Архитектор облаков или продвинутый чат-бот? NTT DATA делает свой выбор.

Увидел на LinkedIn любопытную вакансию от IT-гиганта NTT DATA Europe & Latam. Они ищут SAP Digital Cloud Architect Advisor. И знаете, читая описание, я поймал себя на мысли, что они ищут не совсем человека. Они ищут идеальный алгоритм, который почему-то должен иметь человеческий паспорт и просить зарплату.

Для начала, кто такие NTT DATA. Это не стартап в гараже. Это титан, часть японской корпорации NTT с оборотом в 30+ миллиардов долларов, обслуживающий 75% компаний из списка Fortune Global 100. Когда к ним приходит клиент, это, как правило, огромная махина со сложнейшей IT-инфраструктурой и желанием мигрировать свой SAP в облако.

Какую боль они пытаются закрыть этой вакансией? Представьте диалог где-то в их офисе:

— Карл, у нас новый клиент, крупный ритейлер из Германии. Хотят переехать на S/4HANA в облако. Срочно нужен план миграции, архитектура и расчет стоимости.
— Ханс, у меня сейчас три таких же «срочных» клиента. У этого ритейлера кастомные доработки с 20-летней историей, зоопарк систем и особые требования по кибербезопасности. Мне нужно поднять всю документацию по RISE with SAP, сопоставить ее с возможностями Azure и GCP, провести с ними пять воркшопов, чтобы вытащить все требования, а потом еще неделю согласовывать цены с нашим отделом. Дай мне хотя бы три недели!
— У нас нет трех недель. Конкуренты уже выслали им свое предложение.

Вот она, боль. Процесс подготовки технико-коммерческого предложения для сложной облачной миграции SAP — это долго, дорого и требует штучных специалистов, которые всегда в дефиците. Каждый клиент уникален, но шаги, по сути, одни и те же: анализ, проектирование, оценка, подготовка документов. NTT DATA ищет человека, который будет этим «узким горлышком», переводчиком с языка бизнеса на язык техники и обратно.

А что, если я скажу вам, что 80% этой работы может делать не человек за €100k+ в год, а грамотно настроенная система на базе ИИ?

Давайте назовем ее условно «Архитектор-Ассистент». Это не просто «ChatGPT, напиши мне план миграции». Это специализированная система, обученная на конкретных данных и процессах.

Как это работает?

Шаг 1: Создание базы знаний. Мы «скармливаем» системе всю доступную документацию: технические гайды по RISE with SAP, прайс-листы, описания сервисов AWS, Azure и GCP, внутренние регламенты NTT DATA по кибербезопасности и комплаенсу, а главное — десятки и сотни анонимизированных успешных проектов и коммерческих предложений из прошлого. Все это индексируется и превращается в векторную базу данных, готовую к мгновенному поиску.

Шаг 2: Интеграция и автоматизация. «Архитектор-Ассистент» интегрируется с внутренними инструментами, упомянутыми в вакансии, вроде Quote Tool и Configurator. Вместо того чтобы человек вручную кликал в интерфейсе, он сможет просто написать запрос: «Рассчитай стоимость для клиента Х с такими-то параметрами и тремя годами поддержки».

Шаг 3: Процесс работы.
Вместо человека-архитектора, менеджер по продажам взаимодействует с «Архитектором-Ассистентом».
1. Менеджер загружает в систему первоначальный запрос от клиента и записи первых встреч.
2. Система анализирует информацию, сравнивает с тысячами кейсов в своей базе и моментально генерирует список уточняющих вопросов для клиента. По сути, она создает идеальную повестку для того самого «технического воркшопа».
3. После получения ответов, ИИ за минуты генерирует несколько вариантов архитектуры (например, «оптимальный по цене на Azure», «максимально производительный на GCP» и «сбалансированный гибридный вариант»), черновик плана миграции и предварительный расчет стоимости.
4. В итоге система выдает готовую презентацию для CIO клиента и детальный технический документ для его IT-отдела, уже оформленные по корпоративным стандартам NTT DATA.

«Но как же человеческое общение, опыт, интуиция?» — спросите вы. А я отвечу: мы не убираем человека, мы делаем его на порядок эффективнее. Тот самый дорогой и опытный архитектор, которого они ищут, теперь не тратит недели на рутинный сбор данных и рисование схем в Visio. Он получает от ИИ практически готовое решение и тратит свое драгоценное время на его верификацию, тонкую настройку и самое главное — на живое общение с клиентом, где он, вооружившись всей мощью ИИ-аналитики, выступает уже не просто консультантом, а настоящим визионером. Один такой эксперт сможет вести не три, а десять проектов одновременно.

Как побороть недоверие и внедрить такое?

Начать с «режима тени». Пусть система работает параллельно с новым сотрудником. В конце недели сравним результаты: скорость, полноту, точность предложений, сгенерированных человеком и ИИ. Уверен, результаты вас удивят. Затем можно перевести ИИ в роль «младшего ассистента», который готовит черновики для живого архитектора.

Как валидировать результат ИИ? Очень просто.
1. Сравнение с реальностью. Берем 10 завершенных проектов. Даем ИИ исходные данные по ним и просим сгенерировать архитектуру и план. Сравниваем то, что предложил ИИ, с тем, что было реализовано на самом деле. Анализируем расхождения.
2. Обратная связь от отдела внедрения. После того как проект, спланированный с помощью ИИ, переходит в фазу реализации, команда внедрения дает обратную связь: насколько точной была первоначальная оценка, какие риски не были учтены. Эта информация — бесценное топливо для дообучения модели.
3. A/B тестирование. Запускаем два потока предпродажной подготовки: один — по-старому, с людьми, второй — с помощью ИИ-ассистента. Через квартал сравниваем метрики: среднее время подготовки предложения, процент выигранных сделок, маржинальность. Цифры не врут.

В итоге NTT DATA, нанимая одного человека на эту роль, решает проблему локально. Внедряя ИИ-систему, они решают ее системно, масштабируя свою экспертизу и получая колоссальное конкурентное преимущество. Вопрос лишь в том, готовы ли они нанять одного инженера по внедрению ИИ вместо пяти SAP-архитекторов. Судя по вакансии, пока не очень. Но рынок заставит.

Вакансия отсюда: https://www.linkedin.com/jobs/view/4392674216/