СТАТЬЯ · Подход
Консультант с нейросетью — это ещё не ИИ-консалтинг
За последний год слово «ИИ» появилось, кажется, в каждом коммерческом предложении на рынке консалтинга. Быстрее, дешевле, «с использованием искусственного интеллекта». На уточняющий вопрос — что именно это значит — обычно следует пауза.
Пауза заслуженная. Фраза «мы используем ИИ» сообщает о процессе примерно столько же, сколько «мы используем электричество». Мой партнёр уже разбирал это применительно к анализу интервью: за одними словами скрываются операции с совершенно разной надёжностью. Здесь я хочу сделать то же самое на уровень выше — применительно к консалтинговой практике целиком. Потому что «мы работаем с ИИ» покрывает как минимум пять разных устройств процесса, и клиенту полезно различать, за какое из них он платит.
Это личный текст — написанный по старинке, руками, в этот раз без ИИ. Не из недоверия: ИИ у нас готовит материалы, и делает это потрясающе — дальше вы увидите, насколько. Просто мнение — единственное, что нельзя делегировать. Машину мы используем везде, где она сильнее; решение — всегда за человеком. Этот текст и есть такое решение. Мы два года перестраивали собственную практику вокруг ИИ, наступили на большинство граблей сами, и мнений у меня накопилось — местами резких.
Пять уровней: от подписки до фабрики
Уровень первый — сотрудник с подпиской. Консультант открывает чат-бот и работает быстрее. Процесс фирмы не изменился, качество не изменилось, а клиентские материалы с личного аккаунта уезжают в чужое облако — часто в нарушение NDA, о котором сотрудник не задумался. По моей оценке, большая часть рынка, включая громкие имена, находится здесь. У крупных домов это называется «пилот» и живёт в пресс-релизах.
Уровень второй — ИИ на производстве. Черновики, тексты, слайды генерируются системно. Скорость растёт заметно, качество — нет: ошибки остаются те же, но теперь они гладко сформулированы. Гладкость — сильная сторона генеративных моделей как инструмента письма и главная их опасность как инструмента анализа: читатель считывает уверенность формы как доказательность содержания.
Уровень третий — ИИ в исследовании. У фирмы появляются собственные данные и инструменты доступа к ним: базы знаний, коннекторы к первоисточникам, длинные автономные исследовательские циклы. Здесь впервые меняется не скорость, а сырьё, из которого делается вывод. Об этом ниже — я считаю этот уровень недооценённым.
Уровень четвёртый — ИИ на контроле. Система проверяет готовый материал: каждую цифру против источника, каждый тезис против стенограмм и финмодели. Вот здесь качество меняется скачком — и именно этого уровня я почти не вижу на рынке.
Уровень пятый — фабрика. Четыре предыдущих уровня, собранные в один процесс, с одним обязательным условием: конфиденциальные данные живут в собственном контуре и не покидают его. Мы строили именно это, и дальше я расскажу, что это даёт — вместе с изнанкой.
Отсюда первое правило для клиента: вопрос «используете ли вы ИИ» не даёт ничего. Спрашивать нужно, на каком уровне он стоит.
Скорость — наименее интересное из того, что даёт ИИ
Начну с непопулярного мнения. Все продают ИИ через скорость, а скорость — самый слабый из его эффектов.
Да, наша система проводит исследование, которое раньше занимало три недели работы джуниоров, за ночь. Да, презентации у нас не рисуются, а собираются генератором, и правка «блок наезжает на вывод» стоит одну строку и минуту пересборки вместо получаса ручного выравнивания. Это приятно, это меняет экономику проекта, но само по себе это не делает вывод вернее.
Настоящий эффект скорости — побочный, и он не про машину, а про людей. Когда пересборка материала стоит минуты, партнёр перестаёт быть корректором. Я посмотрел, как изменились правки, которые мы вносим в работу: за последний год среди них практически нет правок про оформление. Все — про смысл: «здесь не хватает аргумента», «это не уровень совета директоров», «откуда эта цифра». Раньше на такие правки не оставалось часов — они уходили на прямоугольники. Скорость ценна не тем, что материал готов раньше, а тем, что освободившееся время уходит в ту часть работы, которую делегировать нельзя. Если оно уходит просто в «больше проектов тем же качеством» — фирма купила себе второй уровень и на нём остановилась.
Самое ценное место для ИИ — последняя читка, а не первый черновик
Главный вывод из двух лет перестройки нашей практики звучит контринтуитивно: мы поставили ИИ не туда, где он создаёт, а туда, где он придирается.
Перед отправкой любого материала уровня совета директоров у нас запускается аудит противоречий: каждый слайд сверяется со стенограммами встреч, финансовой моделью, предыдущими версиями и публичными источниками. Результат размечается по трём уровням: прямое противоречие, спорное место, гигиена.
Две находки из реальных прогонов, обезличенные. В материале для совета директоров крупной корпорации аудит поймал ключевую цифру, завышенную примерно вдвое против стенограммы — в дек попал показатель за всю историю вместо показателя за период. Комментарий системы я запомнил дословно: «совет директоров с калькулятором это поймает». В промышленном проекте клиент год оперировал числом «39 проблем площадки»; система открыла исходную таблицу и обнаружила, что строк в реестре девятнадцать, а итог «39» вбит рядом руками. Дальше мы разделили материал на верифицированную часть и реконструкцию — с явной пометкой, где что.
Почему это не может сделать человек? Может. Один раз, на свежую голову, на десяти страницах. Но у человека к пятому часу вычитки заканчивается злость, а у системы — нет. Дотошность перестала быть функцией усталости, и для меня это самое серьёзное изменение качества в профессии за всё время, что я в ней работаю.
Замечу честно: ИИ на контроле ловит и наши собственные ошибки, включая сгенерированные на втором уровне. Это нормально. Ненормально — когда у подрядчика есть только второй уровень и некому ловить.
Аналитика на сырье, а не на пересказах
У профессии есть грязный секрет, о котором не принято говорить вслух: значительная часть «аналитики» на рынке — пересказ чужих отчётов, которые сами пересказывают данные двухлетней давности. К моменту, когда цифра доехала до слайда, она три раза устарела и два раза потеряла источник. Прогнозы, построенные на одних и тех же вторичных источниках, закономерно совпадают друг с другом чаще, чем с реальностью.
Инженерный ответ на эту проблему — идти к первоисточникам. Корпоративные реестры и раскрытие отчётности. Госзакупки — спрос государства в реальном времени. Арбитражная практика — опережающий индикатор отраслевого стресса: иски приходят раньше банкротств и заголовков. Поисковые запросы — барометр живого спроса. Вакансии — прокси инвестиционной активности: компания, тихо набирающая инженеров в регионе, строит производство задолго до пресс-релиза.
Каждый из этих источников общедоступен — и поэтому по отдельности почти ничего не стоит. Ценность возникает в связке: когда система кладёт рядом закупки, вакансии, арбитраж и поисковый спрос по одной отрасли, она видит картину, которой нет ни в одном отчёте, потому что этот отчёт ещё никто не написал.
Вторая половина сырья — профессиональная память. Мы несколько лет собираем базу знаний: около 14 000 отчётов мировых и российских практик, разрезанных на 400 с лишним тысяч смысловых фрагментов, с поиском по смыслу, а не по словам. База пополняется ежедневно и проходит верификацию на входе: из сотен документов в день в неё попадает лучшая десятая часть. Любой тезис в нашем материале можно за минуты проверить против того, что об этом писали лучшие фирмы мира, — и сослаться прямо на слайде.
Данные не должны ходить к моделям
Теперь о том, с чего вообще стоит начинать разговор про ИИ в консалтинге, — и с чего его почти никогда не начинают.
Когда консультант вставляет вашу стенограмму в публичный чат-бот, ваши данные физически уезжают на чужую инфраструктуру. Дальше начинаются вопросы, на которые у него, как правило, нет ответа: где обрабатывается файл, что записано в лицензии про использование данных, как долго они хранятся. Мой партнёр формулировал это так: конфиденциальность определяется договором, а не названием модели. Я добавлю: лучше всего она определяется архитектурой — тем, что нарушить обещание технически невозможно.
Наш принцип: данные не ходят к моделям — модели приходят к данным. Всё конфиденциальное — база знаний, клиентские материалы, индексация, поиск — работает на локальных моделях и собственном железе. Слой рассуждений получает обезличенные постановки задач, из которых клиента не восстановить. Внутри контура клиенты изолированы друг от друга на уровне доступов: ключ, открывающий общую базу, физически не открывает корпус конкретного клиента. Для фирмы, у которой на одном столе бывают материалы конкурирующих групп, это не гигиена, а условие существования.
Проверить этот принцип можно, не веря мне на слово. Мы выложили на сайт линейку бесплатных инструментов для работы с документами — транскрибация встреч с саммари и протоколом, распознавание сканов, сравнение версий, конвертация. Все они работают на наших моделях и нашем сервере: файлы не уходят ни в OpenAI, ни в Google и удаляются сразу после обработки. Это витрина архитектуры, открытая каждому. Считайте её тест-драйвом.
Чего ИИ не отменяет
Чтобы текст не выглядел рекламой без изнанки — три вещи, которые не изменились и, на мой взгляд, не изменятся.
Ответственность за вывод остаётся на человеке. Система предлагает аналитические объекты — она не устанавливает их истинность. В нашей практике был случай, когда система сама отозвала поставленные ею цифры со словами, что писать технические параметры без источника — методологическая ошибка. Я считаю такой ответ сильным, а не слабым; но заметьте — решение, что делать дальше, всё равно принимал человек.
Строгость не возникает сама по себе. Там, где требование проверки не поставлено явно, любая модель — и любой джуниор — начинает говорить гладко. Разница между материалом с проверкой и без неё — это разница между таблицей первоисточников и красивым абзацем. Поэтому контроль у нас не опция по запросу, а обязательный этап процесса.
И наконец, вопросы, споры и решения. Машина великолепно расширяет пространство вариантов и безжалостно проверяет факты. Что из этого следует для конкретного собственника с конкретным аппетитом к риску — по-прежнему разговор двух людей, и я не вижу горизонта, на котором это изменится.
Что спросить подрядчика вместо «используете ли вы ИИ»
Сведу к трём вопросам — по аналогии с шестью вопросами к смете исследования.
Первый: куда физически уходят мои данные? Правильный ответ содержит слова «контур», «сервер», «договор» — и не содержит паузы.
Второй: что у вас стоит на контроле? Попросите показать, как процесс ловит собственные ошибки — не рассказать, а показать на примере. У второго уровня зрелости здесь пауза, у четвёртого — конкретика.
Третий: откуда данные — из первоисточников или из чужих отчётов? И может ли каждый вывод дойти до конкретного фрагмента, страницы, записи?
Ответы на эти три вопроса скажут о «консалтинге с ИИ» больше, чем любая презентация о цифровой трансформации.
Как мы с этим работаем
Клиентам Thesis Partners доступ к базе знаний даётся по умолчанию и не сгорает с окончанием проекта: тот же поиск по смыслу, которым пользуемся мы, те же отчёты, скачивание. Бесплатные инструменты открыты всем без регистрации. Скоро мы начнём публиковать собственные экономические прогнозы, построенные на первоисточниках, — и будем публично вести счёт попаданиям.
А если хотите понять, что фабрика даст конкретно вашей задаче, — начните с экспресс-диагностики за 5 дней: за фиксированную сумму отдаём первую позицию, 3–5 инициатив и план на 12 недель.
Обсудим вашу задачу?
Обсудить задачу →