Артем — Agile Coach и Kanban Coach с 2017 года. За это время он прошел путь от классических трансформаций в бизнесе до интеграции данных и искусственного интеллекта в управленческие процессы. Сейчас он отвечает за трансформацию производства в компании Solar и развивает концепцию Artificial Management — управления с помощью ИИ.
Большие языковые модели — инструмент, а не магия
LLM (Large Language Models) это не «магия», а предсказательная система, обученная на миллиардах параметров. По сути, модель получает входной текст, анализирует контекст и прогнозирует следующий токен (фрагмент текста).
Первоначально модели создавались для генерации и обработки текста, но быстро оказалось, что они способны выполнять и другие задачи — перевод, программирование, аналитика как побочный эффект масштаба данных и структуры обучения.
Применение ИИ в менеджменте
LLM уже помогает решать классические управленческие задачи:
- анализ данных и отчетности,
- управление проектами,
- повышение клиентского опыта,
- стратегическое планирование и работа с бэклогами.
Однако важно помнить работа языковых моделей требует мощных вычислительных ресурсов и осторожного обращения с данными. Использование открытых кластеров исключает загрузку конфиденциальной информации: неизвестно, через какие каналы она может быть передана.
Пример: реакция Илона Маска на анонс Apple Intelligence, после которой iPhone запретили на заводах Tesla из-за рисков утечки данных.
Как начать работать с LLM
- Определить задачу. Генерация текста, анализ данных, создание инструкций или дашбордов.
- Оценить ресурсы. Сколько времени и денег вы готовы вложить.
- Освоить промт-инжиниринг. От качества запроса зависит точность результата. Важно указывать контекст, цель и формат ожидаемого ответа.
Промтинг это новый управленческий навык. Руководитель должен уметь формулировать задачи для цифрового сотрудника так же четко, как для человека.
Кейсы применения в Solar
1. Работа с бэклогом
Для продукта «Цифровая отчетность» использовался промт, где GPT выступала в роли Product Owner.
Результат: модель сформировала MVP-дэшборд, список эпиков и user stories с приоритезацией. Команда затем доработала и адаптировала предложения под свой контекст.
2. GPT-агенты и Power BI
Создан кастомный агент, который помогает строить дашборды и писать формулы DAX.
Результат: первый рабочий дашборд был собран за 4 часа человеком без глубоких знаний Power BI. Весь проект от идеи до готового решения занял две недели.
3. Анализ данных
Платный агент GPT+ способен работать с Excel и строить визуализации, PowerPoint-презентации и Jupyter Notebook.
Хочешь развиваться системнее?
Выбери, что ближе тебе — и получи 🎁 подборку материалов от Neogenda.
Результат: автоматизация анализа релизов сократила время подготовки отчетности с двух дней до одного часа переписки с агентом.
Искусственный интеллект как часть команды
В Solar ИИ интегрирован в ежедневные процессы:
- GPT-агенты помогают Agile и Kanban-командам готовить тренинги, анализировать запросы, собирать материалы.
- Консультант-агент по Jira генерирует сложные GQL-запросы.
- BI-агенты поддерживают аналитиков и визуализируют метрики.
Подготовка к обучению или воркшопу теперь занимает в четыре раза меньше времени. Компания также внедрила внутренний нейро шлюз — защищенный контур для работы с конфиденциальными данными и нейромоделями.
Перспективы и примеры индустрии
ИИ-интеграция становится нормой.
- Miro тестирует цифровых агентов: Product Owner, Agile Coach и маркетолога прямо в интерфейсе досок.
- Solar создает собственных агентов, обучая их на корпоративных базах знаний (например, SAFE-фреймворк).
- Сбер экспериментирует с агентами, которые рефакторят legacy-код и создают новые программы.
Эксперименты показывают: команда из нескольких агентов может за три часа разработать прототип игры с нуля.
Вызовы и ограничения
Главная проблема LLM — галлюцинации. Модель может достроить несуществующий контекст, создавая правдоподобные, но неверные факты. Поэтому над каждым агентом должен оставаться человек, который проверяет корректность данных и выводов.
Еще один риск — пассивность специалистов. Менеджер не должен перекладывать мышление на нейросеть. LLM не замена, а усилитель. Она снимает рутину, но ответственность за контекст и ценность результата остается за человеком.
Итоги
- LLM и GPT-агенты — мощный инструмент для управленцев, аналитиков и продуктовых команд.
- Они ускоряют подготовку решений, отчетов и исследований.
- Главное использовать их осознанно: проверять данные, адаптировать контекст и сохранять управленческое мышление.
ИИ не заменяет менеджера. Он расширяет его возможности.