Почему так много проектов в области Data Science и ИИ терпят неудачу? Недостающий человеческий фактор

Значительная часть проектов в области Data Science по-прежнему заканчивается неудачей. С распространением ИИ мы наблюдаем аналогичные провалы и растущее беспокойство по поводу возврата инвестиций в эти дорогостоящие инициативы. Компании вкладывают огромные ресурсы в передовые технологии, но не достигают ожидаемого эффекта.

Главные директора по данным (CDO), менеджеры по данным и другие специалисты, ответственные за цифровую трансформацию бизнеса, постоянно сталкиваются с подобными вызовами. Им доступны бесчисленные статьи, объясняющие причины провалов проектов: низкое качество данных, завышенные ожидания, недостаточный фокус на ROI, нехватка квалифицированных специалистов и другие. Однако, несмотря на многочисленные анализы, уровень неудач остаётся высоким.

Один фактор редко учитывается — человеческий. Если о нём и упоминают, то обычно сводят проблему к нехватке технических навыков и опыта. Тем не менее реальное влияние человеческого поведения на проекты часто игнорируется, хотя оно критически важно для успеха или неудачи.

Отлично иллюстрирует эту проблему фильм 2016 года «Чудо на Гудзоне» (режиссёр Клинт Иствуд). В нём рассказывается история капитана Чесли «Салли» Салленбергера, который 15 января 2009 года управлял самолётом Airbus A320 из Нью-Йорка в Сиэтл. Вскоре после взлёта из-за столкновения с птицами отказали оба двигателя, и у пилота оставались считаные секунды для принятия решения. Вместо того чтобы вернуться в аэропорт, он совершил аварийную посадку на реку Гудзон, спасая жизни всех 155 пассажиров и членов экипажа.

После инцидента было начато масштабное расследование. Авиационные власти утверждали, что Салли не следовал стандартным протоколам и неоправданно рисковал жизнями людей. Компьютерные симуляции показывали, что пилоты могли бы безопасно вернуться в ближайший аэропорт, предполагая, что Салли принял неверное решение. Однако, как указал сам Салли, эти симуляции не учитывали человеческий фактор. В отличие от пилотов в симуляциях, у него не было предупреждения, времени на подготовку, и он действовал под экстремальным давлением. Следователи проигнорировали фундаментальную реальность: человеческое принятие решений в реальных кризисах отличается от логики контролируемых симуляций.

Тот же принцип применим и к проектам по работе с данными. Компании инвестируют в самые передовые технологии, разрабатывают сложные модели данных и внедряют лучшие аналитические инструменты. При этом они часто забывают о людях, которые стоят за этими системами: их поведении, реакциях и сопротивлении изменениям. Короче говоря, забывают об их психологии.

Почему так сложно учитывать человеческий и психологический аспект при управлении данными? Причина кроется в образе мышления специалистов по данным. Те, кто работает в области Data Science, AI и аналитики, чаще всего фокусируются на технологиях, процессах и самом анализе. Люди обычно сводятся к набору «твёрдых» и «мягких» навыков, в то время как их глубокие психологические особенности — восприятие себя, коллег и окружающей среды — остаются за кадром.

Психодинамическая теория, выросшая из психоанализа Фрейда, Юнга и Адлера, предлагает ценные инсайты о человеческом поведении на рабочем месте. Она предполагает, что личностные черты остаются относительно стабильными с течением времени, а значит, подобно вероятностным моделям в Data Science, мы можем прогнозировать, как именно человек поведёт себя в ключевые моменты проекта.

Рассмотрим распространённые сценарии:

• Нарциссичный руководитель может отвергать данные, которые противоречат его мнению, игнорируя объективные выводы.
• Обсессивный сотрудник может задерживать релиз аналитической панели из-за перфекционизма, замедляя процесс принятия решений.
• Параноидальный сотрудник может сопротивляться внедрению новых технологий, опасаясь, что автоматизация сделает его должность ненужной.

Эти формы поведения, с которыми сталкивался почти каждый, кто работает в корпоративной среде, напрямую влияют на успех проектов, связанных с данными. И всё же они практически никогда не учитываются при планировании проектов.

Неудачи проектов в области данных и ИИ часто объясняют техническими проблемами, организационными противоречиями или недостатком инвестиций. Но что если настоящая проблема заключается в том, что мы не учитываем влияние человеческой динамики?

Никто не ожидает, что руководители в области данных станут психоаналитиками или терапевтами. Однако развитие способности распознавать различные типы личности и предвидеть, как коллеги будут вести себя в ключевые моменты проекта, может стать тем самым недостающим элементом для достижения успеха. Внедрение такого понимания в стратегии управления данными, возможно, не устранит полностью неудачи, но может значительно сократить потери ресурсов и неоправданные ожидания.

В конечном итоге самая совершенная стратегия управления данными настолько эффективна, насколько сильны люди, которые за ней стоят. Пока организации не признают роль человеческого поведения в проектах, они продолжат сталкиваться с разочаровывающими результатами и растущей усталостью от повторяющихся неудач.