Не решать, а проектировать выбор: как AI меняет работу менеджера
Представьте: вы – менеджер по закупкам. Каждую неделю выбираете поставщиков из списка, который сами же и составили. Три-четыре знакомых компании. Привычные условия. Понятные риски.
А теперь представьте другую картину: AI анализирует рынок и предлагает вам 12 вариантов, включая поставщиков, о которых вы даже не слышали. С прогнозом цен на полгода вперёд. С оценкой рисков по каждому. С рекомендацией оптимальной комбинации.
Вы по-прежнему принимаете решение. Но выбираете из меню, которое не вы составляли.
Это не фантастика. Walmart, Liberty Mutual, Cummins уже работают так. И исследование MIT Sloan Management Review показывает: настоящая власть – не у того, кто решает, а у того, кто формирует варианты.
Простая идея, которая всё меняет
Исследователи из MIT назвали этот подход Intelligent Choice Architectures (ICA) – “архитектуры интеллектуального выбора”. Звучит сложно, но идея простая:
Раньше: Менеджер собирает информацию → анализирует → формирует варианты → выбирает лучший.
Теперь: AI собирает информацию → анализирует → формирует варианты → менеджер выбирает лучший.
Видите разницу? Менеджер по-прежнему принимает финальное решение. Но кто контролирует, какие варианты вообще попадут в меню – это уже AI.
И вот ключевой инсайт: тот, кто формирует меню, контролирует результат. Даже если формально выбор делает кто-то другой.
Как это работает на практике: три реальных примера
Walmart: поиск талантов без предвзятости
Раньше менеджеры магазинов сами выдвигали кандидатов на повышение. Субъективно. Часто – тех, кто “на виду” или лично симпатичен.
Теперь AI анализирует сотни метрик: производительность, обратную связь коллег, скорость обучения, решение проблем. И формирует список кандидатов с обоснованием по каждому.
Менеджер по-прежнему решает, кого продвигать. Но выбирает из объективного списка, а не из “любимчиков”.
Liberty Mutual: страховые претензии быстрее и точнее
Страховой оценщик получает претензию. Раньше он сам искал аналогичные случаи, сам прикидывал варианты урегулирования.
Теперь AI показывает: “Вот 5 вариантов урегулирования. Вариант А сработал в 78% похожих случаев. Вариант Б дешевле, но риск судебного иска 12%”.
Оценщик выбирает. Но из вариантов, которые AI уже просчитал.
Cummins: проектирование двигателей без слепых зон
Инженеры Cummins проектируют дизельные двигатели. Раньше они опирались на свой опыт и библиотеку прошлых решений.
Теперь AI симулирует тысячи граничных случаев: экстремальные температуры, высокогорье, работа под нагрузкой. И предлагает инженеру 10–15 оптимизированных конфигураций.
Инженер по-прежнему принимает технические решения. Но из вариантов, которые охватывают сценарии, о которых он даже не думал.
Что это значит для менеджера
Вот главный вывод исследования MIT. Роль менеджера меняется:
| Было | Становится |
|---|---|
| Искать информацию | Настраивать, какую информацию AI ищет |
| Формировать варианты | Оценивать варианты, которые AI сформировал |
| Принимать решения | Проектировать среду, в которой решения принимаются |
Один из участников исследования, бывший CIO Enbridge, сказал это прямо:
“Мы перестали разделять IT, OT и AI. Теперь это всё – инфраструктура принятия решений.”
Хотите научиться работать с AI как с инструментом проектирования решений? Начните с открытого модуля
Без платёжных данных • Доступ сразу после регистрации
Четыре уровня: где вы сейчас и куда двигаться
Чтобы разобраться, как работают ICA, нужно понять, как менеджеры работают с данными. В модуле “Визуализация данных с помощью AI” на курсе mysummit.school мы разбираем четыре уровня визуализации (описательный → диагностический → предиктивный → предписывающий). Они напрямую связаны с тем, как работают ICA:
1. Описательный – “Что произошло?” Графики, отчёты, дашборды. Большинство менеджеров здесь.
2. Диагностический – “Почему это произошло?” Анализ причин, выявление паттернов. Продвинутый уровень.
3. Предиктивный – “Что произойдёт?” Прогнозы, тренды. Уже редкость.
4. Предписывающий – “Что делать?” AI не просто показывает данные – он предлагает варианты действий. Это и есть уровень ICA.
Большинство менеджеров застряли на первом уровне. Смотрят на графики продаж. Видят, что упали. Но что делать – решают сами, на основе интуиции.
ICA работает на четвёртом уровне. Система видит падение → анализирует причины → прогнозирует развитие → предлагает 5 вариантов реакции с оценкой каждого.
Три технических пути для менеджера
Хорошая новость: создавать такие системы можно уже сейчас, без программистов. На курсе мы показываем три технологических пути: Code-to-Chart, Markup-to-Diagram и Generative AI.
1. Code-to-Chart – точные графики через ChatGPT Code Interpreter. Загружаете данные, получаете анализ и визуализацию. Подходит для числовых данных: продажи, KPI, финансы.
2. Markup-to-Diagram – схемы процессов через Claude и Mermaid. Описываете процесс словами, получаете диаграмму. Идеально для визуализации сложных зависимостей и процессов принятия решений.
3. Generative AI – AI создаёт инфографику для презентаций и отчётов. Когда нужно не просто показать данные, а донести идею до аудитории.
Эти три подхода – не просто инструменты визуализации. Это способы построить архитектуру выбора: от сбора данных до формирования вариантов решений.
Но главное – не инструменты. Главное – переход на четвёртый уровень: от “смотрю на данные” к “получаю варианты решений”.
Пять вопросов: готовы ли вы к новой роли?
Исследование MIT предлагает пять диагностических вопросов:
1. Видит ли система ваши ключевые решения? Если решения принимаются в кулуарных разговорах – AI их не улучшит.
2. За что вас премируют – за успех отдела или компании? Если за отдел – вы будете сопротивляться рекомендациям AI, которые перераспределяют ресурсы.
3. Готовы ли вы принять рекомендацию AI, которая противоречит вашей интуиции? ICA часто предлагает неочевидные решения. Если вы их отметаете – зачем система?
4. Может ли AI предложить решение за пределами вашей зоны ответственности? Если система ограничена иерархией – она не увидит лучшие варианты.
5. Есть ли в процессах место для новых вариантов? Если всё жёстко регламентировано – новые опции некуда встроить.
Что делать прямо сейчас
Для менеджера среднего звена
Шаг 1. Выберите одно повторяющееся решение: приоритеты задач, распределение нагрузки, оценка рисков.
Шаг 2. Создайте простую систему (ChatGPT + таблицы), которая анализирует данные и предлагает 3–5 вариантов.
Шаг 3. Начните фиксировать не только “что решили”, но и “почему, из каких вариантов выбирали”.
Для руководителя
Шаг 1. Сделайте ключевые решения видимыми для систем – требуйте документировать логику выбора.
Шаг 2. Измените мотивацию: от локальных KPI отделов к общим результатам компании.
Шаг 3. Начните с стратегических решений – M&A, продуктовая стратегия, инвестиции в инновации.
Хотите перейти на четвёртый уровень?
Курс показывает, как менеджеры используют AI для создания систем принятия решений – от визуализации данных до проектирования архитектур выбора.
Главное
Первое. Власть переходит от тех, кто принимает решения, к тем, кто формирует варианты выбора. Это не теория – Walmart, Liberty Mutual, Cummins уже работают так.
Второе. Роль менеджера меняется: от “принимаю решения” к “проектирую среду, в которой решения принимаются”.
Третье. Начать можно уже сейчас – с простых инструментов. Главное – перейти от первого уровня (графики) к четвёртому (варианты решений).
Исследование MIT даёт компаниям 18–24 месяца на адаптацию. Те, кто выстроит ICA сейчас, создадут преимущество, которое конкуренты не скопируют за год.
Вопрос не в том, придёт ли эта эра. Вопрос в том, на какой стороне окажетесь вы.
Источники
Основное исследование:
- MIT Sloan Management Review – “Winning With Intelligent Choice Architectures”, Michael Schrage, David Kiron (July 2025)