Agile в эпоху ИИ: как не превратить Scrum в хаос
Генеративный ИИ — это усилитель Agile, а не его замена. Он ускоряет разработку, сокращает циклы обратной связи и делает принципы Agile ещё более актуальными. Но использовать его потенциал можно только через эволюцию Scrum. Иначе — хаос вместо прогресса.
🔍 Главная проблема: традиционный Scrum отказывается работать в мире, где разработка ускоряется в разы. Фиксированные спринты, velocity и классические story points больше не релевантны. Почему?
1️⃣ Гибкие рабочие процессы вместо фиксированных спринтов. Исследовательские задачи (например, обучение моделей) не вписываются в двухнедельные циклы. Решение — гибрид Agile и Kanban:
- Для исследовательских задач — непрерывный поток (Kanban), без жёстких дедлайнов.
- Для чётко определённых инженерных задач — классические спринты.
2️⃣ Изменение подхода к метрикам. Вместо Velocity (Throughput) — Lead Time (время от идеи до реализации). Потому что побольше за спринт сделать — это не главное. Главное — ценность и как быстро мы можем её поставить. ИИ может повысить продуктивность разработчиков на 20–55%, но это не должно стать самоцелью. Иначе — технический долг и плохо спланированные функции.
3️⃣ ИИ как член команды. Это не просто инструмент, а "кибернетический коллега", который берёт на себя рутину и освобождает людей для творчества и стратегии. Например:
- Для Product Owner’а — аналитик, который обрабатывает тонны данных и генерирует user stories.
- Для Scrum Master’а — помощник, который анализирует метрики и выявляет узкие места.
- Для разработчиков — партнёр по кодингу, который пишет boilerplate code и тесты.
Новая система оценки задач: от story points к трёхуровневой модели
1️⃣ Zero-Point Stories — полностью автоматизированные задачи, не требующие ручного контроля (например, генерация документации).
2️⃣ Review & Integration Stories — задачи, где ИИ выполняет основную работу, а человек занимается проверкой и интеграцией.
3️⃣ Standard Stories — традиционные задачи, где требуется человеческая экспертиза и креативность.
Сбор метрик по Lead Time разных типов задач (как в метоле «рубашек») позволит проводить быстрый триаж для оценки задач. А он нам понадобится, ведь всё будет быстро меняться.
Вообще, судя по всему, новые методики будут строится на основе работы с потоком с добавлением лучших практик из итеративно-инкрементальных методов. Что-то вроде ScrumBan или того, в какую сторону идёт SAFe. Циклы будут становиться короче, проверки гипотез – быстрее, бэклог – короче и чаще меняться.
Практические шаги для адаптации
1️⃣ Начинайте с малого. Автоматизируйте рутину: тесты, документацию, резюме встреч.
2️⃣ Освойте структурированный промт-инжиниринг. Без чёткого описания задачи ИИ выдаст нерелевантный результат.
3️⃣ Не забывайте про качество. ИИ генерирует код, но проверять его всё равно нужно человеку. Установите чёткие правила безопасности и этики.
Будущее за Agile, где люди и ИИ работают вместе. Но это работает только если вы готовы меняться. Но выживание – дело добровольное!
Что думаете? Кто уже внедряет что-то? Что работает, а от чего отказываетесь? Мне правда интересно, пишите, обсудим.
Генеративный ИИ — это усилитель Agile, а не его замена. Он ускоряет разработку, сокращает циклы обратной связи и делает принципы Agile ещё более актуальными. Но использовать его потенциал можно только через эволюцию Scrum. Иначе — хаос вместо прогресса.
🔍 Главная проблема: традиционный Scrum отказывается работать в мире, где разработка ускоряется в разы. Фиксированные спринты, velocity и классические story points больше не релевантны. Почему?
1️⃣ Гибкие рабочие процессы вместо фиксированных спринтов. Исследовательские задачи (например, обучение моделей) не вписываются в двухнедельные циклы. Решение — гибрид Agile и Kanban:
- Для исследовательских задач — непрерывный поток (Kanban), без жёстких дедлайнов.
- Для чётко определённых инженерных задач — классические спринты.
2️⃣ Изменение подхода к метрикам. Вместо Velocity (Throughput) — Lead Time (время от идеи до реализации). Потому что побольше за спринт сделать — это не главное. Главное — ценность и как быстро мы можем её поставить. ИИ может повысить продуктивность разработчиков на 20–55%, но это не должно стать самоцелью. Иначе — технический долг и плохо спланированные функции.
3️⃣ ИИ как член команды. Это не просто инструмент, а "кибернетический коллега", который берёт на себя рутину и освобождает людей для творчества и стратегии. Например:
- Для Product Owner’а — аналитик, который обрабатывает тонны данных и генерирует user stories.
- Для Scrum Master’а — помощник, который анализирует метрики и выявляет узкие места.
- Для разработчиков — партнёр по кодингу, который пишет boilerplate code и тесты.
Новая система оценки задач: от story points к трёхуровневой модели
1️⃣ Zero-Point Stories — полностью автоматизированные задачи, не требующие ручного контроля (например, генерация документации).
2️⃣ Review & Integration Stories — задачи, где ИИ выполняет основную работу, а человек занимается проверкой и интеграцией.
3️⃣ Standard Stories — традиционные задачи, где требуется человеческая экспертиза и креативность.
Сбор метрик по Lead Time разных типов задач (как в метоле «рубашек») позволит проводить быстрый триаж для оценки задач. А он нам понадобится, ведь всё будет быстро меняться.
Вообще, судя по всему, новые методики будут строится на основе работы с потоком с добавлением лучших практик из итеративно-инкрементальных методов. Что-то вроде ScrumBan или того, в какую сторону идёт SAFe. Циклы будут становиться короче, проверки гипотез – быстрее, бэклог – короче и чаще меняться.
Практические шаги для адаптации
1️⃣ Начинайте с малого. Автоматизируйте рутину: тесты, документацию, резюме встреч.
2️⃣ Освойте структурированный промт-инжиниринг. Без чёткого описания задачи ИИ выдаст нерелевантный результат.
3️⃣ Не забывайте про качество. ИИ генерирует код, но проверять его всё равно нужно человеку. Установите чёткие правила безопасности и этики.
Будущее за Agile, где люди и ИИ работают вместе. Но это работает только если вы готовы меняться. Но выживание – дело добровольное!
Что думаете? Кто уже внедряет что-то? Что работает, а от чего отказываетесь? Мне правда интересно, пишите, обсудим.
👍3❤1
Анализ_рынка_проектных_менеджеров_в_США.pdf
1.2 MB
🇺🇸 США → 🇷🇺 Россия: Какие тренды проектного управления стоит перенять?
Российский рынок проектного управления, как и многие другие, следует за мировыми трендами с небольшим запозданием. Чтобы заглянуть в будущее, мы решили изучить, что происходит в США. Ведь то, что там актуально сегодня, скорее всего, станет востребованным у нас завтра.
🚀 Главные тренды США, которые скоро придут к нам:
- Планирование и коммуникация остаются ключевыми навыками (96% и 75% вакансий соответственно).
- Появляется спрос на AI-грамотность и умение работать с гибридными методологиями, о которых мы на Agile Days говорим уже очень давно, оскомину набило уже если честно. Но актуальность только растёт.(Вообще кажется что ИИ принесёт нам ещё больше гибридов новых. Но это тема для отдельного исследования).
- Soft skills, такие как эмоциональный интеллект и стратегическое мышление, выходят на первый план.
💡 Что делать уже сейчас, чтобы подготовиться к будущему:
1. Прокачивать навыки работы с данными: аналитика и управление на основе данных — это не просто модные слова, а реальный запрос рынка.
2. Учиться автоматизировать рутину: внедряйте инструменты, которые помогут сократить время на планирование и отчётность.
3. Развивать гибкость и адаптивность: мир меняется быстро, и проекты тоже. Умение быстро перестраиваться станет ключевым.
Мне как исследователю дипсёрчи дают новый простор для творчества и это, надеюсь, только начало. Если рутина меня не съест буду делиться с вами новыми результатами и инсайтами.
Если интересны подробности — смотрите документ в приложении.
Ну и мыслями в коментах тоже делитесь
Российский рынок проектного управления, как и многие другие, следует за мировыми трендами с небольшим запозданием. Чтобы заглянуть в будущее, мы решили изучить, что происходит в США. Ведь то, что там актуально сегодня, скорее всего, станет востребованным у нас завтра.
🚀 Главные тренды США, которые скоро придут к нам:
- Планирование и коммуникация остаются ключевыми навыками (96% и 75% вакансий соответственно).
- Появляется спрос на AI-грамотность и умение работать с гибридными методологиями, о которых мы на Agile Days говорим уже очень давно, оскомину набило уже если честно. Но актуальность только растёт.
- Soft skills, такие как эмоциональный интеллект и стратегическое мышление, выходят на первый план.
💡 Что делать уже сейчас, чтобы подготовиться к будущему:
1. Прокачивать навыки работы с данными: аналитика и управление на основе данных — это не просто модные слова, а реальный запрос рынка.
2. Учиться автоматизировать рутину: внедряйте инструменты, которые помогут сократить время на планирование и отчётность.
3. Развивать гибкость и адаптивность: мир меняется быстро, и проекты тоже. Умение быстро перестраиваться станет ключевым.
Мне как исследователю дипсёрчи дают новый простор для творчества и это, надеюсь, только начало. Если рутина меня не съест буду делиться с вами новыми результатами и инсайтами.
Если интересны подробности — смотрите документ в приложении.
Ну и мыслями в коментах тоже делитесь
🔥4👍3❤1
Диаграмма Гатлинга | Управление проектами, Agile, Менеджмент
Agile в эпоху ИИ: как не превратить Scrum в хаос Генеративный ИИ — это усилитель Agile, а не его замена. Он ускоряет разработку, сокращает циклы обратной связи и делает принципы Agile ещё более актуальными. Но использовать его потенциал можно только через…
"Новая" система оценки задач
🤣6😁3⚡1🔥1
#юмор
Чёт много юморесок подряд, хотел серьёзный пост сделать про процессы и всё такое. Но пятница, сами понимаете)
Чёт много юморесок подряд, хотел серьёзный пост сделать про процессы и всё такое. Но пятница, сами понимаете)
😁9
Публикую сейчас, потому что в понедельник публиковать картинку с таким количеством слова "работа" - жестоко. Берегу вас, дорогие подписчики
Существуют сотни примеров того, как люди лажают с KPI. Я их очень люблю и сегодня принёс вам ещё один.
Итак. Год 2017й (верните!). Место действия: пострадавшая от сильных лесных пожаров Калифорния (кстати, история о том, почему она так часто и страшно горит стоит отдельного поста).
Уничтожены более миллиона акров жилой площади. Пострадали тысяч зданий, десятки человек погибли. Ликвидация последствий обошлась штату в колоссальные 1,3 миллиарда долларов. Для этой работы привлекли инженерный корпус армии США, который нанял местных подрядчиков для уборки завалов. И тут уже у меня начинаются вопросики - зачем нужна была армия, власти не могли нанять подрядчиков сами? У Армии были бюджеты, а у властей - нет?
Подрядчикам ставится КПЭ - вес вывезенного мусора. Чем тяжелее груз, тем больше денег. Действительно, что может пойти не так?
Да примерно всё! Один свидетель рассказал, что видел, как рабочие "накачивали" груз жидкой грязью. Другие подрядчики просто начали рыть огромные ямы, разрушая фундаменты домов и забивая свои грузовики землей и бетоном. В результате правительство Калифорнии пришлось выложить еще три с половиной миллиона долларов, чтобы нанять новых рабочих и засыпать все эти дурацкие ямы.
В общем, постановка целей, KPI и OKR — задачка не из простых. А какие вы знаете примеры ошибок при постановке KPI?
Итак. Год 2017й (верните!). Место действия: пострадавшая от сильных лесных пожаров Калифорния (кстати, история о том, почему она так часто и страшно горит стоит отдельного поста).
Уничтожены более миллиона акров жилой площади. Пострадали тысяч зданий, десятки человек погибли. Ликвидация последствий обошлась штату в колоссальные 1,3 миллиарда долларов. Для этой работы привлекли инженерный корпус армии США, который нанял местных подрядчиков для уборки завалов. И тут уже у меня начинаются вопросики - зачем нужна была армия, власти не могли нанять подрядчиков сами? У Армии были бюджеты, а у властей - нет?
Подрядчикам ставится КПЭ - вес вывезенного мусора. Чем тяжелее груз, тем больше денег. Действительно, что может пойти не так?
Да примерно всё! Один свидетель рассказал, что видел, как рабочие "накачивали" груз жидкой грязью. Другие подрядчики просто начали рыть огромные ямы, разрушая фундаменты домов и забивая свои грузовики землей и бетоном. В результате правительство Калифорнии пришлось выложить еще три с половиной миллиона долларов, чтобы нанять новых рабочих и засыпать все эти дурацкие ямы.
В общем, постановка целей, KPI и OKR — задачка не из простых. А какие вы знаете примеры ошибок при постановке KPI?
🔥5👍1
Скрам-мастера, берегитесь? Или всё-таки нет?
Когда речь заходит о роли Scrum Master в эпоху AI, многие впадают в панику: «Машины отберут наши работы!». Особенно передивают люди из компаний, где роль Скрам Мастера сведена к роли администратора.
Но давайте разберёмся, что действительно делает Скрам-мастера незаменимым — и почему AI никогда его не заменит.
Несмотря на то, что Скрам Мастера часто описывают как "владельца процесса", в фокусе его внимания в первую очередь люди, которые "живут" в этом процессе. И если с административными и аналитическими задачами ИИ либо уже справляется хорошо, либо может в теории научиться. То с людьми всё уже сложнее. Может наши внуки когда-то научатся воспринимать ИИ как "мотиватора" и "мудрого наставника". Но пока это не так.
AI может:
✔️ Следить за дедлайнами
✔️ Генерировать отчёты
✔️ Напоминать о событиях
✔️ Даже анализировать метрики
Но он пока что (а возможно никогда) не сможет:
❌ Выстроить доверие в команде
❌ Разрешить конфликт
❌ Вдохновить команду на прорыв
❌ Почувствовать, когда кто-то «выгорает»
Пример из практики:
AI-ассистент вовремя заметил, что у участника команды снизилась активность. Но понять, что это связано с личными проблемами и помочь их решить — это уже задача Scrum Master. AI может указать на симптом, но не на причину.
Где AI становится союзником Scrum Master?
1. Операционка и рутина: Планирование встреч, напоминания о событиях, составление отчётов. Это освобождает время для более важного.
2. Аналитика данных: AI может быстро обработать метрики, указать на отклонения, но интерпретировать их и принимать решения — это всё ещё за вами.
3. Раннее предупреждение: AI может заметить, что команда начинает отставать от графика, но только Scrum Master может понять, почему это происходит и как это исправить.
Вывод: AI не заменяет Scrum Master, а становится их инструментом. Он помогает сосредоточиться на том, что действительно важно: на людях, их мотивации, доверии и результатах.
А как вы видите будущее роли Scrum Master? Готовы ли уже делиться своими задачами с AI? Или пока смотрите на это с опаской? Делитесь мнением ниже!
Когда речь заходит о роли Scrum Master в эпоху AI, многие впадают в панику: «Машины отберут наши работы!». Особенно передивают люди из компаний, где роль Скрам Мастера сведена к роли администратора.
Но давайте разберёмся, что действительно делает Скрам-мастера незаменимым — и почему AI никогда его не заменит.
Несмотря на то, что Скрам Мастера часто описывают как "владельца процесса", в фокусе его внимания в первую очередь люди, которые "живут" в этом процессе. И если с административными и аналитическими задачами ИИ либо уже справляется хорошо, либо может в теории научиться. То с людьми всё уже сложнее. Может наши внуки когда-то научатся воспринимать ИИ как "мотиватора" и "мудрого наставника". Но пока это не так.
AI может:
✔️ Следить за дедлайнами
✔️ Генерировать отчёты
✔️ Напоминать о событиях
✔️ Даже анализировать метрики
Но он пока что (а возможно никогда) не сможет:
❌ Выстроить доверие в команде
❌ Разрешить конфликт
❌ Вдохновить команду на прорыв
❌ Почувствовать, когда кто-то «выгорает»
Пример из практики:
AI-ассистент вовремя заметил, что у участника команды снизилась активность. Но понять, что это связано с личными проблемами и помочь их решить — это уже задача Scrum Master. AI может указать на симптом, но не на причину.
Где AI становится союзником Scrum Master?
1. Операционка и рутина: Планирование встреч, напоминания о событиях, составление отчётов. Это освобождает время для более важного.
2. Аналитика данных: AI может быстро обработать метрики, указать на отклонения, но интерпретировать их и принимать решения — это всё ещё за вами.
3. Раннее предупреждение: AI может заметить, что команда начинает отставать от графика, но только Scrum Master может понять, почему это происходит и как это исправить.
Вывод: AI не заменяет Scrum Master, а становится их инструментом. Он помогает сосредоточиться на том, что действительно важно: на людях, их мотивации, доверии и результатах.
А как вы видите будущее роли Scrum Master? Готовы ли уже делиться своими задачами с AI? Или пока смотрите на это с опаской? Делитесь мнением ниже!
👍4❤1🔥1
Отличная библиотека, забирайте себе!
Forwarded from ProdSTa
Вышла энциклопедия для продактов – Aakash Gupta собрал 90 эпизодов своего подкаста в два мега-гида:
1. Полный "MBA" для PM (от основ до продвинутых стратегий)
2. Библия AI-продакта (от основ до построения компаний на ИИ)
Любопытный момент: несмотря на громкие имена гостей, здесь нет "токсичного гурувизма" – только конкретные кейсы из Airbnb, Google и $10M+ стартапов.
Пользуйтесь!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2
PMI опросила 500 проджектов по применению AI
и выпустила по этому поводу целый отчёт
В нём они разделили всех на 4 кучки по тому, насколько активно они применяют ИИ в проектном управлении. И спросили, какую пользу почувствовали в проектах (ниже) и в своей повседневной работе проджекты. Цифры у топов по применению конечно впечатляющие:
— +93% продуктивность
— +89% решение проблем
— +84% креативность
— +83% коллаборация
Детальных пояснений не даётся, что означает каждый пункт. Так что мне кажется что тут надо снижать немного планку просто потому, что при опросе участники понимают по-разному вопросы. Но всё равно ИИ оказывается полезен проджектам и очень сильно.
Самое интересное — описание реальных кейсов применения ИИ. Мне понравился вот этот - чат-боты PMO для ответов на частые вопросы в Японском IBM. Загрузить методологию и базу знаний по проектам в агента-помощника для проджекта — простая идея и не очень сложная в реализации (в зависимости конечно от того, в каком виде у вас база знаний). И пользы может принести много.
Также авторы исследования приводят несколько других примеров:
— Автономный конспект встреч и рассылка итогов команде (KPMG, ОАЭ)
— Совместный брейншторм и доработка идей (Kawasaki Rail Car, США)
— Оптимизация сроков и ресурсов на основе исторических данных (Wipro, Индия)
— Модели-помощники для планирования и оценки рисков (iFLYTEK, Китай)
Скачать исследование можно тут, надо только залогиниться. Думаю сделаем в ближайшее время развернутый анализ в виде статьи. Если хотите - ставьте 👍 под постом.
и выпустила по этому поводу целый отчёт
В нём они разделили всех на 4 кучки по тому, насколько активно они применяют ИИ в проектном управлении. И спросили, какую пользу почувствовали в проектах (ниже) и в своей повседневной работе проджекты. Цифры у топов по применению конечно впечатляющие:
— +93% продуктивность
— +89% решение проблем
— +84% креативность
— +83% коллаборация
Детальных пояснений не даётся, что означает каждый пункт. Так что мне кажется что тут надо снижать немного планку просто потому, что при опросе участники понимают по-разному вопросы. Но всё равно ИИ оказывается полезен проджектам и очень сильно.
Самое интересное — описание реальных кейсов применения ИИ. Мне понравился вот этот - чат-боты PMO для ответов на частые вопросы в Японском IBM. Загрузить методологию и базу знаний по проектам в агента-помощника для проджекта — простая идея и не очень сложная в реализации (в зависимости конечно от того, в каком виде у вас база знаний). И пользы может принести много.
Также авторы исследования приводят несколько других примеров:
— Автономный конспект встреч и рассылка итогов команде (KPMG, ОАЭ)
— Совместный брейншторм и доработка идей (Kawasaki Rail Car, США)
— Оптимизация сроков и ресурсов на основе исторических данных (Wipro, Индия)
— Модели-помощники для планирования и оценки рисков (iFLYTEK, Китай)
Скачать исследование можно тут, надо только залогиниться. Думаю сделаем в ближайшее время развернутый анализ в виде статьи. Если хотите - ставьте 👍 под постом.
👍15
Forwarded from ProdSTa
Подготовил для вас большую статью об организационных аспектах внедрения AI компаниях по фреймворку CODER от Reforge. В чем проблема - сейчас компании массово инвестируют в ИИ, но реальный трансформационный эффект получают единицы. Почему? Большинство застревает на уровне точечных улучшений, не меняя саму логику работы и операционную модель.
Фреймворк CODER от Reforge дает 5 ключевых рычагов для перехода от хаотичных экспериментов к осмысленной трансформации:
1️⃣ Ограничения - создают "форсированную" среду для внедрения
2️⃣ Ответственность - четкое распределение ролей в изменениях
3️⃣ Директивы - конкретные действия вместо абстрактных лозунгов
4️⃣ Ожидания - измеримые критерии для каждой команды
5️⃣ Вознаграждения - прямая связь AI-навыков с карьерой
В статье разбор кейсов от Duolingo, HubSpot и Notion:
CODER Framework: Как вывести компанию в лигу AI-лидеров
А про то, что такое AI Operating можно прочитать тут.
P.S. Как в вашей компании внедряют ИИ - системно или точечно? Делитесь в комментариях!
Please open Telegram to view this post
VIEW IN TELEGRAM
Блог ScrumTrek
CODER Framework: Как вывести компанию в лигу AI-лидеров — статья в блоге ScrumTrek
Многие компании уверены, что уже внедрили искусственный интеллект, но на деле их корпоративная культура остаётся прежней. Разрыв между громкими заявлениями и реальностью огромен. Как перейти от мелких улучшений к настоящей AI-трансформации? В этой статье…
❤3👍1🔥1
Forwarded from Менеджер на Перезагрузке (Василий Савунов)
Почему ваши сотрудники до сих пор не используют ИИ?
McKinsey бьет тревогу: 94% рядовых сотрудников уже знакомы с ИИ-инструментами, но только 4% активно применяют их в работе. В чем реальная причина отставания?
Главный барьер — не технологии, а менеджмент.
1️⃣ Парадокс готовности
Сотрудники в 3 раза активнее используют ИИ, чем кажется руководству. Миллениалы (35-44 года) лидируют — 62% уже уверенно владеют ИИ-инструментами.
2️⃣ Слепые зоны управления
Компании тратят миллионы на ИИ, но экономят на обучении сотрудников в освоении ИИ. 20% сотрудников вообще не получают от компании поддержки в области ИИ. Из-за этого сотрудники не используют best practices, и освоение ИИ идет методом проб и ошибок, что серьезно замедляет процесс.
3️⃣ Агентный прорыв
Уже сейчас Salesforce и Google с помощью ИИ-автоматизации реализуют целые бизнес-сценарии — от обработки запроса до оформления доставки. Но без перестройки рабочих процессов под ИИ эти возможности реализуются в ограниченном периметре, не масштабируются, и не дают существенной экономии или выигрыша в эффективности.
Что McKinsey предлагает делать руководителям прямо сейчас?
🔍 Исследуйте реальный уровень использования ИИ в командах
📈 Введите регулярное микрообучение ИИ для прикладных задач
🎯 Добавьте в KPI менеджеров метрики внедрения ИИ в подразделении
Подробный разбор барьеров и кейсов — в первой части перевода исследования McKinsey: Сверхвозможности на рабочем месте Часть 1
P.S. Самый болезненный вопрос — как перевести пилотные ИИ-проекты в production? Об этом во второй части отчета - следите за анонсами
McKinsey бьет тревогу: 94% рядовых сотрудников уже знакомы с ИИ-инструментами, но только 4% активно применяют их в работе. В чем реальная причина отставания?
Главный барьер — не технологии, а менеджмент.
1️⃣ Парадокс готовности
Сотрудники в 3 раза активнее используют ИИ, чем кажется руководству. Миллениалы (35-44 года) лидируют — 62% уже уверенно владеют ИИ-инструментами.
2️⃣ Слепые зоны управления
Компании тратят миллионы на ИИ, но экономят на обучении сотрудников в освоении ИИ. 20% сотрудников вообще не получают от компании поддержки в области ИИ. Из-за этого сотрудники не используют best practices, и освоение ИИ идет методом проб и ошибок, что серьезно замедляет процесс.
3️⃣ Агентный прорыв
Уже сейчас Salesforce и Google с помощью ИИ-автоматизации реализуют целые бизнес-сценарии — от обработки запроса до оформления доставки. Но без перестройки рабочих процессов под ИИ эти возможности реализуются в ограниченном периметре, не масштабируются, и не дают существенной экономии или выигрыша в эффективности.
Что McKinsey предлагает делать руководителям прямо сейчас?
🔍 Исследуйте реальный уровень использования ИИ в командах
📈 Введите регулярное микрообучение ИИ для прикладных задач
🎯 Добавьте в KPI менеджеров метрики внедрения ИИ в подразделении
Подробный разбор барьеров и кейсов — в первой части перевода исследования McKinsey: Сверхвозможности на рабочем месте Часть 1
P.S. Самый болезненный вопрос — как перевести пилотные ИИ-проекты в production? Об этом во второй части отчета - следите за анонсами
👍1🔥1
Forwarded from Менеджер на Перезагрузке (Василий Савунов)
MIT: 95% ИИ-пилотов — провал?🤔 Или кто тут не дочитал?
Недавно новостные ленты облетела пугающая цифра: отчет MIT "STATE OF AI IN BUSINESS 2025" показывает:
Заголовки кричат громче самих отчётов:
- 📰 Fortune: "An MIT report that 95% of AI pilots fail spooked investors"
- 🗞 РБК: "95% пилотных проектов по генеративному ИИ проваливаются"
- 📰 Forbes: "От хайпа к реальности: почему ИИ-проекты буксуют"
- 💻 Habr: "Отчёт MIT: 95% пилотов генеративного ИИ терпят неудачу"
Все облегченно вздохнули:
- 👨💻 Senior-разработчики — "наконец-то перестанут заставлять писать код с ИИ"
- ✍️ Копирайтеры увидели свет в конце тоннеля
- 🧾 Бухгалтеры поняли: "Excel ещё рано хоронить"
McKinsey со своими рассказами о том, что главный тормоз ИИ-трансформации - это менеджеры, оказались посрамлены 🙃
Все бы так и забыли про эту "сенсацию", но тут вскрылся нюанс:
Если дочитать отчет MIT дальше 2-й страницы, оказывается, что всё не так однозначно.
————————————-
Кейс из жизни
Вчера общался с другом — руководителем ИТ-подразделения крупного банка 🏦
Классика жанра:
- 🏢 Есть централизованное подразделение, которое «спускает сверху» своих ИИ-агентов для использования в подразделениях;
- 🔒 В банке запрещены облачные ИИ (безопасность!), а локальные версии постоянно отстают от возможностей облачных версий;
- 🕵️♂️ Сотрудники тихонько используют облачные ИИ «из-под полы», потому что только там есть нужные фичи;
- ⏳Официальные корпоративные ИИ народ использует только в крайнем случае, а ждать, когда их «дообновят», уже стало локальным корпоративным спортом.
В итоге «официальная» ИИ-революция топчется на месте, а неофициальная — идёт полным ходом 🚀
————————————-
Главная мысль отчета MIT (если прочитать все 26 страниц)
Пока менеджмент медленно и печально внедряет ИИ "сверху", "снизу" уже сейчас происходит реальная ИИ-революция! 🔥
А менеджмент её либо не замечает, либо предпочитает делать вид, что ее нет.
Всё, как в отчёте McKinsey: сотрудники сами находят нужные инструменты, потому что «инициатива сверху» не успевает за жизнью.
Для любознательных
Вот статья-разбор отчета MIT для тех, кто реально читает отчёты до конца, а не только заголовки:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/
Сам отчет MIT приложу следующим сообщением
—————
А как у вас?
ИИ спускают сверху или “подпольщики” уже решают реальные задачи?
Пишите, у кого как этот “пилот” летает (или падает)! 👇
Менеджер на перезагрузке
Недавно новостные ленты облетела пугающая цифра: отчет MIT "STATE OF AI IN BUSINESS 2025" показывает:
95% AI-пилотов в бизнесе не дали ни прибыли, ни пользы ⚠️
Заголовки кричат громче самих отчётов:
- 📰 Fortune: "An MIT report that 95% of AI pilots fail spooked investors"
- 🗞 РБК: "95% пилотных проектов по генеративному ИИ проваливаются"
- 📰 Forbes: "От хайпа к реальности: почему ИИ-проекты буксуют"
- 💻 Habr: "Отчёт MIT: 95% пилотов генеративного ИИ терпят неудачу"
Все облегченно вздохнули:
- 👨💻 Senior-разработчики — "наконец-то перестанут заставлять писать код с ИИ"
- ✍️ Копирайтеры увидели свет в конце тоннеля
- 🧾 Бухгалтеры поняли: "Excel ещё рано хоронить"
McKinsey со своими рассказами о том, что главный тормоз ИИ-трансформации - это менеджеры, оказались посрамлены 🙃
Все бы так и забыли про эту "сенсацию", но тут вскрылся нюанс:
Если дочитать отчет MIT дальше 2-й страницы, оказывается, что всё не так однозначно.
————————————-
Кейс из жизни
Вчера общался с другом — руководителем ИТ-подразделения крупного банка 🏦
Классика жанра:
- 🏢 Есть централизованное подразделение, которое «спускает сверху» своих ИИ-агентов для использования в подразделениях;
- 🔒 В банке запрещены облачные ИИ (безопасность!), а локальные версии постоянно отстают от возможностей облачных версий;
- 🕵️♂️ Сотрудники тихонько используют облачные ИИ «из-под полы», потому что только там есть нужные фичи;
- ⏳Официальные корпоративные ИИ народ использует только в крайнем случае, а ждать, когда их «дообновят», уже стало локальным корпоративным спортом.
В итоге «официальная» ИИ-революция топчется на месте, а неофициальная — идёт полным ходом 🚀
————————————-
Главная мысль отчета MIT (если прочитать все 26 страниц)
Пока менеджмент медленно и печально внедряет ИИ "сверху", "снизу" уже сейчас происходит реальная ИИ-революция! 🔥
А менеджмент её либо не замечает, либо предпочитает делать вид, что ее нет.
Всё, как в отчёте McKinsey: сотрудники сами находят нужные инструменты, потому что «инициатива сверху» не успевает за жизнью.
Для любознательных
Вот статья-разбор отчета MIT для тех, кто реально читает отчёты до конца, а не только заголовки:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/
Сам отчет MIT приложу следующим сообщением
—————
А как у вас?
ИИ спускают сверху или “подпольщики” уже решают реальные задачи?
Пишите, у кого как этот “пилот” летает (или падает)! 👇
Менеджер на перезагрузке
VentureBeat
MIT report misunderstood: Shadow AI economy booms while headlines cry failure
A new MIT report reveals that while 95% of corporate AI pilots fail, 90% of workers are quietly succeeding with personal AI tools, driving a hidden productivity boom.
👍2
Forwarded from Менеджер на Перезагрузке (Василий Савунов)
Тот самый отчет MIT, вызвавший такой переполох
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
Менеджер на перезагрузке
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
Менеджер на перезагрузке
👍1
Мои пять копеек к предыдущему пункту. Мы с Василием и коллегами активно обсуждаем (даже под камеру, скоро анонс) происходящие изменения. И отсутствие системности во внедрении, невовлечение сотрудников и отсутствие лидерства — три основных, по моему мнению, блокера к получению бизнесом плюшек от ИИ. И в этом смысле именно на это стоит обратить внимание тем руководителям и собственникам.
Да, технологии не совершенны, да, модельки улучшаются и местами лучше подождать, чем делать самим. Но даже тогда, когда они ещё сильнее поумнеют, отсутствие стратегии применения, понимания областей где у вас точки роста, готовности и компетентности персонала, которые тоже не сразу отрастают, и встроенности процедур не позволят применить даже поумневшие модельки.
Ну а что делать конкретно — это вопрос, над которым мы активно работаем. Следите за новостями)
Да, технологии не совершенны, да, модельки улучшаются и местами лучше подождать, чем делать самим. Но даже тогда, когда они ещё сильнее поумнеют, отсутствие стратегии применения, понимания областей где у вас точки роста, готовности и компетентности персонала, которые тоже не сразу отрастают, и встроенности процедур не позволят применить даже поумневшие модельки.
Ну а что делать конкретно — это вопрос, над которым мы активно работаем. Следите за новостями)