AI-грамотность как стратегическое преимущество для CIO в эпоху agentic AI
Примечание редакции: ниже опубликован гостевой материал Сайеда Ахмеда, AVP и глобального руководителя по responsible AI в Infosys.
По мере того как предприятия внедряют multiagent-системы в бизнес-процессы, становится ясно: успешная трансформация ИИ зависит не только от технологий, но и от трансформации кадров.
В последние два года организации в основном сосредоточились на создании базовых платформ и экспериментах с вариантами использования. При этом эти возможности оставались в руках практиков и сотрудников, уже владеющих ИИ на хорошем уровне.
Однако масштабирование и ROI зависят от широкого и эффективного внедрения. Способность сотрудников понимать, применять, управлять и постоянно адаптироваться к ИИ — это и есть ключевое отличие. Иными словами, AI literacy превратилась в стратегическую компетенцию.
В отличие от традиционного ПО, agentic-системы могут принимать решения, оркестрировать рабочие процессы, использовать инструменты и действовать с растущей автономностью. Чтобы успешно внедрять их, сотрудникам нужно понимать ограничения ИИ, требования к governance и ту роль, которую человек по-прежнему должен играть в loop.
Императив выживания
Для многих организаций базовые программы AI literacy по-прежнему подаются как подготовка персонала или как упражнения по соблюдению комплаенса. Это существенно занижает их бизнес-значение.
На самом деле это вопрос выживания самого предприятия.
Согласно World Economic Forum’s Future of Jobs Report 2025, к 2030 году 39% ключевых навыков работников изменятся, а почти 60% мировой рабочей силы потребуется reskilling или upskilling в тот же период.
По мере появления новых парадигм — таких как agentic-системы, context engineering, AI-native интерфейсы и machine-to-machine protocols — организации с AI-грамотным персоналом будут адаптироваться значительно быстрее, чем те, кто полагается только на внешнюю экспертизу.
Исследование об AI-экономике Индии подтверждает это: лишь 30% рабочей силы страны обладают уровнем AI literacy, который требуется бизнесу сегодня, тогда как, по оценке компаний, к 2030 году этот показатель должен вырасти до 57%, то есть почти удвоиться.
Нетрудно понять, почему это так.
Agents меняют сами процессы и саму работу. В маркетинге агенты могут автономно проводить market research, генерировать кампании, оптимизировать контент и анализировать результаты. В консалтинге они способны выполнять исследования, синтезировать выводы, строить анализ и готовить рекомендации. Если меняется роль, меняются и навыки, необходимые для её выполнения.
Кроме того, сотрудники с AI literacy принимают более качественные решения о применении ИИ. Они быстрее находят высокоценные возможности, эффективнее проверяют ответы и избегают дорогостоящих провалов при внедрении. Они понимают, что внедрение ИИ — это задача проектирования workflow, governance, поведения людей и организационных изменений.
И, пожалуй, самое важное: AI literacy снижает риски. Сотрудники, которые понимают governance ИИ, безопасность, privacy, bias и принципы responsible AI, лучше умеют выявлять проблемы до того, как они перерастут в инциденты. Предотвращение одной крупной утечки, нарушения регулирования или репутационного кризиса может окупить все вложения в развитие компетенций персонала.
В среде, где модели улучшаются ежемесячно, а архитектуры меняются ежеквартально, настоящая отдача от AI literacy — это организационная адаптивность.
Модель AI literacy сломана
Несмотря на растущую важность AI literacy, большинство организаций по-прежнему подходят к ней с помощью образовательных моделей, которые не подходят для этой задачи.
Первая проблема — растущий разрыв между академической теорией и корпоративной практикой.
Университеты и сертификационные программы не успевают за темпами инноваций. Такие концепции, как agentic protocols, model context protocols, context engineering, multiagent orchestration, AI observability и synthetic data workflows, приходят в корпоративную среду быстрее, чем успевают меняться традиционные учебные программы.
В результате многие специалисты заканчивают обучение с сильной теоретической базой, но с ограниченным пониманием того, как на самом деле проектируются, внедряются, защищаются, мониторятся и управляются корпоративные AI-системы.
Новые рамки обучения
Наиболее эффективные форматы обучения ИИ — это иммерсивные, практические и ориентированные на решение задач.
Геймифицированные среды обучения могут моделировать реальные бизнес-сценарии, в которых участники соревнуются в проектировании, внедрении и управлении AI-решениями. Обучение на основе симуляций позволяет командам в контролируемой среде столкнуться с отказами систем, инцидентами безопасности, hallucinations и срывами governance.
Ролевые упражнения могут требовать, чтобы участники одновременно думали как product managers, business owners, юридические команды, data scientists, специалисты по безопасности и конечные пользователи. Workshops в логике design thinking позволяют проверять AI use cases на прочность от идеи до внедрения и governance.
Red-team exercises, в которых участники намеренно пытаются сломать AI-системы, особенно эффективны, потому что они учат сотрудников тому, как ИИ ошибается, а не только тому, как он работает успешно.
Компании также должны инвестировать во внутренние apprenticeship-программы, cross-functional AI gigs, rotational programs и инициативы intrapreneurship. Реальная работа с ИИ по своей природе междисциплинарна и требует знаний в области права, этики, статистики, системной инженерии, cybersecurity, user research и business operations. Этим навыкам сотрудники лучше всего учатся через опыт, а не через лекции.
И самое важное: организациям следует перестать измерять успех количеством сертификатов и процентом завершённых курсов. Метрика, которая действительно важна, — меняется ли то, как выполняется работа.
Организации, которые выживут в agentic-эпоху, — это те, что построят рабочую силу, способную постоянно учиться, адаптироваться, управлять и извлекать ценность из всего, что появится дальше.
В этом и состоит настоящее обещание AI literacy. И это то преимущество в кадрах, которое предприятия уже не могут позволить себе игнорировать.
Материал — перевод статьи с английского.