Определение и границы

Рабочее определение #

Авторское определение. AI-native компания — это организация, в которой ИИ встроен в операционную модель, а не добавлен как набор отдельных инструментов. Работа строится как управляемый цикл:

сигнал→ решение→ действие→ проверка→ обучение

Люди задают цели, определяют границы и отвечают за решения. ИИ анализирует и выполняет только те действия, на которые получил явные полномочия. Самостоятельность выбирают по риску и расширяют после повторяемых проверок.

Это определение не является термином из закона или стандарта. ISO/IEC 42001 описывает систему управления ИИ, NIST — управление риском, OECD — ответственность и прослеживаемость.

Ни один из этих источников не устанавливает нормативное определение AI-native компании. [ISO-IEC-42001-2023] [NIST-AI-RMF-1-0] [OECD-AI-accountability]

В определении важны пять частей.

1. 1Организация, а не модель. Результат зависит от процесса, данных, инструментов, прав, проверок и людей.
2. 2Операционная модель, а не число лицензий. ИИ включён в повторяемый способ создавать ценность.
3. 3Управляемый цикл, а не отдельный ответ. У цикла есть вход, решение, действие и наблюдаемый исход.
4. 4Явные полномочия, а не обещание послушания. Права задаются вне текста инструкции там, где ошибка может причинить существенный вред.
5. 5Обучение через контроль изменений, а не самопроизвольное изменение правил. Результаты и инциденты пополняют доказательства. Новое правило проходит проверку и получает версию.

Что определение исключает #

Компания не становится AI-native только потому, что сотрудники пользуются помощником для текста или кода. Такой опыт может быть полезен, но он ещё не образует управляемый производственный процесс.

Число агентов тоже ничего не доказывает. Один ограниченный механизм с хорошими проверками часто надёжнее сети участников, чьи ошибки и права трудно проследить.

Зависимость от ИИ не является признаком зрелости. Если отключение модели останавливает компанию без резервного сценария, это может указывать на хрупкость.

В первой версии руководства такая зависимость использовалась как сильный признак AI-native компании. В v2 этот тезис отвергнут. [V1-ch12]

Максимальная самостоятельность не является целью. Зрелый процесс способен сознательно оставаться на уровне, где ИИ советует человеку. Причиной могут быть цена ошибки, требования отрасли или редкость задачи.

Наконец, AI-native не означает, что обычные программы потеряли смысл. Правило, запрос к базе данных или проверенный рабочий сценарий лучше вероятностной системы, если они решают задачу дешевле и надёжнее.

Шесть принципов, на которых держится модель #

1Результат важнее внедрения #

Команда измеряет время до результата, качество, объём полезной работы, расходы и ущерб от ошибок. Число запросов к модели можно использовать для расчёта затрат, но не как доказательство пользы.

2Механизм должен быть минимально достаточным #

Порядок выбора прост:

1. Убрать ненужный шаг процесса.
2. Проверить обычное правило или автоматизацию.
3. Использовать ИИ как советника.
4. Разрешить подготовку изменения для человека.
5. Разрешить ограниченное действие только после оценки риска.

Рекомендация. Если два механизма дают сопоставимый результат, выбирайте тот, у которого проще доказать правильность и остановить ошибку.

3Ответственность остаётся у людей и организации #

Для результата назначают роль и конкретного человека. Организация отвечает за выданные права, условия применения и последствия. Система может быть исполнителем действия, но не несёт юридическую или управленческую ответственность.

4Самостоятельность следует за доказательствами #

Перед расширением прав команда проверяет известные, пограничные и редкие сценарии. Она учитывает обратимость, наблюдаемость, время обнаружения и максимальный ущерб от одного действия.

5Контекст и правила являются производственными активами #

Источники данных, инструкции, навыки, подключения, правила и проверки имеют владельца, версию, права доступа и историю изменений. Личная удачная инструкция становится общим активом только после очистки от секретов и воспроизводимой проверки.

6Обучение не отменяет контроль изменений #

Результат цикла записывается и становится входом следующего решения. Система не переписывает критические правила сама. Для опасного процесса действуют ручной режим, режим с ограниченными возможностями или безопасная остановка.

Когда ИИ не нужен #

Отказ от ИИ является нормальным решением в пяти случаях.

• Результат нельзя проверить до того, как ошибка причинит вред.
• Обычное правило покрывает задачу с меньшими расходами.
• Данных недостаточно, их происхождение неизвестно или использовать их нельзя.
• Процесс встречается настолько редко, что содержание системы дороже ручной работы.
• Цена и необратимость ошибки выше ожидаемой пользы от ускорения.

Иногда проблема находится раньше: у процесса нет владельца, согласованного результата или исходных показателей. Добавление модели только ускорит неразбериху.

Два коротких примера #

Рабочая карточка главы #