ИИ экономит до 7,5 часа в неделю, но ответственность за решения по-прежнему лежит на людях. Как меняется работа аналитика, где нейросеть бессильна и почему бизнесу выгодно инвестировать в людей.
В последнее время все чаще звучит мысль, что искусственный интеллект скоро вытеснит бизнес-аналитиков. Нейросети сами соберут требования и напишут техническое задание, уверяют сторонники такого взгляда.
На практике все сложнее. Ценность аналитика — точно не в скорости печати. Его главная сила — в умении слышать заказчика, понимать бизнес-процессы и переводить их на язык разработки. Этому нейросети не научились и вряд ли научатся в обозримом будущем.
А вот инструменты работы аналитика меняются. ИИ берет на себя рутину, освобождая время для стратегического мышления и живого общения.
Новая роль аналитика
Раньше работу аналитика часто воспринимали как цепочку: собрать требования, описать процессы, составить техническое задание и передать разработчикам. Ошибки накапливаются на каждом этапе. И чем длиннее цепочка, тем выше риск, что смысл будет искажен.
Сейчас этот подход уходит в прошлое. Современный аналитик — это стратегический партнер бизнеса. Он проектирует решения, и сбор требований в данном случае — лишь малая часть его работы.
Настоящая ценность аналитика в том, чтобы предложить заказчику вариант, который тот не видел сам, показать последствия выбора и помочь принять взвешенное решение. Он моделирует бизнес-процессы, создает прототипы интерфейсов, консультирует заказчика на всех этапах разработки.
На реальных проектах аналитик проводит интервью с пользователями, описывает бизнес-процессы, создает прототипы, составляет технические задания, внедряет функционал и консультирует пользователей. Это глубокое погружение в бизнес-задачи заказчика, а это совсем не формальная передача требований.
Предпроектное исследование
В сложных проектах работа аналитика начинается задолго до написания технического задания. Этот этап называется предпроектным исследованием или Discovery-фазой.
Задача данного этапа в том, чтобы понять, что на самом деле нужно бизнесу. Аналитик проводит серии интервью с ключевыми стейкхолдерами, изучает существующие процессы, выявляет узкие места и собирает данные. Результат предпроектного исследования — составить картину того, как должна работать будущая система и какую ценность она принесет.
Этот этап особенно важен, когда заказчик сам не может точно сформулировать, что ему конкретно нужно получить в итоге. Для таких задач в компании существует отдельная роль — руководитель группы оценки аналитики. Этот человек отвечает за стандартизацию подхода к аналитике на всех проектах. Он определяет, как собирать требования, как оценивать сложность задач и как проверять качество работы аналитиков.
Сама аналитика превращается в структурированный этап работ. От ее качества зависят сроки и бюджет проекта. Если на этапе анализа допущена ошибка, она обязательно проявится позже — на разработке, тестировании или испытаниях. Чем раньше ошибка найдена, тем дешевле ее исправить.
Почему ИИ не заменит аналитика (даже в теории)
Есть три причины, по которым искусственный интеллект не сможет полностью заменить бизнес-аналитика.
- Первая — контекст. ИИ работает с данными, но не понимает бизнес-стратегию, корпоративную политику и негласные правила. Он не знает, почему заказчик настаивает на конкретном решении, хотя технически оно не оптимально. Аналитик же видит картину целиком.
- Вторая — переговоры. Сбор требований — это всегда диалог, порой с конфликтами интересов. Разные стейкхолдеры тянут одеяло на себя, а аналитик умеет находить компромиссы и договариваться. ИИ этого не может и едва ли сможет.
- Третья — ответственность. Если система работает неправильно, спросят с аналитика и команды. ИИ не подпишет акт приемки и не сможет ответить за бизнес-результат. Ответственность всегда остается на человеке.
ИИ не может и не должен заменять аналитика в этих зонах. Он должен дополнять его экспертизу и освобождать время для стратегии. Аналитик будущего — тот, кто понимает, что и где нейросети можно доверять, а где — нет. И, самое главное, кто готов отвечать за результат.
По данным BCG, компании-лидеры получают от ИИ вдвое больший рост выручки и на 40% большее сокращение издержек. Но для этого недостаточно добавлять ИИ к старым процессам, надо пересматривать их.
Как ИИ становится инструментом аналитика
Искусственный интеллект не заменяет аналитика, но он дает ему новые возможности, чтобы специалист мог быстрее обрабатывать данные, генерировать сценарии и проверять гипотезы.
Возьмем для примера создание черновиков диаграмм. Аналитики все чаще используют ИИ для генерации кода диаграмм на языках PlantUML или Mermaid. Вместо того чтобы рисовать схему вручную, они описывают логику текстом, получают черновик и дорабатывают его. Это не отменяет логики и смыслов, ими управляет человек. Но время, которое раньше уходило на рутину, теперь можно потратить на более сложные задачи.
По данным австралийской компании Datacom, платформа Business Analysis Accelerator сокращает время на подготовку аналитических документов примерно на 50%. Это заметное ускорение работы и ценное подспорье.
Как это выглядит на практике
Есть реальный пример, когда заказчик хотел получить панель управления для продаж, но не мог сформулировать, какие данные ему нужны. В ручном режиме потребовалось бы много времени, чтобы выполнить требование. Но вместо этого аналитик загрузил в нейросеть выгрузку из CRM заказчика за два года.
Далее начал задавать вопросы по загруженным данным: «Какие метрики коррелируют с ростом выручки?», «В каких сегментах мы теряем клиентов?», «Какие отчеты менеджеры запрашивают чаще всего?» Через день у него был список гипотез и прототип панели управления.
На согласование с заказчиком ушло два часа вместо двух недель. Заказчик увидел готовое решение, полностью просчитанное и выверенное.
Исследование Yandex B2B Tech показывает, что каждый пятый корпоративный пользователь BI-систем применяет ИИ-агента в ежедневной работе. В 73% случаев — для расчета бизнес-метрик, в 50% — для анализа графиков и поиска аномалий. Люди уже используют ИИ, но часто делают это стихийно. Задача руководителя — не запрещать, а помочь команде применять ИИ осознанно.
Однако ИИ не панацея. Более того, если постоянно полагаться только на нейросети, есть риск столкнуться с «аналитической дистрофией». Избыточная автоматизация ослабляет навыки критической оценки и системного мышления. Чем больше аналитик доверяет ИИ, тем сложнее ему потом заметить ошибку, которую модель пропустила.
Исследования показывают, что внедрение ИИ в процесс управления требованиями может сократить время на подготовку документов до 42%. Но это напрямую свидетельствует только о том, что можно снять с живых аналитиков часть их рутины и упростить им жизнь. ИИ структурирует данные, генерирует черновики и проверяет гипотезы. Человеку же остается самая важная и ответственная часть работы.
Где справится только аналитик
- Вести стратегическое планирование ИИ не способен. Здесь нужно оценивать долгосрочные компромиссы и выстраивать видение продукта на годы вперед.
- Коммуницировать со стейкхолдерами эффективно может только человек. Для этого нужна эмпатия, умение слушать и выстраивать доверительные отношения.
- Урегулировать конфликты людей тоже может только живой профессионал. ИИ не умеет работать с человеческими эмоциями и искать компромиссы между разными группами интересов.
- Оценивать риски и этические последствия ИИ может, но ответственность за решение всегда лежит на человеке. Только человек может отвечать за последствия.
- Наставлять и развивать команду способен только сильный лидер и точно не ИИ. Для этого нужен эмоциональный интеллект и лидерские качества.
Что дальше
Профессия бизнес-аналитика в будущем не исчезнет — просто работа станет интеллектуальнее. Хороший специалист уже сейчас может переложить всю рутину на ИИ. Для этого придется научиться использовать нейросети как инструмент, дополняющий экспертизу. В дальнейшем это станет обязательной компетенцией.
В этом новом мире выигрывают те, кто глубоко понимает логику бизнеса и может задавать правильные вопросы. Умение работать с ИИ становится таким же естественным навыком, как владение Excel. Без этого аналитик рискует остаться в прошлом: его работа станет слишком медленной и дорогой по сравнению с теми, кто использует новые инструменты.
Источник: Константин Шакуров, руководитель направления аналитики компании SimbirSoft
