3% бюджета решают всё.

Остальные 97% уходят на то, чтобы компания работала сегодня. А эти три процента определяют, будет ли она существовать через пять лет. Проблема в том, что традиционный ROI не умеет оценивать ставки на будущее - он заточен под предсказуемое. Поэтому трансформационные проекты проигрывают в борьбе за бюджет.

Gartner вводит концепцию Return on the Future (ROF) - «возврат на будущее». Идея простая, но меняет логику инвестирования.

▶️ Три типа возврата вместо одного

Любая ИИ-инициатива попадает в одну из трёх корзин:

• Защита - базовые инструменты продуктивности: ассистенты, автоматизация рутины. Возврат считается на сотрудника (ROE - Return on Employee, не путать с Equity). Легко внедрить, легко обосновать - но конкурентного преимущества не дают. Половина всех ИИ-инициатив сейчас здесь.

• Развитие - ИИ в конкретных бизнес-процессах: агенты в клиентском сервисе, предиктивная аналитика в логистике. Классический ROI (Return on Investment) : привязка к выручке и экономии. Около трети инициатив.

• Прорыв - принципиально новые продукты, услуги, бизнес-модели. Высокий риск, но меняет правила игры. Это и есть территория ROF. Сюда попадает не больше пятой части инициатив, а реальных ресурсов - те самые 3%.

Ценность = ROE + ROI + ROF

(не формула для сложения, а портфель. Как у венчурного фонда: большинство ставок безопасные, но несколько - с потенциалом x10.)

▶️ Как считать ROF в деньгах?

Финансовому директору нужны цифры, а не "стратегическая температура".

Используем "принцип опционов" - поэтапные инвестиции с правом на выход. Вместо того чтобы обосновывать весь бюджет проекта сразу, вы вкладываете только в первый шаг - пилот. Через 3–6 месяцев, имея данные, принимаете решение: масштабировать, сузить или остановиться.

Это меняет разговор с финансовым директором. Не «дайте нам 60 млн на эксперимент», а «дайте 10 млн за право на следующий шаг с точкой пересмотра через полгода».

Как обосновать 10 млн:
• Не «давайте попробуем», а бизнес-кейс пилота с конкретными метриками: что измеряем, какой порог успеха, когда точка принятия решения
• Привязка к одному болевому процессу с понятной экономикой - «обработка претензий стоит X, если пилот покажет снижение на 20%, масштабирование даёт Y»
• Критерии остановки фиксируем на старте: если к неделе 12 нет таких-то показателей - стоп, без обсуждений

Как не проесть 60 через шесть провалов по 10:
• Портфельный подход: не шесть одинаковых пилотов, а один домен глубоко. Одна перепроектированная цепочка > десяти поверхностных экспериментов
• Каждый пилот проходит ворота (6 нед → 12 нед → решение). Не прошёл - останавливается, а не «давайте ещё квартал попробуем»
• Максимум 2-3 ROF-инициативы одновременно, не больше. Остальное - в очередь

По сути, 10 млн - это не расход, а опцион.
Стоимость опциона фиксирована, потенциал не ограничен, а право не исполнять - встроено.

▶️ ROF работает и для отказа

Если проект даёт только базовый ROI, не создаёт новых возможностей и не формирует задела - это кандидат на закрытие. Проект, который только «защищает» позиции и не двигает к прорыву, конкурирует за ресурсы с будущим компании.

Прекращать проекты - отдельный навык, и ROF помогает делать это осознанно.

▶️ Кто защищает будущее?

79% генеральных директоров обращаются за советом по росту к финансовым директорам, а те настроены на экономию. Кто-то в компании должен стать «директором по будущему» и защищать ROF-инвестиции на языке финансов - не «давайте поэкспериментируем», а «вот стоимость входа, вот потенциал, вот точка пересмотра». Вопрос - кто эту роль возьмет?

«Влияние, а не только инновации - вот валюта роста. Лидеры, которые не участвуют в обсуждениях на уровне высшего руководства, будут наблюдать, как другие определяют их будущее»
Атул Дигги, Gartner.

ROI отвечает на вопрос «окупится ли?».
ROF - на вопрос «будем ли мы существовать?».

🅰️🅱️ @ReymerDigital

Петля без тормоза: почему AI-сокращения могут обрушить экономику, которую они должны были ускорить

Citrini Research опубликовал сценарное моделирование, в котором AI работает идеально - производительность растёт, корпоративные прибыли бьют рекорды - а экономика всё равно падает. Парадокс, который стоит разобрать.

Механика простая:

AI улучшается →
Компании сокращают людей →
Экономия идёт на ещё больше AI →
AI улучшается снова.

Замкнутый цикл без естественного тормоза.

На выходе - «Призрачный ВВП»: статистический рост при коллапсе реальных доходов и скорости обращения денег. Производство серверов растёт, а потребление падает.

Цифры сценария из отчета Citrini Research к 2028:

- S&P 500 сначала достигает 8 000, Nasdaq - 30 000
- Безработица - 10,2%
- Затем фондовый рынок падает на 38%
- SaaS-сектор теряет выручку: компании создают собственное ПО за недели вместо покупки подписок

Но мы же с вами в 2026?

Вчера Джек Дорси объявил об увольнении 4000 сотрудников своей компании Block (финтех Square) - это 40% персонала из 10 000. Причина озвучена прямая: «Инструменты AI уже изменили способ управления компанией, небольшие команды способны делать больше и лучше».

При этом бизнес Block в порядке: выручка за 2025 год - $24,2 млрд, валовая прибыль - $10,36 млрд (рост 24% год к году). Это не кризисное сокращение. Это стратегическое решение - меньше людей, больше AI.

Акции Block после объявления выросли на 24%. Рынок аплодирует.

Вот она - петля в действии.
И не в 2028-м.
Сейчас.

Три вещи, которые ломают привычную логику

1️⃣ Белые воротнички - это 75% потребительских расходов в развитых экономиках. Продакт-менеджер с зарплатой $180K, который после сокращения водит такси за $45K - это не только его проблема. Это ипотека, рассчитанная на прежний доход. Образование детей. Подписки. Умножаем на сотни тысяч.

2️⃣ Аргумент «технологии всегда создавали больше рабочих мест» впервые может не сработать. Паровой двигатель вытеснял кузнецов, но создавал машинистов. AI умеет делать и новые работы тоже. Когда инструмент замены справляется с тем, что «должно было появиться взамен», - историческая аналогия ломается.

3️⃣ Государство попадает в ножницы. Налоговые поступления падают (меньше людей с нормальной зарплатой), а социальные расходы растут. Собирать меньше, тратить больше - причина новая, результат знакомый.

Может показаться, что это проблема Кремниевой долины. Но петля работает и здесь - просто с задержкой в 12-18 месяцев.

Российские компании уже активно внедряют AI в клиентский сервис, аналитику, документооборот. «Яндекс», Сбер, Т-Банк сокращают операционные команды. Средний бизнес начинает заменять маркетологов и копирайтеров генеративными моделями.

Разница в том, что в России подушка безопасности тоньше. Нет пособий по безработице на $2 000 в месяц. Нет развитого рынка фриланса, который сможет смягчить удар. Зато есть привычка руководителей к простому решению: сократить людей - отчитаться об экономии.

Если западный сценарий - это медленный перегрев, то российский может быть резким: несколько крупных компаний одновременно сокращают по 20-30% офисного персонала, и рынок труда в городах-миллионниках просто не успевает перестроиться.

Есть большая разница между «сократить 40% людей и отчитаться» и «перепроектировать процессы так, чтобы люди с AI создавали в 10 раз больше ценности».

Первое - петля без тормоза.
Второе - AI-First и "создание Клиента".

Если ваш AI-проект начинается со слова «сократить» - вы уже в петле.
Просто ещё не заметили 😎

Всех с пятницей!

🅰️🅱️ @ReymerDigital

OpenAI описали 5 моделей создания ценности через AI.

Вчера OpenAI запустили новый раздел - AI Adoption - и сразу выложили фреймворк для CEO и CTO: как перестать играть в пилоты и начать строить систему.

Суть: компании, которые побеждают с AI, не запускают больше всех пилотов. Они выстраивают портфель моделей создания ценности - и каждая модель закладывает фундамент для следующей.

Пять моделей:

1️⃣ Расширение возможностей команды (ChatGPT на рабочих местах)

Самый быстрый старт. Но главная ценность не в том, что люди пишут быстрее. А в том, что организация учится: HR понимает, как внедрять, Юристы - как контролировать, Finance - как считать. Без этой грамотности всё остальное - карточный домик.

2️⃣ AI-native дистрибуция (вертикали, приложения, реклама)

AI меняет то, как клиенты находят, оценивают и выбирают продукты. Конверсия происходит внутри диалога. Побеждает не самый заметный, а самый полезный в момент принятия решения.

3️⃣ Экспертные навыки (Co-scientist, Sora)

AI встраивается в работу, где раньше было узкое горлышко экспертов. Команды переходят от производства черновиков к управлению качественными результатами. Не «быстрее делать то же самое», а «исследовать то, что раньше отбраковывали на этапе приоритизации».

4️⃣ Управление системами и зависимостями (Codex)

Самое недооценённое. Агенты для кодинга - частный случай. Общий принцип: безопасное обновление связанных систем - от кода до регламентов, контрактов, политик. Не генерация, а контроль: меньше поломок, лучше аудит, выше согласованность.

5️⃣ Агенты - Реинжиниринг процессов

Самое медленное и самое мощное. Агенты оркестрируют сквозные процессы. Но только когда фундамент реальный: права доступа, наблюдаемость, обработка исключений, чёткое владение. Без этого автоматизация создаёт риски быстрее, чем ценность.


Что здесь важно

❗️ Три вещи.

Первое - последовательность имеет значение.

Грамотность (модель 1) - условие для всего остального. «Лес грамотности создаёт деревья высокоценных кейсов» - их метафора, и она точная. Нельзя перепрыгнуть к агентам, если организация не понимает базовых принципов работы с AI.

Второе - аналогия с e-commerce бьёт в точку.

Ритейл не стал e-commerce, сделав магазины чуть эффективнее. Он изменился, когда лидеры научились строить принципиально новое ценностное предложение. AI пойдёт тем же путём: от «лучше» к «по-другому».

Третье - OpenAI впервые говорят с бизнесом на языке бизнеса.

Не «наша модель умнее», а «вот как выстроить стратегию». Это сигнал: борьба за корпоративный рынок переходит из плоскости технологий в плоскость методологий.

Оригинал по ссылке и обзор на русском

Всем продуктивной пятницы и успешного движения по ступенькам создания ценности!

🅰️🅱️ @ReymerDigital