Anna Mironova

80% времени вашей команды уходит не на продажи

2026-07-15T09:51:47.550Z

Что отдать ИИ-агенту, а что оставить живому продавцу

Анна Миронова | Эксперт в коммерции, экс-CEO производственной компании. 30 лет в бизнесе. Коммерческая трансформация и внедрение ИИ
Автор канала @mironovanni | annimironova.com

За последний год продажи оказались первыми в компании на острие ИИ-волны. Раньше автоматизировали маркетинг и клиентскую поддержку, теперь очередь дошла до функции, которая приносит выручку напрямую. Логика понятна: в продажах много повторяющейся работы, которую машина делает быстрее и не устает.

По данным Salesforce State of Sales 2026, основанного на опросе более 4000 специалистов по продажам по всему миру, 87% отделов продаж уже используют ИИ в той или иной форме. 54% продавцов уже работали с автономными агентами напрямую, и к 2027 году почти 9 из 10 планируют это делать. При этом 94% руководителей продаж с внедрёнными ИИ-агентами называют их критически важными для достижения бизнес-целей.

На этом фоне у руководителя возникает естественный соблазн: посчитать, сколько людей теперь можно не держать в штате. Соблазн понятный, но дорогой, потому что он путает две разные вещи. Скорость обработки данных и умение продавать — не одно и то же.

Граница между тем, что стоит отдать машине, и тем, что оставить живому человеку, проходит вполне конкретно.

Что спокойно отдавать агенту

Всю рутину, которая съедает часы менеджеров, коммерческих директоров и руководителей функции. В FMCG это хорошо знакомый список: исследование клиента и рынка, подготовка бизнес-ревью и презентаций, составление писем и коммерческих предложений, анализ итогов встречи с клиентом и подготовка протокола, ведение клиентской базы, финансовые расчёты и прайсинг, аналитика по категории и каналу.

Всё это ИИ делает быстрее и аккуратнее, чем человек, у которого за плечами полный день встреч и переговоров. Salesforce фиксирует, что агенты позволяют сократить время на исследование клиента на 34%, а на подготовку писем и контента — на 36%. В одном из случаев Salesforce использовала собственных агентов для работы с клиентами, на которых у представителей не хватало времени: за четыре месяца агенты обработали 130 000 обращений и создали 3200 новых возможностей для продаж, которые иначе бы исчезли незамеченными.

Важная оговорка, о которой часто забывают: передавая задачи агенту, нужно думать о безопасности данных. Чувствительную коммерческую информацию о компании, клиентах и ценовых условиях в публичные ИИ-сервисы отдавать нельзя. Это отдельная история про выбор инструментов и внутренние правила работы с ними.

Что остаётся за живым продавцом

По данным Gartner, продавцы, которые эффективно работают с ИИ-инструментами, в 3,7 раза результативнее тех, кто этого не делает. Но результативнее именно потому, что у них высвобождается время на то, с чем машина не справляется.

А не справляется она вот с чем. Как только агент выходит за пределы подготовки и берётся за живой разговор с клиентом, он проседает. Потому что клиент чувствует разницу. Особенно опытный клиент в сложной категории, который за свой рабочий стол пускает только того, кому доверяет.

Настоящая продажа в FMCG начинается не с презентации и не с прайс-листа. Она начинается с момента, когда продавец услышал, что на самом деле нужно категорийному менеджеру или байеру: какую проблему он решает, что у него болит, какие у него внутренние ограничения, о которых он вслух не говорит. Это умение слышать незаданный вопрос, понимать расстановку сил внутри клиента и строить разговор вокруг его реальных интересов. Это опыт и человеческое чутьё.

Gartner в августе 2025 года опубликовал прогноз: к 2030 году 75% B2B-покупателей будут выбирать поставщика, который даёт живой человеческий контакт, даже если технологичный вариант работает быстрее. После нескольких лет нарастающего интереса к цифровым каналам рынок разворачивается в обратную сторону. Не потому что покупатели стали консерваторами, а потому что накопился опыт, когда взаимодействие без живого человека приводило к ошибочным решениям. Чем выше цена ошибки в контракте, тем сильнее покупатель хочет говорить с тем, кто возьмёт на себя ответственность за результат.

Ни один крупный контракт не закрывается на скорости обработки данных. Он закрывается на том, насколько точно продавец попал в задачу клиента и предложил решение, от которого тот не смог отказаться. После этого торговаться почти не приходится.

Где проходит граница

Агент готовит, анализирует, обрабатывает информацию. Человек попадает в потребность и строит отношения.

В сильной команде ИИ решает другую задачу. Он забирает рутину и высвобождает время людей на единственное, что приносит прибыльную продажу: на клиента. Вопрос для руководителя теперь звучит не про скорость автоматизации процессов. Вопрос звучит так: что вы уже отдали агенту, чтобы ваши сильные продавцы наконец занялись клиентом, пока машина разбирает отчётность?

Готова помочь вам разобраться, где эта граница проходит в вашей компании и какие задачи стоит отдать агенту первыми. Пишите в личные сообщения @annimironova или оставьте заявку на сайте: annimironova.com

Источники: Salesforce, State of Sales 2026, salesforce.com/sales/state-of-sales; Gartner, "Sellers Who Partner With AI Are 3.7 Times More Likely to Meet Quota", сентябрь 2024, gartner.com; Gartner, "By 2030, 75% of B2B Buyers Will Prefer Sales Experiences that Prioritize Human Interaction Over AI", август 2025, gartner.com/en/newsroom/press-releases/2025-08-25-gartner-says-by-2030-that-75-percent-of-b2b-buyers-will-prefer-sales-experiences-that-prioritize-human-interaction-over-ai.

Анна Миронова | Эксперт в коммерции, экс-CEO производственной компании. 30 лет в бизнесе. Коммерческая трансформация и внедрение ИИ | Telegram: @mironovanni | annimironova.com

ИИ на маршруте: как искусственный интеллект перестраивает продажи в традиционной рознице

2026-07-09T18:05:41.691Z

Анна Миронова | Эксперт в коммерции, экс-CEO производственной компании. 30 лет в бизнесе. Коммерческая трансформация и внедрение ИИ. Автор канала @mironovanni | annimironova.com

Торговый представитель проводит за рулём и в отчётах больше времени, чем с клиентом. Кто работал в дистрибуции, знает эту арифметику наизусть. Маршрут строится на глазок, часть визитов уходит на точки, которые почти ничего не заказывают, заказ пишется от руки, а вечером всё это вбивается в систему. Для живого общения с товароведом времени остаётся на удивление мало.

При этом традиционная розница, вся эта несетевая мелкая торговля, для ряда категорий на огромной части мира остаётся существенным и значимым куском бизнеса, в первую очередь с точки зрения дистрибуции и заработка. В России и странах СНГ это особенно справедливо. И именно сюда, в самую ручную и неоцифрованную часть коммерции, приходит искусственный интеллект.

В апреле 2026 года BCG опубликовал исследование, посвящённое ровно этому: как ИИ меняет работу распределённых каналов продаж на развивающихся рынках. Вывод у него денежный и конкретный: компании-первопроходцы уже получают рост продаж в канале от 15 до 20%. За этой цифрой стоит несколько независимых механизмов, и каждый из них по отдельности уже интересен.

Умный маршрут

Первое, что меняется, это сам маршрут торгового представителя. Раньше его строил супервайзер по опыту и карте: вот территория, вот точки, объезжай. Теперь маршрут собирает система, которая смотрит на геоданные, историю заказов каждой точки, её потенциал и плотность трафика. Она выстраивает день так, чтобы человек попадал туда, где есть оборот и где его присутствие реально влияет на заказ.

Результат считается не в километрах, а во времени живого контакта. По данным BCG, одна из международных CPG-компаний после внедрения ИИ-компаньона с динамической оптимизацией маршрутов получила на 25% больше времени торговых представителей с клиентами. Те же люди, тот же рабочий день, но целая четверть времени вернулась туда, ради чего эта работа и существует: к разговору с точкой. Одновременно вырос средний ассортимент в заказе: торговые стали продавать на 8% больше SKU за один визит, просто потому что появилось время показать и предложить.

Умный заказ

Второй механизм работает внутри самого визита. Среднеразмерный бренд бытовой химии на одном из развивающихся рынков внедрил ИИ-компаньона, который подсказывает каждой точке, что и в каком объёме стоит заказать. Система смотрит на то, что уже стоит на полке, что продалось, что берут похожие магазины по соседству, и формирует рекомендацию под конкретный магазин, а не усреднённую заявку по территории. Результат: рост продаж бренда на 11% за первый же месяц.

Здесь важно, откуда этот рост. В каждую точку просто поехал правильный заказ: тот ассортимент и тот объём, который эта точка способна продать. Меньше пустой полки, меньше зависших остатков, больше оборачиваемости. Никакой магии, только точность.

Умный разговор

Третий сюжет, пожалуй, самый неочевидный. Голосовой ИИ-агент, принимающий заказы на местном языке, самостоятельно обрабатывает от 5 до 10% всех заказов в канале. Точка звонит или отвечает на звонок, разговаривает с агентом обычными словами, и заказ попадает в систему без участия торгового представителя и без бумажного бланка.

Для рынков, где значительная часть предпринимателей привыкла работать голосом, а не через приложение, это снимает главный барьер оцифровки. Не нужно учить точку новому интерфейсу. Достаточно того, что она и так умеет делать каждый день: говорить.

Помощник, который не уходит домой

Цифровой агент работает с точкой круглосуточно: принимает заказы, отвечает на вопросы по ассортименту и ценам, напоминает об оплате, возвращает сорвавшиеся заявки. Торговый представитель физически не может одновременно обслуживать сотню точек в нерабочее время. Агент может.

Отдельно стоит то, как вся эта система собирает информацию. ИИ объединяет структурные данные — историю биллинга, программы лояльности — с неструктурными: фотографиями полки, рукописными заметками торгового, записями разговоров с клиентами. Раньше эта половина информации оседала в блокнотах и головах людей, а потом исчезала вместе с ними. Теперь она работает на решение.

Почему это про нас

Легко отмахнуться: развивающиеся рынки, где-то далеко, у нас всё иначе. Но если посмотреть трезво, описанная BCG картина ложится на российский и снговский рынок почти без зазора. Огромное поле традиционной розницы, полевые команды на маршрутах, ручной сбор заказов, данные, которые оседают в блокнотах и головах сотрудников. Всё то, что BCG описывает как зону роста, у нас есть в избытке.

Более того, сам угол — route-to-market через ИИ — в русскоязычном профессиональном поле почти не занят. Про ИИ в маркетинге и создании контента говорят все. Про ИИ в полевых продажах, в управлении маршрутами и в работе с традиционной розницей не говорит почти никто. А это именно та часть коммерции, где рутины больше всего и где освобождённое время стоит дороже всего.

Мой вывод

ИИ в продажах - это не про то, чтобы заменить торгового представителя, а чтобы вернуть ему его работу. Забрать маршрутные листы, ручные заявки, ночные сверки и отдать обратно время на клиента. BCG называет это переосмыслением самой модели работы полевой команды, а не просто автоматизацией отдельных задач.

Технологически всё это уже возможно. Вопрос, как обычно, управленческий: кто в компании первым решит перестроить под это свою коммерческую функцию. Те, кто сделает это сейчас, получат рост в канале, который конкуренты потом будут догонять годами.

Источник: Boston Consulting Group, “How AI Can Reshape Distributed Sales Channels in Emerging Markets”, апрель 2026, bcg.com/publications/2026/how-ai-can-reshape-sales-channels-in-emerging-markets.

ИИ в потребительских товарах: почему хайп есть, а масштаба нет

2026-07-02T09:17:47.322Z

Об искусственном интеллекте говорят все, инвестируют многие, а ощутимый эффект на прибыль получают единицы

Анна Миронова | Эксперт в коммерции, экс-CEO производственной компании. 30 лет в бизнесе. Коммерческая трансформация и внедрение ИИ. Автор канала @mironovanni · annimironova.com

В индустрии товаров повседневного спроса сложилась картина, которую трудно назвать иначе как парадоксом. Об искусственном интеллекте говорят все, инвестируют многие, а ощутимый эффект на прибыль получают единицы. Между громкими заявлениями со сцен отраслевых конференций и реальными цифрами в P&L лежит пропасть, и она теперь хорошо измерена в нескольких независимых исследованиях, опубликованных в 2026 году.

Я внимательно прочитала все три. Картина получилась одновременно отрезвляющей и, как ни странно, обнадёживающей, потому что она точно указывает, где именно застряли компании и что нужно сделать, чтобы выбраться.

Разрыв в цифрах

В июне 2026 года BCG совместно с The Consumer Goods Forum опубликовали исследование, основанное на опросе старших руководителей крупнейших компаний сектора потребительских товаров и розницы по всему миру. Цифры говорят сами за себя. Около 75% производителей CPG по-прежнему остаются на стадии пилотов и точечных экспериментов с ИИ, и только 18% масштабировали технологию там, где она реально влияет на бизнес. Больше половины опрошенных честно признали, что вообще не измеряют формально возврат на свои инвестиции в ИИ.

Самое цитируемое высказывание из этого исследования принадлежит управляющему директору CGF Вай-Чан Чану:

«Медовый месяц с ИИ для генеральных директоров официально закончен. Это больше не может быть технологическим экспериментом. Это прямой рычаг для прибыли».

Параллельное исследование Deloitte 2026 года, основанное на опросе 200 руководителей розничных и CPG-компаний, фиксирует ту же дистанцию между словом и делом. Три четверти руководителей называют ИИ стратегическим приоритетом, и лишь 16,5% способны количественно подтвердить отдачу от вложений. Получается, что приоритет декларируют почти все, а считать результат умеют единицы.

Где на самом деле лежит ценность

Самое интересное в исследовании BCG не размер потенциала, а его расположение. Почти половина руководителей CPG называют процесс от идеи до полки самым стратегически важным для применения ИИ: ускорение разработки и вывода новинок, работа с ассортиментом, ценообразование, управление ростом выручки. При этом только 11% компаний масштабировали ИИ именно в этой зоне.

Деньги лежат ровно там, куда почти никто пока не дошёл. Розница демонстрирует похожую логику: 46% называют управление ассортиментом и предложением главным приоритетом, а реально масштабировали ИИ в этой зоне лишь 34%. Потенциал при этом измерим и велик. По оценке BCG, системное внедрение ИИ в коммерческие процессы способно принести производителям от 220 до 350 базисных пунктов накопленного EBIT, рознице — от 180 до 360. С переходом к агентному ИИ, который не просто советует, а сам выполняет цепочки действий, этот эффект в перспективе 2-3 лет может вырасти до 1,7 раза.

Для тех, кто не в теме финансовых показателей: 220–350 базисных пунктов EBIT — это существенный прирост операционной прибыли, который в реальных деньгах крупного производителя означает сотни миллионов рублей ежегодно. Не разовый эффект, а накопленный, системный.

Почему пилоты не доходят до масштаба

Главная причина, по которой эксперименты не превращаются в результат, в том, что экономика пилота не переносится на полный масштаб. Компании запускают красивую демонстрацию на одном бренде, в одном канале, на чистых данных. Она работает. А дальше выясняется, что на всём портфеле, на всей географии, на реальных данных эффект растворяется, а издержки на поддержку растут.

Именно это BCG называет наиболее часто упоминаемым барьером к масштабированию. За этим стоит управленческая, а не технологическая проблема. Пилоты часто запускают без ясной базовой линии: непонятно, с чем сравнивать результат. Без заранее оговорённого порога, при котором проект признаётся успешным и идёт в тираж. Без хозяина, который отвечает за перенос решения в операционную ткань бизнеса.

Deloitte фиксирует это прямо: 54% ответственности за стратегию ИИ сосредоточено у технических руководителей, а не у тех, кто отвечает за P&L и кому придётся показывать результат. В итоге ИИ остаётся красивой витриной для совета директоров и не доходит до ежедневной работы людей.

Что отличает тех, кто выигрывает

Компании, которые получают реальную отдачу, отличает не размер бюджета на технологии. Их отличает управленческая дисциплина. Они выбирают для ИИ процессы с наибольшим экономическим рычагом, а не те, что проще автоматизировать. Они заранее договариваются, как будут измерять результат, и фиксируют базовую линию до старта. Они доводят пилот до масштаба и закрывают то, что не сработало, вместо того чтобы бесконечно коллекционировать эксперименты.

Tellius в своём полевом руководстве 2026 года по ИИ-агентам для CPG подчёркивает ту же мысль: выигрывают те, кто начинает с конкретной бизнес-задачи и понятной экономики, а не с технологии ради технологии. По данным Gartner, на которые ссылается Tellius, более 40% агентных ИИ-проектов к 2028 году будут закрыты после первого же внедрения именно потому, что компании запускают их без чёткой бизнес-логики.

Как это переносится на российский рынок

У российского FMCG здесь двойственное положение. С одной стороны, мы находимся в той же стадии, что и весь мир: много разговоров, точечные пилоты, слабая дисциплина измерения. Я наблюдаю это в компаниях, с которыми работаю: ИИ есть в презентации для совета директоров, но отсутствует в ежедневных процессах коммерческой функции. С другой стороны, у российских собственников сейчас больше свободы в быстрых решениях, чем было у локальных команд международных компаний, связанных глобальными политиками и долгими согласованиями.

Это структурное преимущество, которым можно воспользоваться. Зоны, где ИИ даёт реальный рычаг на нашем рынке, те же, что выделяет BCG. Прогноз спроса и снижение дефицита на полке. Ассортиментная стратегия по каналам. Архитектура цены и эффективность промо, где даже небольшое улучшение точности решений напрямую бьёт по марже.

Ускорение вывода новинок, что особенно важно сейчас, когда освободившиеся ниши нужно занимать быстро. Это не абстрактные возможности, они уже реализованы в компаниях, которые решились сделать следующий шаг после пилота.

Что с этим делать

Барьер для ИИ в бизнесе давно не технологический, он управленческий. Это означает, что решение находится не в IT-бюджете и не в выборе платформы. Оно находится в кабинете первого лица. Три вопроса, которые стоит задать себе прямо сейчас.

Есть ли в компании письменно зафиксированные KPI для действующих ИИ-проектов, и кто персонально отвечает за их достижение?
Кто принимает решение о переводе пилота в масштаб, и по каким критериям?
Сколько из текущих ИИ-инициатив напрямую связаны с процессами, которые влияют на выручку и маржу, а не с процессами, которые просто удобно автоматизировать?

Выигрывает не тот, у кого больше бюджет и громче заявления, а тот, кто умеет выбрать правильный процесс, заранее знает, как будет измерять результат, и доводит начатое до масштаба.

Следующие два года, по оценке BCG, разделят рынок на тех, кто реально масштабирует ИИ, и тех, кто продолжает про него говорить.

Источники: Boston Consulting Group и The Consumer Goods Forum, “AI in CPG and Retail: How Winners Are Pulling Ahead”, июнь 2026, bcg.com/publications/2026/how-cpg-retail-leaders-maximize-ai-roi; Deloitte, “State of AI Adoption in Retail and CPG: 2026 Executive Survey”, deloitte.com/us/en/industries/consumer/articles/state-of-ai-adoption-in-retail-cpg-executive-survey.html; Tellius, “AI Agents for CPG: The 2026 Field Guide to Use Cases, Vendors and What’s Actually Real”, июнь 2026, tellius.com/resources/blog/ai-agents-for-cpg-the-2026-field-guide-to-use-cases-vendors-and-whats-actually-real.

Рука на пульсе или голова в операционке

2026-06-17T10:59:18.243Z

Уязвимость, которая выглядит как сильное лидерство

Есть определённый тип управленческой проблемы, который особенно трудно разглядеть изнутри. Не потому что она хорошо спрятана, а потому что внешне выглядит как достоинство. Собственник лично ведёт переговоры с ключевыми клиентами. Сам утверждает коммерческие условия выше определённого порога. Берёт трубку, когда у важного партнёра возникла проблема. Компания растёт, люди работают, выручка прибавляет год к году. Со стороны это производит впечатление сильного руководителя, который держит руку на пульсе.

Проблема в том, что рука на пульсе и голова в операционке — разные вещи. И граница между ними размывается настолько незаметно, что многие CEO обнаруживают её уже постфактум.

Я сама оказалась в этой ситуации, когда была генеральным директором крупной компании. После того как ушёл ключевой коммерческий менеджер, я решила временно взять часть его функций на себя, пока не найдём замену. Временно растянулось на полгода. Когда я посмотрела на свой календарь трезвым взглядом, оказалось, что добрая половина встреч посвящена вещам, с которыми вполне справился бы опытный коммерческий директор: обсуждение скидок, согласование условий по отдельным договорам, разбор претензий конкретных клиентов. Места для разговора о том, куда движется рынок и что мы собираемся с этим делать, в расписании практически не осталось.

Что говорит наука

Элсбет Джонсон, старший преподаватель MIT Sloan School of Management, опубликовала в Harvard Business Review осенью 2025 года статью с говорящим заголовком: "Why Aren't I Better at Delegating?" Джонсон исследовала эту тему на протяжении двух десятков лет, работая с топ-командами крупных компаний. Один из её выводов оказался для меня совершенно точным: лидеры, которые поднялись через личные результаты, через собственную экспертность и умение добиваться всего своими руками, получают буквальное физическое удовольствие от того, чтобы решить задачу самостоятельно. Это нейрохимия, а не характер. Мозг человека, привыкшего побеждать в прямом контакте с задачей, испытывает удовлетворение от конкретного результата здесь и сейчас, тогда как стратегическое мышление такого немедленного вознаграждения не даёт. Под давлением мозг выбирает привычное.

Патрик Ленсьони в своей классической работе "Пять дисфункций команды", вышедшей в 2002 году и до сих пор остающейся одной из наиболее точных книг об устройстве командной работы, описывает то, что происходит на другом конце этой истории, то есть в самой команде. Когда люди годами наблюдают, что финальное слово всегда остаётся за первым лицом, они перестают брать на себя ответственность за трудные разговоры. Не потому что они некомпетентны или ленивы, а потому что рационально адаптировались к системе, в которой ответственность де-факто сосредоточена в одном месте. Команда начинает работать в режиме подготовки материалов для чужого решения, а не в режиме принятия собственного.

Deloitte в своём исследовании организационного принятия решений зафиксировал кое-что важное в цифрах: компании, которые выстроили чёткую архитектуру прав на принятие решений, увеличивали прибыль на акцию в среднем на 45% год к году, тогда как компании с размытым распределением полномочий показывали падение того же показателя на 88%. Это не мягкий организационный эффект, а разница в финансовом результате, которая прямо связана с тем, кто и как принимает решения внутри компании.

Откуда это берётся

Было бы слишком просто объяснить всё характером конкретного руководителя. На самом деле здесь несколько причин, и все они архитектурные.

Первая лежит в истории. Поколение основателей и первых наёмных гендиректоров крупных российских компаний выросло в среде, где бизнес буквально строился на личных связях, личной репутации и личных договорённостях. Компания и её лидер взрослели вместе, и привычка держать самое важное в собственных руках была не слабостью, а необходимым условием выживания на том этапе. Проблема в том, что когда компания перешла в другую весовую категорию, эта же привычка превратилась из ресурса в ограничение. Архитектура мышления не перестраивается сама по себе только потому, что изменился масштаб бизнеса.

Вторая причина связана с акционерами. Совет директоров и владельцы компании нередко воспринимают личное участие первого лица в коммерческих решениях как свидетельство того, что всё под контролем. Когда CEO сам подписывает условия с крупнейшими клиентами, это читается как надёжность. Когда CEO передаёт эти полномочия коммерческому директору, у акционера возникает вопрос: а кто теперь реально отвечает за эти отношения? Этот вопрос крайне редко звучит вслух, но именно он нередко удерживает первое лицо в операционных деталях коммерции дольше, чем того требует ситуация.

Третья причина, пожалуй, самая деликатная. Команда в какой-то момент начинает подыгрывать. Приносить вопросы наверх не потому что не умеет решить их самостоятельно, а потому что так устроена система и так привычнее всем. Со временем это превращается в негласный договор: мы готовим, первое лицо решает. И разрушить этот договор бывает труднее, чем кажется, потому что он устраивает обе стороны, хотя и по разным причинам.

Что за этим стоит

В период относительной стабильности перечисленное создаёт лишь скрытые издержки. По-настоящему дорого это обходится в момент, когда компания сталкивается с реальным вызовом: ценовым давлением со стороны конкурентов, уходом нескольких ключевых людей, регуляторным сдвигом, резкими переменами в канале. Именно тогда обнаруживается, что скорость принятия коммерческих решений критически зависит от присутствия одного человека, который при этом физически не может быть везде одновременно. Функция, которая годами работала на ручном управлении, оказывается не готова к автономии именно тогда, когда она нужнее всего.

Есть и ещё одно последствие, о котором говорят реже. В среде, где полномочия замкнуты на первом лице, сильные коммерческие менеджеры с амбицией не задерживаются надолго. Людям с реальным потенциалом нужно пространство для самостоятельных решений, для собственных ошибок и собственных побед. Там, где это пространство отсутствует, они рано или поздно находят его в другом месте. Элсбет Джонсон формулирует это точно: лидеры, которые не делегируют реальные полномочия, а не просто задачи, со временем получают команду исполнителей, а не будущих руководителей, вне зависимости от того, сколько программ развития те прошли.

Как выглядит архитектура, которая не держится на одном человеке

Перестройка коммерческой функции на самостоятельность — это не вопрос доверия к конкретным людям, а вопрос системы.

Начинается всё с письменно зафиксированного распределения решений. У каждого уровня функции должен быть понятный, согласованный периметр полномочий: что решает менеджер по клиенту, что коммерческий директор, что финансовый комитет, что первое лицо. Этот периметр нужно пересматривать не раз и навсегда, а регулярно, потому что вместе с бизнесом меняются и требования к тому, где должны приниматься решения.

Следующий слой — ритмы коллективного обсуждения. Еженедельный коммерческий комитет, ежемесячный разбор портфеля, ежеквартальная стратегическая сессия по функции. Каждый из этих ритуалов имеет собственную повестку, собственный состав участников и собственные выходы. Первое лицо присутствует в одних и намеренно не присутствует в других, и это не произвол, а архитектурное решение, зафиксированное в регламенте.

Принципиально важен формат, в котором информация доходит до первого лица. Команда должна приносить не сырые данные с просьбой разобраться, а собранные сценарии с описанными последствиями каждого. Когда CEO видит три обоснованных варианта с понятными развилками, принимается стратегическое решение. Когда видит таблицу с цифрами, первое лицо вынуждено сначала стать аналитиком, а потом уже думать. Сегодня инструменты на основе ИИ закрывают значительную часть этой аналитической работы, которая раньше требовала недель от целой команды.

Наконец, устойчивость коммерческой функции строится через реальный резерв на каждой ключевой позиции. Не формальный список у HR, а живой человек, который уже бывает на ключевых встречах и уже вовлечён в решения. Такая преемственность не формируется за месяц до того, как она понадобится.

Два вопроса, которые стоит задать уже сегодня

Первый: какие коммерческие решения прошлой недели в принципе могли быть приняты без первого лица? Если честный ответ обнаруживает, что значительная часть времени CEO уходит на вещи, с которыми справился бы компетентный коммерческий директор, это сигнал об архитектуре, а не о людях.

Второй: сколько часов в прошлом месяце первое лицо потратило на осмысление того, куда движется рынок, какие клиенты будут расти через три года, как меняется логика канала? Не на обсуждение конкретных позиций по договорам, а на то, что принято называть helicopter view. Если таких часов меньше десяти, коммерческая функция развивается без стратегического компаса, и это, пожалуй, самый дорогостоящий долг компании в горизонте ближайшего года.

Управленческая зрелость первого лица в какой-то момент измеряется не тем, насколько хорошо оно само принимает решения, а тем, насколько качественные решения принимает система вокруг него в его отсутствие.

Источники: Elsbeth Johnson, "Why Aren't I Better at Delegating?", Harvard Business Review, сентябрь-октябрь 2025, hbr.org/2025/09/why-arent-i-better-at-delegating; Patrick Lencioni, "The Five Dysfunctions of a Team: A Leadership Fable", Jossey-Bass, 2002, ISBN 978-0-7879-6075-9; Deloitte Insights, "Getting Organizational Decision Making Right", deloitte.com.

ИИ в FMCG-2026: 5 кейсов, которые уже дают результат

2026-06-08T17:30:11.441Z

Пока одни обсуждают ИИ на конференциях, другие уже получают результат.

Меня не интересуют красивые демо и инвестиционные раунды. Я смотрю на то, что уже работает и что уже измеряется: средний чек, скорость вывода продукта на рынок, стоимость рекламного цикла. В 2026 году крупнейшие FMCG-компании мира дали публичные цифры по ИИ-внедрениям, и эти цифры уже не про будущее. Они про сегодняшний операционный результат.

Ниже пять кейсов, которые я изучила внимательно, проверила по первоисточникам и сопоставила с российской реальностью. По каждому скажу честно: что переносимо прямо сейчас, а где барьер реальный.

Walmart и Sparky: ИИ принимает решение в момент покупки

В феврале 2026 года на квартальном звонке CEO Walmart Джон Фурнер сообщил цифру, которая сразу разошлась по профессиональным медиа: покупатели, использующие ИИ-ассистента Sparky в мобильном приложении, формируют корзину на 35% больше тех, кто Sparky не использует. Половина пользователей приложения уже попробовала ассистента хотя бы раз. В том же квартале объём покупок через Sparky вырос в 4 раза по сравнению с предыдущим.

Sparky встроен прямо в мобильное приложение и работает как персональный шопинг-ассистент: помогает найти товар, синтезирует отзывы, составляет список под конкретный случай. Никакой отдельной платформы, никакого перехода на сторонний сайт.

Что здесь важно для меня как человека, который много лет проработал в FMCG. Ни одна промо-акция, ни один мотивированный торговый представитель, ни одна выкладка не могут достать покупателя в тот момент, когда он сидит дома с телефоном и думает, что купить. ИИ-ассистент в приложении может. Решение о составе корзины принимается не у полки, а в интерфейсе, где выигрывает тот, кто встроился первым.

Переносимо в Россию? Да, и немедленно. Любое мобильное приложение с доставкой: Самокат, Лента, ВкусВилл, Яндекс Лавка, собственные приложения производителей. Это готовая платформа для подобного ассистента. Технологически никаких препятствий нет. Барьер в том, что кто-то в компании должен принять решение отдать ИИ роль в формировании корзины, которую раньше выполняли категорийный менеджер и промо-механика. Это управленческое решение, а не техническое. Хотя, пока я писала эту статью, вполне возможно, что кто-то уже его принял. С ИИ всё сейчас измеряется в днях.

Carrefour и ChatGPT: магазин внутри чата

26 марта 2026 года Carrefour стал первым крупным европейским ритейлером, который встроил полноценный продуктовый магазин прямо в ChatGPT. Пользователь во Франции может, не выходя из чата с ИИ, попросить предложить рецепты на неделю, сформировать корзину под свой бюджет, проверить наличие товара и выбрать доставку. Оплата происходит уже на сайте Carrefour, но вся логика выбора происходит внутри ChatGPT.

Целевая аудитория этого хода: 26 миллионов французских пользователей ChatGPT. Carrefour в рамках стратегии Carrefour 2030 инвестирует в ИИ порядка 100 миллионов евро в год и параллельно развивает собственный ИИ-ассистент Hopla+ внутри своего приложения.

Сдвиг здесь концептуальный. Carrefour согласился на то, что ChatGPT будет направлять покупателя без контроля ритейлера над рекомендацией. Взамен: доступ к огромной аудитории, которая уже находится в интерфейсе, где принимаются решения о покупках. Покупатель начинает шопинг не с сайта ритейлера, а с вопроса ИИ-ассистенту. Тот, кто в этот момент присутствует в ответе, выигрывает.

В России ближайшие аналоги ChatGPT, то есть генеративные ИИ-ассистенты с широкой аудиторией, это Яндекс GPT в экосистеме Яндекса и GigaChat от Сбера. Яндекс уже строит агентный слой поверх своих сервисов, и встраивание торговых интеграций в этот слой технологически реалистично уже сейчас. Тот ритейлер или производитель, кто сделает это первым, получит те же преимущества, которые Carrefour получил во Франции.

L'Oréal Beauty Genius: ИИ идёт туда, где уже находится покупатель

L'Oréal запустила Beauty Genius сначала в бета-версии на сайте в октябре 2024 года, а в 2025–2026 году расширила его на WhatsApp. К моменту партнёрства с WhatsApp ассистент провёл уже более 480 000 разговоров. Больше половины вопросов касались декоративной косметики, треть — ухода за кожей.

Beauty Genius работает как персональный консультант: делает диагностику, рекомендует продукты из каталога более 750 позиций, отвечает на вопросы от простых до сложных. И всё это в мессенджере с почти 3 миллиардами пользователей по всему миру.

Логика здесь простая: обычно бренд строит свою платформу и ждёт, пока покупатель придёт. Beauty Genius работает иначе: ИИ идёт туда, где покупатель уже находится каждый день.

В России WhatsApp де-факто работает нестабильно, поэтому прямой перенос этой механики затруднён. Но логика остаётся верной, меняется только платформа. Российский мессенджер MAX, ВКонтакте, приложения Яндекса, встроенная Алиса — всё это готовые платформы, где покупатель уже находится. Бот с функцией диагностики и рекомендации для beauty-бренда, встроенный в любую из этих платформ, это история, которую российские производители могут запустить уже сейчас.

P&G AI Factory: скорость и стоимость разработки

P&G несколько лет строит то, что внутри компании называют AI Factory — платформу для ускоренной разработки, тестирования и запуска ИИ-решений в производство. По данным компании, сегодня ИИ задействован в 65% процессов разработки продуктов. Результат: время разработки сократилось на 22%.

Отдельная история с рекламой. Традиционный цикл создания и тестирования кампании занимал в среднем 21 день. С ИИ он сократился до 3 дней. Генеративный ИИ создаёт варианты креативов, алгоритм тестирует их в реальном времени, система оптимизирует ежедневно. Стоимость кампании снизилась на 90%.

Подчеркну эту цифру, потому что она звучит неправдоподобно: не на 10%, не на 30%. На 90%. Реклама, которая стоила условный миллион, теперь стоит сто тысяч. Цикл создания: не три недели, а три дня.

Для любого российского FMCG-производителя с маркетинговым бюджетом и потребностью тестировать коммуникации на разных аудиториях и каналах, это прямая операционная возможность. Инструменты для создания и тестирования креатива с помощью генеративного ИИ доступны сегодня. Вопрос в том, кто в компании принимает решение изменить процесс.

Unilever: дни вместо месяцев в R&D

27 апреля 2026 года Unilever опубликовал на официальном сайте подробный материал о том, как ИИ меняет R&D в направлении Beauty & Wellbeing. Цифры конкретные: анализ потребительских инсайтов стал на 60% быстрее. Количество раундов формуляции сократилось с 5–6 до 1–2. Процесс генерации клеймов — заявлений о свойствах продукта, критически важных для регуляторного прохождения — ускорился на 75%.

Механика следующая: более 1000 внешних источников данных анализируются автоматически каждый месяц. Когда тренд зафиксирован, ИИ-инструменты сопоставляют его с внутренними базами данных R&D. Параллельно Unilever использует виртуальные когорты, созданные из собственных микробиомных датасетов, позволяющие тестировать формулы на 2500 виртуальных субъектах одновременно.

Путь от обнаружения тренда до готового продуктового брифа для R&D занимал месяцы. Теперь это дни. Для рынка, где скорость запуска новинки определяет долю на полке, это не оптимизация. Это смена правил игры.

В России это применимо прежде всего для компаний с собственным R&D в категориях, где потребительские тренды меняются быстро, например уход за кожей, волосами, бытовая химия с экологическим позиционированием. Барьер здесь реальный: нужны структурированные собственные данные, накопленные за годы разработок. Там, где они есть, можно начинать сейчас.

А что происходит в России

Важно сказать честно: российские публичные кейсы с верифицированными цифрами появляются значительно реже, чем западные. Культура открытого бенчмаркинга у нас пока не сложилась. Но они есть.

X5 Group в мае 2026 года раскрыла результат, который заслуживает отдельного внимания: операционная прибыль от масштабирования ИИ в 2025 году составила 5 миллиардов рублей. Речь о рекомендательных системах для персонализации предложений, компьютерном зрении для контроля полок и ИИ-ассистенте ГаляGPT, который помогает покупателям подбирать товары и рецепты. 45% персонализированного контента в «Пятёрочке» уже создаётся с помощью ИИ.

«Магнит» автоматизировал анализ клиентской обратной связи и обрабатывает до 150 000 отзывов в день алгоритмами, выявляя проблемы на уровне конкретных магазинов. «Лента» внедрила прогнозирование спроса на базе машинного обучения, повысив точность планирования и сократив избыточные остатки.

ВкусВилл в декабре 2025 года открыл собственный MCP-сервер, позволяющий внешним агентам работать с сервисом покупок, и запустил агента для работы с нейровыдачей через генеративные поисковые системы.

Всё это реальные российские истории. Не демо, а операционные результаты.

Что это значит для российского рынка

Логика всех пяти западных кейсов переносима. Она не зависит от страны, валюты или регуляторной среды. ИИ меняет две вещи одновременно: точку контакта с покупателем и скорость внутренних процессов. Мобильное приложение с доставкой - готовая платформа для Sparky-подобного ассистента. Яндекс GPT и GigaChat - готовые платформы для встраивания торговых интеграций в стиле Carrefour. Генеративный ИИ для создания рекламного креатива доступен российским командам уже сейчас. Данные для инсайт-аналитики в стиле Unilever тоже есть у многих компаний, просто они не структурированы и не подключены к нужным инструментам.

Технологического барьера нет. Это важно повторить. Барьер управленческий, и он очень конкретный: кто-то должен принять решение отдать ИИ роль, которую раньше играл человек. Категорийный менеджер решал, что попадает в рекомендацию. Маркетолог решал, какой вариант рекламы идёт в эфир. R&D-директор решал, сколько раундов формуляции нужно пройти. ИИ предлагает делать это быстрее, дешевле и в ряде случаев точнее. Но для этого нужно первое лицо, которое готово задать вопрос ребром: что из того, что делает человек, ИИ уже умеет делать лучше?

Кто задаст этот вопрос первым и получит ответ, у того и конкурентное преимущество. В FMCG всегда так работало: первые в категории задают стандарт, остальные догоняют. Сейчас категория одна для всех, и называется она ИИ.

Источники: Walmart Q4 FY2026 earnings call, февраль 2026 (Retail Dive, Modern Retail); пресс-релиз Carrefour и Connexion France, март 2026; WWD, июль 2025 (L'Oréal Beauty Genius); MIT Sloan Management Review и Chief AI Officer, данные по P&G AI Factory; Unilever.com, 27 апреля 2026; Retail.ru, X5 Group, май 2026.

Что делать с горизонтом, которого не видно

2026-06-02T07:57:47.365Z

Планировать только одно будущее - единственная стратегия, которая гарантирует проигрыш. Я разбираю, что это значит для российского бизнеса.

Я читаю много отчётов и это часть работы: понять, что происходит в мире, прежде чем давать советы клиентам. Большинство из них либо слишком абстрактны, либо написаны про реальность, которая к России имеет весьма косвенное отношение. Отчёт BCG Henderson Institute "Beyond Tomorrow: Four Scenarios for the World of 2050", опубликованный в апреле 2026 года, оказался другим. Я прочитала его дважды. Не потому что он оптимистичный, а потому что он честный и методологически очень сильный: более 100 мегатрендов, век исторических данных, сценарное мышление вместо единственного прогноза.

Главный тезис авторов звучит так: решения, которые лидеры примут в ближайшие 5 лет, определят следующие 25. И единственная стратегия, которая гарантирует проигрыш, это планировать только одно будущее.

Когда я показала этот тезис нескольким собственникам, с которыми работаю, реакция была примерно одинаковой: какая стратегия, когда горизонт планирования за последние несколько лет сжался до 1-3 месяцев? Понимаю этот скептицизм. Но именно поэтому и решила написать эту статью: фреймворк BCG работает не вопреки неопределённости, а через неё. Он создан для ситуаций, когда будущее непредсказуемо.

Разберём подробно.

4 сценария: какой мир нас ждёт

BCG строит сценарии вокруг 4 осей: динамика ИИ, геополитика, климат, технологическое регулирование. Из их пересечений рождаются 4 принципиально разных мира к 2050 году.

AI Abundance. Глобальное сотрудничество в области ИИ приводит к взрывному росту производительности. К 2050 году мировой ВВП утраивается, средний работник трудится на 25% меньше часов, чем сегодня, энергетика становится дешёвой и чистой. Государства приоритизируют стабильность над индивидуальной свободой. Звучит красиво — и одновременно очень далеко от сегодняшней реальности.

Battling Blocs. Мир закрылся в жёсткие блоки. Глобальная торговля сжалась с нынешних 57% ВВП до 35% — уровня эпохи холодной войны. Расходы на геополитическую безопасность резко выросли. Государство и бизнес срослись в государственный капитализм, глобальное сотрудничество стало редкостью. Когда я читала описание этого сценария, поймала себя на мысли: чем это принципиально отличается от того, что уже происходит?

Climate Coalition. Серия климатических шоков заставила правительства и общества выбрать устойчивость как главный приоритет. Высокие налоги, сжатое потребление, инновации в энергетике, биотехе, агропромышленности. Старение населения создаёт серьёзную нагрузку на бюджеты и межпоколенческое напряжение.

Digital Darwinism. Минимальное регулирование породило взрывной рост технологических компаний. Государства потеряли часть влияния на экономику. ИИ присутствует везде — от персонализированных сервисов до цифровых супервизоров на рабочих местах. Экономический рост высокий, но неравенство растёт быстрее него. Гиг-экономика становится основной формой занятости для большинства.

Моя читательская реакция была прямолинейной. Мы уже живём внутри Battling Blocs. Большинство управленческих решений последних 3 лет принималось именно в этой логике: локализация поставщиков, защита от валютных рисков, ставка на внутренний рынок, кадровая автономия. И это были правильные решения для своего момента.

Но вот что важно: ни один из 4 сценариев не является гарантированным. Battling Blocs может перейти в Climate Coalition, если климатические шоки опередят геополитику. Может сдвинуться к Digital Darwinism, если технологические компании вырвутся из-под государственного контроля. Может трансформироваться в AI Abundance через 20 лет, если возникнет новая международная архитектура. Планировать только одно будущее — значит заранее согласиться с тем, что при ошибке в прогнозе проигрыш неизбежен.

5 решений, которые работают при любом сценарии

На основе 4 сценариев авторы BCG выделили управленческие решения, которые дают положительный эффект независимо от того, какой из них реализуется. Они называют это low-regret moves — ходы, о которых не пожалеешь. Я разбираю каждое и комментирую из своего опыта работы с российскими компаниями реального сектора.

Решение 1. Перестроить операционную модель под устойчивость, а не эффективность

Последние 30 лет глобальный бизнес учился оптимизировать ради эффективности. Один поставщик на каждую категорию сырья. Один логистический хаб для всего региона. Минимальные складские остатки. В мире свободной торговли это была оптимальная модель.

BCG говорит: в 3 из 4 сценариев баланс смещается в пользу устойчивости. Я скажу жёстче: в России этот сдвиг уже произошёл, просто не все собственники зафиксировали его как принципиальное изменение системы, а не как временные трудности.

Я наблюдала компании, которые в 2022 году потеряли 30–40% выручки за квартал, потому что работали с одним поставщиком ключевого ингредиента. И я работала в компании, которая прошла тот же квартал почти без потерь, потому что устойчивость была встроена заранее. Разница между ними была не в размере и не в отрасли, а в том, как они думали о рисках.

Конкретно это означает: удвоить ключевых поставщиков по критическим категориям сырья; развести логистические маршруты так, чтобы выпадение одного коридора не останавливало всю дистрибуцию; пересмотреть нормативы складских остатков по позициям, которые нельзя быстро заместить; диверсифицировать источники финансирования. Эти решения дороже в моменте, но кратно дешевле прерывания операций в стрессовом сценарии.

Решение 2. Переосмыслить работу с командой в эпоху ИИ и старения

В 3 из 4 сценариев BCG прогноз по рабочей силе одинаковый: население стареет, доля молодых кадров на рынке сокращается, а ИИ-агенты становятся обязательным элементом операционной структуры. В сценарии геополитической фрагментации к этому добавляется отрезанность от международных кадровых рынков.

Здесь я хочу добавить то, чего в отчёте BCG нет, но что я вижу в российских компаниях постоянно. Собственники, которые поняли важность ИИ, начинают с тестирования инструментов: подключаем ChatGPT, смотрим что получится. Через полгода обнаруживают, что инструменты используются хаотично, эффект непрозрачен, сотрудники сопротивляются. Потому что последовательность была неправильной.

Правильная выглядит так: сначала описание операционной модели "человек плюс ИИ" в конкретной функции, потом подбор инструмента под эту модель, потом обучение и стандарты. Только тогда внедрение даёт измеримый результат. Технология должна следовать за логикой работы, а не предшествовать ей.

Параллельно стоит пересмотреть отношение к опытным сотрудникам 55+. BCG прямо указывает на эту группу как на недооценённый актив в условиях дефицита молодых кадров. Гибкие роли, менторские функции, передача экспертизы — это не социальная нагрузка, а способ удержать знания внутри компании.

Решение 3. Сделать технологический стек модульным

В 2022 году, когда ушли SAP и Oracle, многие компании обнаружили, что их технологическая архитектура - монолит, который невозможно разобрать по частям. Это и есть антипример того, о чём говорит BCG.

Авторы формулируют просто: тяжёлый стек, выстроенный под одну реальность, становится якорем. Модульный стек, в котором можно заменить любой слой за квартал, становится конкурентным преимуществом.

Я бы добавила к этому вопрос, который задаю на каждой диагностике: можете ли вы доказать, на основе чего ваш ИИ-агент или ваша система приняли то или иное решение? Пять лет назад этот вопрос звучал философски. Сегодня он операционный, особенно при работе с крупными клиентами и регулятором.

Решение 4. Развить способность видеть изменения раньше конкурентов

BCG называет это sensing and influencing capabilities. На практике это означает: у компании должен быть выстроен процесс наблюдения за внешней средой, а не только за внутренними показателями.

У большинства российских компаний реального сектора, с которыми я работаю, этот контур слабее всего. Операционка работает, финансовая дисциплина выстроена, кадры на месте. Но процесс понимания того, что мир изменился, и быстрой реакции на это держится на личной интуиции собственника. В стабильное время это рабочая модель. Когда любой из 4 сценариев BCG может реализоваться в течение нескольких лет, это становится серьёзным узким местом.

Конкретно: команда, которая ежемесячно сводит данные по регуляторике, технологиям, потребительскому поведению и геополитике в формат, пригодный для принятия решений. Представительство в отраслевых ассоциациях и рабочих группах. Короткий цикл "увидел сигнал - принял решение - запустил эксперимент", а не ожидание следующей годовой стратегической сессии.

Решение 5. Принять на себя более широкую роль в обществе

BCG говорит о глобальном тренде: государство во всех 4 сценариях постепенно снижает участие в социальных задачах, и часть этой нагрузки переходит на бизнес. В России этот процесс идёт иначе и медленнее, но направление то же.

Я вижу это не как обременение, а как конкурентное преимущество в условиях дефицита кадров. Компании, которые становятся для своих сотрудников и местных сообществ чем-то большим, чем просто работодателем, выигрывают в найме и удержании людей. Программы поддержки по нерабочим темам — семья, здоровье, образование детей; партнёрства с образовательными учреждениями в регионах присутствия; формальная позиция по вопросам, которые волнуют людей. Это инвестиция в устойчивость кадровой базы, а не статья расходов.

Что начать делать в июне

Эти 5 решений не закрываются за месяц. Но начать имеет смысл именно сейчас, потому что каждый месяц промедления увеличивает разрыв с теми, кто начал раньше.

Я бы предложила сделать следующее: возьмите одно из 5 решений, которое в вашей компании сегодня выглядит слабее всего, соберите ключевые функции - коммерцию, операции, кадры, финансы, IT - и выделите 2 часа на честный разговор: где мы сейчас и какие 3 действия мы готовы предпринять до конца сентября. Зафиксируйте письменно, назначьте владельца, договоритесь о следующей встрече через месяц.

Эти 2 часа дадут больше, чем большинство стратегических сессий. Потому что вы будете говорить про конкретные ходы в реальном времени, а не про абстрактное направление.

Решения, которые вы примете в ближайшие 5 лет, действительно определят форму вашего бизнеса на следующие 25. Не оставляйте этот горизонт без плана. Даже грубый план с одним из 5 low-regret moves лучше, чем ожидание момента, когда мир станет понятнее.

Он не станет.

Полный отчёт BCG Henderson Institute "Beyond Tomorrow: Four Scenarios for the World of 2050" опубликован в апреле 2026 года на сайте bcg.com. В этой статье я опираюсь на оригинальный фреймворк и комментирую его из практики работы с собственниками российского реального сектора.

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.

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.

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.