«Шпионские страсти»: как китайский стартап превращает открытые данные в военную аналитику

Китайская компания MizarVision, также известная как Meentropy Technology Hangzhou Co Ltd, работает в сфере дистанционного зондирования и геопространственной аналитики.

В 2026 году стартап привлек международное внимание публикациями о размещении и перемещениях американских сил на Ближнем Востоке. На спутниковых снимках были отмечены авиабазы, самолёты, системы противовоздушной обороны и пр. Для анализа стартап сопоставил эти изображения с открытыми данными о движении воздушных и морских объектов, а затем использовал ИИ для их обработки.

«Разведка» без разведки

Сам по себе анализ спутниковых снимков с помощью ИИ не нов: подобные технологии давно используют крупные оборонные платформы вроде Palantir Gotham. Но порог входа на наших глазах снижается: «заниматься разведкой» теперь могут даже небольшие частные компании. Растёт количество доступных источников, а ИИ позволяет быстрее анализировать их и находить связи между отдельными наблюдениями.

В результате скрыть отдельный объект или событие становится всё сложнее: даже если один источник ничего не сообщает, цифровые следы могут обнаружиться в нескольких других. И чем больше становится таких информационных «слоёв», тем больше можно узнать, сопоставляя их между собой.

Разумеется, итоговые выводы всё равно требуют проверки специалистами.

Фраза «Кто владеет информацией, тот владеет миром» слегка устарела. Преимущество у тех, кто быстрее поймет, о чем говорят данные.

#O2Consulting_weekend
👋 Подписаться на Max
🌐Ваш O2Consulting

Будущее по сценарию: разбираем методологию ISF от RAND

Американский аналитический центр RAND десятилетиями разрабатывает и систематизирует методы стратегического анализа, которые затем получают применение далеко за пределами самой организации — в том числе и в нашей работе в O2Consulting.

RAND выросла из проекта, созданного в 1946 году для ВВС США. Именно здесь в 1950-х был разработан метод Дельфи для работы с экспертными оценками, развивались подходы к системному анализу и сопоставлению затрат и эффективности.

Недавно RAND представила методику Integrated Strategic Forecasting (ISF) — интегрированного стратегического прогнозирования, где каждый следующий шаг связан с предыдущим.

Как это работает

🛑 Определить проблему, горизонт планирования и решения, которые предстоит принять.
🛑 Разобрать сценарии на ключевые факторы и наблюдаемые признаки, сформулировать проверяемые вопросы.
🛑 Построить карту прогнозирования, связывающую вопросы с факторами и сценариями.
🛑 Включить вероятностные оценки и их обоснования в сценарный анализ и регулярно обновлять картину.
🛑 По мере получения фактических результатов проверять прогнозы и повторять цикл.
 
Мнение эксперта

Руководитель проектов O2Consulting Сергей Дранев обращает внимание на важное различие между желаемым и вероятным будущим: привлекательный сценарий не обязательно окажется наиболее реалистичным, а неблагоприятные варианты нельзя исключать лишь потому, что они не соответствуют нашим ожиданиям.

«В форсайте нужно определить как само будущее, так и путь к нему. Если в процессе выяснится, что будущее недостижимо, то его и сам путь нужно снова менять, получается такая, в некотором смысле, цикличная работа. Образ желаемого будущего приходится многократно уточнять, пока он не станет одновременно привлекательным и достижимым с учётом реальных возможностей.

Например, при анализе развития ИИ есть риск сокращения занятости и концентрации благ при преимущественной ориентации на прибыль. Тогда сценарный анализ должен отвечать уже на вполне конкретные вопросы: кто получит выгоды от автоматизации, какие новые задачи появятся у работников, как перераспределятся доходы и как на траекторию повлияют решения государства и бизнеса?»

Особенность методики

В целом ISF, мягко говоря, нельзя назвать революционным подходом: сценарии, факторы, влияющие на их реализацию, и вероятностные оценки давно используются в стратегическом прогнозировании. Более того, сами авторы ISF опираются на два хорошо известных подхода — сценарное планирование и краудсорсинговое прогнозирование.

Сценарное планирование помогает представить несколько правдоподобных вариантов будущего и проверить, как в каждом из них будут работать управленческие решения. При этом сценариям необязательно присваивать численные вероятности.

Краудсорсинговое прогнозирование, напротив, позволяет получать вероятностные оценки конкретных событий на основе прогнозов множества участников. Но отдельный вопрос вроде «произойдёт ли событие X к определённой дате?» сам по себе ещё мало говорит о том, как его наступление изменит стратегическую картину.

Практическая ценность такой схемы — в дисциплине работы с неопределённостью: каждый из пяти этапов проверяет и дополняет предыдущий. Если один из них выпадает, связь между сценариями, прогнозами и управленческими решениями становится слабее.

👋 Подписаться на Max
🌐Ваш O2Consulting

Новая точка для идей и проектов: о назначении Павла Потеева советником генерального директора Леонтьевского центра и конкурсе «Пространство решений»

Павел Потеев, ассоциированный партнёр, руководитель Центра цифровой и ИИ-трансформации O2Consulting, стал советником генерального директора Леонтьевского центра.

Леонтьевский центр в Санкт-Петербурге более 30 лет занимается исследованиями, стратегическим и территориальным планированием, а также разработкой управленческих решений для органов власти, бизнеса и общества. Для Павла новое направление работы во многом продолжает его профессиональную специализацию — организационную и цифровую трансформацию, стратегическое и проектное управление.

«Пространство решений»: новый конкурс Леонтьевского центра для молодых специалистов

Один из первых проектов с участием Павла в качестве члена жюри — конкурс научно-исследовательских и прикладных проектов «Пространство решений».

Кто может принять участие?

Индивидуальные исследователи и команды с научно-исследовательскими и прикладными проектами, направленными на решение актуальных задач страны, региона или города и предполагающими конкретный практический результат — методику, стратегию или управленческий инструмент, готовые к внедрению и масштабированию (подробнее о критериях успеха читайте на сайте конкурса).

Направления:

— цифровая трансформация и ИИ в управлении;
— управление развитием территорий;
— экономика и институты развития;
— социальные процессы и человеческий капитал;
— пространственная экономика и урбанистика.

Что получат победители?

Победители смогут в течение шести месяцев реализовывать свои проекты в команде Леонтьевского центра, а с наиболее перспективными авторами планируется продолжить сотрудничество.

❗️ Заявки принимаются до 27 сентября.

📌 Узнать о конкурсе «Пространство решений» и условиях участия

👋 Подписаться на Max
🌐Ваш O2Consulting

ИИ против прогнозистов: машина впервые выиграла Metaculus Cup

В сентябре впервые в истории сезонного Metaculus Cup первое место занял ИИ-прогнозист. Причём победил бот, созданный независимым разработчиком из Техаса. По его оценке, на разработку ушло менее 150 часов и несколько тысяч долларов на вычисления и данные. Его система обошла четыре стартапа, которые вместе привлекли более $15 млн инвестиций, а сейчас лидирует ещё и в отдельном ИИ-турнире Metaculus с призовым фондом $50 тыс. ИИ занял также второе и пятое места, тогда как третье и четвёртое достались людям.

ИИ уже впереди?

Ранее мы уже писали об ИИ прогнозировании в контексте синтетических респондентов и цифровых двойников, которые достаточно точно могут в некоторых случаях моделировать поведение людей и групп, например в опросах или на выборах.

Но в Metaculus логика иная: ИИ выступает как аналитик-прогнозист и напрямую оценивает вероятность будущих событий: введут ли отдельные штаты США или страны ЕС ограничения на строительство дата-центров, распространится ли вспышка хантавируса за пределы пассажиров судна MV Hondius, сколько будет стоить нефть Brent и др. Чем точнее и устойчивее был прогноз, тем больше баллов получал участник.

Интересно, что в основе моделей ИИ-конкурсантов лежали обычные большие языковые модели (БЯМ), которые искали новости, сопоставляли источники и анализировали данные, но делали это быстрее и в большем объеме, чем человек-прогнозист.

Конечно, результат Metaculus не означает, что ИИ уже превосходит лучших человеческих прогнозистов вообще. Всё-таки кубок длился четыре месяца и в основном проверял сравнительно короткий горизонт, тогда как для бизнеса и государства часто важны прогнозы на годы вперёд. Да и участники турнира не обязательно представляют мировую элиту прогнозистов. Тем не менее ИИ всё ближе к паритету с прогнозистами, что фиксирует и Forecasting Research Institute с помощью ForecastBench — бенчмарка, который сравнивает точность прогнозов языковых моделей и людей. Некоторые ИИ-системы уже статистически неотличимы от уровня суперпрогнозистов.

За счёт чего ИИ становится точнее в прогнозах (некоторые факторы)

Fusion-подход. Несколько моделей или агентов независимо исследуют разные стороны вопроса, проверяют и дополняют друг друга, после чего их оценки объединяются в итоговый прогноз.

Данные и качество источников. По мере того как сильные БЯМ становятся общедоступными, преимущество смещается к специализированным данным и умению оценивать их надёжность.

ИИ можно «вернуть в прошлое». Моделям дают только ту информацию, которая была доступна на определённую дату, и смотрят, какой прогноз они сделали бы. Затем меняют инструкции, источники или архитектуру и повторяют эксперимент. Такой backtesting позволяет системно учиться на прошлых ошибках без эффекта знания задним числом.

Пока эффективным способом взаимодействия с ИИ, как правило, остается гибридная модель: например, ИИ используется как участник команды, с которым можно сверять собственные оценки. В дальнейшем развитие ИИ-прогнозирования может не только помочь нам лучше видеть будущее, но и показать границу между тем, чего мы пока не знаем, и тем, что в принципе невозможно надёжно предсказать. И это, возможно, окажется не менее важным результатом, чем сами прогнозы.

👋 Подписаться на Max
🌐Ваш O2Consulting

McKinsey Technology Trends Outlook 2026: мнение эксперта

В отчёте — обзор 14 ключевых технологических трендов. Для каждого тренда McKinsey оценивает уровень инноваций, интереса, инвестиций, спроса на специалистов и степень внедрения в компаниях.

🛑 Агентная разработка ПО
🛑 Агентный ИИ
🛑 ИИ для научных открытий и инженерии
🛑 Инфраструктура ИИ и архитектуры моделей
🛑 Специализированные полупроводники
🛑 Кибербезопасность и доверенные системы
🛑 Передовые технологии связи
🛑 Иммерсивные технологии
🛑 Квантовые технологии
🛑 Робототехника
🛑 Мобильность
🛑 Космические технологии
🛑 Науки о жизни и биоинженерия
🛑 Энергетика и технологии устойчивого развития.

Ключевая мысль — ИИ становится ускорителем почти для всей технологической повестки: он меняет разработку ПО, робототехнику, научные исследования, кибербезопасность и инфраструктуру. При этом авторы подчёркивают, что одного внедрения технологий недостаточно: компаниям приходится перестраивать операционные модели, развивать компетенции сотрудников и решать вопросы инфраструктуры, безопасности, энергии и управления.

Руководитель проектов Сергей Дранев отмечает, что отчёт интересно читать: многие описанные тенденции действительно существуют и заслуживают внимания. Однако использовать его как основу для долгосрочного прогноза стоит с осторожностью — слишком многое сейчас зависит от дальнейшей траектории развития ИИ.

Эксперт обращает внимание на то, что возможности ИИ во многом зависят от качества и масштаба доступных данных. На узких, хорошо описанных участках — например, на конкретном производстве — ИИ уже может давать заметный эффект. Но для более сложных задач нужны сопоставимые и верифицированные данные по множеству аналогичных объектов и процессов.

Иммерсивная реальность выглядит потенциально прорывным направлением: фактически это путь к технологиям полного погружения. Графика, дополненная и виртуальная реальность постепенно становятся лучше, однако настоящего прорыва пока не видно, хотя о нём говорят уже много лет.

Робототехника. Отчёт отмечает движение физического ИИ от производства и логистики к более сложным средам — больницам, строительству, сельскому хозяйству и городской инфраструктуре. Однако и здесь сохраняется проблема качества и полноты данных.

Квантовые технологии также нельзя рассматривать как единое направление. Квантовые коммуникации и квантовые сенсоры — уже вполне рабочие области, в отличие от квантовых вычислений, где прорыв пока только ожидается.

Кроме того, эксперт отмечает, что в технологическом прогнозе стоило бы подробнее рассмотреть собственно энергетические технологии, а не в основном их роль в обеспечении цифровой инфраструктуры. Хотя энергетика выделена в отчёте как отдельный тренд, значительная часть анализа сосредоточена на растущем энергопотреблении ИИ и дата-центров. Аналогичная ситуация с биоинженерией и науками о жизни: направление важно, но и здесь существенная часть повестки связана только с ролью ИИ в ускорении исследований.

Что из этого следует уже сегодня?

Дальнейший эффект от развития ИИ будет зависеть не только от качества моделей, но и от качества доступных им данных. Поэтому уже сегодня необходимо развивать системы сбора, верификации и сопоставления промышленных, финансовых, социальных, демографических и других данных, при необходимости — в обезличенном виде. Это дорогая и долгосрочная задача, но без такой базы возможности всё более сложных ИИ-систем будут существенно ограничены.

#Мнение_эксперта
👋 Подписаться на Max
🌐Ваш O2Consulting

Принцип «омакасе»: когда не выбирать — тоже привилегия

Среди наших подписчиков много фаундеров, топ-менеджеров и вообще тех, кому каждый день приходится принимать десятки решений — о командах, проектах, технологиях, бюджетах и приоритетах. Поэтому временами особенно приятно, когда хотя бы где-то решение уже приняли за тебя...

В японской гастрономии похожая логика давно существует в формате omakase — буквально «оставляю выбор вам». Гость не собирает заказ из длинного меню, а доверяет шефу самому решить, что и в какой последовательности подать. По сути, omakase превращает отказ от выбора в часть премиального опыта — ровно тот же принцип, который сегодня можно увидеть далеко за пределами ресторанов.

Ниже — несколько кейсов, которые хорошо иллюстрируют этот тренд.

Diligence Parlour — киоск с одним цветком, Япония

В подвале торгового комплекса Omotesando Hills — цветочный магазин, где можно купить всего один цветок в простом прозрачном пакете. Идея выросла из наблюдения: людям часто не нужен букет, нужен один правильный цветок — без необходимости изучать всю витрину и собирать композицию.

Morioka Shoten — книжный магазин с одной книгой в неделю, Япония

Ровно одна книга продаётся здесь всю неделю, и всё пространство работает на неё: небольшая выставка, изображения, предметы, встречи с автором. Книга получает целую комнату и всё внимание посетителя. Идея родилась из наблюдения владельца Ёсиюки Мориока: в его прежнем магазине именно вокруг презентации одной книги люди начинали разговаривать друг с другом. Тысяча книг на полках такого эффекта не давала. В 2014 году он представил идею инвестору — презентация уместилась на одном листе бумаги. Сейчас магазин работает уже двенадцатый год.

Black Tomato Get Lost — отпуск, в котором вам не говорят, куда вы едете, Великобритания

Клиент заказывает путешествие, не зная пункта назначения и даже того, что именно ему понадобится. Организатор заранее проектирует маршрут, а путешественник получает опыт неизвестности вместо нескольких недель сравнения отелей, рейтингов и маршрутов.

CitizenM — отель с одним типом номера, Нидерланды

В основе концепции СitizenM — практически один стандартизированный тип номера. Основатель Раттан Чадха отталкивался от идеи убрать из традиционного гостиничного номера всё лишнее и оставить то, что действительно важно гостю: большую кровать, хороший душ, технологичное управление номером. Вместо выбора между категориями номеров клиент получает заранее собранный и одинаково понятный продукт.

Bright Cellars и Winc — вино, которое выбирают под вас, США

Вместо десятков минут перед винной полкой — несколько вопросов о вкусовых предпочтениях, после чего сервис предлагает бутылки, которые должны подойти именно вам. Дальше рекомендации уточняются на основе обратной связи. Пользователю не нужно разбираться в сортах, регионах и этикетках: значительную часть поиска и предварительного отбора берёт на себя технология.

Stitch Fix и Lookiero — стилист выбирает одежду вместо вас, США и Испания

Оба сервиса строятся на простой идее: не заставлять человека выбирать одежду из сотен вариантов, а сделать этот выбор за него. Пользователь заполняет анкету: указывает размеры, стиль, бюджет и предпочтения. Дальше стилист подбирает несколько вещей, которые приезжают домой в одной коробке. Понравившееся можно оставить, остальное — вернуть. Американский Stitch Fix одним из первых масштабировал эту модель, объединив данные и алгоритмы с работой живых стилистов. Европейский Lookiero использует похожий подход.

В эпоху, когда технологии дают нам практически бесконечный ассортимент, новой роскошью может становиться не доступ ко всему, а доверие к тому, кто уже отобрал лучшее.

Смотрите также:

«Формирование бизнес-моделей в процессе цифровой трансформации»

👋 Подписаться на Max
🌐Ваш O2Consulting

ИИ-трансформация изнутри: чему Microsoft научилась на собственном опыте

На прошлой неделе Microsoft опубликовала разбор собственной ИИ-трансформации — и выводы, к которым корпорация пришла на основе сотен внутренних инициатив: что действительно работает, что пришлось менять и где появились измеримые результаты. Например, в одной из команд продаж close rate вырос на 20%, в отдельных процессах цепочки поставок cycle time сократился на величину до 75%, а команда из девяти человек выпустила первую версию нового продукта за 35 дней.

Вывод Microsoft: само по себе распространение ИИ-инструментов по компании ещё не означает трансформации.

Павел Потеев, ассоциированный партнёр, руководитель Центра цифровой и ИИ-трансформации O2Consulting, отмечает, что Microsoft интересна своими масштабными изменениями как минимум потому, что продолжает удерживать и расширять позиции на рынках, где многие её бывшие конкуренты уже оказались либо в корпоративной Валгалле, либо на задворках индустрии.

«При этом по новостям последнего года хорошо видно: ИИ-трансформация Microsoft не проходит гладко. Можно было прочитать и об увольнениях, и о том, как Сатья Наделла перестраивает систему управления, сокращая дистанцию между собой и техническими командами. Ничего удивительного: мой первый наставник по трансформации сразу сказал, что в трансформации меня ждёт hell and high water. Не ошибался».

Ключевые выводы, по версии эксперта

1. Microsoft решила стать Customer Zero — «нулевым клиентом» собственных ИИ-решений и подходов.

Сначала пройти трансформацию самой, а уже затем помогать проходить её клиентам. Несмотря на разницу в масштабе, мы в O2Consulting начали с того же. Разработка контента для тренингов, сценарии и взаимодействие в ходе продаж — для всего этого мы применяем ИИ и агентов. Схожими оказались даже имена агентов из той сети, которую мы разрабатываем для себя.

2. Само по себе индивидуальное использование ИИ компанию не трансформирует.

Наибольший эффект появляется, когда перерабатывается workflow (англ. автоматизированные ИИ-процессы) целиком. В Microsoft это уже позволило получить десятки процентов улучшений в отдельных показателях продаж, скорости разработки и времени выполнения процессов. Наш ИИ-агент-консультант (@firsttalkerbot) при проектировании трансформации формулирует это ещё радикальнее: «Давайте забудем, как этот процесс делают люди, и спроектируем его заново».

3. Такие изменения быстро упираются в организационную структуру.

Чтобы перестраивать сквозные процессы, Microsoft создала кросс-функциональные советы, объединяющие корпоративные функции, сама старая, центрированная вокруг людей, организационная структура не перестраивается — приходится создавать новые механизмы взаимодействия.

4. При этом человек никуда не исчезает.

В Microsoft отдельно подчёркивают его роль в постановке целей, предоставлении контекста, суждении, контроле и ответственности за результат. ИИ может всё глубже встраиваться в цепочки работы, но люди по-прежнему определяют, что считать хорошим результатом и где необходимо человеческое решение. По сути, это требует апгрейда мышления — причём многие из этих навыков полезны и без всяких ИИ-агентов.

5. Microsoft свела сценарии трансформации к трём повторяемым моделям:

Persona Acceleration — усиление конкретной роли;
AI-Powered Process Redesign — перестройка целого workflow;
AI-First Possibility — создание принципиально новых возможностей, которые раньше были невозможны или экономически нецелесообразны.

Эта типология помогает отделить «мы дали сотрудникам Copilot» от настоящей трансформации бизнеса.

6. И, пожалуй, самый важный вывод: одной оптимизации недостаточно.

Microsoft, как и большинство компаний, начинала с автоматизации существующих задач и повышения эффективности. Но довольно быстро выяснилось: если только улучшать старые процессы, результатом станет та же компания — просто быстрее и дешевле. В Microsoft называют следующий уровень Capability Add (англ. добавление возможностей), сочетание человеческого и машинного интеллекта должно позволять делать то, что раньше было невозможно, слишком сложно или неоправданно дорого.

Для каждой компании и индустрии эти возможности будут своими, но именно это и есть трансформация.
В материале есть ссылка и на подготовленный «Фронтирные организации» (Microsoft Frontier Playbook) — более формализованное описание подходов, собранное на основе сотен внутренних проектов. Но мне живой корпоративный блог показался даже интереснее традиционного методического материала. Наверное, потому что нынешний этап ИИ-трансформации ещё просто не успел устояться. Готовых моделей «организации будущего» пока нет — они формируются прямо сейчас, методом проб, ошибок и постоянной перестройки».

Поэтому одна из самых полезных стратегий сегодня довольно проста: пробовать, запускать, измерять и делиться опытом. Именно это Microsoft сейчас и делает.

А как проходит ваша ИИ-трансформация?

👋 Подписаться на Max
🌐Ваш O2Consulting

Завершили проект по токенизации реальных товарных активов

Токенизация реальных товарных активов (RWA) — это не просто технологический тренд, а возможный легальный инструмент для расчетов по внешнеторговому контракту (ВТК) в условиях инфраструктурных и санкционных ограничений в ВЭД. Разработанный нами подход успешно масштабируется на любые дорогостоящие, стандартизируемые товары (драгоценные металлы, зерно, энергоносители), позволяя компаниям превращать свои складские остатки в ликвидный платежный актив.

Подробностями завершенного проекта делится практика «Стратегия развития финансовых рынков», которой руководит Татьяна Сафонова, признанный эксперт в сфере финансовых рынков и налогообложения, а также в цифровых финансовых инструментах.

Ситуация

Классические каналы международных расчетов стали критически ненадежными: долгие сроки прохождения платежей, высокие риски блокировок со стороны банков-корреспондентов и жесткие комплаенс-барьеры. При этом у компании были значительные запасы дорогостоящих товаров, которые сложно быстро монетизировать. Клиенту требовался легальный, быстрый и защищенный способ рассчитываться с иностранными партнерами, не прибегая к «серым» схемам или рискованным инструментам.

Особенности проекта

Проект находился на стыке трех сложнейших областей: товарного рынка, международного платежного рынка, валютного контроля и нового законодательства о цифровых инструментах (282-ФЗ о цифровых валютах и цифровых правах вступил в силу 1 сентября 2026 года). Главным вызовом стала необходимость создать юридически безупречную, многостороннюю структуру, которая превращает физический товар в цифровой финансовый инструмент.

Решение

Команда Практики «Стратегии развития финансовых рынков» O2Consulting разработала юридически выверенную инновационную структуру расчетов с использованием утилитарных цифровых прав (УЦП) на пул товаров.

Результат

Клиент получил полностью легальную возможность для международных расчетов, защищенную от внешних блокировок. Товарные запасы клиента приобрели новую функцию, превратившись в высоколиквидный платежный инструмент для расчётов по экспортно/импортным операциям.

#Кейсы_O2Consulting

👋 Подписаться на Max
🌐Ваш O2Consulting

Как управлять растущим техностартапом

На старте почти всё держится на основателе. Он глубоко понимает продукт и клиентов, быстрее принимает решения, лично нанимает людей и тушит пожары. Именно такая вовлечённость часто и позволяет молодой компании двигаться быстро.

Проблемы начинаются позже, когда компания растёт, а модель управления остаётся прежней, решения ждут согласования, руководители команд не понимают границ своих полномочий, команда привыкает не решать проблемы самостоятельно, а эскалировать их основателю. Зависимость бизнеса от одного человека начинает тормозить работу компании.

Обзор «Лидерские модели и управленческие практики в технологическом стартапе на этапах дефицита ресурсов, роста и высокой неопределенности»*, подготовленный для цикла «Стартап-кафе: Таланты», поможет понять, где участие основателя необходимо, где решения уже можно передать руководителям команд, как перестроить управление эффективно и безболезненно.

Некоторые управленческие проблемы роста и их решения

🚫 Все решения идут через основателя

 ✅ Разделить права на решения. Стратегия, критические риски и необратимые решения могут оставаться наверху. Повторяющиеся функциональные и обратимые решения должны постепенно переходить руководителям и командам. Основатель становится человеком, который определяет направление, распределяет ответственность и создаёт условия, в которых компания умеет принимать качественные решения без его постоянного участия.

🚫 Задача делегирована, но решение всё равно нужно согласовать

 ✅ Передавать не задачу, а ответственность. Для каждой области нужны конкретный ответственный, понятные полномочия, необходимые ресурсы и заранее определённые случаи, когда вопрос должен вернуться к основателю. Иначе получается руководитель, который отвечает за результат, но фактически не может им управлять.

🚫 Команда постоянно перегружена

 ✅ Перестать добавлять приоритеты поверх старых. При ограниченных ресурсах новый приоритет должен появляться только вместе с ответом на вопрос: что мы ради него перестанем делать? Сам обзор предлагает сначала защитить критически важную работу, затем сфокусироваться на главном препятствии для роста, а остальные инициативы сокращать, переносить или останавливать.

🚫 Основатель считает, что нужны ещё люди, а руководители команд говорят о другом

✅ Сначала провести диагностику. Отдельно собрать оценки основателя и руководителей команд и понять, что действительно мешает результату: нехватка людей, компетенций, полномочий, ресурсов или ясных приоритетов. Только после этого принимать решение о найме — иначе есть риск расширить команду, не устранив реальное управленческое узкое место.

🔽 Кому интересна тема, скачивайте полный обзор: с конкретным планом перестройки управления за 90 дней, а также набором полезных инструментов:

— картой узких мест управления,
— матрицей прав принятия решений,
— моделью Head–Heart–Hands,
— памяткой «Что делать, когда всё срочно».

📆 5 октября пройдет очередная встреча аналитического цикла Стартап-кафе: Таланты.

*Материалы, подготовленные O2Consulting по заказу АНО «Развитие человеческого капитала»
 
#Исследования_O2Consulting
 👋 Подписаться на Max
🌐Ваш O2Consulting