Anna Mironova

Сотрудники уже используют ИИ без разрешения компании. Что с этим делать?

2026-04-15T17:50:44.201Z

В 2024 году, когда я ещё была CEO крупной производственной компании, мы всерьёз занялись вопросом внедрения ИИ внутри организации. Казалось бы, решение очевидное: рынок полон инструментов, коллеги из других компаний вовсю рассказывают об успехах. На практике всё оказалось значительно сложнее.

Первое препятствие, с которым сталкивается любая компания в России, это доступность. Использовать иностранные нейросети непросто технически и юридически, а отечественные решения пока, честно говоря, заметно уступают по качеству. Второе препятствие оказалось серьёзнее первого: безопасность данных. Мы приняли решение начать с малого и дали доступ к ИИ-инструментам в первую очередь маркетингу. Команда воодушевилась, результаты появились быстро. Но обеспечить реальную защиту данных при этом оказалось крайне сложно. Фактически у нас оставался единственный инструмент: разговоры, объяснения и обучение. Люди честно старались не загружать лишнего, но где проходит граница "лишнего" в конкретной рабочей ситуации, каждый решал сам.

Именно тогда я поняла, что это не техническая проблема и не проблема недисциплинированности сотрудников. Это системный вопрос, на который у большинства компаний до сих пор нет внятного ответа.

У него есть название: Shadow AI. Это несанкционированное использование ИИ-инструментов сотрудниками, которые нашли способ работать быстрее и эффективнее, не спрашивая разрешения у IT-отдела или юридической службы. И это происходит повсеместно. По данным McKinsey, сотрудники используют ИИ в среднем в три раза активнее, чем полагают их руководители. Три раза. Это не погрешность измерения, это системный разрыв между тем, что реально происходит в компании, и тем, что видит руководство.

Почему это происходит

Потому что официальные процессы одобрения инструментов работают медленно, а ИИ-инструменты решают реальные рабочие проблемы быстро. Сотрудник, которому нужно за час подготовить аналитическую записку, не будет ждать три месяца, пока IT согласует новый инструмент. Он откроет ChatGPT, вставит туда данные и получит результат. Логика железная, последствия потенциально катастрофические.

Что реально происходит с данными

Вот что важно понять руководителям, которые считают Shadow AI неудобной, но не критической темой. Когда сотрудник вставляет рабочий документ в публичный ИИ-сервис, эти данные уходят на внешние серверы. Условия использования большинства публичных сервисов предполагают, что данные могут использоваться для дообучения моделей. Это означает, что финансовые показатели, клиентские базы, стратегические планы, персональные данные сотрудников и клиентов потенциально оказываются за пределами контура компании.

Это не теоретический риск. В начале 2026 года стало известно, что Mass General Brigham, одна из крупнейших медицинских систем США, была вынуждена ввести специальное правило: не вносить данные пациентов в Perplexity и другие публичные ИИ-сервисы. Правило появилось именно потому, что сотрудники это делали. Врачи и медицинский персонал самостоятельно начали использовать публичные ИИ-инструменты для работы с медицинскими данными, не задумываясь о последствиях. Никакого злого умысла, только желание работать быстрее.

По данным McKinsey, 51% компаний, использующих ИИ, уже столкнулись хотя бы с одним негативным последствием, причём почти треть всех респондентов назвали главной проблемой неточность ИИ-систем. Среди остальных рисков, с которыми организации сталкиваются на практике: нарушение интеллектуальной собственности, проблемы с регуляторным соответствием, репутационный ущерб и несанкционированные действия ИИ-систем.

Показательная деталь: компании-лидеры в области ИИ сталкиваются с негативными последствиями чаще, а не реже остальных, потому что они развёртывают ИИ в два раза больше сценариев и работают в значительно более сложных, высокорисковых контекстах. Но разница между ними и отстающими не в том, что у лидеров меньше инцидентов, а в том, что у них выстроена система управления этими инцидентами.

Как понять, что у вас уже есть Shadow AI

Есть простой способ проверить, насколько глубоко эта практика укоренилась в вашей организации. Попросите руководителей среднего звена из разных департаментов описать, какие инструменты они использовали на прошлой неделе для рабочих задач. Или проведите анонимный опрос, который честно задаёт вопрос: используете ли вы ИИ-инструменты, не одобренные корпоративной политикой? Ответы, как правило, заставляют директоров по IT и безопасности смотреть в пол.

Другие признаки, на которые стоит обратить внимание: сотрудники необычно быстро справляются с задачами, которые раньше занимали значительно больше времени, в рабочих документах появляются характерные обороты и структура, типичные для генеративного ИИ, люди не могут объяснить источники данных в своих отчётах, а в браузерной истории рабочих устройств регулярно всплывают адреса публичных ИИ-сервисов.

Запреты не работают. Никогда не работали

Первая реакция многих компаний, когда они обнаруживают масштаб Shadow AI, это попытка его запретить. Составить регламент, заблокировать адреса на корпоративном уровне, добавить пункт в кодекс корпоративной этики. Я понимаю эту логику, но она воспроизводит ровно ту же ошибку, которую совершают компании в цифровой трансформации в целом: пытаться административными мерами остановить то, что движется силой реальной потребности.

Сотрудники используют публичные ИИ-инструменты не потому что хотят навредить компании. Они используют их потому что эти инструменты работают и экономят реальное рабочее время. Запрет без альтернативы означает только одно: люди начнут делать то же самое, только более скрытно.

McKinsey фиксирует: с 2022 по 2025 год среднее количество категорий ИИ-рисков, которые компании активно митигируют, выросло с двух до четырёх. Это хорошая новость, потому что компании всё-таки учатся. Плохая новость в том, что учатся они преимущественно через инциденты, а не через проактивную политику.

AI Governance Framework: пять шагов, которые реально работают

Ответ на Shadow AI не запрет, а управляемая легализация. Это звучит контринтуитивно, но именно так действуют организации, которые справляются с этой проблемой.

Первый шаг: провести честный аудит того, что уже используется. Не для того чтобы наказать, а для того чтобы понять реальный масштаб и потребности, которые стоят за несанкционированным использованием. Часто оказывается, что люди решают вполне конкретные рабочие проблемы, и у этих проблем есть безопасные корпоративные решения.

Второй шаг: создать белый список одобренных инструментов с чёткими условиями использования. Какие данные можно вносить в публичные инструменты, какие никогда нельзя, какие сервисы работают в защищённом режиме и подходят для чувствительных данных. Этот список должен быть живым документом, который обновляется по мере изменения инструментария и регуляторной среды.

Третий шаг: внедрить обучение по ИИ-безопасности для всех сотрудников, а не только для IT-специалистов. Большинство инцидентов с утечкой данных через публичные ИИ-сервисы происходят не от злого умысла, а от незнания. Человек просто не думает о том, что загрузка внутреннего финансового отчёта в ChatGPT может нарушить несколько регуляторных требований одновременно.

Четвёртый шаг: назначить ответственного за ИИ-governance. Это не должен быть IT-директор или директор по безопасности в качестве дополнительной нагрузки. В идеале это отдельная роль или, как минимум, рабочая группа с чёткими полномочиями, включающая представителей юридической службы, HR и операционных подразделений. Компании, у которых выстроено централизованное управление ИИ-рисками и в которых есть видимое участие руководства в вопросах ИИ-governance, значительно лучше справляются с последствиями инцидентов, когда те случаются.

Пятый шаг: создать механизм обратной связи и постоянного обновления политики. ИИ-инструменты меняются ежеквартально. Политика, написанная в 2024 году, к 2026-му уже устарела как минимум в половине пунктов. Компании, которые выигрывают, относятся к ИИ-governance не как к документу, который написали и забыли, а как к живому процессу, требующему регулярного внимания.

Почему это важно именно сейчас

Вот что изменилось за последние два года и делает эту тему по-настоящему срочной. ИИ-агенты, системы, которые не просто отвечают на вопросы, но самостоятельно планируют и исполняют многошаговые задачи, начинают проникать в рабочие процессы. По данным McKinsey, 62% компаний уже экспериментируют с агентными системами. Это означает, что ставки возросли: речь уже не только о сотруднике, который вставил текст в ChatGPT, но о системах, которые могут от имени компании отправлять письма, принимать заказы, обрабатывать данные и взаимодействовать с клиентами.

Компании, у которых сегодня нет выстроенного ИИ-governance, через год-два окажутся в ситуации, когда агентные системы уже работают, а кто несёт за них ответственность и по каким правилам они действуют, никто внятно ответить не может.

Что нужно сделать на этой неделе

Я не предлагаю разработать многолетнюю стратегию. Предлагаю начать с одного честного вопроса: знаете ли вы на самом деле, какие ИИ-инструменты используют ваши сотрудники прямо сейчас?

Shadow AI не исчезнет от того, что мы его запретим. Но он может стать управляемым, безопасным и даже конкурентным преимуществом, если подойти к нему как к симптому реальной потребности, а не как к дисциплинарной проблеме. И дело не в регламентах и запретах: в первую очередь нужно понять реальную картину, и уже на её основании выстраивать политики и правила работы.

Анна Миронова | Помогаю компаниям зарабатывать больше через людей, продажи и цифровые инструменты | Telegram: t.me/mironovanni | ailead.academy/annamironova

300 миллионов безработных к 2030-му. Паниковать или нет?

2026-04-01T13:05:40.290Z

Каждую неделю мне пишут руководители, HR-директора, менеджеры. "Анна, ну и что теперь, нас правда всех заменит ИИ?" Вопрос звучит как шутка, но интонация выдаёт: совсем не шутка. За ним стоит вполне реальная тревога людей, которые десятилетиями строили экспертизу и теперь наблюдают, как машина делает за пять минут то, на что раньше уходил рабочий день. Кто-то в шоке, кто-то боится, кто-то старается об этом не думать вовсе.

Есть одна фраза, которая для меня стала определяющим ориентиром в этом разговоре. Её произнёс в январе 2023 года инженер по машинному обучению Сантьяго Валдаррама в своём аккаунте X: "AI will not replace you. A person using AI will." Позже эту же мысль развил Карим Лахани, профессор Harvard Business School, и она вышла в Harvard Business Review. Фраза стала вирусной, потому что точная: она определяет то, что происходило, происходит и будет происходить с нашим рынком труда.

Давайте разберёмся с этим подробно.

Страшные числа и то, что за ними стоит

Если собрать данные крупнейших мировых аналитических структур в одну картину, первое впечатление будет угрюмым. Goldman Sachs: 300 миллионов рабочих мест глобально находятся под угрозой автоматизации. McKinsey в ноябре 2025 года: технологии, которые уже существуют прямо сейчас, способны автоматизировать 57% всех рабочих часов в экономике США. Всемирный экономический форум: к 2030 году 92 миллиона рабочих мест исчезнут.

Здесь стоит остановиться, потому что именно в этом месте начинается главное недопонимание. McKinsey не говорит, что 57% людей потеряют работу. Он говорит, что 57% рабочих часов содержат задачи, которые технически можно автоматизировать. Речь о задачах, а не о людях. Goldman Sachs уточняет ещё жёстче: если взять реально применяемые сейчас сценарии использования ИИ и распространить их на всю экономику, под настоящим риском немедленного вытеснения окажутся около 2,5% занятых в США. Не 57%, не 40%, не треть. Два с половиной процента.

Тот же Всемирный экономический форум, который пугает цифрой 92 миллиона исчезающих рабочих мест, в том же докладе сообщает, что к 2030 году появится 170 миллионов новых рабочих мест, а чистый прирост составит 78 миллионов позиций. Это крупнейший рост занятости в современной истории. Заголовки берут первое число и оставляют за кадром второе. Это не журналистика, это манипуляция.

Но вот что по-настоящему меняется

В марте 2026 года Anthropic, компания, которая разрабатывает один из самых продвинутых ИИ-ассистентов в мире, опубликовала исследование, которое я считаю самым честным из всего, что вышло на эту тему. Исследователи разработали новую меру под названием "наблюдаемое покрытие": не то, что ИИ теоретически может делать, а то, что он реально делает прямо сейчас в профессиональных задачах.

Разрыв между теорией и реальностью оказался огромным. Теория говорит: 94% задач в сфере IT и математики ИИ способен ускорить. Факт: реально охватывается лишь 33% этих задач. Между этими числами находится время, за которое у нас есть возможность адаптироваться, и об этом важно помнить.

Профессии с наибольшим реальным охватом ИИ сегодня выглядят так: программисты занимают первое место с показателем 74,5% задач, уже реально поддающихся автоматизации, далее идут специалисты клиентского сервиса с 70,1%, операторы ввода данных с 67,1%, аналитики медицинской документации с 66,7%, аналитики рынка и маркетинга с 64,8% и финансовые аналитики с 57,2%.

Посмотрите на этот список внимательно. Здесь нет низкоквалифицированного труда. Это дипломированные специалисты с годами опыта, люди, которые считали свою позицию надёжной. И именно здесь начинается самое интересное.

Сенсация, которую никто не ждал

Исследование Anthropic обнаружило, что работники в наиболее уязвимых к ИИ профессиях в среднем старше, на 16 процентных пунктов чаще являются женщинами, зарабатывают на 47% больше, чем коллеги в профессиях с нулевым охватом ИИ, а людей с учёными степенями среди них в четыре раза больше. ИИ целится в умственный труд, в интеллектуальную экспертизу, в белые воротнички.

PwC в июне 2025 года выпустила "Глобальный барометр рабочих мест в эпоху ИИ", основанный на анализе почти миллиарда вакансий с шести континентов. Там есть цифра, которую стоит выучить наизусть: работники с навыками ИИ получают надбавку к зарплате в размере 56% по сравнению с коллегами на тех же позициях, но без этих навыков. Не 5%, не 10%. Пятьдесят шесть процентов. За год эта надбавка выросла с 25% до 56%, и она продолжает ускоряться.

Вот это и есть реальная история. Не массовые увольнения, а нарастающий разрыв между теми, кто умеет работать с ИИ, и теми, кто не хочет учиться.

Молодые платят первыми

Исследование Anthropic зафиксировало ещё один факт, особенно важный для HR-функции. Среди работников от 22 до 25 лет в профессиях с высоким охватом ИИ скорость найма снизилась на 14% по сравнению с 2022 годом. Goldman Sachs подтверждает: безработица среди молодых технических специалистов в возрасте от 20 до 30 лет выросла почти на 3 процентных пункта с начала 2025 года.

Речь не про увольнения опытных сотрудников, а про закрытие входной двери для новичков. ИИ взял на себя задачи, которые традиционно были стартовыми позициями: базовый анализ данных, первичная обработка документов, написание типовых текстов, рутинное программирование. Раньше это был способ войти в профессию и учиться. Теперь это делает машина. Думаю, родителям студентов эту статью стоит дочитать до конца.

Пока мы паникуем, данных по безработице нет. Совсем

Вот что поражает на фоне всего этого шума. Несмотря на три с лишним года активного распространения генеративного ИИ, роста безработицы среди наиболее уязвимых к ИИ работников нет ни в каких значимых масштабах. Это не мой оптимизм, это данные исследования Anthropic. Goldman Sachs прогнозирует, что даже при широком внедрении ИИ рост безработицы за переходный период составит около 0,5 процентных пункта, а исторически подобные технологические шоки рассасываются за два года, поскольку новые индустрии и роли поглощают высвобождающихся людей.

Рынок труда не рушится. Он перестраивается: медленнее, чем кричат заголовки, но реальнее, чем хотелось бы думать.

То, что машина не умеет пока и, скорее всего, никогда

ИИ думает логически выстроенными цепочками, и это одновременно его сила и его граница. Он блестяще оптимизирует в рамках поставленной задачи. Но инсайт, который приходит от случайной фразы в разговоре за кофе, от интуиции, от ощущения, что "что-то не так", хотя все цифры говорят обратное, от человеческой нерациональности, которая иногда оказывается точнее любой аналитики, недоступен ни одной модели.

Мы берём идеи из воздуха. Мы можем войти в комнату, посмотреть на людей и за десять секунд понять, что переговоры уже провалились, ещё до того, как кто-то открыл рот. Мы можем мотивировать человека, который формально не обязан нас слушать, убедить клиента, который разумно должен был отказать, создать доверие там, где его не было, почувствовать момент и воспользоваться им.

Креативность, переговоры, нетворкинг, умение впечатлить и договориться — это человеческие навыки, и они не случайно становятся более ценными по мере того, как рутина автоматизируется. WEF называет их среди наиболее быстрорастущих компетенций к 2030 году, а McKinsey ставит коммуникацию, лидерство и критическое мышление на верхние строчки будущих запросов работодателей. Это не утешительный приз. Это реальное конкурентное преимущество.

Но вот где я буду честна с вами

Если вы сейчас читаете эту статью и думаете "ну, разберусь, когда придёт время", у меня для вас неудобные новости. Время уже пришло, первый поезд ушёл, и вам нужно успеть хотя бы на второй. Разрыв между теми, кто умеет работать с ИИ, и теми, кто игнорирует эту тему, не просто существует: он нарастает с каждым месяцем и уже сейчас измеряется в деньгах, а именно в 56% разнице в зарплате на аналогичных позициях по данным PwC.

Ваш коллега, который научился делегировать рутину ИИ-инструментам, работает быстрее вас: не в два раза, а иногда в пять или десять. Он успевает больше, устаёт меньше, и у него остаётся время на то, чего машина не умеет, то есть на стратегическое мышление, построение отношений, нестандартные решения. А вы в это время ещё обрабатываете вручную то, что у него готово к обеду. Здесь нет злорадства, только констатация фактов.

Что нужно делать. Конкретно

Для HR-функции я вижу несколько вещей, которые требуют внимания прямо сейчас.

1. Перестать обучать людей тому, что они умели вчера. Скорость изменения требований к навыкам в профессиях с высоким охватом ИИ выросла на 66% только за прошлый год, и традиционные программы обучения не успевают за этим темпом по определению.

2. Инвестировать в ИИ-грамотность всей организации, включая вопросы безопасности. Это не про то, чтобы все стали разработчиками. Это про то, чтобы каждый сотрудник понимал, какие инструменты уже сегодня могут высвободить его время, умел ими пользоваться без риска для данных компании и знал границы того, что доверять машине можно, а что нельзя. Цифровая грамотность в 2026 году — это базовая гигиена, а не конкурентное преимущество.

3. Начать с себя и показать всей организации, как это работает. Задайте себе простой вопрос: что в вашей собственной работе вы хотели бы изменить прямо сейчас? Какие задачи отнимают время, но не создают ценности? Именно здесь стоит начинать внедрение. Руководитель, который сам использует ИИ в ежедневной работе и открыто об этом говорит, меняет отношение команды к теме быстрее, чем любой корпоративный тренинг.

4. Сделать ставку на человеческие навыки, которые не автоматизируются: умение вести переговоры, влиять, мотивировать, создавать нетворкинг, принимать решения в условиях неопределённости. Именно они станут точкой дифференциации, а инвестиции в эти компетенции сейчас окупятся в полной мере, когда рутина окончательно уйдёт к машинам.

5. Переосмыслить вход в профессию. Входные роли для молодёжи сужаются, и вопрос "как выглядит стартовая позиция в вашей компании через три года" стоит задать себе уже сегодня.

6. Помнить главное: не ИИ вас заменит, а человек, который умеет им пользоваться. Это компетенция, которая нужна вам самим и вашим командам, причём не когда-нибудь, а сейчас.

Вместо заключения

Я работаю с руководителями тридцать лет и видела много разных страхов перед переменами, и ни разу правильным решением не оказалось замереть и ждать. ИИ не сделает вас ненужными, но он уже сейчас делает ненужными конкретные задачи в ваших профессиях. Это принципиально разные вещи: первое вы не можете контролировать, второе можно превратить в преимущество.

Время, которое высвобождается от рутины, взятой на себя машиной, можно потратить на то, что машине недоступно: думать нестандартно, слушать между строк, строить доверие, создавать то, чего раньше не существовало. Именно за это платят и будут платить всё больше, именно это определяет, кто стоит на рынке устойчиво, а кто нет.

"AI will not replace you. A person using AI will." Эта фраза меня не пугает. Она мне нравится, потому что в ней есть выбор, а выбор всегда на нашей стороне.

Анна Миронова | Операционный партнёр | Трансформация бизнеса и внедрение ИИ | Telegram: https://t.me/mironovanni | https://ailead.moscow/annamironova

Пять процентов компаний получают реальный результат от AI. Остальные делают одну и ту же ошибку

2026-03-29T09:52:11.797Z

На прошлой неделе ко мне пришёл собственник производственной компании. Сказал: нам нужна трансформация, хотим внедрить AI. Я спросила: зачем? Что вы хотите получить на выходе? Пауза длилась секунд тридцать. Потом он сказал: ну, это же сейчас необходимо для современного бизнеса.

Это и есть главная проблема. Не отсутствие денег, не отсутствие технологий. Отсутствие ответа на один простой вопрос.

2026 год начался жёстко. Выросла налоговая нагрузка, кредиты остаются дорогими, спрос охлаждается, рынок труда находится в состоянии поляризации. По данным опроса «Опоры России», почти девяносто пять процентов российского бизнеса зафиксировали ухудшение ситуации по сравнению с прошлым годом. Бизнес реагирует так, как умеет: режет расходы, замораживает найм, откладывает инвестиции. И называет это трансформацией. Именно здесь начинается ошибка, которую я наблюдаю в работе с компаниями постоянно.

Оптимизация и трансформация - это не одно и то же

Собственник говорит: мы уже провели трансформацию, сократили структуру, внедрили новую систему. Начинаешь разбираться — процессы те же, люди работают по-старому, система стоит, но никто ею не пользуется. Деньги потрачены, проблема осталась. Это не трансформация. Это оптимизация, которую назвали другим словом.

Оптимизация - это делать то же самое дешевле или быстрее. Сократить людей, урезать бюджеты, перейти на более дешёвых поставщиков. Это даёт результат в квартальном отчёте, иногда это необходимо и правильно. Но оптимизация не меняет то, как компания зарабатывает и создаёт ценность для клиента.

Трансформация - это менять саму логику работы. Как устроены процессы, как принимаются решения, как команда взаимодействует с клиентом, как данные превращаются в действия. Это сложнее, дольше и требует другого уровня готовности внутри компании.

McKinsey фиксирует: семьдесят процентов программ трансформации не достигают заявленных целей. Bain & Company в исследовании Transformation & Change Survey (2024) подняли планку ещё выше: восемьдесят восемь процентов трансформаций не выполняют то, ради чего были запущены. Из всех компаний, которые прямо сейчас ведут трансформацию, реального результата добиваются лишь двенадцать процентов. Цифры разные, но говорят об одном: провал — это норма, а не исключение. Повторяется он не потому что компании глупые или бедные, а потому что они путают инструмент с целью.

Первый вопрос, который никто не задаёт

Трансформация, цифровизация, внедрение AI - это инструменты. Инструмент не может быть целью. Цель - это то, что компания хочет получить на выходе: сократить операционные расходы на конкретную сумму, увеличить скорость вывода продукта на рынок, поднять маржу, освободить людей от рутины для работы с клиентами. Пока этого ответа нет - трансформация не началась. Она только называется трансформацией.

McKinsey называет это одной из самых устойчивых управленческих ошибок: компании запускают трансформацию без чёткого ответа на вопрос, что конкретно изменится через двенадцать месяцев и как они это измерят. Фокусируются на активностях, а не на результатах. И когда через год спрашиваешь, что изменилось, показывают слайды про внедрение, а не цифры про бизнес.

Технология - это последнее, что нужно покупать

Я вижу одну и ту же последовательность в компаниях, которые застряли. Сначала покупают систему. Потом обнаруживают, что люди ею не пользуются. Потом нанимают консультантов, чтобы разобраться почему. Потом запускают обучение. Потом понимают, что процессы не перестроены. И в какой-то момент осознают, что проще было начать с процессов и людей, а систему купить в конце. Я называю это трансформацией задом наперёд.

McKinsey фиксирует: организации, которые инвестируют в изменение культуры и поведения людей параллельно с внедрением технологий, показывают успех в трансформации в пять с лишним раз чаще тех, кто делает ставку исключительно на технологическое решение. BCG в исследовании The Widening AI Value Gap (2025) подтверждают это через другой угол: компании, которые получают реальную отдачу от AI, не просто автоматизируют существующие процессы, они переосмысляют то, как работа делается вообще. Технология следует за новой логикой работы, а не предшествует ей.

Gartner добавляет к этому слой, про который редко говорят на уровне совета директоров. Восемьдесят процентов организаций, которые пытаются масштабировать цифровой бизнес, терпят неудачу. Главная системная причина - это отсутствие современных подходов к управлению данными. Любая трансформация, любое внедрение AI работает ровно настолько хорошо, насколько хороши данные, на которых она строится. Компании покупают дорогие решения и кладут их на фундамент, которого нет: данные разрозненные, неактуальные, хранятся в разных системах, никто не несёт за них ответственности. Новая система воспроизводит те же проблемы, только в цифровом формате.

BCG сформулировали пропорцию, которая подтверждается практикой: успешные трансформации тратят семьдесят процентов усилий на людей и процессы и только тридцать на технологию. Большинство компаний делает ровно наоборот.

Лучших людей бросают на трансформацию — и они горят

Есть ещё одна ошибка, про которую не принято говорить вслух.

Когда компания решается на трансформацию, CEO обращается к самым надёжным, самым компетентным людям. Это логично. Проблема в том, что эти люди уже полностью загружены основной работой. Их ставят руководить трансформацией сверх текущих обязанностей. Через три-четыре месяца они начинают гореть. Трансформация теряет своих главных двигателей и тихо умирает, не потому что идея плохая, а потому что у людей закончились силы.

Bain & Company обнаружили эту закономерность в своём исследовании. Пятьдесят шесть процентов успешных трансформаций специально избегали перегрузки ключевых людей, тогда как среди неуспешных этот показатель составил лишь сорок четыре процента.

Есть ещё одна крайность, которую я вижу регулярно. Задачу трансформации, цифровизации и внедрения AI отдают IT-отделу. Логика понятна: кто ещё, если не они? Но IT-специалисты говорят на языке систем и инфраструктуры. Переосмыслить то, как бизнес зарабатывает, выстроить новые процессы, провести людей через изменения — это другая профессия, другое мышление и другой опыт. Результат предсказуем: технология внедрена, бизнес не изменился.

Компании, которые действительно добиваются результата в трансформации, устроены иначе. У них есть выделенный директор по трансформации. Человек, для которого это единственная работа, а не дополнительная нагрузка сверх основной. И они привлекают внешних экспертов и команды, которые уже прошли этот путь в других компаниях и понимают, где именно обычно всё разваливается.

Разрыв нарастает и окно закрывается

BCG зафиксировали тревожную динамику: только пять процентов компаний в мире реально получают измеримую отдачу от AI в масштабе бизнеса, тогда как шестьдесят процентов не получают практически ничего, несмотря на вложения. Компании-лидеры реинвестируют полученные преимущества в новые возможности - их общий объём инвестиций в AI оказывается на сто двадцать процентов выше, чем у отстающих. Это эффект сложного процента: те, кто начал раньше и инвестирует последовательно, уходят вперёд с ускорением.

Bain подтверждают ту же логику через кадровый угол: более половины высокоэффективных сотрудников компаний воспринимаются как люди, которым не хватает навыков для успешной работы в критических ролях через пять-десять лет. Компании, которые не инвестируют в развитие людей прямо сейчас, через несколько лет окажутся без команды, способной вести изменения.

BCG прямо предупреждают: окно для того, чтобы войти в группу лидеров, сужается. Срезание инвестиций в цифру и AI в период турбулентности не даст экономии. Это увеличение разрыва, который потом будет очень сложно преодолеть.

Один вопрос, который стоит задать завтра утром

Попросите трёх топ-менеджеров вашей компании независимо друг от друга ответить на один вопрос: чего именно мы хотим достичь через двенадцать месяцев и как поймём, что достигли? Не провести трансформацию, не внедрить AI. Конкретный измеримый результат для бизнеса.

Если ответы совпадут — у вас есть основание двигаться дальше. Если не совпадут — трансформация ещё не началась. Она только называется трансформацией. Если хотите разобрать свою ситуацию, пишите напрямую.

Анна Миронова, операционный партнёр по коммерческой и цифровой трансформации бизнеса. ailead.moscow · @annimironova · все мои контакты и ссылки