Почему компании экспериментируют с ИИ, но не меняют результат

Первые месяцы работы с ИИ почти всегда выглядят оживленно.

Сотрудники делятся промптами. Руководители показывают друг другу впечатляющие ответы модели. Кто-то делает чат-бота в мессенджере. Кто-то автоматизирует составление писем. Кто-то просит ИИ написать документ, пересказать встречу или придумать план проекта.

В воздухе появляется ощущение движения.

Но если через два-три месяца посмотреть на компанию как на систему, часто выясняется, что почти ничего не изменилось.

Да, отдельные люди стали быстрее.

Да, часть текстов пишется легче.

Да, стало проще начать документ с чистого листа.

Но ключевые вопросы остаются прежними:

стало ли быстрее проходить коммерческое предложение от запроса до отправки клиенту;

сократилось ли время подготовки к тендеру;

меньше ли ошибок в проектных решениях;

быстрее ли новый сотрудник входит в контекст;

лучше ли руководитель видит состояние проектов;

меньше ли договоренности теряются после встреч;

стало ли качество результата стабильнее, а не только ярче в лучших руках.

Если на эти вопросы нет ответа, компания не внедрила ИИ. Она дала людям новый инструмент и надеется, что эффект сам распространится по организации.

Обычно этого не происходит.

Личная продуктивность не равна производительности компании

Сильный сотрудник быстро находит способ использовать ИИ. Он пишет лучше, анализирует быстрее, готовит материалы аккуратнее. Но его способ работы остается личным.

Он знает, как сформулировать запрос. Он помнит, какие

документы можно прикрепить. Он понимает, где модель ошибается. Он умеет проверить ответ.

Для компании это почти не актив.

Если сотрудник уйдет, большая часть практики уйдет вместе с ним. Если другой сотрудник попробует повторить, результат будет другим. Если руководитель захочет масштабировать подход на команду, окажется, что нет описанного skill, нет source of truth, нет правил проверки и нет метрик.

Личная продуктивность важна, но она не меняет устройство компании.

AI-Native подход начинается там, где удачная практика одного человека превращается в воспроизводимый рабочий контур.

Чат-бот без source of truth быстро упирается в потолок

Второй типичный шаг — сделать внутреннего чат-бота.

Идея понятна: пусть сотрудник задает вопросы, а бот отвечает. Снаружи это выглядит как внедрение. Есть интерфейс, есть пользователи, есть демонстрация.

Но очень быстро возникает вопрос: откуда бот знает правду?

Если он отвечает из общей модели, он не знает компанию. Если ему загрузили несколько документов, они устаревают. Если он ходит в корпоративные системы напрямую, появляются риски доступа и безопасности. Если он не показывает источники, ему нельзя доверять. Если он показывает слишком много, он может раскрыть лишнее.

Чат-бот без живого источника правды (source of truth) превращается в красивую справочную форму, которой нельзя поручить серьезную работу.

Для рабочих сценариев ассистенту мало “уметь отвечать”. Ему нужно знать:

где лежат актуальные данные;

какие документы являются официальными;

какие решения уже приняты;

кто отвечает за процесс;

какие поля можно читать;

какие данные нужно скрывать;

когда нужно остановиться и отдать решение человеку.

Без этого ассистент не становится частью операционной модели. Он остается отдельным окном с умным текстом.

Промпты не масштабируются как управленческая система

Обучение промптам полезно. Оно помогает людям начать. Оно снижает страх перед ИИ. Оно показывает, что качество ответа

зависит от качества задачи.

Но промпты плохо масштабируются как основа компании.

Во-первых, промпт редко содержит весь рабочий контекст. В нем может быть просьба “сделай анализ договора”, но не будет полной карты: какие пункты критичны для компании, где лежит типовой договор, какие риски уже запрещены юристами, какие решения принимает руководитель, а какие можно подготовить автоматически.

Во-вторых, промпт обычно живет отдельно от процесса. Его скопировали, изменили, забыли, переслали в чат, потеряли.

В-третьих, промпт не задает ответственность. Если результат плохой, непонятно, виноват ли человек, модель, данные, устаревший шаблон или сама постановка задачи.

Поэтому промпт должен стать не главным артефактом, а частью skill.

Skill — это рабочий протокол. В нем описано, какую задачу

решаем, какие входы принимаем, где искать факты, как проверять результат, что нельзя делать и какой итог должен получить человек.

Промпт помогает ассистенту говорить. Skill помогает компании

работать.

Руководитель часто видит активность вместо эффекта

Самая опасная ловушка — перепутать использование с результатом.

Можно измерить, сколько людей открыли ассистента. Сколько запросов отправили. Сколько документов сгенерировали. Сколько

встреч пересказали.

Все это полезные технические признаки, но они не отвечают на главный вопрос: стала ли компания работать лучше?

Руководителю нужны другие измерения:

сколько времени занимал процесс до ИИ и сколько стал занимать после;

сколько ошибок находилось на проверке раньше и сколько сейчас;

сколько задач возвращалось на доработку;

сколько договоренностей терялось;

сколько решений принималось без достаточного контекста;

сколько денег или времени удалось сохранить;

насколько стабильно разные сотрудники получают хороший

результат.

Без такого исходного замера компания легко попадает в самообман.

Кажется, что ИИ “внедряется”, потому что люди им пользуются. Но если процесс не ускорился, качество не выросло, потери не снизились и руководитель не стал видеть ситуацию лучше, это еще не внедрение. Это знакомство.

Что сделать руководителю в первую неделю

Не начинать с выбора модели.

Не начинать с закупки подписок на всю компанию.

Не начинать с большого списка процессов.

Первый шаг проще и сложнее одновременно: выбрать один рабочий контур, где результат можно увидеть быстро.

Например:

подготовка коммерческого предложения;

разбор входящего тендера;

подготовка руководителя проекта к статусной встрече;

обработка клиентского запроса;

подготовка закупщика к переговорам;

ввод нового сотрудника в проект.

Для выбранного контура нужно ответить на шесть вопросов:

Кто владелец роли?
Какой результат он должен получать быстрее или лучше?
Где лежат верные данные?
Какие данные нельзя показывать модели?
Как человек будет проверять результат?
По какой метрике через месяц поймем, что стало лучше?

Если компания не может ответить на эти вопросы, ей рано говорить об автономных агентах. Ей нужно сначала собрать рабочий контур.

Важно не путать рабочий контур с полной интеграцией всех

систем. На первом шаге достаточно типовых документов и понятных источников: счет, счет-фактура, акт, коммерческое предложение, договор, протокол встречи, заявка клиента,

тендерная документация. Именно на таких материалах проще всего показать, что ассистент умеет не просто “писать текст”, а помогать роли выполнять работу быстрее и надежнее.

Вопросы для руководителя

Где в компании уже есть люди, которые используют ИИ лучше

остальных?

Их практика описана как skill или живет только в их голове?

Какие процессы чаще всего тормозят из-за поиска информации,

подготовки документов или потери контекста?

Где для этих процессов находится source of truth?

Кто имеет право принимать решение в конце процесса?

Как вы отличаете активное использование ИИ от реального эффекта?

Главная мысль главы

ИИ начинает менять компанию не тогда, когда люди задают ему больше вопросов.

Он начинает менять компанию тогда, когда вокруг него появляется рабочий контур: роль, задача, source of truth, skill, проверка качества и ответственность человека.