© ООО "Региональные новости"
Согласно оценке McKinsey, внедрение ИИ может добавить мировой экономике около 13 трлн долларов к 2030 году. Однако по статистике за 2024 год лишь 10% компаний смогли вывести ИИ-инициативы за пределы пилотов и получить масштабируемый экономический эффект. Почему такой разрыв между потенциалом и фактом? И что отличает те компании, где ИИ реально меняет экономику бизнеса? Об этом мы говорим с Павлом Кровяковым — архитектором трансформаций, который помогает акционерам и руководителям не просто “внедрять ИИ”, а перестраивать управленческие правила так, чтобы технологии работали на экономику, а не на презентации.
— Когда вы заходите внутрь компаний для реализации трансформаций — что вы видите на самом деле?
— В большинстве крупных российских компаний, где я заходил в роль операционного руководителя или консультанта, картина одинакова: снаружи — амбициозная стратегия и витрина цифры, внутри — до-цифровая логика решений и ручное управление кризисами. Один из сильных руководителей, с которым мне доводилось работать, сформулировал это предельно точно: снаружи любая компания выглядит лучше, чем изнутри — без исключений. При этом значительная часть менеджеров работает не на экономику, а на снижение личных рисков, угадывая ожидания руководства. В такой архитектуре попытка менять будущее, не меняя способ принятия решений, практически всегда оборачивается провалом — даже при сильной технологии.
По исследованиям Сколково, в большинстве организаций до 60–80% критичного знания живёт вне систем — в головах, переписках, Excel и локальных папках. В такой архитектуре у ИИ просто нет «точки опоры».
— Если фундамент — в управлении, почему компании массово бросаются в ИИ?
— По данным российских исследований, большинство компаний уже пробуют генеративный ИИ, но львиная доля инициатив остаётся в статусе пилотов из-за инфраструктуры, данных и управленческих норм. Технологическая готовность растёт быстрее, чем управленческая зрелость — в этом и есть корень разрыва между потенциалом и фактом.ИИ приходит в компании быстрее, чем меняются нормы принятия решений. И на этом фоне большие модели, готовые платформы, ИИ-агенты, data-driven-управление — всё это выглядит как короткий и дешёвый путь к достижению высокого бизнес-эффекта. Действительно, прототип сегодня можно собрать за две недели и очень недорого. Но встроить это в реальную организацию, перевести в экономику и в норму — это совершенно другой порядок сложности. Система сопротивляется, потому что попытка внедрить новое ложится на старые нормы. И технология ломается не в разработке — она ломается об управленческий контекст. Это системная закономерность: ИИ не исправляет старые управленческие ошибки — он их ускоряет. Дополнительно существует проблема в данных: они фрагментированы, юридически не очищены, не интегрированы в единую архитектуру бизнеса.
— Что должно быть сделано до ИИ, чтобы проект имел шанс на результат?
— Есть четыре обязательные предпосылки. Первое — экономическая цель, а не технологическая. Не «сделать ИИ-агента», а «сократить цикл решения и снизить затраты на 20% и закрепить это как обновлённый параметр в бюджете». Второе — один узкий участок вместо большой программы. Масштаб при низкой зрелости — гарантированный способ провалиться. Третье — защищённая команда с фиксированным приоритетом. ИИ не живёт «между делом». Одна из самых частых причин провала — когда ИИ-проект ставят «в очередь задач», а не делают стратегическим приоритетом. Четвёртое — личная вовлечённость людей, принимающих решения. От акционеров до линейных менеджеров. Внешние консультанты могут помочь, но не могут брать власть.
В проектах, где мне удавалось договориться о таких условиях заранее, эффект в экономике и управленческих нормах появлялся уже в течение первого года. Там, где этого фундамента не было, ИТ решения оставались на уровне пилотов и презентаций — вне зависимости от выбранных платформ и подрядчиков.
— Многие уверены, что начинать с малого — потеря времени, и надо сразу с комплексным портфелем проектов. Почему это заблуждение?
— Потому что в условиях низкой управленческой и технологической зрелости «малый шаг» — это не осторожность, а единственный рабочий сценарий. Масштабная программа увеличивает нагрузку быстрее, чем успевает перестраиваться управленческая логика. В итоге рушится всё — и ни один поток не доходит до конца. Правильная траектория всегда одинакова: фундамент, один кейс до победы, закрепление новой нормы — и только потом масштабирование. Портфель без единой доказанной победы — это быстрый способ истратить бюджет и исчерпать управленческое доверие.
— Компании идут к консультантам, когда не хватает внутренних компетенций. Почему в большинстве случаев это не даёт результата?
— Трансформация не может быть аутсорсирована. Консультант может построить архитектуру, но только управленцы могут изменить нормы. Это подтверждает и статистика внедрений: компании, где первые лица не входят в проект лично, а делегируют его «вниз», почти никогда не выходят к устойчивому эффекту.
— Почему 9 из 10 компаний не переходят к масштабированию даже после успешного пилота?
— Потому что путают пилот с результатом. Пилот — это не внедрение, а момент истины. Он говорит: «Теперь нужно переписать правила, а не масштабировать технологию». Чтобы решение масштабировалось, нужно одновременно иметь подтверждённый экономический эффект и закреплённые новые нормы и стандарты так, чтобы нельзя было откатиться назад. Вот тогда масштабирование идёт уже по новым правилам, а не по старой логике. Сколково анализировало более 1600 кейсов внедрения ИИ, и подавляющее большинство провалов происходили именно на этапе масштабирования: компании пытаются масштабировать технологию, а не правила и данные.
— Прозрачность и скорость без финансового эффекта — это успех или иллюзия?
— Скорость процессов не равна скорости прогресса. Прозрачность и скорость имеют смысл только если приводят к другому управленческому решению. Если решения принимаются по старым правилам — ускоренные процессы просто ускоряют старую экономику. Дашборды и красивые слайды не увеличивают прибыль: её можно увеличить либо за счёт роста доходов, либо за счёт снижения расходов.
— Какие управленческие компетенции становятся ключевыми в эпоху ИИ?
— Компании сегодня переоценивают ИИ и недооценивают управление. В эпоху агентов и автоматизации критичными становятся три компетенции:
- способность работать с данными как активом;
- способность снижать когнитивную дистанцию между профессиональными группами;
- способность удерживать новую норму, несмотря на сопротивление системы.
Без этого ИИ превращается в дорогостоящую игрушку.
— И последний вопрос. Кому можно доверить трансформации с высокой ценой ошибки?
— Только тем, кто способен довести систему до новой нормы и зафиксировать эффект в экономике, а не в слайдах. Кто одинаково уверенно говорит с акционерами и с операционными командами. Трансформацию нельзя просто поручить — её нужно возглавить. Но ответственность можно разделить: с тем, кто понимает, как сделать переход необратимым.
На самом деле, ключевой вопрос акционеров сегодня звучит не «какой ИИ нам поставить?», а «кто возьмёт на себя ответственность за переход всей системы к новой норме?».
Именно с такими задачами ко мне приходят владельцы и топ-менеджеры: когда ставка высока, и цена ошибки больше не прощается. Сегодня ИИ выигрывает не за счёт технологий, а за счёт лидеров, которые способны менять правила игры.
