Стратегия ИИ в бизнесе: как расставить приоритеты, избежать ошибок и почему стратегия по-прежнему решает всё

Руководители бизнеса часто задают нам вопросы о генеративном ИИ. Вот самые популярные: Когда искусственный интеллект сможет сравниться с моими лучшими сотрудниками? Достаточно ли он точен, чтобы приносить реальную пользу компании? Не отстаёт ли мой ИТ-директор в гонке за цифровую трансформацию? Чем занимаются конкуренты в области GenAI? Эти вопросы звучат логично, но они не помогают продвинуться вперёд. Они фокусируются на самом ИИ и его развитии — насколько он умен и как быстро становится лучше. Но куда важнее — понять, какое влияние GenAI может оказать на стратегию бизнеса и как его использовать для реальных бизнес-результатов.

Главный вопрос, который стоит задать: как моя компания может уже сейчас эффективно использовать GenAI, несмотря на его ограничения? И как превратить его в источник конкурентного преимущества?

В этой статье мы делимся выводами, основанными на нашем опыте работы с сотнями руководителей, запуске собственных проектов с GenAI и исследованиях цифровой трансформации. Мы считаем, что осторожная позиция «подождем и посмотрим», которую часто выбирают из-за недостатков ИИ, например, «галлюцинаций» (выдуманных ответов), может быть рискованной. Но мы не утверждаем, что выигрывает тот, кто бежит быстрее всех. Выигрывает тот, у кого есть стратегия. Компаниям важно внедрять ИИ по-своему — не так, как конкуренты или другие игроки на рынке. 

---

---

Вот почему стоит начинать использовать генеративный ИИ уже сейчас:

GenAI доступен каждому сотруднику, а не только айтишникам

Долгое время искусственный интеллект был уделом инженеров, программистов и аналитиков данных. С появлением GenAI, в первую очередь ChatGPT от OpenAI, всё изменилось. Теперь работать с ИИ можно через обычный текст — на привычном языке. И это не просто рост «интеллекта», главное — резко снизился порог входа. Сегодня любой сотрудник может использовать ИИ-инструменты без специальных технических знаний, без помощи аналитиков или разрешения ИТ-отдела. Более того, ИИ всё чаще появляется в привычных рабочих инструментах: электронной почте, видеозвонках, таблицах, CRM- и ERP-системах. Это ещё сильнее упрощает внедрение и даёт возможность каждому сотруднику ускорить рутинные задачи и повысить эффективность работы с генеративным ИИ.

Это достижение в общении между человеком и компьютером напоминает переход от командной строки к графическому интерфейсу. В 1980-х Windows полностью изменил представление о персональных компьютерах — не потому, что сделал их мощнее, а потому, что позволил людям использовать их возможности без изучения команд MS-DOS. Точно так же генеративный ИИ открывает доступ к сложным моделям машинного обучения каждому, кто может общаться с ним письменно или голосом.

Создавать реальную ценность можно уже сегодня 

Ждать появления идеального, «всемогущего» ИИ — ошибка. Несмотря на ограничения, генеративный ИИ уже сейчас помогает экономить время, снижать расходы и находить новые источники выгоды. Если откладывать внедрение только потому, что результат не совершенен, можно упустить шанс. Сравнивать стоит не с абстрактным идеалом, а с тем, как всё устроено сейчас: GenAI уже сегодня помогает упростить рутину и повысить эффективность.

Преимущество появляется не тогда, когда вы внедряете ИИ быстрее конкурентов, а когда делаете это осознанно и стратегически

Долгосрочный выигрыш возможен только при уникальном подходе. Доступ к генеративному ИИ открыт для всех. Если вы и ваши конкуренты используете одни и те же инструменты для одинаковых задач, большую часть выгоды со временем получат другие участники рынка, когда маржа начнет снижаться. Более того, ваши клиенты и поставщики могут обойти вас, если начнут делать сами то, что раньше поручали вам. Поэтому конкурентное преимущество зависит от того, насколько нестандартно вы используете генеративный ИИ: какие задачи доверяете ему и как переосмысливаете процессы, как усиливаете его человеческой экспертизой и какие новые возможности открываете для себя.

Генеративный ИИ: как выбрать, с чего начать

ИИ сегодня доступен почти каждому и подходит для самых разных задач. Это создает новую дилемму: как сузить список возможностей и понять, где лучше всего использовать такие технологии? Вместо того чтобы сравнивать работу GenAI с действиями человека, разберите любую профессию на отдельные задачи и спросите себя: что из этого уже сейчас может делать искусственный интеллект?

Давайте рассмотрим такие сферы, как подбор ключевых сотрудников, диагностика рака или психотерапия для людей из группы риска. Эти области часто называют примерами, где GenAI приближается к человеческому уровню мышления и тонкости. Но идея полностью заменить здесь людей вызывает серьёзное сопротивление, и это понятно. Цена ошибки слишком высока: неверная диагностика или неправильная работа с уязвимым человеком способны изменить чью-то жизнь. Ошибочный выбор руководителя может надолго испортить атмосферу в компании.

Теперь посмотрим на другой тип задач: подготовка сводки отзывов студентов о курсе, первичный отбор резюме или распределение больничных коек. Главное отличие этих примеров не в сложности работы, а в последствиях ошибки. Если сводка пропустит важную деталь или фильтр резюме не заметит талантливого кандидата, риск ограничен. А распределение коек в больнице зависит в основном от четких данных — например, количества свободных мест, нужд пациентов и сроков выписки. С такими задачами ИИ справляется стабильно и надежно.

Этот пример показывает важный принцип: пригодность генеративного ИИ для конкретной задачи зависит не только от его способностей. Есть два более глубоких фактора, которые играют ключевую роль.

Первый — цена ошибки. Насколько серьезными будут последствия, если ИИ ошибется? Если промах может привести к большим убыткам, репутационному риску или другим серьёзным проблемам, стоит внедрять ИИ только под контролем человека.

Второй фактор — какие знания нужны для решения задачи. Если задание опирается на четкие данные, которые можно собрать и обработать, например, первичный отбор резюме или создание коротких отчетов о курсах, такие задачи отлично подходят для генеративного ИИ.

Но есть и другие задачи. Например, психотерапия, подбор сотрудников с учетом «мягких» навыков или сложные управленческие решения. Здесь нужны не только факты, но и эмпатия, этическое мышление, интуиция, понимание контекста. Всё это формируется только через человеческий опыт.

Для генеративного ИИ такие задачи гораздо сложнее. Они требуют не просто обработки информации, но и умения улавливать нюансы, гибко реагировать на ситуацию и принимать решения в условиях неопределенности.

Эти два критерия — цена ошибки и тип нужных знаний — лежат в основе нашего фреймворка. Он помогает понять, где и как генеративный ИИ действительно принесёт пользу.

(См. схему «Как выбрать области для внедрения генеративного ИИ» — практический фреймворк)

---

---

Фреймворк: как найти лучшие задачи для автоматизации с помощью ИИ

Чтобы определить оптимальные варианты внедрения ИИ в вашей организации, сначала необходимо выявить список задач и оценить их по двум факторам: Каковы последствия, если ИИ допустит ошибку? Какой тип знаний для этого требуется? Определив место каждой задачи в матрице, вы сможете выбрать подходящий уровень поддержки со стороны ИИ.

Как иллюстрирует эта схема, некоторые задачи лучше всего поручить только ИИ, другие решать в тандеме человека и ИИ, а некоторые по-прежнему требуют исключительно человеческого участия.

Тип требуемых знаний

Неявное знание

Относится к опытным, интуитивным и часто специфичным для контекста инсайтам — например, разработка маркетинговой кампании, интерпретация неявных сигналов на переговорах или принятие сложных стратегических решений с учетом компромиссов. Неявное знание формируется через личный опыт и с трудом поддается формализации, поэтому задачи, требующие его, текущим моделям GenAI выполнять сложнее.

Явные данные

Могут быть четко сформулированы, документированы и сохранены — будь то структурированные данные (числовые данные о продажах, базы данных запасов, операционные журналы и т.п.) или неструктурированные (например, письменные политики и процедуры, отзывы клиентов и ответы на открытые опросы).

Тип требуемых знаний	Цена ошибка: высокая. Ошибки могут привести к репутационным потерям, судебным рискам или даже физическому вреду — например, некорректная финансовая отчетность или ошибочные	Цена ошибка: низкая.  Ошибки приведут к незначительным промахам — например, мелкая ошибка в черновике или упущенный нюанс в ответе клиенту.
Неявное знание	ЧЕЛОВЕК ВПЕРЕДИ Человек ведет и делает основную работу. ИИ помогает с мелкими задачами. • Определение стратегии • Интеграция систем на уровне предприятия • Принятие дисциплинарных решений	КРЕАТИВНЫЙ КАТАЛИЗАТОР ИИ создает варианты, а человек выбирает. • Создание рекламных объявлений • Составление планов сценариев продаж • Разработка продуктов
Явные данные	КОНТРОЛЬ КАЧЕСТВА ИИ выполняет работу, а человек проверяет ее. • Подготовка контрактов • Написание рабочего кода • Юридическая экспертиза документов	ЗОНА УВЕРЕННОГО ВНЕДРЕНИЯ (No Regrets) ИИ делает всё (человек не участвует). • Обработка массовых запросов от клиентов • Резюмирование документов • Первичный отбор резюме

Как использовать фреймворк

Внедрение фреймворка начинается с постановки точных вопросов об ИИ. Вместо того чтобы обсуждать, насколько «умен» GenAI и как быстро он развивается, компаниям стоит задуматься о его реальной пользе для конкретных задач. Важно спросить себя: где цена ошибки достаточно низка, чтобы уже сейчас доверить работу GenAI? Даже если в процессе важны человеческая интуиция и креативность, возможно, часть работы можно передать ИИ.

Чтобы использовать эту схему, начните с разбивки рабочих обязанностей на отдельные задачи и разместите их в соответствующих квадрантах матрицы, ориентируясь на стоимость возможной ошибки и тип знаний, необходимых для выполнения задачи. Распределение задач по квадрантам наглядно показывает, какие из них генеративный ИИ может выполнить быстрее, дешевле или качественнее.

No regrets: зона уверенного внедрения

В зоне уверенного внедрения (No regrets) — там, где цена ошибки минимальна, а знания легко формализовать, — открывается самая простая и выгодная возможность для внедрения GenAI. Именно здесь стоит запускать ИИ уже сегодня, а в будущем здесь появятся полноценные AI-агенты.

Задачи из этого квадранта основаны на чётких, хорошо задокументированных данных, а возможные ошибки не приводят к серьёзным последствиям. Здесь не нужна идеальная точность — главное, что такие задачи можно выполнять быстрее, дешевле и в большем объёме, чем раньше.

Рассмотрим несколько примеров из практики. GenAI может быстро просматривать резюме и отмечать кандидатов, которые точно подходят под заданные критерии. Он успешно автоматизирует утверждение мелких компенсаций — это простая, но утомительная задача с низким риском. GenAI также мгновенно готовит ответы на типичные вопросы клиентов, например о правилах возврата или сроках доставки. Замена людей на GenAI в таких задачах экономит время, а сотрудники могут заняться более важными делами.

Появляются и новые полезные задачи, которые люди раньше не выполняли из-за их монотонности, длительности или высокой стоимости. Например, раньше редко приглашали стенографиста на каждую встречу. Теперь ИИ за секунды фиксирует разговор, выделяет ключевые темы, действия и решения.

Когда вы решаете, стоит ли подключать ИИ к подобным задачам, не ограничивайтесь сравнением его качества с работой человека или попытками просто автоматизировать привычные процессы. Прорыв может прийти не только, когда вы заменяете старую работу, но и когда открываете новые возможности, которые раньше казались недоступными. Задайте себе ключевые вопросы:

• Даст ли экономия времени и денег от внедрения GenAI такой эффект, что мы готовы закрыть глаза на небольшое снижение качества?
• Как мы можем использовать Gen AI для задач, которые сейчас не выполняем или которые слишком дороги?

Креативный катализатор: территория, где рождается креатив

В этом квадранте, где цена ошибки невысока, а для решения задач нужно скрытое знание, ИИ становится настоящим катализатором креативности. Он помогает людям в работе, где ценится оригинальность и свежий взгляд. При этом человек всегда уточняет результаты, созданные ИИ, и сам решает, что внедрять в практику. Здесь ошибки допустимы, потому что оценка результата субъективна: не существует единственно верного рекламного слогана или идеального дизайна продукта — у каждого своё представление о хорошем. Поскольку небольшая неточность не приводит к серьёзным последствиям, GenAI способен заметно усилить креативность: ускорять эксперименты, генерировать больше идей и вовлекать в творческий процесс людей с разным опытом.

GenAI открывает новые возможности для всех — от новичков, которые раньше не считали себя креативными, до опытных лидеров, привыкших создавать инновации.

Чтобы эффективно использовать GenAI в этом квадранте, важно разбить творческую задачу на этапы и понять, где именно искусственный интеллект может усилить работу человека. Например, маркетологи могут за секунды получить 20 вариантов слоганов — и дать креативной команде широкий выбор для дальнейшей доработки. Дизайнеры способны быстро создавать разные визуальные или функциональные решения, а потом вручную выбрать и доработать лучшие концепции. Авторы презентаций могут поручить GenAI наметить ключевые пункты, предложить структуру или создать макеты слайдов, чтобы высвободить время для адаптации под конкретную аудиторию. Даже при обучении можно за пару минут сгенерировать имитационные интервью или другие симуляции, делая подготовку более насыщенной и интересной.

Не стоит спрашивать, может ли ИИ быть таким же креативным или оригинальным, как человек. Он изначально не создавался для этого. Вот что действительно важно:

• Может ли generative AI сэкономить время креативщикам?
• Может ли он помочь тем, кто не считает себя творческим, включиться в работу над идеями?

Территория, где решает человек

В этой зоне искусственный интеллект может выступать помощником, но не должен принимать решения самостоятельно. В таких задачах важно личное мнение, понимание тонкостей ситуации и умение делать сложный выбор. Ошибки в этой области могут привести к серьёзным последствиям — финансовым, юридическим, репутационным или даже личным. На кону часто оказываются доверие, этика и будущее компании: неудачный найм топ-менеджера способен разрушить корпоративную культуру, стратегическая ошибка — стоить миллиарды, а неверный медицинский диагноз — человеческую жизнь.

К этой зоне относятся задачи вроде поиска ключевых сотрудников, разработки стратегии, внедрения сложных корпоративных систем, управления кризисами и проведения деликатных HR-мероприятий. Все они несут высокий риск и требуют не только профессиональных знаний, но и тонкого понимания контекста, этических принципов и развитого эмоционального интеллекта — качеств, которые сложно формализовать или доверить алгоритмам.

В этих сферах использовать генеративный ИИ нужно очень осторожно. Он не может заменить человека в центре принятия решений. Роль ИИ здесь — помогать, а не руководить. Его вклад стоит ограничить, чтобы сохранить контроль за человеком.

Если внимательно разобрать задачи этого типа, становится ясно: генеративный ИИ может серьезно усилить работу эксперта. Он расширяет ваши возможности, но не забирает право на финальное слово. Например, при найме сотрудников GenAI помогает уточнить вакансии или подобрать вопросы для интервью. В стратегическом планировании — быстро собирает рыночные данные и замечает новые тренды. В корпоративном управлении — моделирует возможные репутационные риски. Во время кризиса — готовит черновики сообщений и следит за реакцией общества. В медицине — помогает врачам рассчитывать риск и сортировать пациентов по срочности. В работе с командами — предлагает шаги для повышения эффективности.

У руководителей и специалистов всегда найдется ряд таких задач, где ИИ — ценный помощник, но не главный игрок.

Не стоит гадать, когда GenAI станет настолько умным, чтобы работать без человека. Важно другое: какие задачи он уже сегодня может взять на себя, чтобы ваше мнение и решения стали сильнее?

Когда ошибки недопустимы: зона контроля качества

В этой зоне находятся задачи, где нужна глубокая экспертиза. Генеративный ИИ здесь прекрасно справляется с рутинной работой, ведь она основана на четких, структурированных данных. Но даже небольшая ошибка может привести к серьёзным последствиям. Такие задачи встречаются в сферах с высокой ответственностью: юриспруденции, финансах, разработке программного обеспечения. Здесь правила строго формализованы, а точность критически важна.

В этих случаях лучше всего работает подход с участием человека на ключевых этапах (human-in-the-loop). Генеративный ИИ обеспечивает скорость и масштаб, а люди берут на себя контроль, тонкую настройку и финальную ответственность.

Например, при подготовке юридических соглашений раньше юристу приходилось проходить несколько этапов: собирать требования клиента, формулировать пункты, согласовывать условия, вносить правки и утверждать итоговый текст. Теперь он может использовать различные ИИ-инструменты и за считанные минуты получить качественный черновик договора. Это освобождает время для переговоров и финальной проверки.

В разработке ПО решения вроде GitHub Copilot помогают создавать шаблонный код и предлагают варианты исправлений. Это ускоряет работу, но опытные разработчики всё равно тестируют результат и подтверждают его работоспособность.

В финансах GenAI способен быстро просканировать большие массивы документов, выявить аномалии и подсветить интересные возможности. Однако анализ контекста и принятие решений остаются за человеком.

В медицине ИИ может рекомендовать распределение пациентов по палатам на основе формальных критериев, но окончательное решение принимает врач, учитывая нюансы, которые алгоритму не видны.

Если задача связана с высоким риском и требует точных знаний, поручайте ИИ повторяющиеся, насыщенные данными этапы. Людям оставляйте шаги, где важны нюансы, интерпретация и итоговая ответственность. Такой подход помогает упростить рутину и снизить вероятность ошибок там, где они особенно опасны.

Чтобы понять, какие задачи относятся к этой категории, задайте себе такие вопросы: 

• В каких моментах без опыта и интуиции человека не обойтись?  
• Какие этапы работы можно спокойно передать на исполнение генеративному ИИ?

Часто говорят, что люди, использующие ИИ, вытеснят тех, кто им пренебрегает. На деле всё сложнее. Как видно из нашей схемы, часть задач лучше доверить ИИ, другие эффективнее решать вместе — человек плюс ИИ, а некоторые требуют только человеческого взгляда и решений. Вместо споров о том, кто кого заменит, важно разобраться: какие задачи по-настоящему остаются за человеком.

---

---

Как генеративный ИИ меняет правила игры в вашем бизнесе 

Когда ваши клиенты, поставщики и конкуренты получают доступ к тем же технологиям, возникает парадокс доступности: чем шире распространён инструмент, тем сложнее на нем заработать. Если все используют ИИ для одних и тех же задач и следуют одинаковым лучшим практикам, общий уровень эффективности растёт, но заметной прибыли никто не получает. В условиях конкуренции выгода уходит клиентам и поставщикам — через более низкие цены или выгодные предложения.

Мы уже видели это раньше. В эпоху Internet 1.0 те, кто первыми внедряли новые решения, получали краткосрочное преимущество. Но по мере того как цифровые технологии становились нормой, выигрывали в первую очередь потребители, а не компании. Вспомните, как в 2000-х массовое внедрение электронных авиабилетов привело к снижению тарифов — клиенты выиграли, а авиаперевозчики просто подтянулись друг к другу. С 1990-х CAD и ERP помогали перестроить производство и логистику, но сегодня такие системы — лишь необходимый стандарт, а не способ выделиться на рынке. Все эти примеры показывают: важно заранее готовиться к последствиям массового внедрения новых технологий.

AI-предприниматели: новые конкуренты на вашем рынке

В ближайшем будущем вашими главными соперниками могут оказаться уже не привычные компании, а новая волна предпринимателей, строящих свой бизнес на искусственном интеллекте. Представьте, что вы сегодня запускаете маркетинговое агентство с нуля. Вместо найма десятков сотрудников для исследований рынка, написания рекламных текстов, создания визуалов и общения с клиентами, небольшая команда экспертов — или даже один амбициозный предприниматель — скоро сможет поручить все эти задачи ИИ. Такие AI-first игроки будут легко работать в вашем темпе и масштабе, но с минимальным штатом. Уже сейчас появляются инструменты — от AI-агентов для разработки ПО до виртуальных продавцов. И это только начало: новые решения на подходе.

Как клиенты и поставщики могут использовать ИИ против вас

Генеративный ИИ меняет правила игры в переговорах. Это уже происходило в юридической сфере: раньше для анализа документов и поиска информации требовались десятки помощников и огромная библиотека. Теперь один юрист с ноутбуком и доступом к интернету справляется с этим быстрее и дешевле. Компании нанимают собственных юристов для рутинных задач, вместо того чтобы обращаться к большим юридическим фирмам. С 1997 по 2020 год число корпоративных юристов в США утроилось. Этот сдвиг ударил по Big Law сразу с двух сторон. Во-первых, клиенты стали требовать прозрачности и удобных тарифов: сегодня почти 90% крупных фирм предлагают фиксированную цену или другие гибкие модели. Во-вторых, юристы, которые раньше работали по 100 часов в неделю в престижных компаниях, теперь могут перейти в штат клиента или запустить собственную практику, используя цифровые инструменты вместо сложной инфраструктуры старых компаний.

GenAI ускоряет этот процесс. Теперь корпоративные клиенты могут передавать еще больше юридических задач внутрь компании — благодаря ботам для юридических исследований и агентам, способным составлять контракты. То же самое происходит и с другими профессиональными услугами: контрактная разработка ПО, консалтинг по сделкам слияния и поглощения (M&A), реклама. Самые талантливые и амбициозные сотрудники таких фирм получают больше возможностей для развития карьеры.

Как выделиться на рынке с помощью генеративного ИИ

Как мы уже говорили, важно реагировать быстро. Но одной скорости недостаточно, чтобы обогнать конкурентов. Нужно выстроить стратегию, которая позволит вашей компании создавать ценность по-новому, используя GenAI. Вот что мы советуем сделать:

Откройте доступ к ИИ для всех сотрудников

У каждого в команде есть задачи из всех четырех блоков нашей модели, поэтому каждый может делать больше с помощью GenAI. Пусть сотрудники сами определят, какие задачи ИИ выполняет лучше — или хотя бы не хуже человека. Предложите им подумать и о тех задачах, которые раньше казались слишком дорогими или сложными, но теперь их можно быстро и недорого реализовать с помощью GenAI. Например, отправлять персональные поздравления всем деловым контактам за год или быстро подводить итоги каждой встречи.

Эксперименты и обучение стоит поддерживать на всех уровнях. Руководители могут подчеркивать важность этой работы, а сотрудники — делиться опытом на специальных форумах. Для этого понадобятся быстрые и удобные каналы, чтобы команды могли тестировать и внедрять новые инструменты в реальные рабочие процессы.

Уберите барьеры на пути к инновациям

Начните с устранения «узких мест», которые мешают вашим сотрудникам использовать эти мощные инструменты. Если доступ к ним задерживается из-за очереди в ИТ-отделе или скрывается за сложными согласованиями, вы уступаете конкурентам. Их команды уже пробуют новые решения прямо сейчас.

ИТ-отделы просто не успевают за лавиной новых моделей и специализированных приложений, которые появляются каждый месяц. Если отдать полный контроль над генеративным ИИ только директору по технологиям (CTO), даже самому опытному, вы рискуете замедлить развитие компании.

В 2023 году JPMorgan Chase временно запретил сотрудникам пользоваться ChatGPT, пока службы безопасности проводили внешний аудит. Это была разумная мера предосторожности, но из-за неё 60 000 сотрудников лишились возможности экспериментировать с ИИ.

Любая компания сталкивается с подобным выбором. Опасения по поводу кибербезопасности вполне обоснованы. Но если сотрудники слышат только запреты, инновации не будут приживаться.

Многие ИТ-руководители стараются закрыть все возможные риски. Однако лучше сфокусироваться на действительно важных угрозах — например, на утечках персональных или других особо чувствительных данных. Такие риски стоит закрывать точечными правилами для сотрудников и отдельными проверками поставщиков.

Когда основные барьеры сняты, самое время выстроить стратегию. Чтобы ваши проекты с генеративным ИИ действительно выделяли компанию на фоне конкурентов, нужно сосредоточиться на двух долгосрочных направлениях.

Переосмыслите все активы как данные

Первые поколения GenAI работали только с открытыми источниками. Сегодня компании всё чаще дают сотрудникам доступ к своим уникальным, закрытым данным. Это позволяет искать нужную информацию через поисковые системы на базе ИИ или даже обучать модели на внутренних знаниях компании. Если вы хотите использовать такие возможности, начните с нескольких ключевых шагов.

Соберите все данные в одном месте

Сначала определите, где сейчас хранятся ваши данные, и объедините их. Обычно информация разбросана по отделам, регионам и функциям. Соберите всё в единую систему — именно она может стать вашим главным преимуществом. Пример: ещё в 2000-х компания Harrah’s Entertainment начала складывать данные о каждом визите в казино, каждом заселении и каждом чеке в одно хранилище. Благодаря этому компания росла быстрее конкурентов. Другие могли скопировать шоу-программы, но не их культуру работы с данными. Сейчас дисциплина в сборе и консолидации информации стала ещё важнее. Генеративный ИИ помогает находить ценные идеи даже в хаотичных и неструктурированных массивах — будь то данные партнёров или активы после слияний. Чтобы создать такую инфраструктуру, нужны годы, поэтому начните двигаться в этом направлении уже сегодня.

Проверьте, какие данные вы еще не собираете

Любое действие компании — от общения с клиентами до внутренних писем и встреч —  становится источником уникальных данных. Их можно собрать и использовать с пользой. Данные, которые вы не фиксируете сейчас, — словно семена, которые так и не были посеяны. Начните собирать ключевые потоки информации уже сегодня, чтобы «дерево» дало плоды тогда, когда это будет нужно.

Перестройте компанию ради прорыва

Просто внедрить ИИ в старые процессы недостаточно. Со временем этого будет мало. Компаниям придётся пересмотреть подход и строить бизнес вокруг возможностей ИИ с самого начала. Придётся иначе организовать работу людей и данных, чтобы получать максимальную отдачу.

Начнем с данных. Даже эксклюзивные данные со временем теряют уникальность. Но сложно повторить успех компании, которая с самого начала выстроила процессы так, чтобы постоянно получать пользу от своих данных. В 1990-х Capital One полностью перестроила банк под работу с данными. Они объединили маркетинг, риск-менеджмент и IT, а также запускали тысячи небольших экспериментов в год. Операционные команды, сервис и HR поддерживали этот обучающий «двигатель». Самый известный эксперимент — предложение balance transfer с низкой промо-ставкой. Клиенты могли переводить долги по кредитным картам из других банков на карты Capital One. Это решение привело к резкому росту числа счетов. Компания внимательно следила за поведением пользователей. Со временем данные показали: новые клиенты чаще относятся к группе высокого риска. Руководство вовремя закрыло продукт. Конкуренты, не имея такой обратной связи, продолжали копировать акцию — и в итоге столкнулись с огромными убытками.

Сегодня компаниям важно выстроить быструю обратную связь между данными и обучением. Это позволит быстрее конкурентов превращать идеи в реальные действия.

Кроме того, пора по-новому взглянуть на то, как использовать потенциал сотрудников. Инструменты генеративного ИИ помогают экономить много времени, но первые исследования показывают: эта выгода легко теряется в пустых хлопотах, рутинных задачах без пользы или просто в простое. Чтобы сэкономленное время не исчезало впустую, относитесь к нему как к любому другому ценному ресурсу — управляйте им осознанно.

Руководителям стоит вместе с командой отслеживать, сколько часов ИИ освобождает от ключевых задач. Важно заранее договориться, на что будет направлено это время, и связывать признание или награды с тем, насколько эффективно оно используется. Такие подходы нужно постоянно обновлять вместе с развитием технологий, чтобы ИИ приносил не только красивые отчёты, но и реальные успехи для бизнеса и сотрудников.

Уже сейчас начните думать, какой станет ваша организация, когда ИИ выйдет на первый план, даже если перемены пока не видны. Перестройка занимает время. ИИ постепенно сократит часть нынешних ролей — особенно там, где задачи просты, ошибки не критичны, а знания легко описать. В других областях ИИ станет помощником для людей, но, возможно, эти задачи будут выполнять уже другие сотрудники.

Придётся пересмотреть структуру компании. Например, часть специалистов станет работать на стыке разных функций. Если раньше линейные менеджеры управляли командами, которые работали с программным обеспечением, теперь они могут напрямую взаимодействовать с этим ПО. Вполне возможно, что небольшая команда будет заниматься только теми задачами, где особенно важна роль человека.

Стратегическое преимущество складывается из трёх ключевых факторов. Первый — это быстрое и точное внедрение генеративного ИИ в отдельные задачи. Такой подход приносит пользу уже сейчас, особенно если конкуренты всё ещё обсуждают «интеллект» моделей или боятся ошибок. Второй источник — закрытые данные, которые усиливают работу GenAI, а также изменения в процессах, позволяющие избежать потерь из-за внутренних узких мест. Третий — уникальные люди, процессы и культура компании. Именно эти дополнительные активы делают ИИ в одной организации гораздо ценнее, чем в другой.

Что мешает раскрыть потенциал GenAI: ловушки мышления и как их обойти 

Многие компании не используют возможности GenAI в полную силу из-за распространенных заблуждений. Одни руководители считают, что ИИ еще недостаточно «умён», и зацикливаются на его слабых сторонах, вместо того чтобы увидеть шанс сократить расходы даже при неидеальном качестве. Другие опасаются ошибок и считают внедрение слишком рискованным, забывая, что главное — не количество, а цена этих ошибок. Кто-то настаивает на стопроцентной точности до запуска, хотя для многих задач это вовсе не обязательно. Есть и те, кого раздражает, что экономия времени пока не отражается на итоговых показателях; они упускают, что сэкономленные минуты не превращаются в деньги без грамотного управления. Устойчивое преимущество не появляется автоматически с внедрением ИИ — оно возникает благодаря тому, как именно компания использует эту технологию. Те, кто распознает эти ловушки и пересмотрит подход, смогут превратить ИИ из модного инструмента в реальный источник конкурентного преимущества — и именно они добьются успеха.