Будущее рабочих процессов с AI агентами: рамка для аудита
Быстрое внедрение AI-агентов в бизнесе и госуправлении будет основным фактором трансформации рабочих процессов в ближайшее время. Полезно иметь рамку для аудита, чтобы понимать:
◽️ что фактически автоматизируется в организации;
◽️ требуется ли полная автономность агентов или партнерство с участием человека;
◽️ где именно нужно внедрять AI агентов с точки зрения потенциала, технической реализуемости и мнения сотрудников.
Статья “Future of Work with AI Agents” (Shao et al., 2025, Stanford) как раз описывает такую методологию оценки на уровне выполняемых задач (не целых профессий) и результаты ее применения по итогам сбора мнений 1500 работников из 104 процессий, независимых оценок 52 AI-экспертов для оценки технической реализуемости автоматизации по тем же задачам.
При этом используются ключевые метрики:
◽️ желание автоматизации со стороны работника;
◽️техническая реализуемость задачи современными AI-агентами;
◽️ желаемый и допустимый уровень человеческой вовлечённости, который оценивается по шкале Human Agency Scale от 1 (полная автономность) до 5 (незаменимость человека):
- H1 - AI агент полностью выполняет задачу самостоятельно
- H2 - требуется минимальное участие человека
- H3 - равное партнёрство: AI агент и человек дополняют друг друга (доминирует в 45.2% профессий, по мнению сотрудников)
- H4 - AI агент нуждается в регулярном вмешательстве человека
- H5 - AI агент неспособен выполнять задачу без постоянного участия человека (это только 1% задач)
Работники в целом предпочитают более высокий уровень вовлечения человека, даже если AI-технологии позволяют большую автономию AI-агентов.
Работников в интервью просили кратко описать работу, выполняемые задачи, наиболее частые и важные задачи, используемые инструменты, подробное описание 3 основных задач, чтобы понять их структуру и сложность, мнение о применении AI в работе. Результаты использовались для качественного объяснения результатов анкетирования.
В итоге:
◽️46.1% задач получили положительную оценку для автоматизации. Это в основном рутинные и низкозначимые задачи.
◽️ есть несоответствие между желаемой автоматизацией и техническими возможностями текущего поколения AI агентов (для визуализации соотношение между желаемым и возможным разбили на 4 зоны - зелёная зона (желательно и возможно - приоритет для внедрения), красная зона: возможно, но нежелательно — потенциальный конфликт, R&D-зона: желательно, но пока невозможно - область для исследований, низкий приоритет: ни желания, ни возможности.
Интересно, что анализ инвестиций стартапов Y Combinator и реальных запросов на автоматизацию показал, что 41% компаний ориентированы на задачи, которые либо не желательны для автоматизации, либо малоприоритетны с точки зрения работников. Задачи из "зеленой" и R&D-зоны остаются недоинвестированными.
На основе mixed-effects оценили влияние различных факторов на желание работников автомазировать задачу, помимо самих характеристика задач.
Чаще выступают за автоматизацию:
◽️ респонденты с большим опытом работы и большим уровнем образования (вероятно, лучше понимают, чем AI агенты реально могут помочь)
◽️ с позитивным отношением к AI
◽️ с более высоким доходом
◽️активно используют LLM
Рисунок 7 о трансформации востребованных компетенции - одно из самых интересных в статье
Быстрое внедрение AI-агентов в бизнесе и госуправлении будет основным фактором трансформации рабочих процессов в ближайшее время. Полезно иметь рамку для аудита, чтобы понимать:
◽️ что фактически автоматизируется в организации;
◽️ требуется ли полная автономность агентов или партнерство с участием человека;
◽️ где именно нужно внедрять AI агентов с точки зрения потенциала, технической реализуемости и мнения сотрудников.
Статья “Future of Work with AI Agents” (Shao et al., 2025, Stanford) как раз описывает такую методологию оценки на уровне выполняемых задач (не целых профессий) и результаты ее применения по итогам сбора мнений 1500 работников из 104 процессий, независимых оценок 52 AI-экспертов для оценки технической реализуемости автоматизации по тем же задачам.
При этом используются ключевые метрики:
◽️ желание автоматизации со стороны работника;
◽️техническая реализуемость задачи современными AI-агентами;
◽️ желаемый и допустимый уровень человеческой вовлечённости, который оценивается по шкале Human Agency Scale от 1 (полная автономность) до 5 (незаменимость человека):
- H1 - AI агент полностью выполняет задачу самостоятельно
- H2 - требуется минимальное участие человека
- H3 - равное партнёрство: AI агент и человек дополняют друг друга (доминирует в 45.2% профессий, по мнению сотрудников)
- H4 - AI агент нуждается в регулярном вмешательстве человека
- H5 - AI агент неспособен выполнять задачу без постоянного участия человека (это только 1% задач)
Работники в целом предпочитают более высокий уровень вовлечения человека, даже если AI-технологии позволяют большую автономию AI-агентов.
Работников в интервью просили кратко описать работу, выполняемые задачи, наиболее частые и важные задачи, используемые инструменты, подробное описание 3 основных задач, чтобы понять их структуру и сложность, мнение о применении AI в работе. Результаты использовались для качественного объяснения результатов анкетирования.
В итоге:
◽️46.1% задач получили положительную оценку для автоматизации. Это в основном рутинные и низкозначимые задачи.
◽️ есть несоответствие между желаемой автоматизацией и техническими возможностями текущего поколения AI агентов (для визуализации соотношение между желаемым и возможным разбили на 4 зоны - зелёная зона (желательно и возможно - приоритет для внедрения), красная зона: возможно, но нежелательно — потенциальный конфликт, R&D-зона: желательно, но пока невозможно - область для исследований, низкий приоритет: ни желания, ни возможности.
Интересно, что анализ инвестиций стартапов Y Combinator и реальных запросов на автоматизацию показал, что 41% компаний ориентированы на задачи, которые либо не желательны для автоматизации, либо малоприоритетны с точки зрения работников. Задачи из "зеленой" и R&D-зоны остаются недоинвестированными.
На основе mixed-effects оценили влияние различных факторов на желание работников автомазировать задачу, помимо самих характеристика задач.
Чаще выступают за автоматизацию:
◽️ респонденты с большим опытом работы и большим уровнем образования (вероятно, лучше понимают, чем AI агенты реально могут помочь)
◽️ с позитивным отношением к AI
◽️ с более высоким доходом
◽️активно используют LLM
Рисунок 7 о трансформации востребованных компетенции - одно из самых интересных в статье
👍6🔥4
Интересное применение GenAI — Research Gap Finder для поиска пробелов в исследовательских областях. В ответ на запрос показывает, где в теме не хватает:
◽️теории (нет актуальной теоретической рамки)
◽️методологии
◽️или эмпирических результатов.
Оговорка - результаты, конечно, стоит верифицировать более детальным обзором литературы. AnswerThis также предлагает как продукты других AI агентов для исследователей, с доступом к 250+ млн статей.
https://answerthis.io/ai/research-gap-finder?fpr=razia75
◽️теории (нет актуальной теоретической рамки)
◽️методологии
◽️или эмпирических результатов.
Оговорка - результаты, конечно, стоит верифицировать более детальным обзором литературы. AnswerThis также предлагает как продукты других AI агентов для исследователей, с доступом к 250+ млн статей.
https://answerthis.io/ai/research-gap-finder?fpr=razia75
👍15
Forwarded from Конкурс СберИндекс/Муниципальный код
Объявляем старт приема работ на первый конкурс СберИндекса по дата-историям и визуализации данных «Муниципальный код»
Если вы любите копаться в статистике, умеете извлекать смыслы из массива таблиц и верите, что данные способны помогать людям лучше понимать мир вокруг нас, подавайте проекты на наш конкурс до 14 ноября.
Конкурс пройдет по номинациям «Дата-история» и «Визуализация данных и инфографика». Авторы лучших проектов поборются за:
— денежный приз
— возможность опубликовать результаты на медиа-площадках СберИндекса
— приглашение на стажировку в Лабораторию СберИндекс.
Чтобы участвовать в конкурсе, нужно:
1. Выбрать номинацию
2. Сформулировать решаемую задачу или выбрать из предложенных на сайте
3. Использовать в работе хотя бы один набор данных Лаборатории Сбериндекс
4. Оформить проект и отправить его через форму на сайте
Работу можно выполнять индивидуально или в команде до четырех человек. Подробности о конкурсе опубликованы на сайте.
17 и 20 октября мы проведем вводные вебинары, посвященные данным, работе над проектами и визуализациям. После выступления спикеров можно будет задать вопросы.
Участвуйте в конкурсе и превращайте сложные массивы информации в увлекательные проекты!
#конкурс #муниципальный_код #сбериндекс
Если вы любите копаться в статистике, умеете извлекать смыслы из массива таблиц и верите, что данные способны помогать людям лучше понимать мир вокруг нас, подавайте проекты на наш конкурс до 14 ноября.
Конкурс пройдет по номинациям «Дата-история» и «Визуализация данных и инфографика». Авторы лучших проектов поборются за:
— денежный приз
— возможность опубликовать результаты на медиа-площадках СберИндекса
— приглашение на стажировку в Лабораторию СберИндекс.
Чтобы участвовать в конкурсе, нужно:
1. Выбрать номинацию
2. Сформулировать решаемую задачу или выбрать из предложенных на сайте
3. Использовать в работе хотя бы один набор данных Лаборатории Сбериндекс
4. Оформить проект и отправить его через форму на сайте
Работу можно выполнять индивидуально или в команде до четырех человек. Подробности о конкурсе опубликованы на сайте.
17 и 20 октября мы проведем вводные вебинары, посвященные данным, работе над проектами и визуализациям. После выступления спикеров можно будет задать вопросы.
Участвуйте в конкурсе и превращайте сложные массивы информации в увлекательные проекты!
#конкурс #муниципальный_код #сбериндекс
Несмотря на огромный поток информации, мы по-прежнему многого не знаем об экономике, людях и территориях. Запустили конкурс по дата-журналистике и визуализациям на муниципальных (и не только) данных.
❤10