Открыть учебник Записаться

Внедрение ИИ

Вопрос ёмкости: куда деть время, которое освободил ИИ

10 мин чтения

В сентябре 2026 года Thomson Reuters Institute опубликовал разбор про средние юридические фирмы, и в нём есть фраза, которая стоит всей статьи: большинство организаций инвестируют в ИИ, но так и не ответили на вопрос, который определяет, появится ли от этих инвестиций ценность. Вопрос не про выбор инструмента и не про бизнес-кейс для партнёров. Вопрос звучит так: что вы делаете с ёмкостью, которую ИИ освобождает?

Речь про юристов, но перенос на любую команду прямее, чем кажется. У вас уже есть лицензии, кто-то в команде уже экономит часы на черновиках, сводках, разборе документов. И с очень высокой вероятностью вы не можете внятно ответить, куда эти часы деваются.

Читать полностью
Вопрос ёмкости: куда деть время, которое освободил ИИ
Симуляции вместо осмоса: как учить суждению в эпоху ИИ
9 мин

Симуляции вместо осмоса: как учить суждению в эпоху ИИ

Карл Майес из американского института бухгалтеров сформулировал проблему, которая выходит далеко за пределы его профессии: как узнать, как выглядит хорошо, если ты никогда не делал эту работу руками? Его организация опросила больше тысячи специалистов, и вывод был прямым: у людей не хватает прочного фундамента, чтобы оспорить бота.

Формулировка «оспорить бота» – точнее любой академической. Вся дискуссия о качестве ИИ в итоге упирается в человека, который смотрит на выхлоп и должен сказать «здесь неправильно». Если такому человеку не с чем сравнивать – потому что работу, на которой раньше учились, теперь делает машина, – то проверка вырождается в орфографию.

Скептик в команде: как тренировать оспаривание ИИ
9 мин

Скептик в команде: как тренировать оспаривание ИИ

В исследовании американских бухгалтеров, которое мы разбирали в прошлой части серии, есть формулировка, которую я не могу выбросить из головы: у специалистов недостаточно прочного фундамента, «чтобы оспорить бота». Не «чтобы проверить бота», не «чтобы найти ошибку» – именно оспорить. Глагол из словаря спора, а не аудита.

Рядом стоит цифра: 48% профессионалов боятся, что ИИ негативно влияет на развитие их самостоятельного суждения. Полкоманды живёт с ощущением, что их профессиональное чутьё атрофируется, – и почти нигде это ощущение не превращено в тренировку.

Между страхом и навыком – пустота, которую эта статья и заполняет. Скептицизм по отношению к выхлопу ИИ не черта характера и не должность в штатном расписании. Это тренируемый навык, и тренировать его можно на уровне команды.

Уйдут первыми: главный кадровый риск ИИ – это мидлы
6 мин

Уйдут первыми: главный кадровый риск ИИ – это мидлы

Есть число, которое я бы показал каждому руководителю, внедряющему ИИ. Почти три из десяти специалистов среднего звена в профессиональных услугах заявляют, что сменят работу в течение двух лет, если ИИ не даст им нужных инструментов, обучения и темпа внедрения. Четырнадцать процентов рассматривают уход в ближайшие двенадцать месяцев. Данные – из сентябрьского разбора Thomson Reuters Institute, и самое важное в них не проценты.

Самое важное: в данных об уходах и вовлечённости это не отображается как AI-проблема.

Чего менеджеры хотят от ИИ: данные 40 реальных ответов
15 мин

Чего менеджеры хотят от ИИ: данные 40 реальных ответов

Мы редко знаем, чего люди на самом деле хотят от ИИ. Обычно за нас это решают вендоры в презентациях и блогеры в ленте. Поэтому, когда у нас накопились реальные ответы студентов на простой вопрос, мы решили на них посмотреть.

В одном из уроков модуля для руководителей есть короткое задание: написать одну-две фразы о том, какую рабочую задачу вы хотели бы ускорить с помощью ИИ. Без подсказок, без вариантов ответа. Сорок человек – менеджеры проектов и продуктов, аналитики, специалисты по персоналу – написали, чего они хотят. Это не опрос про намерения «в принципе». Это первичный спрос, снятый с людей, которые завтра пойдут применять инструмент к своей работе.

Картина оказалась интереснее, чем ожидалось. Больше половины запросов сошлись в три понятные группы. И эти три группы почти точно легли на то, что языковые модели реально делают хорошо. А выбросы – запросы, улетевшие куда-то не туда – оказались самым полезным, что было в этих данных.

Команда не вся пользуется ИИ. Она делится на трети
8 мин

Команда не вся пользуется ИИ. Она делится на трети

Microsoft в 2026 году опубликовал цифру, которая звучит внушительно: больше 30% работающего населения США пользуются ИИ. Внушительно ровно до того момента, пока не прочитать определение. «Пользуются» здесь означает 90 минут в месяц. Это три минуты в рабочий день.

Если ваша лента состоит из людей, которые пишут промпты на завтрак и строят агентов на ужин, у вас сложилось ощущение, что ИИ повсюду и все им владеют. Это ощущение не выдерживает встречи с данными. Microsoft WTI 2026 фиксирует: организационные факторы объясняют 67% разницы в AI-эффективности между компаниями.

Почему ИИ-пилоты на заводе умирают между демо и цехом
9 мин

Почему ИИ-пилоты на заводе умирают между демо и цехом

Пилот показали на совете директоров, все похлопали, выделили бюджет на «масштабирование». Через полгода система компьютерного зрения, которая на демо ловила 98% дефектов, ловит хорошо если половину, контролёры ОТК перестали ей доверять, а проект тихо переехал в раздел «отложенных инициатив». Это не редкий сбой и не вина конкретного интегратора. По данным RAND, так заканчивается больше 80% корпоративных ИИ-проектов – и почти всегда по причинам, которые видно было ещё до старта.

Как внедрить ИИ на производстве: пошаговый план для руководителя
23 мин

Как внедрить ИИ на производстве: пошаговый план для руководителя

Начальник смены Ленинградского металлургического завода тратит 40 минут каждое утро на заполнение сменного отчёта. Вручную переносит показатели оборудования в шаблон Word, описывает инциденты своими словами, сверяет с журналом ОТБ. Эта работа существует с 1970-х и не изменилась ни на минуту. ИИ может сократить её до десяти минут. Сложная часть – не технология. Сложная часть – с чего начать.

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера
11 мин

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера

Допустим, вы уже решили попробовать ИИ с командой. Читали исследования, видели демо, слышали истории успеха коллег. Понедельник. Что конкретно делать?

Именно здесь большинство менеджеров застревает. Общих советов «начните с простых задач» и «экспериментируйте» хватает. Конкретного плана – нет. Эта статья – для IT-менеджеров, проектных менеджеров и продуктовых руководителей: примеры, промпты и ссылки ниже – из мира проектов, спринтов, отчётности и работы с командами разработки. Если вы управляете производством, логистикой или продажами – общая структура из пяти шагов применима, но конкретные задачи и инструменты будут другими.