CODER Framework: Как вывести компанию в лигу AI-лидеров

Вольный перевод статьи The CODER Framework: How To Become AI-Native, опубликованной на сайте reforge.com

Многие компании убеждают себя, что внедряют искусственный интеллект (AI). Написать внутреннюю заметку о полной интеграции AI несложно, но одних слов мало — они не меняют повседневные привычки и стиль работы.

Разрыв между заявлениями и реальной практикой больше, чем кажется на первый взгляд. Продукты с использованием AI запускают быстрее, чем клиенты успевают их освоить. А LinkedIn переполнен поверхностными комментариями и шумом. Сейчас в этой теме особенно много заблуждений и слухов.

«AI позволит основателям-одиночкам запускать компании на миллиарды долларов».

 «Мы создали наш SaaS-продукт всего за 48 часов, используя только промпты в GPT-4».

 «Наш AI-агент сам поддерживает и обновляет весь наш код».

«Всю работу службы поддержки мы полностью передали искусственному интеллекту».

Я много общался, провёл не один разговор с более чем 50 топ-менеджерами по продукту на VP- и C-уровне, чтобы разобраться, что происходит на самом деле. Один руководитель очень метко выразил общее настроение: «Мы разрываемся между внешним ощущением, будто AI уже у всех встроен, и нашей внутренней реальностью, где мы до сих пор ищем стоящие варианты его применения.» Для большинства компаний найти баланс между нарастающим давлением и реальной скоростью внутренних перемен становится всё сложнее.

Я уверен: настоящая цель — не просто автоматизация, а глубокая AI-трансформация. Первый шаг — ускорить работу. А второй, куда сложнее, — найти новые способы создавать ценность для клиентов.

Чтобы уйти дальше простых улучшений, стоит опереться на три ключевые идеи:

• Теперь любой сотрудник может писать тексты, проектировать и программировать. Границы между ролями стремительно стираются, что может полностью изменить сам подход к работе.
• Если добавить AI в привычные процессы, получится небольшой прирост. Главная выгода в том, что команда учится работать с новыми инструментами.
• Задача лидера — построить компанию, готовую смело пересматривать устоявшиеся принципы своей работы.

Это непростой путь, но перед вами — огромные возможности. Стать AI-лидером поможет структурированный фреймворк CODER. В этой статье я расскажу о нем, но для начала стоит поговорить о масштабах перемен и главных барьерах на этом пути.

Погрузитесь в мир искусственного интеллекта и узнайте, как интегрировать AI в работу команд уже сегодня 👉 Курс: «Основы ИИ в менеджменте»

Внедрение искусственного интеллекта: ищите новую ценность, а не только эффективность

На этом большинство компаний и спотыкаются при внедрении AI. Они пытаются упростить рутину на 10-15%, хотя сейчас реальность подталкивает задуматься о совершенно новых возможностях.

Первая волна внедрения искусственного интеллекта была посвящена поиску выгоды — бизнес использовал AI, чтобы тратить меньше и делать работу быстрее. К таким решениям относятся, например, чат-боты поддержки, автоматизированная проверка кода и генерация маркетингового контента. Эти инструменты дают компании понятный и прогнозируемый результат, но, по сути, просто защищают имеющиеся позиции. Защита сама по себе не выводит вперед — она не дает ощутимого преимущества.

Настоящее лидерство появляется, когда AI открывает двери к новым возможностям для клиентов. Генеральный директор Box Аарон Леви заметил на LinkedIn: «У большинства компаний найдётся почти бесконечный список задач, если спросить себя: “А что, если некая операция вдруг станет в 100 раз дешевле или проще — что ещё мы могли бы сделать?”».

Извлекаем ценность: уверенный старт, но не прыжок в будущее

Многие бизнесы начинают с такого этапа, потому что тут всё прозрачно: вложения быстро окупаются, а риски минимальны. Фактически вы просто ускоряете или удешевляете привычную работу.

Вот примеры типичных внедрений для извлечения пользы:

• Чат-боты поддержки, которые берут на себя 70% клиентских запросов
•  Автоматизированная проверка кода, позволяющая найти ошибки до релиза
•  Генерация контента для маркетинга с помощью AI 
• Автоматическая обработка отчетов и счетов

Компаниям нравится такой подход: результат легко измерить, внедрить быстро, и не нужно полностью менять привычный уклад. Но есть и обратная сторона — вы конкурируете лишь в эффективности, а не за уникальность. Ваши соперники легко внедрят такие же инструменты, и разрыв почти исчезнет.

Создаем ценность: AI как ваше преимущество на рынке

Извлекать пользу — значит спросить: «Как сделать этот процесс чуть быстрее или дешевле?» Создавать новую ценность — значит ставить вопросы иначе: «Что мы вообще не делаем, потому что раньше было слишком сложно или дорого?»

Вот примеры, когда AI помогает строить то, о чём раньше приходилось только мечтать:

Duolingo за год удвоили число языковых курсов. Но главное — не только в создании нового материала. Искусственный интеллект теперь оценивает уровень сложности курса для каждого пользователя в реальном времени. AI умеет сделать урок легче, если человеку сложно, а если легко — добавить вызова. Генеральный директор Луис фон Ан уверен: компания обязана это своим ученикам. Он написал на LinkedIn: «Быть AI-first — значит по-новому смотреть на многие принципы нашей работы. Простых изменений в существующих системах уже недостаточно».

AI-аналитика от HubSpot: как искусственный интеллект меняет взгляд на клиента

Искусственный интеллект в системах HubSpot анализирует, как ведут себя покупатели, используя данные тысяч компаний. Он выдает советы, которые подходят именно вашему бизнесу. Раньше специалисты вручную перерывали горы данных. Но такой масштабный анализ было просто невозможно провести. Сегодня HubSpot получает доступ к информации о маркетинге, продажах и поддержке. За счет этого вы видите клиентов с совершенно новой стороны — такого уровня понимания раньше не было.

Николас Холланд, глава AI и старший вице-президент по продукту HubSpot, уверен: привычная модель «программное обеспечение как услуга» уходит в прошлое. На смену ей приходит «результат как услуга». В своем блоге он пишет: «Мы внедряем искусственный интеллект не просто ради моды. Мы работаем с AI, чтобы клиенты получали то, что действительно важно: больше лидов, быстрое закрытие сделок и довольных покупателей».

Notion: AI-ассистент, который меняет правила командной работы

AI-пространство от Notion — это не просто чат-бот для ускорения работы с текстами. Оно понимает всю вашу базу знаний и умеет собирать информацию из разных файлов. Благодаря этому окружающая рабочая среда меняется — привычные схемы работы улучшаются по‑настоящему. Notion уверена: это решает сразу несколько задач для компаний, которые внедряют искусственный интеллект. Купив только один продукт, вы получаете интеграцию рабочих процессов, безопасность данных и единое простое пространство для обучения и работы.

Где искать новые точки роста с помощью AI:

Начните с самых сложных клиентских задач:

• Какие функции вы откладывали из-за нехватки ресурсов?
• Какие просьбы клиентов ждут своей очереди, потому что требуют слишком много времени?
• Что бы вы предложили рынку, если бы у вас был доступ к бесконечным часам работы разработчиков?

Присмотритесь к непростым бизнес-решениям:

• Какие сервисы нельзя масштабировать, потому что они требуют постоянного вмешательства человека?
• Какие сценарии персонализации обходятся слишком дорого?
• На какие отчёты уходит столько времени, что к моменту появления они уже устарели?

Получить базовый эффект — теперь не преимущество, а норма. Настоящее конкурентное преимущество получают те, кто создает новую ценность с помощью умных технологий.

Пять барьеров на пути к искусственному интеллекту — и почему они не исчезнут сами

Трансформация с помощью AI тормозится не технологиями, а внутренними страхами и сопротивлением команды. Как заметил один продакт-менеджер: «У нас есть те же инструменты искусственного интеллекта, что и у других, но мы до сих пор мешаем сами себе двигаться вперед».

Ваш переход к искусственному интеллекту зависит от самого уязвимого элемента вашей системы. Многие руководители даже не догадываются, что это за “слабое звено”, поэтому фокусируются на решении не тех задач.

Давайте разберём пять типовых препятствий, которые снова и снова появляются при запуске AI:

1. Политика и неясные границы: AI рушит привычный порядок

AI открывает в компании новые горизонты: инженеры тестируют UX-прототипы, дизайнеры пишут код, а продуктовые менеджеры собирают дизайн-макеты, готовые к запуску.

Борислав Николов, технический директор Rekki, отмечает: даже специалисты без технической подготовки осваивают написание простых программ. На словах это звучит как преимущество, но зачастую приводит к политическим сложностям.

Границы между привычными ролями стираются, а вот “власть” и система согласований остаются прежними. Люди хотят пробовать новое, но не рискуют выйти за рамки своей зоны ответственности — боятся “перейти дорогу” коллегам или навлечь недовольство руководства. Бюрократия мешает использовать возможности AI на полную, а неловкие конфликты чаще всего замалчиваются. В результате многие проекты просто останавливаются на полпути.

Ключ к решению: Люди вдохновлены AI, но путаются в ролях и ограничениях — это сдерживает внедрение новых инструментов.

2. Доработки вместо больших перемен: почему эволюция тормозит революцию 

Чаще всего внедрение AI выглядит так: “Давайте ускорим наш процесс хотя бы на 10%”. В итоге, компании просто “накладывают” искусственный интеллект на старые схемы, не задаваясь вопросом, а нужны ли эти процессы вообще.

Такой подход кажется понятным и безопасным — улучшения происходят, но они не меняют сути работы. Да, какая-то задача теперь занимает не три часа, а полтора, и команда осваивает новые инструменты. Но истинный потенциал AI вскрывается редко: иногда задачу и вовсе можно было бы убрать или переосмыслить.

Поэтому многие IT-директора (CIO) задаются вопросом: а оправдываются ли вложения в AI? Деньги тратятся, а результат виден только в мелких изменениях, вместо настоящего преобразования работы.

Вывод: AI помогает вашей команде ускорить рутинные задачи, но прорывов и новых возможностей не появляется.

3. Когда защита тормозит развитие: как юристы, IT и финансы мешают внедрять новое

Юридические отделы, IT и финансы стоят на страже интересов компании — они защищают бизнес от рисков. Но стоит им начать определять правила игры, как бизнес перестает двигаться вперёд.

Что происходит на практике?

• Юридические отделы неделями согласуют одну версию договора на внедрение AI-сервисов. В результате процесс затягивается на месяцы.
• IT-специалисты создают длинные чек-листы по безопасности даже для тестирования простых инструментов.
• Финансовые команды продолжают экономить на всех SaaS-подписках, опираясь на опыт 2022 года, хотя к 2025-му AI станет ключевым драйвером бизнеса.

В новостях часто можно встретить истории о массовом внедрении AI-инструментов, но в реальности этим занимаются в основном энтузиасты и новые компании. Крупные B2B-компании до сих пор ищут подходы к масштабному запуску новых решений.

Есть и более глубокая проблема — эти команды редко понимают потенциал AI-технологий. Юристы и финансисты стараются снизить риски, но не задумываются о том, что из-за их осторожности компания теряет время и возможности для роста. Это их зона ответственности, и раньше такой подход работал. Но в этот раз бизнес-трансформация набирает скорость, которую никто не ожидал. Искусственный интеллект меняет всё куда быстрее — и неожиданнее, чем любые другие технологии за последние 20 лет.

Гилл Бёрто (CEO Livestorm) описал в LinkedIn подход своей команды: «Мы стремимся внедрить AI во всех инструментах компании». Он поддерживает запуск цифровых ассистентов и делает важный акцент — сперва настраивают базу: данные, шаблоны, готовых агентов. Так каждый сотрудник может сразу включиться в работу:

Всю сложную подготовку мы берём на себя (источники данных, шаблоны, рабочие агенты), чтобы остальные могли быстро начать экспериментировать. За технику отвечают Data Ops и я сам, но создание агентов нельзя замыкать на одной команде — это тормозит всех и мешает обучаться.

Главный вывод: Ваши инициативные сотрудники могут разочароваться и пойти в обход официальных процедур, если процессы закупки слишком затянуты. Остальные просто не будут пробовать новые AI-инструменты, если им мешают лишние сложности.

4. Почему поверхностные знания мешают освоить ИИ

Одного чтения рассылок и прослушивания подкастов недостаточно, чтобы компания действительно изменилась. Обычно обучение работе с искусственным интеллектом (AI) проходит так же, как и любое другое повышение квалификации: на это выделяют немного денег, дают пару ресурсов — и ждут, что сотрудники сами во всём разберутся.

Но освоение AI — это нечто большее. Здесь нужен глубокий, слаженный процесс обучения. Сотрудникам важно не просто освоить теорию, а попробовать работать с реальными инструментами, увидеть новые способы решения задач и получить время на то, чтобы привыкнуть мыслить иначе.

Коротко: Люди понимают важность AI и умеют рассуждать об этой теме. Но редко знают, как начать применять его в своей ежедневной работе.

5. Преграды разрешений: «А вдруг нельзя?»
«Я не уверен, что мне вообще можно заниматься этим. Не хочу ошибиться».

Этот страх я слышу в разговорах снова и снова. Даже талантливые и опытные сотрудники начинают сомневаться, стоит ли им экспериментировать. Они видят возможности AI, но боятся перейти некую невидимую черту.

В таких случаях недостаточно просто дать всеобщий «зелёный свет». Гораздо важнее чётко объяснить, что можно делать, а что нельзя. Некоторые компании делят сотрудников на группы — у каждой свой уровень доступа — и одновременно выстраивают систему доверия и контроля.

Реальность такова: люди либо постоянно уточняют, за что несут ответственность, либо и вовсе не решаются пробовать новое, опасаясь нарушить негласные запреты.

Во многих организациях встречается сразу несколько подобных преград. Крайне важно понять, что именно мешает продвигаться вперёд: неясные границы, затяжные закупки или размытые роли?

Дальше нужно выстроить пошаговый, понятный процесс для решения этих проблем и запуска изменений на практике. Для этого пригодится модель CODER — структурированная система внедрения изменений.

Как внедрять ИИ без хаоса: методика CODER от Reforge

В программировании хороший код превращает исходные данные в ожидаемый результат с помощью четких шагов. Точно так же работает и фреймворк CODER для внедрения искусственного интеллекта (ИИ). Эта методика помогает справиться с хаосом в компании и навести порядок за счет пяти ключевых элементов.

Недавно менеджер продукта из крупной SaaS-компании поделился показательной историей о том, как всё идет не так без CODER. Генеральный директор написал внутренний манифест о том, что компания сделает ставку на ИИ. Вдохновленный этим, менеджер с помощью инструмента для вайб-кодинга (vibe coding) решил быстро создать прототип новой функции и в короткие сроки получил довольно перспективный результат. Однако инженеры и дизайнеры моментально притормозили процесс, из-за чего менеджер разочаровался и забросил проект.

Спустя несколько недель, на корпоративной вечеринке, он всё же показал прототип генеральному директору. Тот был в восторге от идеи, но расстроился: из-за бюрократии команда упустила момент и не смогла быстро запустить полезную функцию. На следующее утро директор дал явное разрешение продолжить работу и начал искать подходящую стратегию интеграции ИИ в продукт.

Framework CODER помогает избежать ситуации, когда судьба инноваций решается лишь благодаря случайным разговорам вне офиса. Вот пять главных составляющих этой методики:

1. Ограничения (Constraints): главная сила внедрения

Ограничения — ключевой элемент системы. Их задача проста: сделать новое поведение настолько лёгким и понятным, чтобы внедрять ИИ предпочитали сами сотрудники. Тогда интеграция искусственного интеллекта перестаёт быть отдельным проектом — она становится естественным развитием компании.

Ведущий менеджер из крупной ИИ-компании рассказал мне показательный пример. Их команда сравнивает себя с другими компаниями с такой же выручкой, но намеренно держит свой штат в пять раз меньше рыночного. Благодаря этому, например, их финансисты сами осваивают SQL, чтобы работать с данными, вместо того чтобы просить нанять больше аналитиков.

Менять привычные процессы сложно и пугающе, поэтому без внешнего давления люди не спешат пробовать новое. Хорошо продуманные ограничения помогают именно здесь. Обычно их делят на четыре типа.

Яркий пример — политика одного CEO. Он объявил: «Я рассматриваю только те проекты, где чётко видно, как результат стал лучше с помощью ИИ. Не можете этого показать — встречу переносим, возвращайтесь, когда сможете».

Такое правило заставило все команды внедрять ИИ не для галочки, а ради реальных улучшений и как стандарт общения с руководством.

2. Кто ведет за собой перемены (Ownership): личная ответственность за AI-трансформацию

Кто реально двигает этот процесс вперед? Недостаточно просто объявить: «Теперь мы — AI-first-компания» и надеяться, что все само заработает. Должен быть человек, который задает темп, принимает решения и убирает преграды, когда команды сталкиваются с трудностями.

Масштабные изменения в культуре невозможны без участия топ-руководства — чаще всего, это CEO или основатель. Им не нужно становиться экспертами в AI, но только они могут направить всю организацию в новое русло и поддержать людей своим авторитетом.

Вот как действует Shopify. Тоби Люкке лично стал двигателем изменений. Когда команды упирались в закупки или путались в ролях, у всех был понятный способ быстро донести проблему до того, кто примет решение.

Однако двигать трансформацию должен не только руководитель компании. Каждый лидер направления берет на себя ответственность за изменения у себя в отделе:

• CPO (директор по продукту) внедряет AI в разработку продукта,
• CTO (технический директор) отвечает за интеграцию в инженерные процессы и IT-инфраструктуру,
• CMO (директор по маркетингу) переводит маркетинг на создание контента с помощью AI.

Иногда создают отдельную позицию — вице-президент по AI, который помогает командам договариваться между собой и не забывать об интересах бизнеса: юридической службе, IT и финансах проще управлять рисками, когда есть единый координатор. Теперь вместо того чтобы пять продуктовых менеджеров ломали голову над закупками, этим занимается специально обученный человек.

3. От вдохновения к делу (Directives): даём командам четкие шаги

Правильно выстроенные ожидания — это только начало, а вот чёткие указания показывают сотрудникам, за что браться прямо сейчас. На этом этапе важно перейти от «мы хотим вот так» к «начните с этого шага».

Лучше всего работает, когда для каждой команды определяют 2-3 понятных и конкретных действия. Если указаний мало, людям сложно стартовать. Если их слишком много — появляется растерянность и откладывание решений.

Хорошая директива — это то, что можно сделать сразу. Люди должны начинать внедрять изменения в тот же день, как только услышали задание, без долгих согласований и ожидания ресурсов.

Примеры четких и понятных инструкций для разных команд:

Разработка продукта:

• На каждом этапе создаём AI-прототип до обсуждения дизайна.
• При написании пользовательских сценариев обязательно используем проверку персонажей через искусственный интеллект.

Продажи:

• Все клиентские звонки фиксируем в CRM с помощью инструментов ИИ для расшифровки и подведения итогов.
• Отчёты о конкурентах формируем, подключая ИИ к анализу открытых данных.

Работа с клиентами:

• Входящие обращения сначала обрабатываем с помощью решений на базе искусственного интеллекта, и только если не удаётся — переводим дальше.
• Для оценки удовлетворенности клиентов учитываем аналитику ИИ: он выявляет паттерны использования продукта и анализирует тональность общения.

Важно: эти инструкции не ограничиваются формулировкой «использовать ИИ». В каждой из них чётко указано, когда именно и каким образом искусственный интеллект должен встраиваться в привычные рабочие процессы.

4. Ожидания (Expectations): превращаем слова в реальные действия

Четко сформулированные ожидания помогают перевести стратегию в конкретные шаги. Вам нужны ясные инструкции: как, на ваш взгляд, должна выглядеть интеграция искусственного интеллекта в ежедневную работу.

3 признака надежных ожиданий:

• Конкретика. Вместо «эффективно используйте ИИ» лучше сказать: «На этапе проверки в каждой функции продукта должен быть хотя бы один прототип, созданный с помощью ИИ».
• Одинаковый подход для всех. Как заметил один генеральный директор: здесь нет исключений — участвуют все, неважно, технический ты специалист или руководитель высокого уровня.
• Измеримость. Сотрудник сразу понимает, соответствует ли он ожиданиям, и не гадает о критериях.

Примеры, как превратить абстракцию в ясную инструкцию:

• Продуктовые команды: перед представлением итогов обязательно анализируем пользовательские исследования с помощью инструментов ИИ.
• Инженерные команды: в ревью кода всегда включаем оценку безопасности и производительности с помощью искусственного интеллекта.
• Маркетинговые команды: три идеи от искусственного интеллекта до старта проекта. В каждом брифе кампании должно быть минимум три креативные концепции, придуманные искусственным интеллектом. Только после этого команда начинает работу с внешним агентством.

Главная задача здесь — не устанавливать жесткий контроль, а показать сотрудникам четкие шаги. Это помогает понять, как именно внедрение AI влияет на каждую роль в команде.

5. Вознаграждение (Rewards): как связать карьеру с развитием в AI

Люди начинают менять свои привычки, когда внедрение новшеств влияет на их карьеру. Если не добавить ясных критериев, даже самые мотивированные сотрудники об AI быстро забывают, когда работа идёт авралами.

Важно встроить ответственность за внедрение AI в привычные процессы управления эффективностью:

• Обратная связь: Использование AI включается в оценку результатов работы. Это не просто дополнительный пункт, а часть основного анализа вашей деятельности.
• Руководства по росту: Обновите карьерные ожидания — сотрудник должен уметь использовать AI для решения своих задач. Без этого перейти на следующую ступень не получится.
• Критерии для повышения: Внедрение AI становится одним из ключевых факторов при принятии решений о продвижении. Так появляется реальная мотивация осваивать новые технологии, а не откладывать их “на потом”.

В одном из стартапов, с которыми я сотрудничал, полностью обновили карьерную лестницу инженеров. Теперь “разработка с применением AI” стала обязательным навыком для продвижения. Чтобы занять старшую позицию, инженеру нужно не только писать код, но и уметь автоматизировать тестирование и быстро искать ошибки с помощью AI.

В Zapier навык работы с AI оценивают по разным должностям — на чёткой шкале. Это позволяет каждому понять, что от него ждут и куда расти дальше.

Такой подход работает потому, что связывает личное развитие с внедрением искусственного интеллекта в компании. AI перестаёт казаться чем-то “по желанию” и становится реальным условием для развития и карьерного роста.

Изменения к лучшему — не случайность.  

Фреймворк CODER помогает двигаться вперёд, потому что меняет работу сразу на нескольких уровнях. Здесь не приходится надеяться, что люди как-то сами изменятся — вы выстраиваете такие процессы, когда перемены становятся естественным продолжением повседневной работы.

Дальше важно понять, как этот подход будет работать именно у вас. Для этого стоит честно оценить, насколько команда готова к переменам.

Кто ускоряет внедрение искусственного интеллекта — катализаторы, сторонники и консерваторы

Сотрудники по-разному относятся к появлению AI: кто-то берётся за новое с энтузиазмом, а кто-то — осторожничает и тянет время. У всех разный уровень мотивации и навыков.

Как правило, в компании всегда встречаются три четкие группы, когда речь заходит о новых способах работы. Важно понимать эти различия — тогда для каждой группы получится подобрать свой подход.

В большинстве случаев распределение выглядит так:

— 15-20% — катализаторы изменений
— 60-70% — сторонники (основная масса)
— 15-20% — консерваторы

Ваш успех будет зависеть от того, насколько вы сможете вовлечь сторонников и при этом управлять крайностями. Делать ставку только на катализаторов не получится (их немного), а давать консерваторам возможность тормозить всю команду — тоже не вариант.

Катализаторы: Двигатели перемен внутри компании

Катализаторы — люди с настоящей жаждой знаний и внутренней мотивацией. Это те, кто сам первым ищет новые курсы, добивается, чтобы компания оплачивала инструменты AI, и не устает делиться полезными находками с коллегами.

Что важно для катализаторов:

• Не мешайте им двигаться вперед
• Снимайте лишние преграды и бюрократию
• Давайте задачи, которые по-настоящему бросают вызов и позволяют раскрыться
• Делитесь их достижениями с другими командами

Чего делать не стоит: Не думайте, что все — катализаторы. На самом деле, только небольшой процент сотрудников по-настоящему вдохновлен искусственным интеллектом и стремится исследовать что-то новое.

Часто основатели и топ-менеджеры сами оказываются катализаторами по духу. Однако не стоит ждать этого от всей команды. Большинство не будут менять привычки только из-за вашего энтузиазма. Признайте, что примерно 70% коллектива нужны четкие ориентиры и понятная поддержка. Постройте для них обучающие маршруты, покажите работающие примеры и дайте функции поддержки тем, кто готов меняться — чтобы катализаторы могли свободно экспериментировать и вести за собой.

Сторонники: Ваши союзники в масштабных изменениях

Это самая большая группа сотрудников. Сторонники готовы осваивать AI, но им нужны понятная структура, регулярная поддержка и чёткие инструкции. Они не сопротивляются переменам, но и не рвутся искать новые решения самостоятельно.

Сторонники раскрывают потенциал, когда знают, чего от них ожидают, видят понятные стимулы и получают помощь по ходу дела. Им важно понимать, по каким правилам играть, и видеть, что руководство действительно серьезно относится к внедрению перемен.

Что важно для сторонников:

• Четко выстроенное обучение с практическими примерами
• Видимые стимулы, которые связаны с карьерными возможностями
• Регулярные проверки — это помогает не сбиваться с курса.  
• Внутренние истории успеха, чтобы команда могла учиться на реальных примерах.

Что не стоит делать: не убирайте все рамки. Пусть ограничения останутся — они нужны, чтобы не скатиться к старым привычкам, даже если команда уже готова к переменам.

Консерваторы: что делать с теми, кто тормозит развитие

В каждой организации найдутся те, кто мешает двигаться вперед. Кто-то сомневается, нужен ли искусственный интеллект. Кто-то боится новых задач и волнуется за свое место. Самые трудные — те, кто молча тянет назад, но на словах поддерживает перемены.

Вот что важно помнить: надеяться, что консерваторы со временем сами поменяют мнение, нельзя. В мире быстрых изменений это слишком опасно.

Что нужно этим сотрудникам:

• Совершенно понятные задачи и сроки
• Прямой выбор: работать вместе или уйти 
• Поддержка для тех, кто хочет измениться  
• Быстрая реакция, если сопротивление продолжается

Чего не делать: не тратьте время на уговоры и дополнительные доказательства. Терпение не помогает скептикам принять новое.

Главное — открыто проговаривать ожидания и зоны ответственности. Помогайте тем, кто хочет влиться в перемены, но не давайте сопротивляющимся замедлять общий прогресс. Иногда лучшее решение — помочь человеку найти роль, которая действительно ему подходит.

Хотите лучше разобраться с темой ИИ?

💡 В этом разделе блога — подборка материалов про ИИ-инструменты и их применение в командах.

💡 А здесь я объяснял, почему ИИ делает громоздкие команды пережитком прошлого.

💡 Хотите освоить AI на практике? Ждем вас на курсе «Основы ИИ в менеджменте»: освоите работу с AI-инструментами, научитесь формулировать точные запросы и автоматизировать рутину.