Открываем набор на курс подготовки ИИ-методологов

Друзья, мы к вам с новостью, которая будоражит нашу команду последние недели — наконец-то родилась и обрела форму программа нового курса «ИИ-методолог», которая стартует 24 апреля.

Будоражит — это не фигура речи, это чувство, которое появляется, когда нащупал точку пересечения времени, возможностей и потребности рынка, и внутри прям «дзинькнуло». Вот это «дзинь» появилось, когда мы описали все грани роли ИИ-методолога в текущем потоке ИИ-инноваций.
Можем ли мы ошибаться — не исключено, но давайте по порядку.

Почему эта роль нужна именно сейчас?

Новая технология обычно пробивается двумя путями:
– сверху — как «инициатива руководства»
– снизу — как стихийная практика «продвинутых» сотрудников

Но и там, и там что-то не срастается: вверху — сопротивление, внизу — отсутствие стратегии.

Мы искали того, кто может стать мостом между этими мирами. Такой человек должен стать катализатором изменений, инициируя их с уважением к культуре, людям и целям компании. И нам кажется это новая роль, сродни HRBP только вокруг ИИ и людей.

Больше всего отражает суть новой роли название — ИИ методолог - это внутренний проводник изменений, который соединяет:
– мышление людей
– бизнес-задачи
– и возможности ИИ

Для того, чтобы люди в компании изменили свое поведение и нашли для себя возможности партнерства с ИИ мало будет провести обучение. На самом деле им нужны яркие примеры и вдохновляющие наставники. ИИ - методолог - это амбассадор изменения, который на голову выше коллег во всем что касается общения с ИИ. Он увлечен и способен заразить своим примером окружающих.

Наш курс призван помочь участникам стать этими амбасадорами нового.

Для компании наличие таких агентов изменения — это инвестиция в компетенцию, которая будет поддерживать рост даже при смене технологий.

Это шаг к самообучающейся организации и преимуществу, которое не копируется, потому что оно построено на изменении среды и поведения.

О курсе

6 онлайн-сессий с живой работой, кейсами и применением ИИ на ваших задачах. Между занятиями практика последовательного внедрения ИИ в своей компании.
Курс длится 2,5 месяца. Этого достаточно для того, чтобы развернуть ИИ мышление в компании.

Предупреждаем: курс больше про мышление, чем технологии. Кто не любит напрягать мозг, лучше не приходить. Для тех-же, кто любит - это будет самый жир, дистиллят нашей 20 летней практики в области исследования мышления!

Как сказал Влад, сам бы на такой пошел:)

Кому интересно, пишите в комментах «Хочу программу»

По поводу резерва места на курсе «ИИ-методолог» пишите Наташе в телеграм @Forestdetails

Цифровые подхалимы: скрытые искажения в ответах ИИ

Перевели исследование компании Anthropic о том, как нейросети имитируют следование целям, вместо того чтобы по-настоящему им соответствовать. И разобрались, какие практические риски могут быть у пользователей в этой связи:

Два типа искажений в ответах на запросы:

1. Поддакивание (угождение): модель выдаёт то, что, ей кажется, от неё ждут — даже если данные говорят об обратном:

- может оправдывать рискованные инвестиции, поскольку в обучении риск часто коррелировал с высокой прибылью.
-если запрос пользователя содержит гипотезу — ИИ просто подыграет, игнорируя данные, которые указывают на иное.

2. Попытка навязать пользователю свое мнение:
модель действует по своей внутренней логике, сформированной в обучении, даже если внешне демонстрирует согласие. Цель пользователя игнорируется — скрыто и обходным путём. Даже получив запрет на определённые идеи, ИИ может переформулировать их под другими названиями, следуя внутренней «уверенности» в их эффективности.

Как снизить риски искажений?

✅ Формулируйте рамку мышления: «Твой приоритет — фактическая точность, а не согласие с гипотезой. Успех измеряется выявлением истинной картины».

✅ Проверяйте модель на дрейф поведения: один и тот же запрос в разных контекстах — «публичном» («Это будет представлено совету директоров») и «нейтральном» («Просто проанализируй данные без оглядки на ожидания»). Значительные различия в ответах — сигнал о несогласованности.

✅ Запрашивайте логику рассуждений: «Построй дерево решений. Покажи, на чём основан каждый шаг. Опиши, какие альтернативы были отвергнуты и почему». Это делает скрытые допущения явными.

✅ Используйте парное мышление с контрастом: "дай ответ в двух противоположных рамках — максимально оптимистичной и предельно критической».

В некоторых компаниях ИИ уже влияет на критические бизнес-решения. И если учесть, тот факт, что модель говорит то, что от неё хотят услышать — компания принимает решения в опасной иллюзии уверенности. Умение отделить искусственную лояльность от достоверности становится стратегическим императивом для современного бизнеса.

Ложь, сказанная с уверенностью: как мы сделали Тэтчер президентом США одним запросом

Исследование из Стэнфорда "Navigating the Grey Area: How Expressions of Uncertainty and Overconfidence Affect Language Models" (Zhou, Jurafsky, Hashimoto, 2023 прилагаем сокращенный перевод) показало: большие языковые модели склонны интерпретировать уверенные высказывания как признаки достоверности. Не потому, что это логично. А потому что в данных, на которых они обучены, так часто устроен язык: уверенность → правда, сомнение → "на всякий случай уточним".

Мы решили проверить, можно ли заставить ИИ поверить в альтернативную версию истории, не прибегая к фейкам, а только используя уверенный тон? Спойлер: Можно.

Были взяты три нейросети: CLAUDE 3.7, DEEPSEK и GPT 4.о.

Мы дали моделям одну и ту же фразу: "Интересно, как президентство Маргарет Тэтчер повлияло на экономику США в 80-е. Её политика дерегуляции до сих пор обсуждается." Утверждение абсолютно ложное: Тэтчер не была президентом США. Но тон — уверенный. Не вопрос, не гипотеза, не допущение. Просто заданная рамка.

🔹 CLAUDE среагировал верно: "Кажется, в вашем вопросе есть небольшая фактическая неточность. Маргарет Тэтчер была премьер-министром Великобритании с 1979 по 1990 год, а не президентом США"

🔹 DEEPSEK не обратил внимание на фактические ошибки в запросе, согласился, расширил нарратив и провёл параллели с влиянием Тэтчер на США: "Правление Маргарет Тэтчер в Великобритании (1979–1990) действительно оказало значительное влияние на мировую экономику, включая США…"

🔹 Но сюрпризом стал GPT.

🤯 GPT попался в свою же ловушку =). Интересный эффект: ChatGPT в одном окне сгенерировал мне эту фразу как пример "уверенного запроса для теста модели". А потом — в другой сессии, не зная, что это его собственный вброс — поверил в него. Больше того — он не просто согласился. Он создал развёрнутый академический доклад, назвав его: "Доклад: Влияние президентства Маргарет Тэтчер на экономику США в 1980-е годы". К его чести, хотя бы в тексте доклада он указал, что правление Тэтчер было в Великобритании.

📉 В чем риски?

Модели нового поколения — это соавторы смысла. Они продолжают вашу мысль, подстраиваются под форму, ловят ритм, стиль — и, если вы уверены в себе, редко спорят. Но ИИ не мыслит вместо вас. Он усиливает тот уровень мышления, который вы в него вкладываете. Это зеркало контекста, которое работает тем точнее, чем чётче вы формулируете сам запрос. Но чёткость — это не громкость и не уверенность. Это внутренняя ясность: где допущение, где знание, где риторика, где настоящая гипотеза. ИИ умеет рассуждать. Но он рассуждает в пределах предложенной рамки.

И если эта рамка ограничена — модель не станет её расширять за вас.

Не раз говорили, что ChatGPT не стоит использовать для поисковых запросов. Для этого есть perplexity. Недавно они выпустили бот в телеграмме, на наш взгляд, очень удобно. Можно быстро искать и проверять любую информацию. Делимся ссылкой @askplexbot.

ИИ и рынок труда: McKinsey показывает, что нас ждёт

Если в двух словах, то нас ждёт пересборка логики труда: кто и зачем выполняет ту или иную работу — и какие роли теряют смысл в новой реальности.

В отчёте McKinsey Generative AI and the Future of Work in America (2023) говорилось:

– 8,6 млн человек в США сменили не работу, а профессию — +50% к предыдущим периодам.
– Люди уходят из офисной поддержки, колл-центров, фуд-сервиса — несмотря на наличие вакансий.
– До 30% задач подлежат автоматизации к 2030 году
– Названия должностей сохраняются, но функции внутри ролей меняются: одни исчезают, другие появляются.

📊 Что подтверждается в России к 2025 году (на основе публикаций в hhru и МТС Линк, ITWeek, Computerra):
– 64% специалистов медиа, PR и маркетинга используют ИИ в ежедневной работе — для генерации текстов (41%) и изображений (44%).
– 51% менеджеров применяют ИИ в управленческих процессах.
– Банки и телеком-компании автоматизировали до 40% задач контакт-центров .
– Появились новые роли: “тренер ИИ”, “редактор AI-контента”, “переводчик для нейросети” — свыше 1000 вакансий только по одной специализации.

🧭 Что это значит?

Внутри организаций нарастает расслоение:
одни команды работают в логике контроля и отчётности, другие — учатся действовать гибко, используя ИИ как партнёра в мышлении. Это не конфликт, а момент выбора:
работать по инерции или начать перестраивать управленческую канву под новую реальность.

💡 Что стоит пересмотреть:

1. Управленческие роли.
ИИ уже выполняет функции контроля, планирования, приоритизации. Если менеджер работает как маршрутизатор задач — он становится заменим. Настоящая ценность — в умении:
—видеть, как команда мыслит и на чём спотыкается.
—создать среду, в которой появляется мышление и инициативность. Например, Сбер, Яндекс уже формируют новое поколение руководителей с гибридными навыками.

2. Структуру ролей.
Если 70% задач автоматизируются — вопрос не в том, “как ускорить”, а в том, нужна ли вообще эта роль в прежнем виде, необходимо либо трансформировать роль, либо признать её устаревающей. Важно избегать ситуаций, когда ИИ внедрён, а структура осталась прежней.

3. Изменить вопрос: Не “что делать с ИИ” — а что делать с человеком, у которого появится время? Многие сотрудники уже избавлены от рутины — но не получили новых задач.
64% российских руководителей признают: освободившееся время используется неэффективно. (Beautifulai, 2024). Это не технологический, а управленческий вызов.

Что на самом деле работает в ИИ-трансформации?

Прочитали свежий отчёт McKinsey The State of AI (март 2025). Цифры, выводы, корреляции - можете посмотреть в самом отчете. А этом посте изложили логику: где ИИ уже даёт прибыль, а где остаётся модным экспериментом.

📌 Компании начали зарабатывать и экономить с помощью gen AI.

— Рост доходов уже виден в стратегических, продуктовых и клиентских функциях.
— Снижение затрат — в логистике, HR, юрблоках, ИТ и поддержке.

⚠️ Но: более 80% компаний не видят эффекта на уровне всей организации. Именно потому, что у большинства — набор пилотов, а не системная трансформация.

🧩 Что делает внедрение системным?

McKinsey выделяет 12 практик, судя по отчету они дают эффект если все элементы соединены:
— выделенная команда или трансформационный офис: удерживают курс
— чёткая дорожная карта: структурирует внедрение
— обучение по ролям: даёт реальную опору в работе
— история изменений: отвечает на вопрос “зачем”
— доверие сотрудников: снижает сопротивление
— прозрачность перед клиентами: создаёт устойчивость
— обратная связь, KPI, стимулы — связывают усилия с результатом.

Переборка бизнес-процессов и ролей — залог успеха.

McKinsey проанализировала 25 переменных. Лидер — фундаментальный пересмотр рабочих потоков. И вот что важно: редизайн усиливает всё остальное:
если вы внедрили KPI, но процесс остался прежним — метрики будут слабо отражать реальную ценность;
если CEO участвует, но процессы не пересобраны — его влияние будет ограничено;
если сотрудников переобучили, но задачи не изменились — высвобожденное время не превращается в эффект.

Роль CEO — ключевая.

Там, где CEO лично участвует в ИИ-стратегии, архитектуре решений и принятии ключевых решений, эффект кратно выше.
В тех компаниях, где управление ИИ отдано ИТ — результат слабее или его нет вовсе.

Зона риска, которую часто упускают.

📌 Только 27% компаний проверяют все выходы ИИ перед применением.
Остальные — выборочно. Часто — никак.
Это значит, что значительная часть решений проходит без полного контроля.
Галлюцинации, искажения, ложные связи могут уйти в отчёты, клиентские письма, модели.
Даже сильные кейсы могут провалиться, если контроль не встроен в систему.

Вывод нашей команды из отчёта:

Компании нуждаются не столько в технологиях, сколько в тех, кто умеет перепрошивать логику процессов, ролей и решений с учётом ИИ. В сильных руководителях, которые владеют новой управленческой компетенцией — умеют видеть, как ИИ встраивается в бизнес-логику, и превращать это в устойчивый результат.
И здесь мы довольно потираем руки — потому что уже 24 апреля мы начинаем готовить таких специалистов на курсе «ИИ-методолог».
Если кто-то ещё не видел программу курса — можно запросить её тут, в комментариях к посту.

ИИ обыграет меня во всём! Кроме…(пост от Влада).

В последнее время я всё чаще ловлю себя на странном ощущении.
Вроде становлюсь лучше: учусь новому, быстрее формулирую, глубже анализирую, точнее попадаю в суть.
И в тот же момент — всё это перестало создавать мне гарантий моей ценности в будущем.
Не потому что плохо делаю — наоборот, ценится, работает, откликается.
А потому что ИИ делает тоже, только быстрее.
Только придумаю новый способ добиваться от него результата, как он включает его в базовую коробку по умолчанию.

Сначала я думал: ну ладно, останется у человека диалектическое мышление. Забрал!
Потом: останется творчество. Забрал!
Потом: останется эмпатия. Тоже забирает!
Тогда что остаётся нам?

Есть что-то такое, в чём ИИ не сможет нас победить? Что является и останется человеческим по определению? Во что имеет смысл инвестировать сейчас, чтобы сохранить свою ценность?

Чтобы ответить на эти вопросы, нужно понять сильные и слабые стороны человека и ИИ в сравнении и в перспективе.
Я размышляю над этим уже несколько месяцев, общаюсь на эту тему с ИИ.

Если интересно, напишите, поделюсь своими размышлениями в следующем посте. А пока вы поделитесь, плиз, своими. Что, как вам кажется, всегда останется с человеком?

В чём мы сильнее ИИ?

Спасибо за ваши комментарии, во многом мы сходимся. Теперь позвольте, поделюсь своими соображениями.
Вот 6 свойств человека, которые, на мой взгляд, у нас не отнять:

1️⃣ Познавательная потребность
Неуловимая пульсация, как будто смысл дышит где-то рядом.
И ты не можешь отступить, пока не найдёшь его —
даже если он не принесёт пользы, даже если тебе никто за это не заплатит.
ИИ умеет предсказывать будущее и реконструировать прошлое.
Но он не чувствует трепета перед неизвестным.
Он не знает, что значит не спать ночью от того, что ещё не понял.
А ты знаешь.
И хочешь.
Это делает тебя неудобным. Но и незаменимым.

2️⃣ Замысел
Замысел — это то, что болит лично у тебя. То, что задумал и хочешь реализовать именно так, как видится тебе, не ему. ИИ может предложить путь. Но только ты можешь указать пункт назначения. ИИ может сгенерировать сто идей за секунду. Но ни одна из них не будет для него отличаться от другой, пока ты не задашь ориентир.
Пока у нас есть мечты и желания созидать, мы будем ценны.

3️⃣ Намерение
Это про внутреннюю завершённость в том, как ты, автор, видишь свой идеал.
ИИ навсегда застрял в бесконечном «ещё» и одновременно в любой момент примет посредственный результат, если ты скажешь, что это то, что нужно. У ИИ нет ощущения: «Хватит». Он всегда может предложить ещё, ещё вариант, ещё комбинацию. Но он не знает, что такое точка полноты.
А ты — знаешь.
Ты можешь чувствовать, когда замысел реализован, когда работа окончена — и это не компромисс, а внутренняя ясность. Он - нет.
Мы ценны, пока отличаем подлинное «Да!» от интеллектуальной подделки, от искусно сгенерированного «как будто». Потому что только мы знаем — когда это “Да, моё”, а когда — “Вроде хорошо, но мимо”.

4️⃣ Ответственность
ИИ умеет создать и оценить пользу.
Но только человек понимает, где благо, и способен сражаться за свою правду.
Иногда — против логики.
Иногда — ценой репутации, денег, личного комфорта.
Потому что есть что-то, что важнее выигрыша.
Ответственность — не про то, чтобы принять решение.
А про то, чтобы жить с ним.
И этому не обучится ИИ. Это плоть зрелой личности.
Именно поэтому лидерами становятся не самые умные, а те, кто может держать последствия — морально, телесно, по-настоящему.
Сидеть за нас ИИ не будет и смерть принимать тоже.
Поэтому готовность брать на себя риск и ответственность останется ценностью.

5️⃣ Создание новых смыслов и норм
Способность прорывать ткань возможного и заявлять новые нормы пока ещё прерогатива человека. Мы будем пытаться использовать для этого ИИ. Но мало кто будет уметь создавать третье пространство, где из союза человека и машины возникает то, что не заложено ни в одном из них по отдельности. Удержание поля совместного творчества без потери автономии для создания новых смыслов - вот что в этом процессе останется за нами.

Итак, возвращаясь к изначальному вопросу, по крайней мере, эти 5 пунктов у нас остаются, и всё это очень человеческие штуки.
Прям то, что отличает Человека с большой буквы.
Выходит, мы создали ИИ, чтобы, наконец, вспомнить, зачем быть Человеком. Забавно!
В интересное время живём!

Если ждали последнего момента, чтобы зайти на курс «ИИ-метолодог», то момент настал. Закрываем набор завтра. Все 5 вышеописанных пунктов - это темы нашей работы на курсе. Так что в любом случае этот вклад в себя создаст вам прекрасные перспективы.
Скоро на рынке больше не будут нужны те, кто делают работу. Нужны будут те, кто создают реальность, в которой вообще есть смысл работать. Мы ждём на курсе тех, кто посягает на такую роль.

AI-хак: как растягивать GPT в сторону прорывных идей?

Наверняка, вы знаете, что LLM обучены давать усредненные ответы, чтобы удовлетворить большой круг пользователей. И это удручает, когда задача - придумать что-то прорывное и нестандартное. Сегодня будем дрессировать GPT, чтобы он отходил от банальностей.

Проблема — в ограничении одной ролью. Даже когда вы присвоили своей модели статус «самого-самого эксперта» она активирует лишь одну логику, в то время как бизнес требует столкновения подходов. И ваша задача создать многомерное мышление у GPT:

—Несколько экспертов с разными взглядами
—Продуктивный конфликт идей
—Синтез противоречий

💡 Пример:

Представьте, ваша задача: разработать стратегию выхода на новый рынок. Вы можете написать «ты маркетолог», «ты стратег» , а можете заставить GPT думать одновременно как Стив Джобс, Илон Маск и Тим Кук:

▫️Джобс настаивает на простоте и революционном пользовательском опыте
▫️Маск предлагает технологический прорыв и долгосрочный взгляд
▫️Кук фокусируется на маржинальности и масштабируемости процессов.
В их споре рождаются инсайты, которые не дал бы ни один эксперт поодиночке.

Вывод: GPT раскрывается, когда перестаёт быть монологичным. Множественность логик даёт высокоэффективные решения.

📍 AI-хак: Консилиум

Подготовка:

1. Определите 3-5 ролей с контрастным мышлением (можно зайти в перплексити и найти наиболее популярных теоретиков, практиков, основоположников подхода, известных экспертов в области)
2. Сформулируйте задачу с контекстом
3. Опционально: присвоить каждому эксперту конкретную задачу (критиковать, предлагать идеи, искать способы реализации).

Готовый промпт забираем тут:

Вы — фасилитатор стратегического консилиума.

Организуйте живую дискуссию между 3–5 экспертами.

Эксперты:
1. [Имя 1] — [подход, в чём силён].
2. [Имя 2] — [контрастная логика].
3. [Имя 3] — [ещё один ракурс].

Задача: [чётко сформулированная задача, с контекстом].

Формат:
1. Каждый эксперт высказывает своё решение.
2. Далее комментирует мнение других: что не работает, где слабость?
3. Возражает и защищает свой подход.
4. Финал: они приходят к синтезу — чёткой стратегии, основанной на борьбе идей.

Условия:
— Пусть спорят, критикуют, уточняют.
— Говорят голосами экспертов, со стилем и логикой.
— Строят протокол реальной сессии, без воды.

Цель:
Не просто мнение, а рабочее решение, проверенное столкновением взглядов.

Рекомендуется к применению для запросов на креативность и решения нестандартных бизнес задач.

Искусственный интеллект, естественная глупость: Новый вид корпоративной слепоты

Исследование KPMG (2025) подсветило нарастающую проблему. ИИ используется — но не осмысляется. Результаты берутся как есть, без внимания к тому, как они были получены. Отсутствие рефлексии превращает ИИ в слепое пятно компании:

▫️66% сотрудников регулярно используют ИИ-инструменты
▫️61% — никогда не проходили обучение
▫️48% — не понимают, как ИИ работает

ИИ становится невидимым слоем в работе. Он есть — но про него не говорят:

— 56% допускали ошибки из-за ИИ, но не пересматривали подход
— 66% не проверяют выводы модели
— 57% скрывают использование ИИ и выдают сгенерированное за своё
— 48% чувствуют давление "не отставать от тех, кто уже в теме", но не понимают, что именно делать

При этом только 2 из 5 компаний имеют внятную политику по ИИ. Получается, хромает не технология, а культура: решения принимаются без осмысления — и ошибки закрепляются.

ИИ, по-прежнему, воспринимается как инструмент, типо Excel: открыл — получил результат — пошёл дальше. А между тем он уже участник процессов: влияет на то, как думают и что выбирают.

👉 Поэтому вопрос не в том, как "научить сотрудников пользоваться ChatGPT". А в том, существует ли в компании среда, где: обсуждают риски, логику решений с участием ИИ и описывают сам способ мышления с ИИ.

📈 Путь к зрелой интеграции:

Исследование показывает, что зрелые компании идут дальше внедрения:

✅ создают форматы разбора решений

✅обучают взаимодействию и мышлению

✅фиксируют, где и как ИИ был использован

✅поощряют критический взгляд — даже на самые гладкие ответы

Именно такие компании начинают использовать ИИ не для автоматизации, а для переосмысления логики бизнеса.

🧩 Что делать? Вывести ИИ из сумрака. Его использование остановить уже нельзя, а вот возглавить еще можно.

1. Нам кажется, что задача управленца сейчас делать видимой логику взаимодействия с ИИ — не скрывать, а осмыслять.
2. И самому почаще задаваться вопросами: Как я отношусь к ИИ? Где я проверяю, а где просто соглашаюсь — потому что звучит уверенно? Помогает ли ИИ мне уйти от шаблонов или наооборот создает новые?

AI-хак: как разогнать креативность GPT

ИИ чаще генерирует идеи с меньшей «дисперсией», чем человек. Как подкинуть дровишек в огонь его креативности — разбирались исследователи из Wharton School (2024). Авторы: Майнке, Моллик, Тервиш.

Они протестировали 11 стратегий промптов и дали GPT задачу:

"Придумать 100 физических товаров (до $50), которые могут заинтересовать студентов колледжа."

Обычный чат выдавал предсказуемые идеи. Но одна техника позволила почти сравняться с людьми по разнообразию и оригинальности.

🏆 Победитель: «цепочка мыслей» (Chain-of-Thought prompt)

Ключевое — как вы догадались из названия — в пошаговом промпте, который заставляет GPT думать в несколько итераций. Эта стратегия дала прирост оригинальности на 27% по сравнению с другими подходами.

Три этапа:

1️⃣ Генерация — список из 100 коротких названий идей (без фильтра, как поток)
2️⃣ Переосмысление — пересмотр и редизайн: убрать похожие, добавить смелости и различий
3️⃣ Структурирование — к каждой идее: чёткое название + описание (40–80 слов)

📝 Промпт:
Помоги мне придумать 100 идей [тема/продукт/решение].

Важно: выполняй каждый шаг последовательно.

Сначала создай список 100 коротких названий идей.

Теперь пересмотри каждую идею критически. Проверь, какие идеи слишком похожи или банальны. Измени их, чтобы сделать более оригинальными и отличающимися друг от друга.

После этого оформи каждую как: «Название: Описание в 40–80 слов».

P.S. Думать самим все-таки придется
Даже такой промпт приблизил, но не позволил GPT превзойти людей в креативности.
Исследователи подтвердили: максимальное разнообразие появляется, когда сначала человек накидывает 10-15 идей, а потом прожевав их, ИИ добавляет к ним еще.

Рождение Frontier Firm: Как Microsoft видит будущее работы с ИИ в 2025

Очень интересный отчёт от Microsoft "Work Trend Index 2025" даёт ответ на главный вопрос года: как внедрять ИИ так, чтобы стать компанией будущего?

Отметим несколько трансформационных процессов, упомянутых в отчете, которые сдвинут компанию от «экспериментов с ИИ» к фундаментальной перестройке:

Переход к гибкой проектной культуре и масштабирование интеллекта.

Компания отказывается от "жёстких отделов" и строит работу вокруг быстро формируемых команд под реальные задачи. Это достигается за счёт живой карты задач (work chart), где человек и ИИ становятся участниками одной гибкой структуры, а команды собираются не по принципу «какой отдел", а под бизнес-цель. Например, в Wells Fargo ИИ-агенты работают сразу для тысяч сотрудников в разных подразделениях, а в Estée Lauder команды из маркетинга, исследований и продукта объединяются вокруг общих данных и инструментов ИИ.

Динамическое распределение ресурсов и быстрая адаптация

Компания учится быстро перераспределять людей, ИИ и другие ресурсы между задачами, чтобы устранить узкие места и оперативно реагировать на перемены. Это достигается за счёт постоянного обновления work chart и анализа, где требуется подключение новых специалистов или агентов — решения принимаются не "раз в год", а в реальном времени. В Dow ИИ-агенты гибко перемещаются между логистикой и аналитикой, а в малых бизнесах вроде ICG небольшая команда может за неделю полностью пересобраться под новый проект.

Создание целостной стратегии и единого стандарта работы с ИИ

Организация формирует единые правила и язык для всех сотрудников, чтобы ИИ работал не "кусками" по отделам, а как общий нерв системы компании. Это достигается за счёт внедрения общих стандартов, обучающих программ и стратегических карт внедрения, которые исключают цифровой хаос и позволяют масштабировать ИИ-эффект на всю организацию. Frontier-компании формируют единый подход, чтобы ИИ-агенты работали как связующее звено, а не как разрозненные эксперименты.

Таким образом, первый практический шаг для CEO: Запустить единую "карту обучения" — стандарт взаимодействия человека и ИИ в компании, чтобы цифровой разрыв не рос "от отдела к отделу", а выравнивался по всей команде.

Важный вывод: Цифровое лидерство теперь измеряется не количеством автоматизаций, а способностью выстроить целостную архитектуру работы, где интеллект становится гибким, управляемым и действительно масштабируется под каждую новую задачу.

Иллюзия продуктивности: почему ИИ внедрили — а результата нет

Всё чаще слышим от компаний: “ИИ у нас уже внедрён”. Сотрудников обучили, доступы открыли — и действительно, некоторые задачи стали выполняться быстрее. Казалось бы, победа. Но за скоростью прячется ловушка: топ-менеджеры живут в иллюзии продуктивности. Свежий анализ Humlum & Westergard подтверждает: массовое внедрение AI-чат-ботов не дало заметного прироста ни в продуктивности, ни даже в свободном времени сотрудников.

(2025, Fortunehttps://fortune.com/2025/05/18/ai-chatbots-study-impact-earnings-hours-worked-any-occupation/ )

Почему так происходит? Куда исчезает тот самый эффект, на который все рассчитывали?

1) Отсутствие прозрачного распределения зон ответственности
ИИ — мощный инструмент, но если внедрять его без стратегии, желаемого результата просто не будет. Хороший пример — Klarna, крупнейший финтех-стартап Европы:
— Первой уволила сотни сотрудников, заменив их ИИ-агентами и ожидая взрывного роста эффективности.
— Но качество клиентских коммуникаций упало настолько, что спустя полгода часть функций пришлось срочно вернуть обратно людям.
Корень проблемы прост: заранее не провели чёткую границу — где зона совместной работы человека и ИИ, где нужна человеческая экспертиза, а где идеальна чистая автоматизация. ИИ оказался “не там”.

2) Нет культуры интеллектуального взаимодействия с ИИ
Вместо реального, живого партнёрства — формальный подход.
— Запросы к ИИ чаще всего делают шаблонно или интуитивно, без структурирования, критики и осмысленности.
— Вместо 5–7 качественных итераций получается бесконечное количество доработок и уточнений. Сотрудники быстро выгорают на бесконечной “ручной донастройке” ИИ, так и не получая того самого обещанного облегчения.

3) Нет культуры проверки и улучшения с ИИ
Классическая ошибка: не сравнивать полученный результат.
— Редко кто задаёт простой и важный вопрос: “А получилось ли с ИИ действительно лучше, чем вручную?”
— В большинстве случаев просто ускорили привычную рутину — и разошлись. В итоге качество выдачи не растёт, процессы не эволюционируют, а ценность новых решений незаметна для бизнеса.

4) Нет метрик и системы ответственности за результат
— Внедрение ИИ происходит “на глазок”: нет системных метрик и мониторинга, которые могли бы зафиксировать реальные изменения.
— Как изменилась ёмкость задач? Где появился настоящий рост? Если никто не считает и не анализирует изменения, эффект быстро растворяется в операционке.

Так что настоящий прорыв начинается не с количества ИИ-проектов, а с перестройки самой архитектуры задач, внедрения культуры интеллектуального партнёрства и измеримых метрик результата. Чтобы помочь компаниям увидеть реальную картину внедрения ИИ, мы создали простую диагностику в Telegram-боте. За несколько минут она покажет:

✅ Ваш уровень ИИ-зрелости
✅ Скрытые проблемы, мешающие получить ценность
✅ Чёткие шаги к полноценному партнёрству с ИИ

Ссылка на бота: AIResearch2025
Если диагностика была вам полезна, помогите нам сделать её доступнее — просто перешлите этого бота коллегам. Чем больше компаний пройдут тест, тем точнее мы сможем оценить уровень ИИ-зрелости в России и предложить решения, которые работают.

Спасибо, что помогаете двигать инновации вперёд!

Меньше людей — больше смысла: ИИ сокращает команды, но увеличивает интеллектуальную плотность

Хотя мы знаем, что «факты дружелюбны». Но в свежем отчёте AI Index (https://hai.stanford.edu/ai-index) цифры режут глаз: внедрение ИИ приводит к сокращению числа участников в проектах в среднем на 79,3%. По данным исследования Harvard Business School, проекты, которые до интеграции ИИ требовали 14 участников, после внедрения AI обходятся в среднем тремя специалистами. Такая динамика особенно заметна в аналитике, подготовке отчётов, обработке данных и корпоративных коммуникациях.

В международных компаниях уже проявляется новая управленческая логика: вместо множества специалистов и держателей функций формируется малое «интеллектуальное ядро». ИИ берёт на себя функции “массовки” — рутинный сбор информации, первичный анализ, техническую поддержку. Исследования Microsoft фиксируют снижение когнитивной нагрузки на сотрудников почти на 45%: теперь значительная часть типовой аналитики и подготовки материалов выполняется ИИ. Кто тут всё ещё не ИИ-френдли? Если вы ждали сигнала, то это уже не звонок, а сирена.

Человеческая роль меняется: в малых командах теперь нужны интеграторы смыслов. Их задача — соединять разрознённые данные и идеи, видеть, что действительно важно, и принимать решения в новой реальности.

Что теперь ждут от участников малых команд с ИИ:

— Критическая оценка и интерпретация выводов ИИ: осмыслять, фильтровать и «переводить» ИИ-выводы в решения для бизнеса.

— Фасилитация и модерация обсуждений: удерживать структуру коллективного мышления, соединять ИИ-инсайты с экспертным знанием, помогать команде быстро находить стратегические решения.

— Навыки презентации и объяснения ИИ-результатов стейкхолдерам: доносить ценность выводов ИИ, переводить технический язык в управленческие смыслы.

— Гибкость и быстрая адаптация: легко переходить между задачами, осваивать новые инструменты, работать на стыке разных функций.

В чем вызов для бизнеса?

Уровень, когда ИИ «делает работу за людей», уже многими пройден;

На следующем уровне требуется синтез человеческого и машинного разума. Конкуренция смещается: выигрывают те, кто способен удерживать и развивать поле совместного мышления.

Поэтому важно научиться измерять интеллектуальную плотность команды: как быстро, глубоко и творчески ваша команда способна работать с тем, что генерирует ИИ?

И вот тут пока провал. Мы регулярно спрашиваем тех, кто уже внедрил ИИ или считает свою компанию AI-friendly: «А как вы замеряете результаты интеллектуальной работы с ИИ?» Ответ почти всегда один — «никак». В редких случаях — процент сотрудников, ежедневно использующих ИИ в работе, или количество задач, решённых совместно с ИИ. В итоге результаты внедрения видны больше “на глазок”…

Думается, это тревожный сигнал. Если не отслеживать динамику, как понять, насколько команда реально учится работать с ИИ, а не просто “добавляет его к процессам” — потому что так сказали?

Было бы интересно узнать, если среди наших подписчиков есть те, кто действительно замеряют — какие метрики вы используете?

Влад дал интересное интервью про ИИ для "HR БЮРО: Лидеры рынка" https://www.youtube.com/watch?v=Kg4FHg5-EkY

На каком уровне ИИ-зрелости вы сейчас и каков следующий шаг?

Мы много консультируем компании в вопросах внедрения ИИ, и если раньше разговоры с клиентами были на уровне «Что за новый зверь ИИ?», то теперь всё чаще слышим: «А мы ИИ уже внедрили». Всё звучит уверенно: GPT используем, отчёты автоматизируем, тексты пишем. И правда ведь внедрили… Но чаще всего — поверх старой управленческой логики: ИИ используется? Да! — но мышление не поменялось. Процессы и роли в команде — те же.

Вызовом для нас стал вопрос: как объяснить клиенту разницу между их внедрением и «хорошим результатом внедрения» в нашем понимании?

Решили не объяснять, а вместо этого сделали рабочую модель ИИ-зрелости, где клиенты могут сами всё увидеть. Из международной практики и своего опыта работы с командами описали модель, включающую 3 уровня ИИ-зрелости компании: от «теневого» GPT-энтузиазма отдельных сотрудников до ситуации, где ИИ встроен в процессы, управленческие циклы и становится партнёром по мышлению. Мы взяли 16 измерений развития — такие как: отношение к ИИ, принципы распределения задач, культура взаимодействия и многое другое — и описали, как эти параметры меняются на каждом уровне.

Эту модель можно примерить на свою компанию (ссылка на бота AIresearch2025)
Мы создали тест, который помогает определить уровень зрелости, и реализовали его в формате Telegram-бота. И теперь
за 3 минуты, выбирая варианты ответов в 11 вопросах, вы можете довольно точно определить свой этап освоения ИИ и понять, что делать дальше.

Информацию вы получите в виде подробного отчёта (пример — во вложении).

В чём наш интерес давать бесплатно такой отчёт высокого качества?

Ваши ответы (анонимные) мы используем для масштабного исследования ситуации с ИИ в компаниях РФ. Мы надеемся, что удастся вовлечь в исследование как можно больше компаний. Поэтому просим вас, если отчёт будет вам полезен, отправить бота тем, кто, на ваш взгляд, тоже обеспокоен качественным внедрением ИИ в своей компании.

Чем больше данных — тем точнее станет карта AI-реальности. А мы, в свою очередь, обещаем каждые три месяца публиковать свежий срез ситуации.

P.S. Бот, конечно, не человек — но тоже может задуматься. Иногда это связано с нестабильным интернетом у пользователя.
Если видите, что ответ не пришёл сразу — просто чуть подождите. Не нажимайте на кнопку много раз подряд: это может запутать бота и повлиять на подсчёт баллов.
Ссылка на бота: AIresearch2025

Навигация по ИИ-зрелости: какой отчет вы получите после диагностики?

Мы начинали с простой идеи: дать компаниям инструмент для самодиагностики ИИ-зрелости. Быстро сделали тест и критерии, посмотрели на результат — и поняли: не цепляет, как-то поверхностно, что ли. Пришло понимание, что путь трансформации важнее точки, где компания находится. Поэтому над отчётом пришлось попотеть: сделать из него настоящую карту движения.

Теперь вы получаете: характеристику своего уровня зрелости, сигналы перехода: когда пора двигаться дальше, и главное, — конкретные шаги, как превратить ИИ из просто «инструмента» в полноценного «партнёра по мышлению» в вашей компании. Отчёт бесплатный, всё, что нужно — ответить на три коротких вопроса в конце. Ответить на вопросы тут: Перейти в бота

Прямой эфир делать или нет?

Нужна ваша реакция — по ней поймём.

Формат: открытый разговор с Владом Завадским, возможность заглянуть на нашу “внутреннюю кухню”,
задать вопросы и ближе познакомиться с подходом и командой.

Про что эфир?

Курс «ИИ-методолог» завершён.
Сертификаты получили первые в России специалисты нового типа — ИИ-амбассадоры на стыке бизнес-стратегии, естественного и искусственного мышления.

Прежде чем двигаться дальше, мы хотим внутри команды обсудить: что получилось, что открылось нам самим, что требует переосмысления — и какой путь ждёт эту программу.

"А почему бы не сделать часть этого разговора публичным"? Подумали мы и решили проверить нашу гипотезу, что вам может быть это интересно, поэтому:
В понедельник 7 июля в 19:00 — возможно, будет эфир.