Когда каждый
станет программистом

Победитель конкурса начинающих цифровых художников на «Ярмарке штата Колорадо — 2022» Джейсон Аллен (по совместительству президент компании — производителя настольных игр Incarnate Games) получил много больше, чем просто синюю ленту и чек на $300. Его картина «Théâtre d’Opéra Spatial» была создана с помощью нейросети Midjourney.

Джейсон дал ей текстовые инструкции (полный текст до сих пор неизвестен) — и получил изображение за несколько секунд (конкурсант солгал жюри, что трудился две недели). Когда правда вскрылась, художники и критики долго ругали Аллена в журнале Atlantic, газете New York Times и других СМИ. Они предупреждали о потенциальных опасностях, исходящих от новейших решений генеративного искусственного интеллекта, таких как ChatGPT, DALL-E и Bard. Эти технологии позволяют автоматически и почти мгновенно генерировать притягательные тексты, фотографии и видеоролики. Но влияние нейросетей на индустрию вызывает беспокойство не только у творческих деятелей. Напряжение возникает даже в среде ИТ-специалистов. Генеративный ИИ способен превратить в успешных программистов людей без опыта (таких сотрудников часто называют citizen developers — разработчиками-любителями). Просто описав, что ему нужно, даже гуманитарий может сегодня благодаря передовым ИИ-инструментам создавать целые приложения — еще вчера для этого нужно было долго учиться и практиковаться.

При активном продуманном руководстве разработчики-любители могут изменить баланс отношений сотрудника и компании. Исторически информационные технологии создавались профессионалами для рядовых пользователей, которые почти никак не могли повлиять на всесильных кодеров. В результате профи не всегда вовремя реагировали на потребности пользователей — и у технических экспертов, бизнес-лидеров и остальных сотрудников возникали проблемы коммуникации. Появление нейросетей и разработчиков-любителей стало началом новой эпохи: каждый работник получил возможность не просто совершенствовать или оптимизировать, но и автоматизировать собственный труд.

Без «посредника» в лице ИТ-специалистов новые системы и приложения, созданные с помощью генеративного ИИ, окажутся лучше адаптированы к конкретным потребностям пользователей, повышая потенциальную эффективность от их применения. Сами ИТ-специалисты при этом смогут сосредоточиться на более сложных системах и технологиях, где пока еще требуется их опыт.

Несмотря на выгоды, многие опрошенные нами айтишники возражают против любительских разработок. Их пугает, что такие системы выйдут некачественными и ИТ-отделу придется долго доводить их до ума — или что генеративный ИИ полностью заменит живых технарей. Количество систем в организации может сравняться с количеством сотрудников. Фирма окажется зависимой от любительских решений, известных лишь горстке сотрудников или созданных давно уволившимися разработчиками. Такой взрыв «серых ИТ» в корпорациях — и ожидаемый масштаб расходов на доработку технически слабых программ — не может не вызывать озабоченность. Без должных рамок и инструментов управления широкое распространение любительской разработки способно ввергнуть компании в хаос.

Несмотря на обоснованные страхи, очевидно, что разработчики-любители организациям нужны. Софтверные компании сознательно стали добавлять к своей продукции интерфейсы генеративного искусственного интеллекта, чтобы запросы о транзакциях, данных и аналитике можно было делать в чате или голосом. Мы ожидаем, что скоро бóльшую часть бизнес-программ будут создавать или использовать при помощи подобных систем. Широкое распространение любительской разработки может сделать общедоступным и дополнительно ускорить процесс технологических инноваций, в том числе цифровизации, автоматизации и аналитики данных. AT&T, ING, Johnson & Johnson, PwC, Deloitte и другие крупные фирмы экспериментируют с соответствующими инициативами. Цель — понять, каких сотрудников стоит включить в проекты любительской разработки, в какой роли и с каким предварительным обучением, а также как воспитать культуру взаимного обучения и поддержки.

Включение всего коллектива в программирование заставляет задуматься: что ждет наши ИТ-отделы? Как они сумеют облегчить любительскую разработку и снизить ее риски, не мешая творческому процессу? Здесь важно как не отказываться от этого полезного тренда, так и правильно им управлять. В этой статье мы — ученый, консультант и практик с многолетним опытом работы с ИИ и аналитикой — поделимся дорожной картой успешного внедрения любительской разработки. Чтобы углубить знания об этом явлении, мы расспросили руководителей восьми компаний, обобщили онлайн-дискуссии по теме и обсудили ориентированные на непрофессионалов программные инструменты с несколькими производителями.

Дилемма разработчика-любителя

Процесс создания приложения с помощью генеративного ИИ часто начинается с того, что пользователь спрашивает у чат-бота (или иного интерфейса системы), как выполнить то или иное действие. Например, «Как создать клиентское приложение для iPhone?». Система описывает идеальные шаги на этом пути. Пользователь просит описать каждый шаг. Степень детальности зависит от его технических умений, но система готова провести пользователя через любой этап процесса, объясняя все на понятном ему языке. Если пользователь зашел в тупик или обнаружил, что созданный им код не работает, он может объяснить ИИ, что видит перед собой, — и тот поможет решить проблему. Это наверняка будет путь проб и ошибок — но сама возможность генерировать код и строить приложения сегодня есть у каждого.

Работающий в 40 странах банк ING со штаб-квартирой в Амстердаме использовал похожий процесс, когда ему понадобилось ввести в работу дополнительные модели машинного обучения. Столкнувшись с недостатком профессиональных аналитиков данных в ряде стран своего присутствия, ING начал исследовать возможности любительской аналитики. Банк, в котором глобальным директором по аналитике еще не так давно был один из авторов этой статьи (Керем), работает над техническим обучением разработчиков-любителей и над поиском вариантов применения автоматического машинного обучения. Нет сомнения, что его сотрудники способны создавать искомые модели — допустим, для прогнозирования вероятности того, что клиент кликнет на сообщение от приложения или отреагирует на электронную рассылку. Это помогло бы освободить профессиональных аналитиков от простых повторяющихся задач — например, по управлению данными. Однако для успеха будущим разработчикам-любителям потребуется должное обучение и практика. Кроме того, выстроенные ими модели не должны быть слишком зарегулированы (хотя некоторая документация, конечно, будет полезной). Наконец, ничего этого не случится, если ИТ-отдел не развернет и не проконтролирует инструменты и платформы для поддержки автоматизированной разработки и применения машинного обучения. Это лишь некоторые из очевидных задач, которые предстоит решить банку ING, чтобы сформулировать правила игры для разработчиков-любителей.

Организаций, находящихся хотя бы на этапе изучения связанных с непрофессиональной разработкой рисков, пока еще очень мало. Но что произойдет с созданным таким образом приложением, если с ним будет увязана работа всего отдела — а его автор вдруг уйдет в другую компанию? Другие риски относятся к технической подкованности сотрудников. Скажем, во многих аналитических организациях не верят, что человек без профессиональной подготовки способен достаточно глубоко разобраться в строительстве моделей — даже располагая возможностями автоматизированного машинного обучения. Там опасаются, что любительские алгоритмы нанесут организации вред. В других фирмах заявляют, что и модели от профи грешат предвзятостью или постепенным ухудшением результатов, — а если ошибаются даже специалисты, что говорить о новичках? Но мы до сих пор не обнаружили доказательств долгосрочного ущерба от любительских разработок.

Нам известны примеры программ, которые ненадолго завели организацию не туда. В частности, одна европейская телекоммуникационная компания в числе первых внедрила у себя программы роботизации процессов (РП) с использованием строгой бизнес-логики и входных данных. РП-команда в этой фирме состояла из людей без опыта в ИТ, ее еще не успели поддержать нужными ИТ-решениями, суть ее работы не до конца понимали коллеги. Первой проблемой стало то, что при введении программы РП в работу из нее не была удалена добавленная при тестировании закольцованность. В результате клиентам было ошибочно выслано множество бесплатных iPhone. Вторая проблема заключалась в том, что некорректно запрограммированный бот начислял клиентам бонусные баллы, ужасая отдел аудита и комплаенса. Одного разработчика-любителя в итоге чуть не уволили.

РП легко злоупотребить, автоматизировав собственную работу ради подработки на стороне. Осторожные работодатели тревожатся, как бы их сотрудники благодаря РП или генеративному ИИ массово не устроились на полную ставку на две-три работы, — и небезосновательно: в сети уже можно видеть рассказы о подобном опыте. Попробовать избежать этого можно, щедро (повышением зарплаты или продвижением по карьерной лестнице) вознаграждая сотрудников, которым удалось автоматизировать свою работу.

Но в настоящий момент одна из главных проблем любительской разработки — это вовсе не ошибки в коде, не плохое управление новым феноменом и не обогащение автоматизировавших все вокруг хитрецов. Это упорное игнорирование большинством организаций колоссального потенциала непрофессиональных инноваций. То ли бизнесмены не видят открывающихся перед ними возможностей и преимуществ, то ли их запугал ИТ-отдел, то ли у них не получается выработать необходимые механизмы поддержки и контроля.

Пример из практики: PwC

Консалтинговый гигант PwC внедрил у себя масштабный процесс так называемого цифрового акселератора. Запущенная в 2017 году программа изначально состояла из трех компонентов: аналитики, автоматизации и управления данными. Впоследствии ее пересмотрели, и теперь она включает в себя решения low code/no code и повышение продуктивности. Компания объявила, что планирует обучить работе с ИИ (в том числе генеративным) 65 тыс. сотрудников. Разработчиков-любителей для прохождения онлайн-курсов по соответствующим технологиям набирают внутри PwC. После успешного завершения обучения эти сотрудники могут часть рабочего времени уделять разработке приложений в сфере клиентского сервиса или корпоративного администрирования. Авторы самых полезных приложений получают небольшое вознаграждение. Организовавшая программу группа продуктов и технологий предполагала, что в нее запишутся 500 желающих, а в итоге обучила 2 тыс.

PwC получила от программы ряд преимуществ. Прежде коллективы разработчиков технологий были замкнуты внутри своих подразделений (аудита, налогов, консалтинга) — но новоиспеченные программисты наладили обмен опытом и интеграцию между ними. Некоторые из их проектов были встроены в корпоративную систему, другие (например, новые подходы к визуализации) применяются для вовлечения клиентов. Разработчики-любители обычно остаются в своем отделе — и используют в работе новые технические навыки, которых раньше всем не хватало.

Одна из участниц акселератора, Эмили Донохью, работала в налоговом подразделении PwC и уставала от нудных рутинных задач. Вместе с коллегами ей удалось автоматизировать процесс извлечения данных из разнообразных таблиц. Новое решение сэкономило компании целых 40 часов только на одном проведенном аудите — и в итоге вошло в стандарт цифровых ресурсов внутренней библиотеки PwC, доступной для всех сотрудников.

Организациям, желающим добиться успеха того же масштаба в любительской разработке, предстоит решить ряд задач. Все они обязательны — но порядок решения у каждой компании может быть своим (задачи относительно независимы друг от друга, над ними можно трудиться по отдельности).

<< ЗАДАЧА 01 >>

Наберите и классифицируйте разработчиков-любителей

Формальная или неформальная процедура набора с большой вероятностью привлечет существенное число сотрудников, желающих самостоятельно создавать приложения. Наверняка во многих отделах и подразделениях уже есть люди, пробующие себя в разработке, так что предложение обучиться ей будет воспринято с энтузиазмом. Возможно, менеджеры в сфере ИТ, автоматизации или аналитики уже знают, кто из сотрудников заинтересован в новых знаниях. Найти нужных людей можно также на курсах по смежным технологиям.

Некоторые компании отбирают будущих разработчиков-любителей по личным качествам. В частности, Johnson & Johnson утверждает, что у кандидата должен быть логический склад ума, технические знания, хорошая обучаемость и опыт работы по строгим правилам. Одних сотрудников привлекает в подобных программах возможность облегчить себе работу или получить побольше свободного времени. Других мотивируют цели компании: они приходят в программу, учатся и (порой) получают премии ради автоматизации, анализа и оптимизации деловых процессов. Эти люди тоже хотят заработать признание или сделать работу менее тягостной — но выигрывает от их усилий в основном работодатель. Есть и третья группа — желающие принести пользу обществу. Они предпочитают проекты в сфере здравоохранения или охраны окружающей среды и создают инструменты и процедуры для сбора, анализа и документации данных. Компаниям частного сектора стоит продвигать инициативы любительской разработки как путь к профессиональному росту или общественной пользе.

Разработчиков-любителей можно разделить в соответствии с исполняемой ролью. Скауты выявляют возможности для совершенствования и изменений; дизайнеры/архитекторы находят новые, лучшие способы выполнения тех или иных действий; разработчики/автоматизаторы строят на основе этих способов приложения; дата-сайентисты/аналитики изучают ситуацию с новыми и старыми процессами и отчитываются о ней.

Академия ИИ другого консалтингового колосса — Deloitte — запустила несколько внутренних программ углубления знаний об искусственном интеллекте для лидеров, стратегов, разработчиков-любителей, руководителей проектов и исследователей. Некоторые из этих программ носят неформальный характер, после других выдается официальный сертификат; одни занимают все рабочее время, другие — лишь часть. Ведь у каждого сотрудника свои потребности и интересы в технической сфере.

<< ЗАДАЧА 02 >>

Обучите и сертифицируйте разработчиков

Любительская разработка требует обучения (хотя и небольшого). Компании, которых мы опросили, в среднем посвящают этому от 40 до 80 часов. Некоторые — например, глобальная рекламно-коммуникационная фирма Dentsu — проводят для свежеобученных программистов хакатоны по созданию приложений. Требования к обучению зависят от того, какую поддержку от коллег-профессионалов сможет в дальнейшем получить разработчик-любитель. Скажем, если все разработанные модели перед внедрением будут проверяться экспертами-аналитиками, можно для начала ограничиться меньшим объемом знаний.

Поскольку разработанные любителями решения часто привязывают, меняют, извлекают, анализируют данные из существующих транзакционных систем, их авторы должны разбираться в корпоративной ИТ-инфраструктуре и правилах, чтобы доступ к информации и ее использование оставались безопасными. Но и здесь тщательно обучать сотрудников может быть необязательно — при условии, что системы проходят контроль ИТ-отдела или других специалистов. В качестве минимальной меры организация должна фиксировать, кто и какую разработку предложил, для чего, была ли она одобрена на корпоративном уровне.

Там, где руководство считает, что процессы надо сначала оптимизировать, а уж потом автоматизировать, разработчиков-любителей следует обучать приемам последовательного улучшения процессов, таким как шесть сигм и бережливое производство. Другой вариант — создать централизованную группу специалистов по совершенствованию процессов, к которым всегда можно было бы обратиться для проверки процесса перед автоматизацией.

Одни компании не требуют от любителей получения сертификатов. Другие тщательно тестируют и сертифицируют их. Наконец, третьи нанимают для этого сторонние компании.

Необходимость в сертификации в конкретном случае часто зависит от важности и зарегулированности сферы, для которой создается приложение.

<< ЗАДАЧА 03 >>

Сформируйте инфраструктуру любительской разработки

Чтобы непрофессионалы преуспели, им нужно предоставить стандартные инструменты и поддерживающую инфраструктуру. Неважно, с чем они будут работать: с генеративным ИИ, РП, low code/no code или автоматизированным машинным обучением. В любом случае их лучше предварительно обучить — и попросить демонстрировать свои разработки на разных стадиях готовности. Многие поставщики ПО сегодня предлагают упрощенные, почти или совсем не требующие навыков программирования версии стандартных решений. Они специально рассчитаны на разработчиков-любителей. Помимо этого, поставщики ПО создают хабы, маркетплейсы и порталы, позволяющие любителям делиться сертифицированными наборами данных для повторного применения и целыми приложениями или их компонентами, а также предлагают «магазины функций» — репозитории многократно используемых переменных — для помощи непрофессионалам в разработке моделей машинного обучения.

Чтобы любительская разработка наращивала влияние, очень важно связывать ее решения с производственной средой подразделения. При этом компания должна убедиться в их качестве — в случае со сложными инструментами вроде автоматизированного машинного обучения нужно проверить точность и надежность моделей.

<< ЗАДАЧА 04 >>

Поддержите взаимное обучение

Разработчики-любители должны обмениваться наработками решения бизнес-проблем с помощью технологий. Один из способов поощрить такой обмен — ввести регулярные встречи с демонстрацией решений и презентациями от внешних спикеров. Поскольку любитель уже не совсем простой пользователь, но еще не совсем айтишник, общение с себе подобными может стать для него своеобразной групповой терапией, оказывая поддержку и, например, не давая забросить программирование в случае досадных ошибок. Такие встречи станут и источником обратной связи для менеджеров, подсказывая варианты горизонтального и вертикального роста — особенно для желающих профессионально заняться автоматизацией, работой с данными или ИТ.

<< ЗАДАЧА 05 >>

Приготовьтесь управлять ценностью, созданной благодаря автоматизации

Возможно, внешние наблюдатели скажут, что инвестиции в любительскую разработку имеют смысл только при условии тщательного контроля создаваемой ею ценности. Любители обычно генерируют полезные наблюдения, материальная оценка которых бывает затруднительна (хотя ряду корпоративных аналитических групп и удается рассчитать отдачу от собранных сценариев использования). Проще всего оценивать пользу от этой практики по количеству времени, сэкономленного благодаря любительским решениям по автоматизации трудовых процессов. Некоторые компании, которые мы изучали или с которыми работали, высвободили таким образом уже миллионы минут. На каком-то этапе справедливо будет задаться вопросом, а что же сотрудники делают в появившееся у них время. Как выразился некий финансист-скептик, «Временем сыт не будешь».

Одна крупная фармкомпания решила, что ИИ и автоматизация окажут ей неоценимую поддержку в трансформации и оптимизации ключевых бизнес-процессов. При наличии корпоративной группы специалистов по данным фирма привлекала для роботизации проектов внешних консультантов. Сочтя их услуги слишком дорогими, руководство пришло к выводу, что проще будет обучить технологиям автоматизации сотрудников за рамками ИТ-отдела. Подразделение корпоративных услуг в партнерстве с ИТ-отделом сформулировало технологические стандарты и провело обучение разработчиков-любителей. Программа имела успех, и многие процессы удалось радикально усовершенствовать. Компания раньше запланированного достигла поставленной цели — сэкономить рабочее время сотрудников стоимостью $500 млн.

С другой стороны, лидеры инициативы с опаской смотрят на ее результаты. Один менеджер признался нам: «Если говорить о стабильности работы и менеджмента изменений, риск потерять последовательность управления явно растет. Готовы ли мы к тому, что 30% финансовых потоков будут идти через любительские решения? Мы подходим к точке невозврата — но есть ли у нас адекватные средства контролировать ситуацию? Уверенности в этом нет».

Некоторые компании научились работать с негативными чувствами ИТ-профи по отношению к «неучам». Прекрасным примером может служить аналитическое подразделение Kroger, лидеры которого, осознав потенциал любительской разработки, решили прибегнуть к помощи своих же бизнес-аналитиков. Чтобы обеспечить новичкам поддержку, профессионалов попросили обучать их инструментам автоматизированного машинного обучения и проверять их модели. Благодаря этому взаимодействию аналитики намного глубже разобрались в работе собственной фирмы.

Пример из практики: AT&T

AT&T делает большую ставку на любительскую разработку. Компания отточила поддерживающие процессы и решила многие из описанных выше задач. Опираясь на несколько сотен профессиональных аналитиков и специалистов по автоматизации, а также уже тысячи разработчиков-любителей, она стремится поставить ИИ и автоматизацию во главу угла своего развития.

AT&T постаралась пойти навстречу желанию сотрудников анализировать данные с помощью моделей машинного обучения. Ее цель — поддержать все этапы машинного обучения, в том числе получение нужных данных, обработку их ради обеспечения нужных функций, выстраивание и развертывание модели, постоянное отслеживание и уточнение ее работы и эффективное управление ею. Компания создала «магазин функций», где содержатся часто используемые данные. Это избавляет от необходимости каждый раз кропотливо обрабатывать одну и ту же информацию (подобный труд занимает до 80% времени аналитиков). Разработчики-любители могут выбирать из более чем 26 тыс. наработок для выстраивания моделей. Это хранилище находят чрезвычайно полезным как дата-сайентисты, так и разработчики-любители.

AT&T также внедрила уже свыше 3 тыс. ботов. Поначалу многие из них упрощали операции — например, предлагали клиентам новые схемы взаимодействия с организацией. В компании есть центр передовых технологий автоматизации, где работают 20 внутренних и несколько сторонних специалистов. Он основан в 2015 году, и его не удалось бы так быстро развить без поддержки автоматизаторов-любителей. Центр отслеживает все проекты роботизации, 92% которых осуществляется не самим центром. Боты экономят компании около 17 млн минут ручного труда и зарабатывают сотни миллионов долларов в год, возвращая вложенные в них средства в 20-кратном размере.

AT&T выработала техническую инфраструктуру для поддержки как профессиональных, так и непрофессиональных разработчиков. Сюда входят конкурсы, а также операционный инструмент, координирующий все элементы разработки, стратегии интеграции РП и машинного обучения, и инструмент для поиска часто используемых данных и функций. Также у компании есть «маркетплейс ботов», предлагающий воспользоваться предыдущими разработками и получить необходимую помощь от центра передовых технологий. Ежемесячно этот репозиторий пополняется примерно 75 новыми компонентами. AT&T пробует создавать модели машинного обучения и автоматизирующих ботов при помощи генеративного ИИ.

Чтобы стимулировать любителей и ускорять автоматизацию, она старается сплачивать разработчиков. Для всех, кто работает с данными, она придумала форум для демократизации ИИ, где раз в неделю проводятся живые виртуальные мероприятия, знакомящие сотрудников с той или иной проблемой — или новой разработкой фирмы. Каждое мероприятие посещают около 200 сотрудников — профессиональных аналитиков среди них мало. Компания предлагает обучающие онлайн-материалы и 575 курсов по разным аспектам data science. За освоение ряда инструментов можно получить сертификат. Всякому желающему стать разработчиком-любителем предлагается 40-часовая обучающая программа. Кроме того, центр передовых технологий проводит ежегодный саммит по автоматизации, где группы сотрудников представляют и предлагают коллегам свои проекты.

Цифровая трансформация нужна сегодня уже практически любой организации — и нехватка квалифицированных специалистов для ее осуществления будет только нарастать. В конечном счете разработчики-любители могут стать главной опорой этого процесса. Несложно представить, что в не столь далеком будущем ряд компаний сумеет передать им всю разработку целиком — возможно, при поддержке сторонних поставщиков ИТ-инфраструктуры. Либо же значительно сократившийся ИТ-отдел сосредоточится на поддержке, оценке и сертификации непрофессиональных проектов.

Разработка технологий будет становиться все более простой по мере автоматизации и алгоритмизации программ. Генеративный ИИ, несомненно, продолжит совершенствоваться, превратив каждого из нас в потенциального программиста. На данный момент, вероятно, главная проблема, стоящая перед движением разработчиков-любителей, — это сохранение единства управления системами. Впрочем, это управление наверняка тоже со временем будет автоматизировано. Системы операций уже обеспечивают непрерывный контроль и точность алгоритмов в моделях машинного обучения — и мы, скорее всего, вот-вот увидим аналогичные системы у других типов любительских разработок.

Реклама одного из поставщиков инструментов для low code обещает, что пользователи смогут «превратить идеи в дела». Движение разработчиков-любителей — признак наступления новой эры, в которой перемены в бизнесе будут основаны на технологиях и данных.

Источник: Harvard Business Review, сентябрь — октябрь 2023 г.