🏢 კონსალტინგური კომპანიების წამყვანი როლები AI-მ ფაქტების გადამოწმება

კონსალტინგურ სექტორში დამწყები სპეციალისტების საქმიანობა ხელოვნური ინტელექტის გამო მნიშვნელოვნად იცვლება. ისეთი კომპანიები, როგორიცაა McKinsey, Bain და BCG, შიდა AI ასისტენტებს აქტიურად იყენებენ. McKinsey-ის ასისტენტი Lilli ყოველთვიურად 500 000-ზე მეტ შეკითხვას პასუხობს და ბიზნესანალიტიკოსებს მასალების მომზადებაში ეხმარება.

The Guardian-ის სტატიაში ალის ლასმენი განმარტავს, რომ ტრადიციული უნარები, როგორიცაა სლაიდების მომზადება და ფინანსური მოდელირება, AI-მ ჩაანაცვლა. McKinsey, რომელიც წლების განმავლობაში ცნობილი იყო როგორც „CEO-ების ქარხანა“, ახალგაზრდა კადრებს ძირითადად მონაცემთა გადამოწმებას ავალებს. ეს ცვლილება ეჭვქვეშ აყენებს ტრადიციულ საგანმანათლებლო მოდელს, რომლითაც მომავალი ლიდერები იზრდებოდნენ.

ყოფილმა კონსულტანტმა, ზეინ მობარიკმა განაცხადა, რომ ანალიტიკოსები ან თავად იყენებენ AI-ს სამუშაო ეფექტურობისთვის, ან ამას მენეჯმენტი ავალებს. კოლეგებმა დაადასტურეს, რომ ახალბედა სპეციალისტები ხშირად პირდაპირ მზა პრინციპებსა და ბრძანებებს ითხოვენ პროგრამებთან სამუშაოდ.

ამ მიდგომით მომზადებული მასალები ხშირად ბევრად აღემატება მათ რეალურ სამუშაო გამოცდილებას და ხელს უშლის დამოუკიდებელი უნარების ჩამოყალიბებას.

რომილ დეპალამ, რომელიც ამჟამად ლონდონის PE ფონდში მუშაობს, განმარტა: „ბიზნესანალიტიკის პროგრამა 10 წლის წინ საუკეთესო მომზადების სკოლა იყო. AI-მდე ანალიტიკოსები თავად ქმნიდნენ ფინანსურ მოდელებს და პრეზენტაციებს კლიენტებთან წარსადგენად.“ სპეციალისტმა მიუთითა, რომ პროფესიული ზრდა სწორედ პროექტის სრულად ფლობაზე და მის დეტალურ დამუშავებაზე იყო დამოკიდებული, რაც დღეს თითქმის აღარ ხდება.

ახლა კი ამ ფუნქციებს ძირითადად ისეთი სისტემები ასრულებენ, როგორიცაა Bain-ის Sage და BCG-ის Deckster. დამწყები თანამშრომლების ძირითადი საქმიანობა მხოლოდ ხელოვნური ინტელექტის მიერ გენერირებული ტექსტების გადამოწმება გახდა.

კომპანიების ხელმძღვანელები აცხადებენ, რომ ეს მიდგომა ახალგაზრდა კადრებს უფრო ღირებული ამოცანების გადაჭრაზე გადასვლას უადვილებს. თუმცა რეალურად ეს იწვევს დამწყები იურისტებისა და ეკონომისტების კვალიფიკაციის დეგრადაციას.

თუმცა, ბაზარზე არსებული რეალობა ამ ვარაუდებს არ ადასტურებს. კომპანიები თანამშრომელთა რაოდენობას ამცირებენ და ხელფასებს ყინავენ, ხოლო დაწინაურებას მხოლოდ AI-ში გაწაფული კადრები აღწევენ. კლიენტები ითხოვენ ხელოვნური ინტელექტის ინტეგრირებას მათ ბიზნესში, რაც კონსალტინგურ კომპანიებს აიძულებს ფიქსირებულ ტარიფებზე გადავიდნენ, რაც ცვლის მთელ სტრუქტურას.

კომპანიის შიდა მონაცემებით, ამჟამად მუშაობს 40 000 ადამიანი და 20 000 სპეციალური პროგრამული აგენტი, რაც ნათლად აჩვენებს ავტომატიზაციის მასშტაბებს. დასაქმების ბაზარზე ცვლილებები გასაუბრების ეტაპზევე იგრძნობა.

კანდიდატებს ფინალურ ტურში ხშირად შიდა AI ხელსაწყოების გამოყენებით ბიზნესგადაწყვეტილებების მომზადებას სთხოვენ. კომპანიები ეძებენ ადამიანებს, რომლებსაც ერთდროულად რამდენიმე პროგრამული აგენტის მართვა და მონაცემთა ბაზებიდან ინფორმაციის სწრაფი მოპოვება შეუძლიათ.

ამგვარი მიდგომა ამცირებს კრეატიული აზროვნების საჭიროებას და კონსალტინგს მხოლოდ ტექნიკურ სამუშაოდ აქცევს. ანალიტიკოსები ვარაუდობენ, რომ ბიზნესის მომავალი ლიდერების აღზრდის პროცესი ამით მნიშვნელოვნად შეფერხდება. ტრადიციული უნარები, რომლებიც ახალგაზრდებს სხვადასხვა სექტორში გზას უხსნიდა, სრულად გაუფასურდა და მათ ადგილს ავტომატიზებული შაბლონები იკავებს.

კონსალტინგური კომპანიიდან სხვა სექტორში გადასვლის შესაძლებლობებიც მნიშვნელოვნად შემცირდა. ზეინ მობარიკმა მიუთითა, რომ ადრე ეს სექტორი საუკეთესო სპეციალისტების ბაზას წარმოადგენდა, ახლა კი ვაკანსიები ყველგან მცირდება. ამჟამად ბაზარზე 300 ანალიტიკოსი მხოლოდ 5 თავისუფალი პოზიციისთვის იბრძვის, რაც კარიერული ზრდის კლასიკურ მოდელს ანგრევს.

სტარტაპებში გადასვლის კლასიკური გზაც თავის აზრს კარგავს, რადგან ორწლიანი მუშაობის შემდეგ კადრებს ახალ ტექნოლოგიურ ტენდენციებთან კავშირი გაწყვეტილი აქვთ. თანამშრომლებს აღარ აქვთ საკუთარი იდეების რეალიზაციის საშუალება. თანამედროვე ეტაპზე მოთხოვნადი უნარები ორ ნაწილად იყოფა: ტექნიკური პროგრამირება და ემპათიაზე დაფუძნებული მენეჯმენტი.

ეკონომისტები მიიჩნევენ, რომ ძველი სისტემა, რომელიც უნივერსალურ ბიზნესლიდერებს ამზადებდა, სწრაფად იშლება. კომპანიებს არ აქვთ მკაფიო გეგმა, თუ როგორ უნდა ჩაანაცვლონ კადრების მომზადების ტრადიციული მოდელი. ახალი თაობის ლიდერების აღზრდის პლატფორმის შექმნა მომავალში სრულიად განსხვავებულ მიდგომებსა და ტექნოლოგიურ უნარებს მოითხოვს.