Q&A: почему boutique-консультанты могут быть лучше для внедрения ИИ, чем крупные игроки

Крупные AI-лаборатории выводят forward-deployed engineers (FDE), чтобы быстрее забирать корпоративных клиентов. Большие консалтинговые компании раздают токены и собирают армии консультантов — и людей, и агентов — чтобы делать то же самое.

Но в игре теперь и небольшие фирмы. AI помогает 28Stone Consulting — нью-йоркской технологической консалтинговой компании для рынка капитала с 230 сотрудниками — конкурировать с более крупными соперниками в гонке за FDE.

В этом Q&A Thomas Dolan и Frank Erickson, основатели 28Stone, утверждают, что agentic AI — не универсальное решение для вертикальных рынков; успех требуют дисциплины, глубокой предметной экспертизы и участия людей, чтобы снизить риски.

Многие компании по-прежнему с трудом используют AI-агентов, и консалтинговые фирмы приходят им на помощь, чтобы запустить проекты. 28Stone — одна из компаний, которая публикует схемы и методологии разработки и поставки agentic AI workflows с human-in-the-loop.

Computerworld поговорил с обоими основателями о том, почему компании все еще спотыкаются на запуске agentic AI, и как выглядит дисциплинированный процесс внедрения.

После 15 лет разработки ПО для компаний с рынков капитала «AI-first» — это реальное отличие или просто позиционирование?

Dolan: «Мы не стесняемся быть AI-forward. Важнее всего показать, что AI используется умно — а не так, как если бы вы просто купили несколько токенов для кого-то на торговом деске. Мы — AI-first компания».

Erickson: «И это временно. В какой-то момент AI станет синонимом разработки ПО.

«Идея AI SDLC (software development lifecycle) против SDLC станет одним и тем же, примерно как cloud computing сегодня. Не включать AI в свою стратегию означало бы выглядеть как COBOL-вендор».

Как выглядит поставка agentic AI?

Dolan: «У нас есть несколько инициатив по AI, которые реализуют чисто agentic-подход. Мы еще сильнее усилили human expertise wrapper в SDLC. Это не означает отказ от преимуществ моделей AI — скорее наоборот.

«Вы не получите и близко тот же уровень ценности от применения AI, если не сохраняете эту экспертизу — отраслевую, функциональную и техническую — на протяжении всего процесса».

Где остаются люди в loop, если агенты уже делают работу?

Dolan: «Мы считаем, что начинать нужно со сбора требований. Критически важен человек, который понимает аналитические нюансы хорошего business analyst; он формирует бизнес-информацию product owner в markup file, который можно подать BA agent, а затем воспринимает результат так, как если бы его сделал очень быстрый junior BA. Только после этого история завершена.

«Разработчик берет эту историю, преобразует ее в наиболее эффективный input, а затем владеет output, потому что он отвечает за этот код. Разработчик должен отвечать за код и на стороне input, и на стороне output.

«Ваш product owner, который знает бизнес, — это отлично. Но ожидать, что он будет взаимодействовать с агентом и выдавать enterprise code, — абсурд. Это плохой план».

Почему бы просто не поставить одного универсального человека руководить AI и агентами?

Erickson: «Не каждый analyst, programmer или software engineer — хороший requirements analyst. И хороший domain analyst с некоторым техническим бэкграундом не поймет, garbage ли код агента, поддерживаемый ли он, performant ли он.

«Нереалистично ожидать, что один человек будет достаточно широким одновременно в доменной области, software engineering, testing и deployment. Клиенты спрашивают об этом постоянно, и мы возражаем: “Отлично, если вы найдете такого человека, но их очень мало”. Чтобы работать на enterprise-уровне, нужна человеческая экспертиза в глубину».

Dolan: «Есть system speed и latency, что важно в некоторых частях финансовой сферы. А есть скорость поставки, потому что другие области быстро меняются и time-to-market критичен.

«Наш human wrapper на первый взгляд может показаться немного замедляющим. Возможно, так и есть. Но у [Erickson] есть хорошая аналогия об одной из опасностей AI: можно очень быстро двигаться не в том направлении. Когда вы поднимете голову, окажется, что вы сильно отклонились и придется возвращаться назад».

Что в AI в вашей отрасли, по-вашему, сильно переоценено?

Dolan: «Хайп вокруг простоты использования AI и демократизации enterprise software delivery — идея о том, что “теперь это может делать кто угодно, все делают машины” — еще одна вещь, которая в долгосрочной перспективе может дорого обойтись.

«Такой do-it-yourself подход опасен для клиентов и для доверия к общему эффекту AI, а он реальный. Мы сравниваем это с началом offshore 20–30 лет назад: золотая идея, которая якобы должна была решить все. Многие компании действовали бездумно, считая, что это просто labor arbitrage, и почти неизбежно проваливались. В этом мышлении “все или ничего” упустили, что offshore — отличный способ получить больше ценности за свои деньги, но делать это нужно вдумчиво, чтобы delivery process — то, что все связывает воедино — не был разорван.

«Мы видим это и сейчас. Я слышал: “Мы просто нажмем кнопку, и система построится машиной”. Машина не строит систему. Она может писать код, story, запускать тесты.

Систему строит команда инженеров, которых вы привлекаете и которым доверяете. Я боюсь, что люди скажут: “Нам не нужен этот vendor или эта технологическая команда. У меня есть product team. Они, может, вообще не умеют кодить, но они знают бизнес”, — и все это провалится драматически.

«А потом люди скажут: “Мы поигрались с AI, он еще не готов”, — и выкинут все это. Одна из лучших вещей, которые мы можем сделать, — убедиться, что клиенты понимают: польза реальна».

Erickson: «Хайп можно свести к одной фразе: vibe coding. Это сильно навредило AI, потому что между vibe coding и enterprise software development огромная разница, а некоторые из самых громких сторонников AI слишком к нему привязались. В нашей отрасли единственный способ преуспеть — иметь целый набор unicorns. Это просто не масштабируется. Меня раздражает, когда наши сотрудники внутри компании называют AI tooling vibe coding; если они думают, что именно этим занимаются, они неверно понимают задачу».

Когда вы работаете с клиентами на разных уровнях зрелости в AI, как вы помогаете им понять, что действительно работает?

Dolan: «95% нашего взгляда на agentic-подход совпадает со взглядами всех остальных, но эти 5% важны, особенно на этапе requirements discovery, в том, кто именно формулирует требования и как именно он их понимает. На скорости, с которой вы движетесь, это может привести к серьезным ошибкам.

«Мы видим опасную человеческую привычку у клиентов — пытаться срезать углы в начале проекта и вместо глубоких экспертных discovery sessions просто суммировать то, что они, возможно, хотят, с помощью AI.

«Мы надеемся, что наши клиенты будут сотрудничать и все будут понимать, что это ранний этап. Если клиент настаивает на том, с чем мы категорически не согласны, например, если product owner полностью берет на себя все вплоть до code generation, это вопрос, по которому мы либо жестко возражаем, либо снимаем с себя ответственность».

AI body shops — поставщики LLM и гигантские консалтинговые компании — появляются, чтобы помогать предприятиям внедрять AI. Работает ли эта модель?

Dolan: «Если вы работаете либо с LLM, либо с AI-first, универсальным поставщиком ПО — “Мы не отраслевые специалисты, но знаем, как поставлять AI” — то, если вы банк или broker-dealer, вы в итоге говорите: “Ладно, мы знаем наш бизнес, эти ребята знают AI-часть. Что может пойти не так? Соединим это, и у нас будет quality engineering”.

«Проблема в том, чего вы не получаете: know-how по объединению отраслевой и технической экспертизы и реальной поставке систем для финансовых услуг. У людей в generic delivery firms, будь то AI-only компания или какой-то body shop, нет такой компетенции».

Меняет ли AI экономику для таких небольших консультантов, как вы, которые конкурируют с крупными фирмами, и работает ли это в обе стороны?

Dolan: «За 15 лет до AI у нас было две повторяющиеся причины, по которым мы теряли проект. Первая: “Нам очень хочется работать с вами, учитывая вашу предметную экспертизу, но по стоимости вы не укладываетесь в наш бюджет. Меня вынуждают идти в body shop или в [offshore] delivery center”. Вторая сторона той же медали: “Нам нравится ваш уровень, но вы компания на 230 человек, а мне нужно 300, 400 человек”.

«AI меняет выбор для клиентов. Вам не нужно жертвовать нишевым поставщиком, который знает вашу область, только потому, что вам нужна более крупная команда или ценовой ориентир. AI выравнивает условия игры и должен позволить небольшим фирмам конкурировать с более крупными, универсальными big-box компаниями вроде Accenture».

Erickson: «Он переопределяет, что значит масштаб. На velocity можно смотреть как на показатель стоимости поставки, а не как на rate card. Scale больше нельзя определять численностью сотрудников. Его нужно определять через output.

«В этом есть и угроза. Если вы Accenture с сотнями тысяч дешевых software engineers, как вы обучите всех этих людей? Я сочувствую им. Но для нас, для нескольких сотен человек с узким отраслевым фокусом, это огромная возможность».

Как изменился профиль людей, которых вы и другие нанимаете, в связи с этим agentic-процессом?

Erickson: «По-прежнему нужны люди с сильной инженерной и дизайнерской подготовкой, а также с хорошими навыками коммуникации, потому что теперь они взаимодействуют со всем software development lifecycle больше, чем раньше.

«Многим слишком нравится печатать идеальный код. Извините, мне больше не нужны люди, которые пишут for-loops и classes. Мне нужны те, кто их проверяет, понимает и работает на более высоком уровне. Это другой тип человека: engineer, а не programmer или coder. На стороне [business analyst] все похоже: люди раньше гордились подробными user stories, покрывающими каждый путь. Теперь это разговоры, prompts, проверка output — меньше делать, больше взаимодействовать.

«Как никогда раньше, им нужно интересоваться доменом. Нельзя ограничиваться позицией “Я хочу выучить все, что только можно, о Java”. Это слишком узко. Им не обязательно быть экспертами; им нужно быть заинтересованными. В нашем случае capital markets — это конкретная ниша. Самая большая проблема — освоить инструменты: находить время, продолжая делать работу для клиентов, чтобы наработать опыт и совершить необходимые ошибки, не поставив под угрозу проекты».

Что с governance? Кто контролирует поставку AI и ее стоимость?

Erickson: «Это очень быстро развивается. Люди пока не знают, как выстраивать governance вокруг этого. Самое очевидное — финансовый контроль. Люди начинают получать очень большие счета. Один из наших клиентов потратил миллион долларов на токены всего за последние восемь недель. Сильный шок от ценника. Политики token-maxing начинают демонстрировать свои слабые места. Пока это дикий запад: учимся на ходу, а потом решаем, что именно нужно регулировать».

Действительно ли CIO уже открывают кошельки? И если да, то куда разумнее инвестировать?

Erickson: «Осторожности по-прежнему очень много. Прогнозы по срокам постоянно сокращаются. То есть: “Я могу подождать три месяца и, возможно, все равно получить это к той же дате, которую мне обещают сейчас, но вдвое дешевле. Я подожду и посмотрю, когда будет достигнут equilibrium”. Мы не видим, чтобы кошельки открывались широко — внедрение идет медленно».

Dolan: «Один из наших клиентов смотрит на это как на рост productivity: вместо того чтобы делать то же самое за меньшие деньги, я могу делать намного больше за те же деньги. AI позволяет клиентам запускать то, на что раньше они бы не решились — проекты, которые до AI могли бы не получить одобрение, потому что стоимость снизилась до уровня, приемлемого для бизнеса».

Erickson: «И это именно та история, которую мы надеемся слышать чаще. Исследование бизнес-возможности больше не требует огромных затрат. Время и деньги, которые ушли бы на return-on-investment study, можно потратить на proof-of-concept с AI, а проект завершить через несколько недель. Возможно, в этом уже видно, как решения начнут приниматься быстрее.

«Но у нас есть и небольшое опасение: множество маленьких проектов — это сложно для консалтингового бизнеса».

Generative AIArtificial IntelligenceIT StrategyIT LeadershipDeveloperRolesCareers

Материал — перевод статьи с английского.

Оригинал: Q&A: Why boutique consultancies might be better for AI rollouts than the bigwigs