Стратегия ИИ для бизнеса: где заканчивается хайп и начинаются деньги

В четверг я была на мероприятии «ИИ-стратегия для бизнеса: как увидеть деньги за ИИ-гипотезами» от КОРУС Консалтинг. И, честно говоря, это был один из тех редких случаев, когда после встречи выходишь не с ощущением «нам еще раз красиво рассказали про искусственный интеллект», а с более взрослым ощущением: рынок начинает трезветь.

Спасибо команде КОРУС Консалтинг за сильную организацию, дружескую атмосферу и хорошую деловую среду, в которой можно спокойно обсуждать не только возможности ИИ, но и ограничения, риски и реальные эффекты.

Было особенно интересно послушать Александра Семёнова, Игоря Терёхина и Александру Редько — у каждого был свой фокус, и вместе это сложилось в очень живую картину того, что происходит с ИИ в компаниях прямо сейчас.

Для меня в этой встрече было несколько сильных наблюдений.

Это, пожалуй, уже больше не обсуждается.

Потому что сотрудники все равно будут использовать ChatGPT, DeepSeek и другие ИИ-инструменты, если они помогают сделать работу быстрее, проще и удобнее. Можно сколько угодно делать вид, что этого не происходит, но реальность сильнее регламентов.

Иногда я слышу довольно ванильную позицию: «Ну и что, ChatGPT в США, кому вообще нужны наши данные?»

Я с этим не согласна.

Проблема не в том, что «кому-то очень интересна именно ваша таблица». Проблема в том, что компания часто вообще не контролирует, какие данные, в каком объеме и в каком контексте сотрудники начинают выносить во внешние модели, чтобы сэкономить себе 20 минут времени.

Именно поэтому мне близок подход крупных компаний, которые не просто «дают людям ИИ», а встраивают модели в закрытый корпоративный ландшафт, работают со своими данными внутри контролируемой среды и выстраивают правила доступа, ролей и безопасности.

В презентации КОРУС это тоже звучало очень четко: среди ключевых угроз для бизнеса отдельно выделялись доступ к данным, информационная безопасность, поддержка и интеграция нового ИИ-подхода в корпоративную инфраструктуру.

То есть рынок уже начал понимать простую вещь: ИИ — это не только вопрос продуктивности. Это вопрос управляемости.

Это второй важный инсайт.

Снаружи может казаться, что все уже активно внедряют ИИ. На деле же во многих компаниях ситуация выглядит так:

• кто-то что-то пробует точечно
• кто-то делает красивые пилоты
• кто-то запускает один-два сценария
• но системного применения нет

Этот разрыв между наличием инструментов и реальной культурой использования очень заметен.

На встрече звучала мысль, что компании пока часто находятся в логике хаотичных экспериментов, а не в логике зрелого управленческого контура. В материалах это тоже было сформулировано предельно ясно: вместо вопроса «Нужен ли нам AI?» зрелый подход начинается с вопроса «Где он даст измеримый эффект?». И это очень точное различие.

Потому что незрелый подход — это когда ИИ ставят рядом с процессом как красивую игрушку.

А зрелый — когда ИИ встраивают в контур принятия решений, в операционный цикл, в экономику процесса.

Отдельно мне запомнилось, что многие участники говорили про страх потерять собственные когнитивные навыки. Это тоже интересная тема, и в ней есть рациональное зерно. Действительно, если бездумно переложить мышление на ИИ, можно постепенно потерять навык анализа, сопоставления, проверки.

Но мой взгляд здесь другой.

Я не воспринимаю ИИ как замену мышлению. Я воспринимаю его как способ снять с человека рутину, чтобы освободить место для более сильной интеллектуальной работы. И именно поэтому мне особенно близка не просто логика «спросить у нейросети», а логика создания своих ИИ-агентов под конкретные задачи: чтобы они помогали готовить материалы, анализировать информацию, структурировать данные, собирать черновики, отслеживать контур задач.

То есть не думать вместо меня, а усиливать меня там, где я не обязана тратить время вручную.

Это, наверное, мой главный вывод после встречи.

У компаний сейчас чаще всего есть не стратегия, а:

• набор гипотез
• коллекция пилотов
• интерес к теме
• желание «что-нибудь попробовать»

Именно это очень хорошо совпало с материалами выступления про переход от пилотов к P&L. Там отдельно подчеркивалось, что значительная часть пилотов не масштабируется: нет baseline, нет правильного use case, нет вовлеченного владельца процесса, нет связи с бизнесом и нет понимания архитектуры масштаба. По презентации, 70%+ пилотов не масштабируются именно по этим причинам.

Это вообще очень жизненный тезис. Потому что сейчас многие компании живут в состоянии: «Мы тоже тестируем ИИ».

Но вопрос уже не в этом. Сегодня вопрос звучит иначе:

Что именно вы тестируете? В каком процессе? По каким метрикам? Кто владелец? Какой baseline? Какой gate-критерий? Какой экономический эффект?

Вот с этого момента и начинается стратегия.

Мне понравилось, что в одном из выступлений эта логика была разложена буквально по шагам: сначала экономическое обоснование, потом диагностика AS-IS, затем пилот с ограниченным rollout, и только потом — масштабирование с контролем KPI и ROI. Причем следующий этап предлагается проходить только если проект окупается в пределах заданного горизонта.

Это очень взрослый подход. И, на мой взгляд, именно он постепенно вытеснит весь поверхностный хайп.

Для меня именно кейсы были самой важной частью мероприятия. Потому что идеи — это хорошо. Но бизнес начинает меняться не тогда, когда появляется новая технология, а тогда, когда ты видишь: где это уже работает, как это встроено и какой эффект дает.

Особенно впечатлил кейс Даниила Скворцова (Директор по развитию) из Петровича.

Суть в том, что у них внедрена нейросеть, которая помогает продавцам подбирать клиенту нужные материалы на основе корпоративных данных и номенклатуры — вне зависимости от специализации конкретного продавца. Это очень сильный сценарий.

Почему? Потому что в нем ИИ не заменяет человека, а снимает ограничение системы.

Раньше качество рекомендации зависело от того, насколько конкретный продавец знает ассортимент и умеет быстро собрать решение. Теперь в процесс добавляется интеллектуальный слой, который помогает сотруднику быстрее сформировать качественный ответ.

Да, из минусов пока есть скепсис части покупателей к таким рекомендациям. Но это абсолютно нормальная стадия взросления любого нового инструмента. Зато сама логика очень правильная: меньше зависимости от индивидуальной экспертизы, выше скорость обслуживания, выше устойчивость процесса.

Вот это и есть тот самый переход от «модного ИИ» к управленческой эффективности.

Еще одна сильная часть встречи — это подход к выбору сценариев для внедрения.

Не в логике: «Давайте куда-нибудь прикрутим ИИ-агента». А в логике:

• где есть бизнес-боль
• где есть понятная задача
• где можно зафиксировать baseline
• где есть владелец процесса
• где есть метрики
• где можно посчитать эффект

В одном из материалов это было показано через матрицу приоритезации use cases: ценность для бизнеса, влияние на результат, уровень рутины, измеримость эффекта, готовность данных, сложность интеграции, мотивация команды и скорость до результата.

И вот это, на мой взгляд, очень здоровая рамка. Потому что проблема большинства корпоративных ИИ-инициатив не в том, что технологии «еще не дозрели».

Проблема чаще в другом: компания начинает с технологии, а не с процесса и экономического смысла. Это, кстати, тоже прямо звучало в материалах: почему AI не дает эффекта? Потому что начинают с технологии, пилотируют бессистемно, не фиксируют метрики и не встраивают ИИ в реальный процесс.

Если попытаться собрать все в один вывод, то он для меня такой: рынок ИИ быстро взрослеет. Стадия, где достаточно было просто громко сказать «мы занимаемся AI», заканчивается. Сейчас уже начинает работать другая логика.

Побеждать будут не те, кто:

• громче всех говорит про ИИ
• делает больше красивых презентаций
• запускает больше разрозненных пилотов

А те, кто умеет:

• безопасно работать с данными
• выбирать процессы, а не игрушки
• считать baseline и эффект
• назначать владельцев
• встраивать ИИ в реальную работу
• доводить инициативы от пилота до масштаба

Иными словами:

И это, на мой взгляд, очень хорошая новость. Потому что когда рынок взрослеет, он наконец начинает говорить не про чудеса, а про архитектуру, процессы, риски, метрики и деньги. А это уже язык бизнеса.

И да — отдельная ценность таких встреч в том, что всегда приятно встретить коллег. Потому что именно в кулуарах, в разговорах после выступлений и в обмене наблюдениями часто становится еще лучше видно, кто правда работает с реальностью, а кто пока остается в зоне модных слов.

Больше материалов автора в Мах и Telegram