Почему ИИ-культура в компании важнее, чем сам инструмент

Искусственный интеллект уже не воспринимается как эксперимент, а становится новой основой для трансформации бизнеса. Однако вместе с ростом интереса к этой технологии увеличивается и количество разочарований: одни компании успешно расширяют пилотные проекты, тогда как другие приостанавливают их реализацию. По мнению генерального директора redmadrobot Ильи Самофеева, одной из причин такого явления является отсутствие в организациях системной культуры ИИ, из-за чего технология воспринимается не как инструмент развития, а лишь как внешний атрибут.

Результаты есть — но не у всех

Вопрос о пользе ИИ в бизнесе уже не вызывает сомнений. Компании, которые системно внедрили искусственный интеллект, демонстрируют ощутимые и измеримые результаты. Например, Microsoft с помощью ИИ оптимизировала работу колл-центров, сэкономив 500 миллионов долларов, корпоративный ИИ-ассистент Lilli в McKinsey сокращает 50 тысяч человеко-часов ежемесячно, а Amazon снизил расходы на складские помещения на 25%.

По оценкам McKinsey, долгосрочная выгода от внедрения ИИ в корпоративном секторе может составить до 4,4 триллиона долларов за счёт повышения производительности. При этом 92% компаний планируют увеличить инвестиции в искусственный интеллект в ближайшие три года. Казалось бы, рынок движется в одном направлении.

Однако реальность оказывается более сложной. Воодушевившись успешными примерами, многие компании приступают к внедрению ИИ, но сталкиваются с разочарованиями. Согласно данным The Economist, почти половина проектов останавливается ещё на стадии пилотных запусков. В исследовании McKinsey лишь 1% компаний признают себя зрелыми в использовании ИИ — то есть полностью перестроившими процессы и получающими стабильный бизнес-эффект. В свою очередь, The Australian сообщает, что 58% организаций не достигли ожидаемой отдачи от генеративного ИИ.
Один и тот же инструмент в одной компании становится драйвером роста, а в другой — источником фрустрации. Зачастую причина кроется не в самой технологии и даже не в бизнес-кейсах ее применения, а в управленческой рамке, в подходе к внедрению ИИ со стороны менеджмента компании. Там, где ИИ воспринимается как еще один IT-продукт, который можно купить «из коробки» и встроить без пересборки процессов и работы с людьми, эффекта нет. Чтобы ИИ начал приносить реальную ценность, он должен стать не надстройкой, а частью новой операционной модели. А значит, важнейшая точка трансформации — это не освоение технологии, а работа с людьми и «прошивка» культуры компании искусственным интеллектом.

AI Native: пока не стандарт, но уже ориентир

Сегодня на рынке всё чаще употребляется термин «AI Native-компания» (а также AI Driven, AI Ready), однако его значение пока больше отражает направление развития, чем устоявшуюся концепцию. Даже на зрелых рынках сложно однозначно определить, какие организации можно отнести к AI Native, за исключением разве что тех, кто создаёт базовые AI-решения, например, LLM-модели.

Концепция AI Native представляет собой набор характеристик. В таких компаниях:

• ИИ интегрирован во все бизнес-процессы;
• применяется принцип «ИИ для всех» — каждый сотрудник имеет доступ к разнообразным ИИ-инструментам в рабочей среде, включая не только универсальные LLM-сервисы, но и специализированные отраслевые решения для конкретных функций;
• налажен цикл тестирования идей, гипотез и пилотных проектов с использованием ИИ и их внедрения в работу компании;
• ИИ приносит добавленную ценность продуктам или служит драйвером создания новых продуктов;
• корпоративная культура поддерживает «ИИ-амбассадорство» через внутренние коммуникации, развитие сотрудников и систему вознаграждений — успешные примеры применения ИИ активно распространяются и масштабируются внутри организации.

В российской практике уже появляются элементы AI Native-подхода, но системных примеров трансформации компаний пока нет. Тем не менее, ряд крупнейших банков, телеком-операторов и других компаний находятся в стадии осмысления этой концепции: создают внутренние GenAI-платформы, ищут области применения ИИ в бизнес-процессах, тестируют гипотезы и обучают сотрудников работе с ИИ.

Когда появится первый полноценный успешный опыт — не просто набор ИИ-кейсов, а полноценная AI Native-модель компании — он станет ориентиром для всей отрасли. А те компании, что начинают эксперименты уже сейчас, с высокой вероятностью станут теми, кто задаст будущий стандарт.

Страх, инерция, недоверие: что мешает ИИ прижиться

Многие проблемы при внедрении ИИ связаны не с технологиями и не с наличием успешных бизнес-кейсов, а с особенностями корпоративной культуры и HR-процессов. Компании не отрицают пользу ИИ, но сталкиваются с внутренними ограничениями: недоверием к результатам работы ИИ, отсутствием понятной методологии внедрения, нехваткой компетенций, сопротивлением на уровне команд.

Один из ключевых факторов — ожидание гарантированного эффекта. Многие управленцы по-прежнему оценивают ИИ как инвестицию с предсказуемым возвратом. При этом на данный момент технология работает иначе: не как линейный проект, а как среда для тестов и адаптации. Там, где этого понимания нет, внедрение либо останавливается, либо остается поверхностным и в конечном итоге не дает ожидаемых результатов.

Второй барьер — отсутствие внутреннего ИИ-амбассадорства, когда менеджмент компании сам не использует ИИ в рабочих процессах. В итоге даже мотивационные призывы со стороны руководства звучат как пустые слова. Даже при наличии доступа к передовым ИИ-сервисам сотрудники, скорее всего, не начнут с ними работать. И наоборот — личный опыт применения ИИ среди топ- и миддл-менеджеров становится положительным примером для остальных.

Отдельная причина — личные опасения. Страх быть замененным, страх ошибиться, страх потерять контроль над результатом, страх показать свою некомпетентность. Такие установки часто не артикулируются, но становятся фоном, блокирующим инициативу. Без открытого разговора об этих барьерах и поддержки со стороны топ-менеджмента и линейных руководителей адаптация к новой культуре невозможна.

При этом инфраструктурный барьер часто переоценивается. Доступ к ИИ становится все более демократичным: появляются новые open-source LLM-модели, меняются архитектурные подходы, создаются готовые ИИ-инструменты. Для первых шагов в применении ИИ уже не требуются многомиллионные инвестиции — достаточно внутренней готовности

Системность как условие успеха

Чтобы ИИ начал работать как часть бизнес-структуры, необходима системность. У нее есть минимум три слоя.

Первый — уровень целеполагания. В компаниях, где ИИ действительно становится драйвером трансформации, он закрепляется на уровне стратегических целей. Это может быть обязательное внедрение ИИ в каждый новый продукт, требование к применению ИИ в бизнес-процессах или цели по созданию определенного набора ИИ-решений для рынка или внутреннего использования. Такие цели работают как точка сборки — задают вектор всем подразделениям и снижают риск фрагментации.

Второй слой — технологическая инфраструктура. Речь идет не только о выборе больших языковых моделей, но и о построении единой ИИ-платформы, где обеспечивается доступ к различным облачным и локальным LLM, осуществляется защита данных, а также создание и управление ИИ-агентами. Без общей технологической среды эксперименты останутся разрозненными инициативами отдельных команд и не смогут масштабироваться. В зрелой архитектуре бизнес-подразделения понимают, какие инструменты доступны, для каких задач они применимы и как обеспечивается безопасность.

Третий слой — работа с людьми. ИИ не приживается в компаниях, где сотрудники не понимают, зачем он нужен и как его использовать. Здесь важна как практическая подготовка — обучение, внутренние методички, поддержка кейсов — так и работа на уровне коммуникации.
Системный подход не означает немедленной перестройки всей компании. Но он требует синхронизированных действий сразу на всех слоях изменений — постановка бизнес-целей должна подкрепляться изменениями на уровне культуры и на уровне технологий. 

Шаги по формированию AI-культуры

Развитие AI-культуры — это не разовое обучение и не просто публикация мотивационных сообщений в корпоративном чате. Это комплексная работа на пересечении инфраструктуры, коммуникаций и лидерства. Начать стоит с шести ключевых направлений.

Доступность инструментов
Без технической возможности пользоваться ИИ-сервисами культура применения ИИ не сформируется. Сотрудники должны иметь стабильный, безопасный и удобный доступ к LLM-моделям как в облаке, так и в локальной инфраструктуре.

Чёткие сценарии использования
ИИ-инструмент не должен оставаться абстрактным понятием. Необходим набор понятных рабочих кейсов — от простых до сложных — с инструкциями по применению технологии в конкретных ролях: аналитика, маркетолога, юриста и других.

Регулярное обучение
Один вебинар или презентация не дадут нужного эффекта. Обучение должно стать системным процессом: с учётом ролей и задач, с возможностью обсуждать и проверять гипотезы. Это может быть серия модулей, воркшопы. Навыки работы с ИИ должны войти в требования к каждой должности.

Эксперименты как основа
В работе с ИИ важно постоянно искать новые идеи, проводить эксперименты и использовать метод проб и ошибок. В компании должно стать нормой тестировать инновации не только в R&D, но и во всех подразделениях.

Внутренний PR
Даже небольшие успехи внедрения ИИ нужно освещать внутри компании. Если сотрудник с помощью ИИ-агента автоматизировал часть задач, или кто-то создал удобный промпт для упрощения работы — об этом стоит рассказать всей команде. Такие истории формируют культуру, где ИИ воспринимается как помощник и усилитель, а не угроза.

Поддержка со стороны топ-менеджмента
Сотрудники должны ясно понимать, как компания видит своё будущее с ИИ. Это может выражаться в миссии — например, «ИИ как личный ассистент для каждого», или в откровенном посыле о переходе к human-less-структуре. Ясность формирует опору и направление развития.

Новые стандарты, роли, рынки

ИИ дает компаниям не только возможность сократить издержки или ускорить отдельные процессы. Его главный потенциал — в пересборке бизнес-логики. Классический подход означает анализ текущих процессов, выбор точек оптимизации, 

реализацию решения и оценку эффектов. В то время как ИИ способен не просто оптимизировать существующее — он способен изменить саму суть процесса.
ИИ дает компаниям не только возможность сократить издержки или ускорить отдельные процессы. Его главный потенциал — в пересборке бизнес-логики. Классический подход означает анализ текущих процессов, выбор точек оптимизации, реализацию решения и оценку эффектов. В то время как ИИ способен не просто оптимизировать существующее — он способен изменить саму суть процесса.
Радикальные трансформации невозможны, если ограничиваться точечной оптимизацией. Если бы Uber в свое время анализировал, как пользователи вызывают такси — по телефону или на улице — он бы, скорее всего, улучшил кол-центр. Вместо этого компания выбрала другую рамку: соединила клиента и водителя через цифровую платформу, полностью переосмыслив сам принцип услуги — и задала новый стандарт.

ИИ дает бизнесу такую же возможность. Но трансформация не происходит по шаблону. Это путь проб, ошибок, локальных экспериментов. Компании, которые начнут двигаться в этом направлении сегодня, скорее всего, и будут теми, кто сформирует стандарты завтра.

Мнение редакции может не совпадать с точкой зрения автора

По материалам: forbes.ru