Роботы не работают сами по себе: рабочая сила, обеспечивающая функционирование физического ИИ

По данным HireArt, внедрение робототехники требует новых показателей оценки персонала. Источник: Lee AI, через Adobe Stock

По мере перехода роботизированных систем от пилотных этапов к широкомасштабному внедрению вырисовывается важная закономерность: узким местом редко является аппаратное обеспечение. Им становится человеческий персонал, необходимый для эксплуатации, обслуживания и постоянной адаптации этих систем к реальным условиям.

Большинство инициатив в области робототехники начинаются с привычной модели — небольших, слаженно работающих команд, обеспечивающих внедрение на ранних этапах. Инженеры находятся рядом с системой, операторы проходят тщательную подготовку, а проблемы решаются быстро, поскольку в процессе задействованы все участники. Такая структура хорошо работает при управлении пятью или десятью роботами в контролируемых условиях.

Однако этот подход перестает работать, когда развертывание масштабируется до десятков объектов, работающих в несколько смен и в разнородных физических условиях. В этот момент робототехника перестает напоминать запуск продукта и начинает функционировать как бизнес с распределёнными операциями.

Внедрение физических систем ИИ меняет приоритеты в сфере труда

Полезную аналогию можно провести с тем, как за последнее десятилетие эволюционировала работа в сфере ИИ. Ранние системы компьютерного зрения в значительной степени полагались на простую, ориентированную на задачи маркировку данных, которую можно было широко распределять.

По мере перехода к крупным языковым моделям сама работа стала в меньшей степени связана с отдельными задачами и в большей степени — с принятием решений, учетом нюансов и контролем качества. Это изменение привело к отходу от слабо координированной краудсорсинговой работы в сторону более структурированных, обученных команд с четкой системой подотчетности.

Физический ИИ сейчас переживает аналогичный переход, но с более высокими ставками. Когда интеллект воплощается в машинах, работающих на складах, в больницах, на заводах или в общественных местах, «качество» перестает быть просто показателем модели. Оно превращается в время безотказной работы, безопасность, целостность оборудования и качество обслуживания клиентов в динамичных средах.

Этот сдвиг выявляет пробел в подходе многих команд к формированию персонала. Традиционные модели найма по принципу «гиг-экономики» или чисто задачно-ориентированные модели труда не справляются в условиях, требующих постоянного обеспечения смен, обучения по технике безопасности, соблюдения протоколов, специфичных для конкретного объекта, и процедур эскалации. На практике при внедрении робототехники во многих случаях выясняется, что ответственность и повторяемость имеют большее значение, чем простой объем производительности.

Это стимулирует незаметный переход к гибридным структурам рабочей силы. Некоторые организации формируют стабильное ядро из обученных операторов и техников, работающих по часовой ставке и имеющих форму W-2, которые отвечают за базовое выполнение задач, соблюдение стандартных операционных процедур (SOP) и пути эскалации.

Вокруг этого ядра формируется более гибкий слой резервных ресурсов для пилотных проектов, запуска новых объектов и специализированных внедрений. Хотя точные конфигурации варьируются, типичной схемой является равное соотношение между постоянными и переменными ресурсами, которое корректируется по мере развития систем и стабилизации объема инцидентов.

Новые роли представляют собой организационную проблему

В рамках этих команд появляются новые типы ролей, которые не вписываются четко в традиционные категории должностей. Операторы роботов, полевые техники, телеоператоры, специалисты по контролю качества и специалисты по сбору данных находятся на стыке инженерии и эксплуатации. Они отвечают не только за работу систем, но и за анализ крайних случаев, документирование сбоев и преобразование реального поведения в циклы обратной связи для инженеров.

В этом контексте стимулы важны не меньше, чем организационная структура. Показатели, ориентированные исключительно на скорость, характерные для ранних форм цифрового труда, могут активно ухудшать производительность в физической среде.

Вместо этого команды уделяют больше внимания соблюдению процедур, качеству документации, точности эскалации и безопасному поведению в условиях неопределённости.

Становится ясно, что масштабирование робототехники — это не только техническая задача. Это организационная задача. Успех зависит от того, смогут ли компании построить системы управления персоналом, которые будут столь же надежными и адаптивными, как и сами машины.

Другими словами, следующий этап масштабирования робототехники будет определяться не только повышением уровня автономности. Он будет зависеть от того, смогут ли команды надежно масштабировать человеческое суждение наряду с машинным интеллектом — на разных объектах, в разных сменах и в реальных условиях, которые редко развиваются так, как ожидается.

Об авторе

Кристофер Бауэр — соучредитель, директор по доходам и президент компании HireArt, предоставляющей платформу для найма сотрудников по контракту. Заявленная миссия этой нью-йоркской компании — переосмыслить гибкую занятость путем установления связей между работниками и предприятиями и содействия повышению их производительности.

HireArt заявляет, что её инструмент позволяет клиентам формировать современный штат контрактных сотрудников и управлять им с помощью единого инструмента. С его помощью можно решать вопросы, связанные с официальным работодателем, подбором персонала по запросу, управлением поставщиками и фрилансерами — и всё это в одном интерфейсе самообслуживания.

Бауэр работал в компаниях HumanEdge, Tandym Group и Access Confidential. Он также является волонтером-коучем по карьерному росту в Нью-Йоркской публичной библиотеке.