### Celonis ищет вице-президента, чтобы делать работу для ИИ. Или всё-таки вместо?

На Linkedin снова интересно. Компания Celonis, один из мировых лидеров в области Process Mining, ищет вице-президента по Value Engineering для региона DACH. Того самого, кто должен вести за собой команду «инженеров ценности», находить для клиентов точки роста и доказывать, что платформа Celonis — это не просто очередной софт, а стратегический инструмент трансформации.

**Кратко о компании:** Celonis — это единорог из Мюнхена, пионер технологии Process Mining. Если упростить, их софт подключается к системам компании (вроде SAP или Oracle), вытаскивает оттуда данные о процессах и строит их живую цифровую модель. А потом, с помощью AI, находит «бутылочные горлышки», неэффективные шаги и аномалии. По сути, они продают рентгеновский аппарат для бизнеса, который подсвечивает, где именно вы теряете деньги. Иронично, не правда ли? Компания, которая строит свой бизнес на поиске неэффективности с помощью ИИ, ищет целую армию дорогих специалистов, чтобы доказывать ценность этого самого ИИ.

**Какую боль пытаются решить:** Проблема классическая. Продать сложный и дорогой B2B-продукт — это искусство. Недостаточно просто показать красивые дашборды. Нужно прийти к C-level директору и на его языке, на языке цифр, объяснить: «Вот здесь, в вашем процессе закупок, вы ежегодно теряете 15 миллионов евро из-за несвоевременных оплат. Наша платформа найдет и исправит это. Вот бизнес-кейс, вот дорожная карта, вот ROI». Этим и занимаются Value Engineers под руководством вице-президента. Они — переводчики с языка данных на язык бизнеса. Это требует огромного опыта, коммерческой хватки, умения вести переговоры и глубокого понимания бизнес-процессов. И это, конечно же, дорого, долго и плохо масштабируется. Каждый новый крупный клиент требует погружения целой команды.

**А что, если?..** Что, если заменить этого вице-президента и большую часть его команды на систему? Не уволить, а переосмыслить саму функцию. Ведь Celonis уже сидит на золотой жиле — данных о тысячах успешных и неуспешных внедрений по всему миру.

Давайте представим диалог в переговорной Celonis между двумя менеджерами. Назовем их Оптимист и Прагматик.

***

**Оптимист:** — Мы снова нанимаем! VP, потом под него директоров, потом старших инженеров… Наш отдел продаж растет медленнее, чем отдел, который доказывает ценность нашей платформы. Абсурд! Мы же IT-компания, мы продаем AI!

**Прагматик:** — А как иначе? Клиент — серьезный немецкий автоконцерн. Их финансовый директор не будет слушать мальчика-аналитика. Ему нужен человек уровня VP, который сам руководил подобными проектами, понимает его боль и может на равных говорить о стратегии. Это про доверие.

**Оптимист:** — Доверие — это хорошо. Но оно строится на фактах. А факты — это данные. У нас есть данные тысяч клиентов. Почему мы заставляем людей вручную делать то, что машина сделает лучше и быстрее? Я предлагаю создать «AI Value Engine».

**Прагматик:** — Звучит как очередной баззворд. Что конкретно он будет делать? Генерировать презентации в PowerPoint?

**Оптимист:** — И это тоже. Смотри.
* **Шаг 1: Автоматическая диагностика и квалификация.** Клиент дает нам доступ к данным (как и сейчас). Наша AI-система, обученная на всех наших кейсах, за несколько часов анализирует его процессы. Она не просто находит аномалии, а сразу сопоставляет их с нашей базой знаний и говорит: «У этого клиента профиль похож на 75 других компаний из сферы ритейла. У 90% из них самой большой проблемой был процесс возвратов. Наибольший эффект дали вот эти три инициативы». Система автоматически готовит отчет о потенциальной ценности и квалифицирует клиента.
* **Шаг 2: Генерация бизнес-кейса и дорожной карты.** На основе этой диагностики система генерирует не просто отчет, а полноценный бизнес-кейс. С расчетом ROI, с оценкой рисков, с предполагаемыми сроками. Она даже создает персонализированную дорожную карту внедрения: «В первом квартале фокусируемся на закупках, чтобы получить быстрые победы и показать результат совету директоров. Во втором — подключаем финансы и логистику».
* **Шаг 3: Создание персонализированного контента.** Система готовит черновик презентации для C-level, подбирая формулировки и аргументы, которые лучше всего сработали у похожих клиентов. Она может даже сгенерировать демо-ролик, где на данных этого же клиента будет показано, как именно Celonis решит его проблему.

**Прагматик:** — Звучит красиво. Но кто будет это презентовать? Машина? Наш финансовый директор из автоконцерна просто рассмеется. Ему нужен живой человек, которому можно задать каверзный вопрос.

**Оптимист:** — Конечно! Но вместо огромной команды «инженеров» и их вице-президента, нам понадобится небольшая элитная группа «Value Strategists». Их задача — не копаться в данных неделями, а взять готовый, сгенерированный ИИ анализ, проверить его, добавить стратегического видения и прийти на встречу к клиенту. Они перестают быть аналитиками и становятся настоящими советниками. Роль человека смещается от «сделать» к «проверить и донести». Мы снижаем недоверие, оставляя человека в контакте с клиентом, но 90% черновой работы убираем.

***

**Как валидировать результат ИИ?**

Это самый важный вопрос для любого менеджера, который не хочет провалить проект из-за «галлюцинаций» нейросети.

1. **Бэктестинг на закрытых сделках.** Берем данные по 100 клиентам, с которыми мы уже работаем. «Скармливаем» их нашей AI-системе и просим ее сгенерировать бизнес-кейсы. Затем сравниваем то, что предсказал ИИ (потенциальную ценность, проблемные зоны), с тем, что в итоге получилось у реальной команды и клиента. Если расхождения минимальны — мы на верном пути.
2. **Параллельный прогон (A/B тест).** На новых сделках запускаем два процесса параллельно. Одна команда работает по-старинке, вручную. Вторая использует AI-систему. Сравниваем результаты по нескольким метрикам: скорость подготовки предложения, точность прогноза, полнота анализа и, в конечном счете, конверсия в сделку.
3. **Обратная связь от клиента.** После внедрения продукта сравниваем первоначальный, сгенерированный ИИ прогноз ценности с реальными результатами, которых добился клиент. Это позволяет постоянно дообучать модель и делать ее прогнозы все более точными.

Вместо того чтобы искать еще одного дорогого руководителя для управления масштабируемой, но все же человеческой армией, Celonis мог бы инвестировать в создание системы, которая станет их главным продавцом. Это полностью соответствует их собственному продукту и философии: использовать данные и ИИ для устранения неэффективности.

А роль человека изменится. Вместо того чтобы управлять процессом, он будет управлять результатом. И это, пожалуй, самая интересная трансформация, которую нам несет эпоха ИИ.

Источник: https://www.linkedin.com/jobs/view/4392767400/