ограничения — это самый быстрый путь к обучению. Команды, добившиеся наибольших успехов, намеренно устанавливали ограничения на свою работу, от разбивки каждой задачи на мельчайшие практически возможные единицы работы (один пользовательский балл) до обязательства не писать код вручную в течение недели.

«Большую часть этого невозможно делать постоянно, но это действительно очень быстрый способ обучения», — сказала она.

Сэндс утверждал, что еще одним препятствием является не сама технология, а тот факт, что сотрудники самостоятельно осваивают ИИ. Каждый работник разрабатывает свои собственные задачи, агентов и предположения, создавая еще один слой негласных знаний внутри команд, который редко приводит к повышению эффективности работы организации.

Чтобы противостоять этому, Atlassian экспериментировала с рабочими соглашениями об использовании ИИ в начале проектов, предлагая командам решать не только то, для чего они будут использовать ИИ, но и то, для чего они намеренно будут избегать его использования, каких агентов они будут использовать совместно и какие общие навыки позволят всем работать в одном контексте. Команды, внедрившие эту практику, использовали ИИ чаще, работали быстрее, принимали более обоснованные решения и в конечном итоге производили более качественную работу.

По словам Сэндса, главный вывод заключается в том, что ИИ не столько создает совершенно новые проблемы управления, сколько выявляет старые. Команды всегда сталкивались с трудностями, связанными со скрытыми предположениями и различными ментальными моделями своей работы. ИИ просто делает эти пробелы более существенными, повышая важность общего контекста и четко определенных методов работы.

Спонсорские статьи — это контент, созданный компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко обозначены. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com .

Источник: venturebeat.com