ИИ не внедряют. Им управляют.
Как превратить искусственный интеллект в управляемую способность корпорации
Максим Гинзбург
Описание (аннотация)
ИИ стал доступным, дешёвым и мощным — и именно поэтому корпоративные инициативы массово проваливаются. Проблема редко в моделях или данных. Проблема в управлении: размытая ответственность, фейковый ROI, пилоты вместо способности, скорость без изменения бизнес-модели, риски без владельца. Эта книга — для CEO, совета директоров и топ-менеджмента, которые хотят превратить ИИ в управляемый актив, а не в набор экспериментов. Вы получите управленческую архитектуру из пяти слоёв, правила владения и контроля, принципы экономики ИИ на масштабе, модель работы ИИ-агентов как организационных единиц, а также чек-лист, который показывает: вы управляете ИИ или наблюдаете за ним. Это не «книга про технологию». Это руководство по корпоративному управлению новой производственной мощностью.
Жанры
— Бизнес-литература
— Менеджмент
— Стратегия
Теги
искусственный интеллект, управление, корпоративная стратегия, совет директоров, цифровая трансформация, риски, ROI, AI governance
Оглавление
Введение
Почему 90% корпоративных ИИ-инициатив проваливаются
Глава 1
ИИ не внедряют — им управляют
Глава 2
Пилоты — организованный самообман
Глава 3
Почему ИИ не становится бизнес-результатом
Глава 4
Ажиотаж — управленческая ловушка
Глава 5
ИИ — новая корпоративная инфраструктура
Глава 6
Архитектура управления ИИ: пять слоёв, которые нельзя пропустить
СЛОЙ 1: СТРАТЕГИЧЕСКИЙ
СЛОЙ 2: УПРАВЛЕНЧЕСКИЙ
СЛОЙ 3: ОРГАНИЗАЦИОННЫЙ
СЛОЙ 4: ЭКОНОМИЧЕСКИЙ
СЛОЙ 5: ТЕХНОЛОГИЧЕСКИЙ
Как слои работают вместе
Вопросы для совета директоров
Глава 7
Почему «центр компетенций» почти всегда проваливается
Четыре типовые ошибки центров компетенций
Реальный сценарий: Телеком-компания
Чем заменить центр компетенций
Сравнение моделей
Когда центр компетенций работает
Вопросы для совета директоров
Глава 8
Экономика ИИ: где деньги, а где иллюзии ROI
Почему фейковый ROI так популярен
Где реально создаётся ценность
Реальный сценарий: Страховая компания
Три типа ложного ROI
Как считать реальный ROI
Вопросы для CFO
Глава 9
ИИ-агенты как организационные единицы
Как это выглядит на практике
Управление ИИ-агентом
Изменение роли людей
Организационные последствия
Сопротивление
Как управлять переходом
Вопросы для совета директоров
Глава 10
Люди, процессы, ИИ: кто кем управляет
Три модели взаимодействия
Проблема размытой границы
Как определить границу
Реальный сценарий: Банк (правильная граница)
Управление эволюцией границы
Потеря экспертизы
Вопросы для руководителей
Глава 11
Почему сопротивление — индикатор плохого управления
Пять причин «сопротивления»
Реальный сценарий: Страховая компания
Как управлять переходом
Индикаторы плохого управленческого дизайна
Вопросы для руководителей
Глава 12
Риски ИИ: что реально опасно, а что — шум
Реальные риски
Как управлять рисками ИИ
Вопросы для совета директоров
Глава 13
Ответственность за решения ИИ: кто реально отвечает
Три модели ответственности (все неправильные)
Правильная модель: Владелец решений
Реальный сценарий: Банк
Что означает «отвечать»
Вопросы для совета директоров
Глава 14
Скорость как конкурентное преимущество (которое компании теряют)
Реальный сценарий: Два банка
Три типа скорости
Почему компании теряют преимущество скорости
Как превратить скорость в преимущество
Вопросы для CEO
Глава 15
Почему ИИ — вопрос уровня совета директоров
ИИ влияет на стратегические риски компании
ИИ влияет на конкурентоспособность
ИИ требует капитальных вложений
ИИ меняет операционную модель
ИИ создаёт новую ответственность
Что происходит, если совет директоров не вовлечён
Что должен делать совет директоров
Вопросы, которые совет директоров обязан задавать
Реальный сценарий: Производственная компания
Вывод
Глава 16
Какие вопросы совет директоров обязан задавать
Неправильные вопросы (типичные)
Правильные вопросы
Как задавать вопросы
Частота вопросов
Реальный сценарий: Телеком-компания
Вывод
Глава 17
ИИ-стратегия как часть корпоративной стратегии
Ошибка: ИИ-стратегия как отдельный документ
Что такое настоящая ИИ-стратегия
ИИ-стратегия как часть корпоративной стратегии
Как проверить, есть ли стратегия
Четыре типа ИИ-стратегий
Как встроить ИИ в корпоративную стратегию
Реальный сценарий: Логистическая компания
Вопросы для совета директоров
Вывод
Глава 18
2026–2028: годы массовых провалов ИИ-инициатив
Почему провалы неизбежны
Как будут выглядеть провалы
Признаки компаний, которые провалятся
Что будет с провалившимися компаниями
Почему провалы полезны
Как избежать провала
Вопрос для совета директоров
Вывод
Глава 19
Кто выживет и выиграет
Признак 1: Владелец уровня C-suite
Признак 2: ИИ встроен в корпоративную стратегию
Признак 3: Управляемые способности, а не пилоты
Признак 4: Процессы изменены, а не автоматизированы
Признак 5: Риски управляются системно
Признак 6: Экономика масштаба работает
Признак 7: Организация работает со скоростью ИИ
Признак 8: Совет директоров вовлечён
Как выглядят компании-победители
Что объединяет победителей
Разница между победителями и проигравшими
Вопрос для совета директоров
Вывод
Глава 20
Что делать уже сейчас
Решение 1: Остановиться и признать реальность
Решение 2: Назначить владельца
Решение 3: Создать стратегию (не список сценариев использования)
Решение 4: Построить управление
Решение 5: Пересчитать экономику
Решение 6: Выбрать первую способность для создания
Решение 7: Изменить процесс, а не автоматизировать
Решение 8: Вовлечь совет директоров
Решение 9: Установить правильные метрики
Решение 10: Определить timeline
Чек-лист для CEO (сделать в ближайшие 30 дней)
Вывод
Финал
ИИ не спасёт плохое управление. Но хорошее управление превратит ИИ в рычаг масштаба.
Что мы узнали
Главный вывод
Разделение корпораций
Что определяет, к какому типу вы относитесь
Последний вопрос
Выбор
Призыв к действию
Последняя мысль
ЧЕКЛИСТ ДЛЯ СОВЕТА ДИРЕКТОРОВ И CEO
Готова ли ваша компания управлять ИИ?
БЛОК 1: СТРАТЕГИЯ
БЛОК 2: ВЛАДЕНИЕ И УПРАВЛЕНИЕ
БЛОК 3: РЕЗУЛЬТАТЫ
БЛОК 4: ЭКОНОМИКА
БЛОК 5: РИСКИ
БЛОК 6: ОРГАНИЗАЦИЯ
БЛОК 7: ВОВЛЕЧЁННОСТЬ СОВЕТА ДИРЕКТОРОВ
ПОДСЧЁТ РЕЗУЛЬТАТОВ
СРОЧНЫЕ ДЕЙСТВИЯ (если результат <16 ✓)
КЛЮЧЕВОЙ ВОПРОС
Об авторе
Введение
Почему 90% корпоративных ИИ-инициатив проваливаются
За три года ИИ стал доступным. Дешёвым. Мощным.
Это создало главную иллюзию.
Корпорации решили: доступная технология = технический вопрос. План казался простым: выбрать поставщика, запустить пилот, создать центр компетенций, ждать результата.
Результата нет.
Цифры, которые не показывают на совете директоров
Внутренние аудиты крупных компаний показывают:
— ИИ-инициатив: сотни
— Управляемых результатов: единицы
— Демонстраций и презентаций: много
— Экономический эффект: локальный, нестабильный, не масштабируется
Главного нет: управляемой способности компании использовать ИИ.
**ИНСАЙТ ДЛЯ CEO** ИИ в корпорациях сегодня — не стратегия. Это набор экспериментов между IT, бизнесом и энтузиастами.
Где настоящая проблема
Не в качестве моделей.
Не в данных.
Не в людях.
Проблема в управлении.
ИИ — не «ещё одна технология». Это новая форма производственной мощности. Она влияет на:
— Скорость принятия решений
— Структуру процессов
— Распределение ответственности
— Экономику бизнеса
Большинство компаний проиграют. Не из-за «плохого ИИ». А из-за отсутствия системы управления им.
О чём эта книга
Не о том, как внедрять ИИ.
О том, почему привычные управленческие подходы перестают работать. И что должны сделать CEO и совет директоров, чтобы ИИ стал активом, а не источником хаоса.
**ИНСАЙТ ДЛЯ СОВЕТА ДИРЕКТОРОВ** Следующие 3 года разделят корпорации на два типа: те, кто управляет ИИ, и те, кто боится его после провала.
Глава 1
ИИ не внедряют — им управляют
Фраза «внедрение ИИ» стратегически неверна.
Её используют как «внедрение ERP» или «внедрение CRM». Но ИИ — другой класс явления.
Он не фиксирует процессы. Он влияет на решения.
А там, где решения — там ответственность, риски и власть.
Типичная ошибка корпораций
Когда компания говорит «мы внедряем ИИ», на практике это означает:
— IT запускает инструменты
— Бизнес ждёт быстрый эффект
— Руководство наблюдает со стороны
Никто не управляет ИИ как системой.
Результат предсказуем
— Десятки инициатив без общего замысла
— Модели принимают решения, за которые никто не отвечает
— Экономический эффект только «на слайдах»
— Масштабирование не происходит
ИИ нельзя «внедрить» и оставить. Им нужно управлять постоянно.
Как финансами. Как рисками. Как безопасностью.
**ИНСАЙТ ДЛЯ CEO** Управление ИИ — это ответы на неудобные вопросы. Где ИИ имеет право влиять на решения? Кто несёт ответственность за его ошибки?
Неудобные вопросы, которые нужно задать
Стратегический уровень:
— Где ИИ имеет право влиять на решения, а где — нет?
— Кто несёт ответственность за результат работы ИИ?
— Как измеряется ценность, а не активность?
Организационный уровень:
— Что централизовано, а что отдано бизнесу?
— Как ИИ вписывается в стратегию компании?
Большинство компаний эти вопросы не задают.
Не потому что не хотят. А потому что не считают ИИ управленческой темой.
Где застрял ИИ
Между функциями:
— Для IT — это технология
— Для бизнеса — инструмент
— Для HR — угроза или автоматизация
— Для юристов — риск
— Для CEO — «что-то важное, но не срочное»
Это ключевая ошибка.
Когда ИИ становится преимуществом
Не тогда, когда компания запускает пилоты.
А тогда, когда меняет способ управления: скоростью, решениями, масштабом.
Компании, которые этого не сделают, будут выглядеть современными — и проигрывать системно.
**ДЕЙСТВИЕ ДЛЯ CEO** В ближайшие 30 дней: провести аудит всех ИИ-инициатив. Вопрос один: «Есть ли у каждой инициативы владелец уровня C-suite?» Если нет — остановить до назначения.
Глава 2
Пилоты — организованный самообман
Пилот — любимое слово корпораций.
Он даёт иллюзию движения без риска обязательств. Можно «попробовать». Можно «протестировать». Можно показать совету директоров: «мы занимаемся ИИ».
Именно поэтому пилоты убивают стратегию.
Анатомия типичного пилота
Сценарий одинаковый в 90% случаев:
— Бизнес или IT находят «интересный сценарий использования»
— Формируется команда на 3—6 месяцев
— Пилот даёт результат — иногда впечатляющий
— Дальше ничего не происходит
Пилот не масштабируется. Не встраивается в процессы. Не становится частью операционной модели.
Он остаётся изолированным успехом.
**ЦИФРЫ РЕАЛЬНОСТИ** Через год в компании таких пилотов — десятки. Через два — сотни. Ни один не стал управляемой способностью.
Почему пилот — неправильный инструмент для ИИ
Пилот работает когда:
— Технология зрелая и предсказуемая
— Процесс не меняется, только автоматизируется
— Решение можно «включить» и «выключить» без последствий
— Результат измерим локально
ИИ не соответствует ни одному условию.
ИИ:
— Влияет на принятие решений
— Требует изменения процессов и ролей
— Создаёт зависимости
— Даёт эффект только при масштабе
Пилот ИИ создаёт иллюзию: можно попробовать без изменений. Нельзя.
Кейс: Крупный банк (без названия)
Задача: Автоматизировать обработку заявок через ИИ
Решение: Пилот в одном регионе, 500 заявок/неделю
Результат пилота:
— 80% заявок обработаны корректно
— Время обработки: с 2 дней до 4 часов
— Команда получила премии
— Презентация на совете директоров прошла успешно
Что случилось при масштабировании:
— Другие регионы: не работает (другие форматы данных)
— Основной процесс: сопротивление («Кто отвечает за ошибки ИИ?»)
— Поддержка: IT не готово поддерживать модель
Итог через год:
Пилот заморожен. Потрачено 2 млн рублей. Системного эффекта ноль.
**ИНСАЙТ ДЛЯ CEO** Ошибка не в пилоте. Ошибка в том, что пилот заменил стратегию.
Управленческие вопросы, которые не задали
До запуска пилота не было ответов:
Стратегический слой:
Зачем компании нужна способность автоматически обрабатывать заявки? Как это меняет конкурентную позицию?
Управленческий слой:
Кто владелец этой способности? Кто отвечает за качество решений ИИ? Какие правила остановки?
Организационный слой:
Как меняются роли операционной команды? Кто обучает ИИ? Кто контролирует качество?
Экономический слой:
Какова полная стоимость владения? Как экономика работает при масштабе?
Вместо ответов — запустили пилот. Пилот дал локальный успех. Но не создал ни одной управляемой способности.
Психология пилота: почему их так любят
Пилот удобен. Он откладывает неудобные решения:
— Не нужно менять структуру — «сначала проверим»
— Не нужно назначать владельца — «посмотрим, как пойдёт»
— Не нужно считать полную экономику — «пилот же дешёвый»
Пилот создаёт иллюзию прогресса без управленческой ответственности.
Но ИИ так не работает.
ИИ требует управленческих решений до запуска, а не после.
Ловушка масштабирования
Самая опасная фраза после успешного пилота: «Теперь давайте масштабировать».
Масштабирование пилота — не увеличение количества пользователей.
Это изменение всей операционной модели компании.
Масштабирование означает:
— Изменение ролей и ответственности
— Интеграцию с основными процессами
— Создание системы контроля качества
— Управление рисками на уровне компании
— Поддержку и развитие модели
Ни одна из этих задач не решается в пилоте.
**РЕАЛЬНОСТЬ МАСШТАБИРОВАНИЯ** Технология работает, но организация — нет. Экономика разваливается при росте. Риски становятся неуправляемыми. Никто не знает, кто отвечает.
Цена пилотов
Крупная корпорация в среднем имеет:
— 20—50 активных ИИ-пилотов
— 50—100 завершённых пилотов
— 10—20 пилотов «в ожидании масштабирования»
Средняя стоимость пилота: 0,5—3 млн рублей.
Итого: 50—300 млн рублей за 2—3 года.
Управляемых способностей: 0—2.
Это не инвестиция в ИИ. Это плата за отсутствие управленческой стратегии.
Альтернатива: правильная последовательность
Подход «пилот сначала» (неправильный):
Технология → Локальный успех → Попытка масштабирования → Провал → Новый пилот
Подход «управление сначала» (правильный):
Стратегия → Управление → Организация → Экономика → Технология → Масштаб
В первом случае компания тратит деньги на иллюзию.
Во втором — создаёт управляемый актив.
Три вопроса для совета директоров
Когда на заседании появится презентация «успешный пилот ИИ», задайте:
1. Кто владелец этой способности в компании?
Если ответ «команда пилота» — это не способность компании.
2. Как выглядит экономика при масштабе?
Если ответ «посчитаем после масштабирования» — масштабирования не будет.
3. Что изменится в организации?
Если ответ «ничего, просто автоматизация» — ИИ не работает так.
Если на эти вопросы нет чётких ответов — это не управление ИИ, это управляемый самообман.
**ДЕЙСТВИЕ ДЛЯ CEO** Правильный вопрос не «какой пилот запустить следующим», а «какую управляемую способность мы создаём и зачем». Ответ на этот вопрос — задача CEO и совета директоров, не IT.
Глава 3
Почему ИИ не становится бизнес-результатом
ИИ работает. Демонстрации впечатляют. Технология зрелая.
Но бизнес-результата нет.
Не потому что ИИ плохой. А потому что между технологией и бизнесом — управленческий вакуум.
Разрыв, которого не видят
В корпорациях существуют три мира, которые почти не пересекаются:
Мир IT: «Мы внедрили модель. Она работает с точностью 85%. Инфраструктура готова».
Мир бизнеса: «Где экономический эффект? Почему процесс не ускорился? Когда можно масштабировать?»
Мир управления: «Кто отвечает за решения? Какие риски? Как это связано со стратегией?»
Каждый мир говорит на своём языке. Каждый ждёт, что другие решат его вопросы.
Никто не решает.
**КЛЮЧЕВАЯ ПРОБЛЕМА** IT создаёт технологическую возможность, а не бизнес-результат. А компания ждёт от IT того, что IT не может дать.
Почему IT не может закрыть разрыв
IT делает свою работу отлично:
— Модель обучена
— API работает
— Инфраструктура масштабируется
Но IT не отвечает за бизнес-процесс. И не должен.
Чтобы технология стала результатом, нужны:
— Изменённые процессы
— Новые роли и ответственность
— Правила принятия решений
— Система контроля качества
— Управление рисками
Это не задачи IT. Это управленческие задачи. И они остаются нерешёнными.
Почему бизнес не может закрыть разрыв
Бизнес знает, что нужно:
— Быстрее обрабатывать заявки
— Точнее прогнозировать спрос
— Персонализировать предложения
Но бизнес не понимает, как ИИ работает изнутри.
Для бизнеса ИИ — чёрный ящик:
— Почему модель приняла это решение?
— Когда она ошибается?
— Можно ли ей доверять в критических ситуациях?
— Кто отвечает, если результат неверный?
Без ответов бизнес не может принять ИИ в процесс.
Результат:
— ИИ остаётся «помощником», а не частью процесса
— Решения ИИ всё равно проверяются вручную
— Экономический эффект минимальный
— Масштабирование невозможно
Кейс: Ритейл-компания
Задача: Прогнозирование спроса с помощью ИИ для оптимизации закупок
Что сделал IT:
Внедрил модель машинного обучения. Точность прогноза 92% (против 78% у старой системы).
Что сделал бизнес:
Получил прогнозы от ИИ. Но продолжил корректировать их вручную, «на основе опыта».
Почему:
— «ИИ не учитывает региональную специфику»
— «В прошлом месяце модель ошиблась на 15%»
— «Мы знаем наших клиентов лучше»
Результат:
Модель работает. Но бизнес ей не доверяет. Процесс не изменился.
Потрачено: 5 млн рублей.
Получено: 0 рублей.
**НАСТОЯЩАЯ ПРОБЛЕМА** Не было управленческого решения о том, какие решения ИИ принимает автономно, а какие требуют проверки.
Четыре управленческих решения, которые не приняли
1. Какие решения ИИ принимает автономно
В каких ситуациях прогноз ИИ становится решением без проверки человеком?
2. Какие решения требуют проверки
По каким критериям модель эскалирует решение человеку?
3. Кто отвечает за качество
Если ИИ ошибся — кто несёт ответственность? Как измеряется качество?
4. Как меняется роль людей
Что теперь делают закупщики, если прогноз делает ИИ?
Этих решений не приняли, потому что никто не считал, что это его зона ответственности.
Управленческий вакуум
Это главная проблема корпоративного ИИ: управленческий вакуум между технологией и бизнесом.
В этом вакууме:
— Никто не принимает решения о правилах использования ИИ
— Никто не меняет процессы
— Никто не управляет рисками
— Никто не измеряет реальную ценность
ИИ существует. Но не работает.
Почему вакуум появляется
Раньше корпорации внедряли системы, которые:
— Автоматизировали процессы (ERP, CRM)
— Ускоряли коммуникацию (email, мессенджеры)
— Хранили данные (базы данных, хранилища)
Все эти системы — исполнительные. Они делают то, что им сказали.
ИИ — другой. Он принимает решения.
А там, где решения — нужны правила, ответственность, контроль.
Корпорации не привыкли управлять инструментами, которые принимают решения. Поэтому применяют старые управленческие модели к новому явлению.
И получают вакуум.
**ЧТО ЗАПОЛНЯЕТ ВАКУУМ** Энтузиазм без правил. Сопротивление без причины. Имитация без результата. Хаос без стратегии.
Как закрыть разрыв: три обязательных решения
1. Назначить владельца ИИ на уровне компании
Человек (или функция), который отвечает за то, как ИИ используется во всей компании. Не «центр компетенций». Не «рабочая группа». Владелец с полномочиями и ответственностью.
2. Определить правила использования ИИ
Где ИИ принимает решения автономно. Где требует проверки. Где не используется принципиально. Это не технический документ. Это управленческая политика.
3. Встроить ИИ в процессы, а не добавить к ним
Процесс должен измениться. Роли должны измениться. Ответственность должна измениться. Если ИИ «добавили» к старому процессу — он не работает.
Вопрос для CEO
«Кто в компании отвечает за то, как ИИ превращается в бизнес-результат?»
Если ответ:
— «IT» — неправильно (IT отвечает за технологию)
— «Бизнес» — неправильно (бизнес не управляет рисками ИИ)
— «Рабочая группа» — неправильно (группа не принимает решения)
— «Пока никто» — вот она, причина отсутствия результата
Правильный ответ: «Конкретный человек на уровне C-suite, с полномочиями и ответственностью».
**ДЕЙСТВИЕ ДЛЯ CEO** Если такого человека нет — ИИ не станет бизнес-результатом, сколько бы денег вы ни потратили.
Глава 4
Ажиотаж — управленческая ловушка
ИИ окружён ажиотажем. Это факт.
Проблема не в ажиотаже. Проблема в том, что ажиотаж подменяет управленческую ответственность.
Как работает ажиотаж
Схема простая:
1. Обещание трансформации
«ИИ изменит вашу компанию». «ИИ даст конкурентное преимущество». «Кто не внедрит ИИ — проиграет».
2. Успешные примеры
Истории компаний, которые «благодаря ИИ» выросли в разы.
3. Страх отстать
«Ваши конкуренты уже используют ИИ». «Через 3 года будет поздно».
4. Простота решения
«Достаточно выбрать правильного поставщика». «Наша платформа внедряется за 3 месяца».
Это работает. Корпорации покупают.
**ОПАСНОСТЬ АЖИОТАЖА** Он создаёт иллюзию, что технология решает управленческие проблемы. Не решает.
Сценарий 1: Замена стратегии активностью
Типичная ситуация:
Совет директоров озабочен: «Конкуренты внедряют ИИ. Мы отстаём».
CEO даёт задачу: «Нужна ИИ-стратегия».
Через месяц появляется презентация:
— 15 сценариев использования
— 5 пилотов на следующий квартал
— Центр компетенций
— Партнёрство с поставщиком
Совет директоров доволен. «У нас есть ИИ-стратегия».
На самом деле: Это не стратегия. Это список активностей.
Стратегия отвечает на вопросы:
— Зачем компании ИИ?
— Как ИИ усиливает бизнес-модель?
— Где ИИ критичен, а где — нет?
— Что компания готова изменить ради ИИ?
Список пилотов на эти вопросы не отвечает.
Сценарий 2: Технология вместо управления
Компания тратит миллионы на «лучшую ИИ-платформу».
Платформа мощная. Поставщик именитый. Презентации впечатляющие.
Результата нет.
Почему: Платформа — инструмент. Она не решает управленческие вопросы:
— Кто владелец ИИ в компании?
— Какие процессы меняются?
— Кто отвечает за решения ИИ?
— Как измеряется ценность?
**ПРАВИЛО** Без ответов на эти вопросы любая платформа бесполезна. Но ажиотаж говорит: «Купите правильную технологию — и всё заработает».
Кейс: Производственная компания
Ситуация: CEO на заседании совета директоров объявил: «Через год мы внедрим ИИ во все ключевые процессы».
Запустили:
— 30 пилотов одновременно
— Центр компетенций
— Chief AI Officer
— Платформу за $2 млн
Через год:
— 28 пилотов закрыты
— 2 пилота «в процессе масштабирования»
— Центр компетенций переименован
— Chief AI Officer ушёл
Что случилось: Компания поверила в ажиотаж. Поверила, что ИИ можно внедрить как проект.
Не задала неудобные вопросы:
— Что должно измениться в компании?
— Кто будет владельцем изменений?
— Какие процессы меняются первыми и почему?
Потрачено: $15 млн.
Создано способностей: 0.
Три правила для совета директоров
Правило 1: Стратегия до бюджета
Не одобряйте бюджет на ИИ без ответов: какую способность создаём, как это связано с бизнес-моделью, что готовы изменить.
Правило 2: Владелец до инициатив
Не одобряйте ИИ-инициативы, пока не назначен владелец на уровне C-suite с полномочиями и правом менять процессы.
Правило 3: Результат, а не активность
«Запустили 10 пилотов» — это не результат. Результат: управляемая способность создана, эффект измерен, масштабирование работает.
**ДЕЙСТВИЕ ДЛЯ СОВЕТА ДИРЕКТОРОВ** Когда появится презентация об ИИ, задайте три вопроса: «Что изменится в компании?», «Кто владелец?», «Как узнаем, что работает?» Если нет чётких ответов — это ажиотаж, не управление.
Глава 5
ИИ — новая корпоративная инфраструктура
ИИ сравнивают с электричеством. С интернетом. С паром.
Всё это неточно.
ИИ ближе к финансам и безопасности, чем к технологии.
И это меняет всё.
Почему аналогии не работают
«ИИ — это как электричество»: Неправильно. Электричество — ресурс. Одинаковый для всех. Предсказуемый. Не принимает решений. Электричество нужно просто подключить. ИИ нужно управлять.
«ИИ — это как IT»: Тоже неправильно. IT — инструмент выполнения. Системы делают то, что им сказали. Результат предсказуем. ИИ — инструмент принятия решений. Модели интерпретируют данные. Результат вероятностный.
**ПРАВИЛЬНАЯ АНАЛОГИЯ** ИИ как корпоративная функция ближе всего к финансам.
Сходство ИИ и финансов
1. Влияет на решения
Финансовая функция не «делает работу» — она влияет на то, как компания принимает решения. Точно так же работает ИИ.
2. Требует централизованного управления
Нельзя дать каждому подразделению свою финансовую политику. Нельзя дать каждому подразделению свою ИИ-политику.
3. Пронизывает всю компанию
Финансы — не отдельный департамент. Это функция, встроенная в каждый процесс. ИИ должен работать так же.
4. Требует правил и контроля
Финансы управляются через политики, регламенты, аудит. ИИ требует того же.
5. Не может быть «пилотом»
Нельзя «попилотировать финансовый учёт». Нельзя «попилотировать управление ИИ».
Как выглядит ИИ-инфраструктура
Стратегический уровень:
Совет директоров определяет роль ИИ в конкурентной стратегии. Как определяет финансовую стратегию.
Управленческий уровень:
Владелец ИИ на уровне C-suite (Chief AI Officer) с полномочиями: утверждать правила, управлять рисками, контролировать качество, распределять бюджет.
Политики и регламенты:
Определены правила: где ИИ принимает решения автономно, где требует проверки, где не используется, как эскалируются ошибки, как измеряется качество.
Интеграция в процессы:
ИИ не «добавлен» к процессам — он встроен в них. Процессы изменены. Роли пересмотрены. Ответственность распределена.
Контроль и аудит:
Работает система: мониторинг качества решений ИИ, аудит рисков, контроль соответствия политикам. Как финансовый контроль.
Кейс: Банк
Ситуация: Крупный банк решил сделать ИИ частью операционной модели.
Шаг 1 — Стратегическое решение:
Совет директоров утвердил: «ИИ — критическая способность банка, влияющая на скорость и качество решений. Управление ИИ — приоритет уровня C-suite».
Шаг 2 — Владелец:
Создана позиция Chief AI & Decision Officer. Подчинение CEO. Полномочия: утверждение всех ИИ-инициатив, управление рисками, контроль качества.
Шаг 3 — Политика:
Документ определил: где ИИ принимает решения (микрокредиты до 50 тыс.), где требует проверки (50 тыс. — 1 млн), где не используется (крупные кредиты).
Результат за 18 месяцев:
— 60% микрокредитов обрабатываются ИИ автономно
— Время решения: с 2 дней до 15 минут
— Качество контролируется системно
ИИ стал частью операционной модели. Инфраструктурой.
**ИНСАЙТ ДЛЯ CEO** Если ИИ — инфраструктура, он обсуждается на уровне совета директоров, имеет владельца C-suite, управляется через политики, встроен в процессы, контролируется системно.
Типичные ошибки
Ошибка 1: «Пусть IT займётся ИИ». IT может управлять технологией, но не может управлять влиянием ИИ на бизнес.
Ошибка 2: «Создадим центр компетенций». Центр компетенций — поддержка, не управление.
Ошибка 3: «Начнём с пилотов». Пилоты — эксперименты. Инфраструктура не «пилотируется».
Ошибка 4: «Масштабируем успешные примеры». Примеры не масштабируются. Масштабируется операционная модель.
Переход к ИИ-инфраструктуре
Четыре ключевых решения:
1. Стратегическое позиционирование
Совет директоров определяет роль ИИ в бизнес-модели, приоритеты (скорость, контроль, масштаб), допустимый уровень риска.
2. Владелец
Назначается C-level позиция, отвечающая за ИИ. Не координатор. Владелец с полномочиями.
3. Политика
Разрабатываются правила использования ИИ. Где автономен, где требует контроля, где не используется.
4. Изменение операционной модели
Процессы перестраиваются. Роли меняются. ИИ встраивается.
**ДЕЙСТВИЕ ДЛЯ СОВЕТА ДИРЕКТОРОВ** Задайте вопрос: «ИИ в нашей компании — инфраструктура или набор экспериментов?» Если инфраструктура: есть владелец C-suite, есть политики, процессы изменены, контроль системный. Если эксперименты: много пилотов, нет владельца, процессы не изменены, контроля нет.
Глава 6
Архитектура управления ИИ: пять слоёв, которые нельзя пропустить
Управление ИИ — это не процесс. Это архитектура.
Как архитектура здания определяет, что держит вес, а что рухнет.
Большинство компаний строят управление ИИ интуитивно. Результат предсказуем: конструкция не выдерживает нагрузки.
Пять слоёв, которые должны работать вместе
Архитектура управления ИИ состоит из пяти слоёв:
— Стратегический — зачем
— Управленческий — кто и как
— Организационный — люди и процессы
— Экономический — деньги и ценность
— Технологический — инструменты
Провал в любом слое делает остальные бессмысленными.
Большинство компаний начинают с пятого слоя. И удивляются, почему не работает.
**ИНСАЙТ ДЛЯ CEO** Архитектура управления ИИ из пяти слоёв — не опция, а необходимость. Пропуск любого слоя гарантирует провал.
СЛОЙ 1: СТРАТЕГИЧЕСКИЙ
Ответственность: Совет директоров и CEO
Ключевой вопрос: Зачем компании ИИ как системная способность, а не как набор сценариев использования?
Что здесь решается
1. Роль ИИ в бизнес-модели
Как ИИ усиливает конкурентное преимущество?
Примеры:
— Скорость: ИИ ускоряет решения (финтех, ритейл)
— Персонализация: индивидуальные предложения (e-commerce, медиа)
— Масштаб: обработка недоступных людям объёмов (телеком, страхование)
— Качество: улучшение прогнозов (производство, логистика)
Если роль неясна — нет стратегии.
2. Границы использования ИИ
Где ИИ критичен, а где не используется принципиально.
Пример из банка:
— ИИ принимает решения: микрокредиты
— ИИ помогает: средние кредиты
— ИИ не используется: крупные корпоративные сделки
3. Приоритеты
Что важнее:
— Скорость или контроль?
— Автономность или прозрачность?
— Инновации или стабильность?
Разные приоритеты — разная архитектура управления.
4. Допустимый риск
Какой уровень ошибок ИИ приемлем?
— Рекомендации товаров: 20% ошибок допустимо
— Медицинская диагностика: 2% критично
Типовые ошибки
— Подмена стратегии списком сценариев использования
— «Пусть IT разберётся»
— Отсутствие позиции совета директоров
Если ИИ не обсуждается на уровне стратегии — он превращается в хаос ниже.
СЛОЙ 2: УПРАВЛЕНЧЕСКИЙ
Ответственность: C-suite
Ключевой вопрос: Кто в компании владеет ИИ как системой?
Что здесь решается
1. Владелец ИИ
Назначается человек (Chief AI Officer, AI Governance Lead) с:
— Полномочиями утверждать/останавливать инициативы
— Ответственностью за риски и качество
— Правом менять процессы
Не «координатор». Не «рабочая группа». Владелец.
2. Политика использования ИИ
Документ, определяющий:
— Где ИИ принимает решения автономно
— Где требует проверки
— Где не используется
— Правила эскалации
— Управление ошибками
3. KPI ценности, а не активности
Неправильные KPI:
— Количество пилотов
— Количество моделей
— Процент покрытия сценариев
Правильные KPI:
— Скорость принятия решений
— Экономический эффект на масштабе
— Качество решений ИИ
— Управляемость рисков
4. Управление портфелем инициатив
Не как набором проектов, а как единой способностью компании.
Какие инициативы усиливают друг друга? Какие конкурируют за ресурсы? Какие критичны?
Типовые ошибки
— Коллективная безответственность
— Центр компетенций без полномочий
— KPI активности вместо ценности
Если нет владельца — нет управления. Если нет управления — нет результата.
СЛОЙ 3: ОРГАНИЗАЦИОННЫЙ
Ответственность: Операционное руководство
Ключевой вопрос: Как ИИ встроен в организационную структуру, а не «приклеен» к ней?
Что здесь решается
1. Изменение процессов
ИИ не автоматизирует старые процессы. Он меняет их.
Пример (страховая компания):
Было:
— Клиент подаёт заявку
— Менеджер проверяет документы (1 день)
— Риск-менеджер оценивает риск (1 день)
— Руководитель утверждает (1 день)
Стало с ИИ:
— Клиент подаёт заявку
— ИИ оценивает риск и принимает решение (15 минут)
— Человек проверяет только сложные случаи
Процесс не ускорился — он перестроен.
2. Новые роли
Появляются функции:
— AI Product Owner — развитие ИИ-способности
— AI Risk Manager — управление рисками
— AI Ops — поддержка моделей
— AI Quality Control — контроль качества
3. Изменение существующих ролей
Роли людей меняются:
— Было: Риск-менеджер оценивает все заявки
— Стало: Работает со сложными случаями и обучает ИИ
4. ИИ-агенты как организационные единицы
ИИ воспринимается как часть команды:
— У него есть зона ответственности
— Его работа измеряется
— Его ошибки управляются
Типовые ошибки
— Попытка «не менять организацию»
— Автоматизация плохих процессов
— Игнорирование сопротивления
ИИ усиливает структуру. Плохую — ломает, хорошую — масштабирует.
СЛОЙ 4: ЭКОНОМИЧЕСКИЙ
Ответственность: CFO и владелец ИИ
Ключевой вопрос: Как компания зарабатывает на ИИ системно, а не разово?
Что здесь решается
1. Полная стоимость владения
Реальная стоимость ИИ:
— Технология (модели, инфраструктура)
— Данные (сбор, разметка, хранение)
— Люди (разработка, поддержка, контроль)
— Интеграция
— Управление рисками
— Обучение персонала
Большинство считают только первый пункт.
2. Модель создания ценности
Как ИИ создаёт ценность:
— Рост выручки: новые продукты, персонализация, скорость
— Снижение затрат: автоматизация, оптимизация
— Снижение рисков: лучшие прогнозы, контроль
3. Масштабируемая экономика
Критический вопрос: улучшается ли экономика при масштабе или ухудшается?
Если стоимость растёт быстрее ценности — масштабирование убыточно.
4. Отказ от фейкового ROI
Типичный фейковый расчёт:
«ИИ сократил время обработки с 2 дней до 4 часов. Экономия: 100 человеко-часов. ROI: 300%».
Реальные вопросы:
— Высвободились ли реально люди?
— Увеличилась ли выручка?
— Или «стало быстрее», но результат не изменился?
Типовые ошибки
— Считать ROI пилота, а не масштаба
— Игнорировать полную стоимость
— Оценивать сценарии, а не портфель
ИИ без масштабируемой экономики — дорогая игрушка.
СЛОЙ 5: ТЕХНОЛОГИЧЕСКИЙ
Ответственность: CTO и технические команды
Ключевой вопрос: Какая технология поддерживает стратегию, а не определяет её?
Что здесь решается
1. Архитектура данных
— Откуда берутся данные
— Как обеспечивается качество
— Как управляется доступ
2. Выбор моделей
Не «самая умная модель», а модель, которая:
— Решает бизнес-задачу
— Управляема по рискам
— Масштабируется экономически
3. Интеграция
Как ИИ встраивается в core-системы компании.
4. Наблюдаемость
Мониторинг:
— Качества решений
— Скорости работы
— Ошибок и аномалий
5. Безопасность
Контроль:
— Доступа к данным
— Манипуляций с моделью
— Утечек информации
Типовые ошибки
— Начинать с выбора модели
— Гнаться за «самой умной» технологией
— Технический перфекционизм без ценности
Технология — инструмент. Управление — решение.
Как слои работают вместе
Правильная последовательность:
— Стратегический: Совет директоров определяет роль ИИ
Бесплатный фрагмент закончился.
Купите книгу, чтобы продолжить чтение.