Управление файлами cookie
Настройки файлов cookie
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Другие файлы cookie можно настроить.
ИИ в рекрутменте: идеальный стажер и плохой интервьюер
Примерное время чтения: 9 минут
Хотите всегда быть в курсе событий на рынке ИТ? Подписывайтесь на наш Telegram-канал!
Главный эффект ИИ для бизнеса может оказаться вовсе не в ускорении текущих процессов, а в более глубоких, структурных изменениях. В новой статье сооснователь Twitter и Block Джек Дорси и один из наиболее известных венчурных инвесторов Кремниевой долины Рулоф Бот выдвинули новую управленческую гипотезу.
Jack Dorsey and Roelof Botha
Содержание:
В статье «From Hierarchy to Intelligence» авторы предлагают взглянуть на ИИ как на фундамент новой структуры. С их точки зрения, ИИ в состоянии заменить часть функций в управленческой иерархии, ускорить движение информации и перестроить роль менеджмента.
От военной к корпоративной иерархии
Первый тезис статьи Джека Дорси и Рулофа Бота строится на том, что последнюю тысячу лет большие организации людей строились на иерархии. Не потому, что это идеальная форма управления, а потому, что лучшего способа координации не существовало.
Римская армия сталкивалась с теми же проблемами, которые сейчас пытаются решить современные корпорации: как управлять тысячами людей, распределенных в пространстве, когда один человек физически не может напрямую контролировать всех?
Ответом стала вложенная структура подчинения:
Римская армия сталкивалась с теми же проблемами, которые сейчас пытаются решить современные корпорации: как управлять тысячами людей, распределенных в пространстве, когда один человек физически не может напрямую контролировать всех?
Ответом стала вложенная структура подчинения:
Малые группы
Командиры
Более крупные подразделения
Следующие уровни командования
Информация поднимается по цепочке выше, решения спускаются в обратном направлении.
Позже эту логику усилили прусский Генеральный штаб, железные дороги XIX века, научный менеджмент Тейлора, матричные структуры и современный средний менеджмент. Менялись термины, отрасли и инструменты, но базовая функция оставалась той же: иерархия маршрутизировала информацию. Она помогала понять, что происходит, где есть проблемы и какие решения нужно принять.
Позже эту логику усилили прусский Генеральный штаб, железные дороги XIX века, научный менеджмент Тейлора, матричные структуры и современный средний менеджмент. Менялись термины, отрасли и инструменты, но базовая функция оставалась той же: иерархия маршрутизировала информацию. Она помогала понять, что происходит, где есть проблемы и какие решения нужно принять.
Цена этой модели хорошо известна каждому руководителю крупной компании: чем больше уровней, тем медленнее поток информации и тем выше риск искажения контекста.
AI как альтернатива управленческим слоям
Сегодня большинство компаний используют AI, например, copilot: для генерации текста, анализа данных, автоматизации поддержки или ускорения рутинных задач. Это полезно, но такой подход не меняет управление компанией, а просто делает организацию немного производительнее.
Более радикальный тезис авторов состоит в другом: AI может взять на себя часть функций, ради которых исторически и создавалась иерархия. Не управление людьми как таковое, а сбор контекста, выявление блокеров, сопоставление сигналов, синхронизацию команд, подсказку приоритетов и превращение данных в управленческое действие.
Иерархия — не пирамида, а интеллектуальная система
Ключевая идея новой организационной модели Дорси и Бота — создание постоянно обновляемой модели реальности компании. Такая система должна отвечать на вопросы, которые сегодня часто существуют между десятками отчетов, встреч и управленческих цепочек.
В традиционной корпорации эта картина собирается через менеджеров. Руководители команд знают локальный контекст, директора агрегируют его на уровень направлений, топ-менеджмент получает уже сильно сжатую версию реальной картины. На каждом этапе информация фильтруется, упрощается и иногда искажается.
AI позволяет представить другой сценарий: компания сама поддерживает машинно-читаемую модель своей работы. Это особенно актуально для цифровых и распределенных организаций, где почти вся часть работы уже оставляет след: код, документация, тикеты, чаты, CRM, продуктовая аналитика, финансовые операции, customer support, дизайн-решения, эксперименты, инциденты.
AI позволяет представить другой сценарий: компания сама поддерживает машинно-читаемую модель своей работы. Это особенно актуально для цифровых и распределенных организаций, где почти вся часть работы уже оставляет след: код, документация, тикеты, чаты, CRM, продуктовая аналитика, финансовые операции, customer support, дизайн-решения, эксперименты, инциденты.
Четыре слоя компании будущего
В модели компании, которую описывают Джек Дорси и Рулоф Бот, выделяются четыре слоя управления:
Или базовые возможности. Это не продукты в привычном смысле, а фундаментальные функциональные блоки:
В технологической компании это могут быть платформенные сервисы:
- платежи
- кредитование
- скоринг
- интеграции
- аналитические модели и так далее.
В технологической компании это могут быть платформенные сервисы:
- API
- data products
- ML-модели
- модули безопасности
- комплаенса
- Главный критерий: capability должна быть переиспользуемой.
Она становится строительным блоком, из которого система может собирать разные решения.
Это объединенная модель компании и клиента. Она понимает внутреннее состояние бизнеса, доступные ресурсы, технические ограничения, клиентское поведение, рыночные сигналы и качество текущих решений. По сути, это слой операционного знания.
Интеллектуальный слой. Он свызывает модель реальности с возможностями компании. Именно здесь AI должен определять, какое решение нужно собрать, для кого, когда и из каких компонентов. Это уже не просто аналитика и автоматизация, а слой принятия решений и управлениядействиями.
Интерфейсы доставки:
В старой логике интерфейс часто воспринимался как основной продукт. В новой логике он становится поверхностью, через которую интеллектуальная система доставляет готовое решение.
- приложения
- кабинеты
- API
- поддержка
- embedded-сценарии
- партнерские интеграции
- внутренние инструменты
В старой логике интерфейс часто воспринимался как основной продукт. В новой логике он становится поверхностью, через которую интеллектуальная система доставляет готовое решение.
Для C-level это особенно важный сдвиг. Архитектура компании будущего должна проектироваться не вокруг отдельных приложений, а вокруг связки «возможности — модель — интеллект — интерфейсы». В такой модели конкурентное преимущество находится не только в UX или данных, а в способности быстро совершать действия, учитывая возможностей.
Самый чувствительный вопрос: что в такой модели делают люди?
Часть функций среднего менеджмента действительно может измениться.
Если раньше менеджер был главным носителем контекста, то в AI-native компании контекст должна предоставлять система. Вместо постоянной управленческой пирамиды появляется более гибкий набор ролей.
Если раньше менеджер был главным носителем контекста, то в AI-native компании контекст должна предоставлять система. Вместо постоянной управленческой пирамиды появляется более гибкий набор ролей.
Individual contributors
Сильные самостоятельные специалисты, которые строят capabilities, модели, интерфейсы и инфраструктуру. Они не ждут постоянных указаний сверху, потому что знают контекст и понимают, как их работа связана с целями компании.
DRI — directly responsible individual
Человек, напрямую отвечающий за конкретный результат или проблему. Например, снижение оттока в сегменте, запуск новой capability, устранение системного bottleneck’а, улучшение качества модели, рост конверсии в конкретном сценарии. DRI не обязательно управляет большой постоянной командой, но имеет полномочия собирать ресурсы для достижения конкретного результата.
Player-coaches — практикующие наставники
Они не превращаются в менеджеров, занятых только статусами и согласованиями. Они продолжают создавать продукт, код, архитектуру, модели или процессы, но одновременно развивают других специалистов и задают стандарты качества.
Возможна ли такая модель в России?
Александр Швец, директор по разработке «Авито Товары» рассказывает, что в компании не только наблюдают за новейшим мировым опытом организации и процессов в разработке, но и стараются на максимум применять новые идеи на практике. Недавно Авито перешел к философии AI First, означающей, что ИИ становится базовой инфраструктурой для принятия решений. Сейчас в вертикали «Авито Товаров» тестируют два эксперимента, связанных с изменением операционной модели вокруг AI.
- Александр ШвецДиректор по разработке «Авито Товары»«Первая из них: может ли AI стать полноценным участником команды и забрать на себя существенные процессы. Например, техподдержку: разбирать баги, отвечать в чатах и реагировать на алерты. Или вовсе брать задачи из Jira и выполнять их от начала до конца.
Вторая гипотеза: может ли AI стать полноценным вторым пилотом и приблизить сотрудника к модели T-Shape».
По словам Александра Швеца, вторая гипотеза должна на практике ответить на вопрос, сможет ли AI расширить рабочий контур специалистов. Например, смогут ли разработчики чаще брать на себя полный цикл задач — от бэкенда до веба и мобильной разработки, а продакт-менеджеры — самостоятельно собирать прототипы и быстрее проверять их на пользователях.
Вместо заключения
- Опасность поверхностного прочтения этой идеи — свести все к сокращению среднего менеджмента. Но более важный вывод заключается в том, что AI не просто уменьшает потребность в некоторых ролях, он показывает, насколько компания в целом умеет превращать знание в действие.
Если у бизнеса нет уникального понимания клиентов, сильных данных и зрелой архитектуры, AI даст лишь краткосрочный эффект:
Если же у компании есть глубокая модель рынка и зрелая технологическая база, AI может стать полноценным операционным слоем, который перестраивает всю организацию: от roadmap’а до ролей, от интерфейсов до управления, от данных до клиентских решений.
- ускорит тексты
- отчеты
- аналитику
- разработку
Если же у компании есть глубокая модель рынка и зрелая технологическая база, AI может стать полноценным операционным слоем, который перестраивает всю организацию: от roadmap’а до ролей, от интерфейсов до управления, от данных до клиентских решений.