От пилотов к агентам: как ИИ становится частью новой модели управления

Предприниматель и практик внедрения ИИ, основатель направления «ИИ в деле», исполнительный директор компании ServerICT Сергей Миневич и председатель Комитета по маркетингу Ассоциации менеджеров, исполнительный директор по развитию, маркетингу и трансформации Familia Елена Алексеева обсудили, как компании переходят от отдельных экспериментов с искусственным интеллектом к его системному применению в бизнесе.

Эксперты обсудили, почему многие ИИ-пилоты не доходят до масштабирования и измеримого экономического эффекта, как определить процессы, в которых автоматизация создаст наибольшую ценность, и что меняется в управлении с появлением ИИ-агентов, способных самостоятельно выполнять цепочки задач и взаимодействовать с корпоративными системами.

Елена Алексеева: Сергей, начнём с базового вопроса. Все говорят об ИИ-агентах, но для многих руководителей до сих пор неочевидно, чем агент отличается от обычного чат-бота или ассистента?

Сергей Миневич: Ключевое отличие — не в интерфейсе, а в полномочиях. Ассистент собирает и анализирует информацию, готовит текст или презентацию, предлагает решение — но действие остаётся за человеком. Агент получает право самостоятельно совершать действия в заданных рамках. Отсюда простая формула: ассистент находит, агент покупает. Ассистент может подобрать авиабилеты и предложить варианты, а агент — самостоятельно купить подходящий, если он соответствует заданным ограничениям. Следующий уровень — автономный агент. Он уже сопоставляет данные из разных источников — например, календарь, график отпусков, предпочтения сотрудника и бюджет — и принимает решение в рамках установленных правил. Поэтому с развитием агентных технологий меняется и роль человека: он всё меньше контролирует отдельные операции и всё больше отвечает за правила, ограничения и полномочия, которыми наделён ИИ.

Елена Алексеева: Какую главную ошибку компании совершают при внедрении ИИ?

Сергей Миневич: Они начинают с технологии, а нужно начинать с бизнес-результата. Я обычно задаю руководителям простой вопрос: какой процесс сегодня сильнее всего ограничивает развитие компании и влияет на финансовые показатели? Не стоит автоматизировать процесс только потому, что это технически возможно. Сначала нужно найти узкое место бизнеса, а уже затем определить, может ли ИИ его устранить и какой инструмент для этого потребуется.

Елена Алексеева: Вы называете корпоративный ИИ «гениальным первокурсником». Что стоит за этой метафорой?

Сергей Миневич: ИИ можно представить как гениального первокурсника: он обладает огромным объёмом знаний, но ничего не знает именно о вашей компании. Ему нужно объяснить, как устроен бизнес, какие в нём действуют правила, ценности и ограничения. Чем лучше сформирован корпоративный контекст, тем выше качество результата. При этом компании не обязательно использовать самую мощную модель. Внутренняя модель может уступать публичным решениям по общим возможностям, но при наличии качественной базы знаний и правильного контекста давать более релевантные ответы для конкретного бизнеса. Поэтому корпоративный ИИ — это не только вопрос выбора модели. Это баланс между её возможностями, безопасностью, стоимостью инфраструктуры и качеством собственного контекста.

Елена Алексеева: Для маркетинга это особенно важный вопрос. Раньше мы передавали агентству брендбук, гайдлайны, техническое задание. Теперь часть знаний о компании фактически накапливается внутри взаимодействия с нейросетями. Получается, компании важно не просто накапливать данные, а сохранять собственный контекст, который формируется в работе с ИИ и подрядчиками?

Сергей Миневич: Именно. Собственный контекст — это часть интеллектуального капитала компании. Поэтому важно заранее понимать, где и как он формируется и закреплять за компанией возможность его сохранять и переносить при необходимости из одной ИИ-модели в другую. В корпоративной базе должны накапливаться не только документы и данные, но и правила, принципы, удачные решения, кейсы, ошибки и результаты экспериментов. Главное — чтобы у компании была продуманная архитектура, которая позволяет этот контекст сохранять и использовать независимо от конкретного инструмента или подрядчика.

Елена Алексеева: Может ли ИИ помочь маркетингу проверить гипотезу до выхода на реальную аудиторию?

Сергей Миневич: Может, и мы уже экспериментируем с так называемыми синтетическими выборками, с синтетическими фокус-группами. Нейросеть создаёт профили виртуальных потребителей с заданными характеристиками, после чего на них можно предварительно тестировать гипотезы. Это не заменяет исследования на реальных людях, но даёт дополнительный уровень проверки. Иногда результат оказывается неожиданным: модель выбирает вариант, который маркетолог считал менее перспективным. Для меня это хороший пример того, как ИИ может снижать влияние профессиональной деформации. Мы часто предполагаем, что потребитель думает так же, как мы. Но это далеко не всегда так.

Елена Алексеева: На уровне личного использования многие топ-менеджеры уже сегодня спокойно работают с зарубежными нейросетями. Как компании использовать ИИ, не увеличивая риски для данных и бизнеса?

Сергей Миневич: В корпоративном контуре вопрос «какую нейросеть выбрать?» становится вторичным. Сначала нужно определить, какие данные компания вообще готова передавать во внешний контур и какие требования предъявляет к их защите. Есть два основных подхода. Первый — обезличивать или токенизировать данные перед передачей во внешнюю модель. Второй — использовать ИИ во внутреннем контуре. У каждого варианта есть свои ограничения: локальная инфраструктура требует значительных вычислительных ресурсов, особенно при работе с мощными моделями.

Поэтому компаниям приходится искать баланс между качеством результата, безопасностью и стоимостью. То же касается и уровня автономности ИИ. Я бы рекомендовал двигаться постепенно: сначала использовать модель как ассистента, затем поручать ей подготовку черновиков, после — выполнение действий с подтверждением человека и только потом передавать ей автономные полномочия в заданных рамках. Это тот же принцип, что и при делегировании полномочий сотруднику: сначала ограниченная зона ответственности, затем проверка результата и по мере роста доверия — расширение полномочий.

Елена Алексеева: Где компании чаще всего ошибаются при масштабировании ИИ?

Сергей Миневич: Они автоматизируют исполнение, но не перестраивают систему контроля. Если ИИ кратно повышает производительность, прежний контур проверки может просто не справиться с новым объёмом. Поэтому масштабировать нужно не только автоматизацию, но и контроль — причём проверка должна оставаться независимой и, по возможности, осуществляться более квалифицированным контуром.

Второй принцип — ИИ должен давать измеримый экономический эффект. До внедрения нужно ответить на три вопроса: какую проблему мы решаем, какой результат хотим получить и сколько будет стоить его достижение. И, наконец, компаниям необходимо специально выделять время на внедрение новых технологий. Если инновации не стоят в календаре руководителей, операционные задачи всегда будут важнее.

Елена Алексеева: Если смотреть дальше, как изменится сама компания после системного внедрения ИИ?

Сергей Миневич: Главное изменение произойдёт не в количестве сотрудников, использующих ИИ, а в модели управления. Сегодня в большинстве компаний ИИ остаётся советчиком: анализирует информацию, предлагает решения, готовит материалы, а человек контролирует практически каждый шаг. В агентной модели логика меняется: человек задаёт результат, правила и ограничения, а ИИ самостоятельно выполняет значительную часть работы. Это требует другого подхода к распределению полномочий, контролю и ответственности. При этом юридическая ответственность за решения и действия бизнеса остаётся за компанией. Поэтому руководителям предстоит научиться не просто использовать ИИ как инструмент, а управляемо делегировать ему полномочия — с понятными границами, контролем и ответственностью.

Елена Алексеева: Если смотреть на несколько лет вперёд, что компаниям важно начинать делать уже сейчас?

Сергей Миневич: Прежде всего, накапливать не просто данные или базу знаний, а базу принятия решений — историю того, почему компания действовала определённым образом, что сработало, что не сработало и почему. Если этот опыт структурировать, его можно использовать для обучения собственных ИИ-систем, которые будут принимать решения с учётом контекста и истории бизнеса. Одновременно компаниям уже сейчас стоит готовиться к взаимодействию ИИ с ИИ. В будущем агенты заказчиков будут напрямую взаимодействовать с агентами продавцов, банков и поставщиков. Это означает, что информация о компании, её продуктах и услугах должна быть понятна не только человеку, но и машине.

Поэтому задача ближайших лет — не просто внедрять отдельные ИИ-инструменты, а создавать инфраструктуру для новой модели бизнеса: накапливать собственный контекст и опыт, формировать понятные для машин данные и постепенно учиться делегировать ИИ полномочия. Чем раньше компания начнёт этот переход, тем быстрее сможет превратить эксперименты с ИИ в системное конкурентное преимущество.