Концепция AIM
45 subscribers
50 photos
4 videos
1 file
27 links
Официальный сайт AIM
https://aimmethod.ru
Download Telegram
📝 AI Governance: правила, которые экономят миллионы

Возможно в вашей компании вы еще только думаете о внедрении ИИ, но что происходит на следующих стадиях внедрения? Когда уже 20, 30, 100 и более человек в компании имеют аккаунты в ChatGPT или во внутренней ИИ-системе.

За последний год компании внедрили сотни AI-инструментов: ассистентов, аналитических моделей, генеративных систем. И почти каждая организация рано или поздно сталкивается с одной и той же проблемой: с хаосом. С хаосом в данных. С хаосом в решениях. В том, кто и за что отвечает. В том, что можно, а что нельзя делать с ИИ… Именно этот хаос превращается в миллионные потери и годы регресса, если им не управлять.

⚫️ Что такое AI Governance?

AI Governance – это система правил, ролей и процессов, которая позволяет компании безопасно и предсказуемо использовать ИИ:

❤️без утечек данных,
❤️без юридических рисков,
❤️без “местечковых” внедрений,
❤️без конфликтов между департаментами,
❤️без хаоса в продуктах, данных и процессах.

Именно такая практика AI Governance позволяет отлаживать управление ИИ как стратегическим активом, а не игрушкой.

📱Читайте продолжение в Яндекс Дзене https://dzen.ru/a/aUQ9yLkHD29gpXnT
Please open Telegram to view this post
VIEW IN TELEGRAM
👌7🤔4🤝4
🤔 С каким запросом бизнес чаще всего приходит к ИИ

... И почему компании часто начинают не с того?

CEO AIM Дмитрий Афонов рассказывает о том, с каким запросом бизнес чаще всего обращается в компанию?

Один из самых частых вопросов, которые мы слышим от обращающихся к нам заказчиков, звучит следующим образом: «куда нам внедрить ИИ»? И это самый честный вопрос, который компания и ТОП-менеджмент может себе задать!


☝️ На практике бизнес часто сталкивается не с нехваткой технологий, а с другими проблемами:

➡️ процессы внутри компании не описаны и хаотичны;
➡️ структура есть, но интегрировать в нее новые технологии невозможно;
➡️ ИИ попробовали, но он так и не стал частью ежедневной работы.

Но если «самый частый запрос» определить не так просто, поскольку все кейсы уникальны, то назвать «частую ошибку» очень легко. Это – попытка встроить ИИ в старую реальность, не меняя ее. Если компания проектирует системы по принципам 20-летней давности, просто добавляя ИИ внутрь такой системы, то чуда не происходит. Это все равно, что забивать гвозди микроскопом – не только со стороны выглядит странно, но и по сути работает.

Что на самом деле нужно сделать в этой ситуации? Нужно сделать шаг назад: пересобрать процессы и логику принятия решений и только потом применять ИИ – уже к новой системе. ИИ не должен быть «еще одним инструментом», он должен помогать компании развиваться!


И именно здесь появляется роль AI Business Partner (AIBP) – не как спеца по внедрению технологий, а как человека, который:

➡️ меняет управленческую логику;
➡️ помогает компании увидеть те места, где ИИ может помочь улучшить процессы, возможно пересобрав их;
➡️ учит сотрудников работать с ИИ системно, а не эпизодически.

Поэтому, очень часто работа AIBP начинается не с внедрения ИИ, а с анализа тех механизмов и инструментов, которые есть в компании.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6🤝5👌4
🔥 AIBP LIVE: Разбираем ваши вопросы на реальных кейсах!

Всем привет, накопилось много горячих тем и неочевидных вопросов. Как обещали проведем мероприятие на котором

Сэм и Дима выйдут на связь, чтобы провести сессию разбора кейсов на основе вопросов, которые вы писали, а также оставляли в комментариях.

Что будет в программе:

🧩 Глубокий разбор: Превратим абстрактные вопросы из чата в конкретные бизнес-кейсы и найдем решения.

🗣 Точка зрения экспертов: Сэм и Дима поделятся своим видением ситуаций без купюр.

🎙 Открытый микрофон: Живое общение — готовьте свои вопросы, разберем их прямо в эфире!

Это отличная возможность получить экспертный взгляд на свои задачи и услышать "внутреннюю кухню" решений.

🗓 Дата: 24.12.2025
Время: 19-00
📍 Место: ссылку пришлем перед началом мероприятия.

Ставьте «+» в комментариях, кто планирует быть! 👇

💬 И еще можно накинуть вопросов.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👌3🤔2🤝1
💼 Кейс, где ожидания были одни, а результат оказался в разы сильнее

Александр Петров ведущий AIBP поделился интересным кейсом, в рамках которого была отлажена работа команды методистов в Edtech-проекте с Ямала. Речь идет о специалистах, которые создают методические материалы для дополнительных образовательных программ по таким направлениям как журналистика, геймдизайн, и т.д. Цель, увлечь школьников и дать им основы современных профессий.

Для контекста, вот с чем работала эта методическая команда:

➡️ десятки сценариев уроков в месяц
➡️ адаптация материалов под разный возраст
➡️ презентации для руководства и губернатора
➡️ постоянная нехватка времени и ресурсов

При этом, как вы можете представить, методист - вполне себе T-shaped специалист, который может и из узкого специалиста предметной области извлечь знания и самостоятельно их перевести в формат обучающего занятия на основе современных образовательных методик. У таких людей изначально был достаточно высокий уровень скепсиса по поводу использования ИИ. Они хотели получить ИИ-ассистента, который будет немного помогать, внутренне рассчитывали, что работа станет на 20% быстрее.

📝 Как мы реализовали кейс? Мы не стали делать никакого «волшебного ассистента», мы просто подобрали подходящий инструмент под задачу и научили их работать с ИИ осознанно и системно, используя связку ИИ Claude и пространства для командной работы. В итоге мы получили результат, которого никто не ожидал: уже на следующий день было понятно – это не +20% эффективности. Это ускорение в разы!

💻 На общем звонке они были просто счастливы: представьте вашу учительницу по литературе или математике, которая с абсолютным восторгом говорит:

«Я написала этому Клоду всего одну команду, а он мне таким классным языком все сформулировал… Мне самой потребовалось бы полчаса, а то и час на это. Это просто бомба».


Главный инсайт этого кейса в том, что иногда прорыв – это не сложная разработка, а просто подбор правильного инструмента! Это про то, чтобы увидеть реальные точки роста, пересобрать мышление и дать людям почувствовать: «Я могу больше. И быстрее. Уже сейчас».
Please open Telegram to view this post
VIEW IN TELEGRAM
3🔥3🤝2
📺 Подготовка к AIBP LIVE идет полным ходом!

Уже завтра Сэм и Дима выйдут на связь, чтобы подробно ответить на ВАШИ вопросы! Однозначно подробно разберем и ответим на следующие сообщения:

"Когда только начали подготовку к внедрению ИИ, можно часто слышать от сотрудников возражения вроде: “Я старой формации”, “Мне это не нужно”, “У меня все слишком индивидуально”... При этом человек не боится, что его заменит ИИ — он просто искренне не понимает, какие именно задачи можно передать инструментам и чем те могут помочь.

💬 Как отвечать на такие возражения?

Как определить, какие именно рутинные процессы действительно человек сможет делегировать ИИ? Что эффективнее: наблюдение за рабочими процессами, опросник, карта задач или какие-то другие методы, которые помогают выявить зоны, где ИИ может реально сделать работу эффективнее"?

"Отдельный вопрос про метрики: на сайте aimmethod.ru метрики расписаны подробно и они очень крутые, но хочется понять, что именно брать на самом старте? Например в блоке HR, где сложно адекватно посчитать ROI и показать прямое влияние внедрения ИИ. Поэтому вопрос в следующем: какие самые базовые и самые простые метрики рекомендуются использовать для начального этапа, чтобы быстро и прозрачно сравнить состояние “до” и “после” внедрения? Понимаю, что универсальных метрик нет, но, возможно, есть минимальный набор, который подходит большинству команд на старте"?

🙂 Спасибо @igkonnov за прекрасные вопросы

"Интересен вопрос проведения аудита бизнес-процессов клиента, чтобы можно было предложить максимально эффективное решение. Сейчас клиенты сами говорят, что им нужно и мы это реализовываем, но некоторые решения так и остаются не обкатанными. наша цель увеличить процент решений, который действительно работают и показывают измеримый результат".

👍 Благодарим @farid_apaev за этот вопрос

Также коснемся вопросов, которые не прозвучали в комментариях, но часто встречается в практике:
С чего компании начать процесс внедрения AI?
Как оценивать процессы?
Как посчитать окупаемость?

У вас еще есть время прислать нам вопросы, которые интересуют именно ВАС!

Эфир состоится завтра, 24.12.2025 в 19-00!

📍 Место: ссылку пришлем перед началом мероприятия.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2🤝21🤔1
😨 Главный парадокс AI-проектов

Почему компании улучшают процессы, но не получают бизнес-результат?

За последние два года компании массово внедряют ИИ: автоматизируют задачи, улучшают процессы, сокращают время операций. Но есть нюанс, который признают почти все аналитики: AI улучшает процессы, но не улучшает бизнес… И это самая частая причина разочарования в проектах ИИ.

📱Почему так происходит и что с этим делать, читайте в статье на vc.ru 💔
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥64👏2
Почему компании переоценивают модели и недооценивают данные?

Как ваша компания относится к внедрению ИИ? Многие думают, что искусственный интеллект сегодня работает из коробки (купили модель, запустили, и случилось чудо)? Реальность совсем иная!

В своей практике мы не раз сталкивались с тем, что компании переоценивать модели и недооценивают данные. Почему? Все прост: каждая модель несет в себе сложные алгоритмы, работу с большими данными, глубокое обучение, инновационные технологии… Но нельзя забывать, что работают эти модели на тех самых данных, которые вы часто недооцениваете!

👀 Что важно понимать:

➡️ Даже самая совершенная модель – это не волшебная кнопка. Она не даст результатов без качественных данных. Плохие данные = плохие решения.

➡️ Чистые, актуальные и структурированные данные позволяют любой модели работать эффективно. Без них даже простая аналитика даст больше пользы, чем сложная нейросеть.

➡️ Да, качественная работа с данными возможна только на качественных IT-процессах внутри компании, но именно здесь кроется ключ к реальной ценности ИИ.

➡️ Даже лучшая модель не поможет, если нет специалистов, которые понимают бизнес-контекст и умеют интерпретировать результаты.

Если компания хочет внедрить ИИ не для галочки, а для эффективной работы, начинать нужно с аудита и сбора корректных данных. Инвестиции в качество данных окупаются быстрее, чем любые эксперименты с алгоритмами.
Please open Telegram to view this post
VIEW IN TELEGRAM
3🔥3👌1
👋 Всем привет! Напоминаем, что 03.02.2026 стартует наш онлайн тренинг AI BUSINESS PARTNER – ЛИДЕР AI-ТРАНСФОРМАЦИИ
Это не записанные видео лекции, а живой практикум. Программа полностью соответствует нашему офлайн тренингу, но адаптирована под онлайн.

🗓 За месяц (6 занятий по 3 часа + домашние задания) вы получите навыки, которые позволят вам запустить путь AI трансформации в бизнес процессах.

🗣 По окончании тренинга мы не теряем связь - помогаем вам подготовить план внедрения ИИ и защитить его перед руководством. А также доступ в закрытое сообщество AIBP

👉 Узнать подробнее про программу тренинга, условия и записаться для участия  можно на  @Abd_Roman
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6🤝3👌2
Кто такие AI-First? 🤔

И почему не нужно пытаться стать такой компанией «любой ценой»

AI-First организация — это не просто компания, которая использует искусственный интеллект, а та, где ИИ применяется максимально осмысленно и системно. Но даже в ситуации, когда со всех сторон звучит: «если вы не AI-First — вы уже отстали», не стоит бездумно бросать все силы на внедрение ИИ. И вот почему.

За стремлением срочно стать AI-First часто стоит FOMO: ощущение, что нужно немедленно и повсеместно внедрять ИИ, иначе конкуренты уйдут далеко вперед. Но в реальности, искусственный интеллект почти никогда не работает эффективно в режиме паники.

Если вы не AI-First стартап, который изначально строит процессы с нуля, сразу закладывая ИИ в их основу, а существующая компания с людьми, процессами, культурой и реальными ограничениями, важно принять простой факт: «включить AI-First» по щелчку невозможно.

Именно поэтому в AIM мы говорим не про лозунги, а про ИИ-зрелость компаний. Для этого мы разработали Карту ИИ-зрелости, с которой можно познакомиться на нашем сайте:
https://aimmethod.ru/maturity-map

🧭 Карта помогает:
— трезво оценить текущий уровень ИИ-зации процессов и команд
— понять, какие шаги логичны именно сейчас
— не перепрыгивать уровни, которые ещё не прожиты
— снизить внутреннее сопротивление и ожидания «магии» от ИИ

😀Для зрелых компаний важно двигаться последовательно:

от данных → к процессам → к решениям → к культуре.

Искусственный интеллект очень плохо работает в режиме «срочно, потому что все побежали». А реалистичная оценка своей точки старта почти всегда эффективнее, чем хайп и паника — особенно в вопросах внедрения ИИ.

👀 Посмотрите на Карту ИИ-зрелости и честно ответьте себе: где сейчас находится ваша компания? 📩 Напишите нам в комментариях и мы подскажем, какие шаги будут логичны дальше на пути к AI-First.
Please open Telegram to view this post
VIEW IN TELEGRAM
🤝2🤔1👌1
🗣Какова роль CEO в AI-трансформации?

Что должен делать лидер, чтобы все не сломалось

Одна из главных иллюзий в AI-трансформации звучит так: «Сейчас придет AIBP и все само заработает». Спойлер – не заработает, ведь AI-трансформация ломается не на технологиях, а на уровне лидерства.

✔️ Что же требуется от CEO, чтобы этого не произошло?

✔️ Самое главное – это личная поддержка, а не просто формальное согласие на внедрение новых технологий. Если CEO сомневается, дистанцируется или «поддерживает только на словах» – трансформация превращается в имитацию. AI-инициативы без реального мандата сверху быстро умирают.

✔️ Важно менять не только процессы, но и компанию в целом, ведь полноценная AI-трансформация – это не апгрейд IT отдела, это изменения в принятии решений, распределении ответственности и логике управления. Руководству придется признать: его роль тоже меняется. А еще СЕО должен быть готов использовать административный ресурс – любые серьезные изменения вызывают сопротивление и его нужно подавить.

☝️ Но главное, что потребуется от руководства – это доверие и «карт-бланш» команде трансформации. Если AIBP не имеет реальных полномочий – процесс рискует превратиться в бесконечные согласования и компромиссы. Нужны права на изменения, поддержка ключевых решений и возможность жестко разруливать конфликты. Без этого ничего не взлетит.

❤️ AI-трансформация – это не проект, а управленческий выбор. Без активного участия руководства она либо не начнется, либо закончится красиво оформленным, но бесполезным «пшиком».
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤‍🔥11🤝1
😊 Поздравляем с Новым годом! 😊

2025‑й год – переломный для искусственного интеллекта: технология стала активнее использоваться в бизнесе, науке и политике. Для AIM это был год размышлений о том, как использовать AI так, чтобы он действительно усиливал бизнес, людей и решения, а не ломал их.

😊 Спасибо всем, кто был с нами в этом году: читал, задавал вопросы, спорил, делился опытом и сомнениями. Именно из этого диалога и рождается истина! Мы желаем вам, чтобы 2026 год был для вас не про «быстрее и громче», а про глубже, честнее и по-настоящему эффективно.

Желаем спокойствия в голове, ясности в решениях и смелости менять то, что давно требует изменений.

😊 С Новым 2026 годом! Команда AIM
Please open Telegram to view this post
VIEW IN TELEGRAM
🎄54🤗3🔥1
▶️ Ровно через месяц стартует наш онлайн-тренинг

AI BUSINESS PARTNER — ЛИДЕР AI-ТРАНСФОРМАЦИИ

😀 Если вы еще не записались на тренинг – самое время сделать это! Ведь вас ждет не записанный курс, а живой онлайн-практикум в удобном для слушателей формате!

Что будет за 1 месяц:
✔️ 6 занятий по 3 часа
✔️ домашние задания
✔️ работа с реальными бизнес-кейсами

Вы получите практические навыки, которые позволят запустить AI-трансформацию в вашей компании (или в компании клиента), а не просто «разобраться в инструментах».

После тренинга мы не пропадаем. Мы даем доступ в закрытое сообщество AIBP, помогаем сформировать план внедрения AI и подготовиться к защите этого плана перед руководством!

📍 Если вы планировали присоединиться к нашему мероприятию – самое время принять решение! Месяц пролетит быстро, а старт состоится уже 03.02.2026.

📩 Узнать подробности о программе, условиях участия и записаться: @Abd_Roman
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7👌3🤝3
💻 Для решения каких задач вы чаще всего используете AI?

Ура! Каникулы закончились!

💼 Шутка… с "УРА" мы, конечно, погорячились, но как бы там ни было, пора возвращаться в рабочий ритм. Почтовый ящик снова наполняется письмами, календари – встречами, а список задач неожиданно выглядит длиннее, чем до праздников...

Как вы планируете со всем этим разбираться: при помощи искусственного интеллекта или своими силами? Среди участников нашего чата есть люди, активно использующие ИИ каждый день; есть те, кто все еще присматривается и даже те, кто уже успел разочароваться и отложить «на потом»....

😀 Давайте сегодня посмотрим, для решения каких задач ИИ используется чаще всего?
Please open Telegram to view this post
VIEW IN TELEGRAM
🤓3👨‍💻2👍1
ИИ – это технология или психология?

Про ИИ очень часто пишут как про технологию: модели, автоматизация, эффективность, замена людей… Но для меня ИИ – это, в первую очередь, управленческо-психологический инструмент.

Я пришел к этому пониманию не «из бизнеса в ИИ», а из науки: системное и параллельное программирование, моделирование, робототехника, работа с вычислительными кластерами. Я участвовал в международных школах по робототехнике еще задолго до появления LLM и массового ИИ и уже тогда мы пытались ответить на вопрос: как формальные системы взаимодействуют с человеческим поведением и мышлением? Позже я ушел в когнитивную психологию…
Именно тогда для меня и стало очевидно: язык и сознание неразделимы. Язык формирует мышление, а мышление, в свою очередь, формирует язык. Это диалектика, а не линейная связь.

Параллельно я делал продукт для управления знаниями в компаниях – именно этот опыт стал переломным. Дело в том, что очень быстро выяснилось: невозможно внедрить систему управления знаниями, не меняя компанию. Нельзя просто «поставить базу знаний»:
не договорившись, какие знания вообще считаются ценными
* не определив, кто за них отвечает
* не изменив процессы
* не объяснив людям, зачем вообще все это надо.
В итоге всё снова уперлось в язык и в то, как компания описывает саму себя.

Сегодня LLM – это, по сути, ещё одна модель, описывающая человеческое мышление. Да, она работает с текстами и даже изображения и сигналы она воспринимает как последовательности символов. Это значит, что она неизбежно работает с языком компании.
И вот здесь возникает ключевой конфликт: любая автоматизация стремится загнать реальность в рамки, чтобы повысить эффективность. А люди внутри компаний живут в неформальных договоренностях, интуиции, харизме, «я так чувствую» и «так исторически сложилось». Отсюда появляются страхи того, что людей заменят роботами, потому что они неэффективны или, наоборот, убеждение, что ИИ никогда не будет работать, потому что человек уникален.

Я понял, что для меня работа с ИИ – это не чисто техническая задача и не «образование в вакууме». Это область, где сходятся технологии, психология, управление, культура и язык. И в том, чтобы обеспечить это “схождение” я вижу смысл роли AI Business Partner. AIBP – это не человек, который внедряет ИИ, это человек, который помогает компании найти баланс между автоматизацией и человечностью, формальными правилами и живыми практиками, технологиями и реальными управленческими решениями. И в рамках нашей работы в AIM я буду рад помочь бизнесу решить эти задачи.
7🔥5👌3👍1
💡 ИИ как зеркало

Какие управленческие ошибки подсвечивает искусственный интеллект?

Когда компании внедряют ИИ, они часто ожидают ускорения рабочих процессов, оптимизации расходов, роста прибыли и других «умных» результатов. Но на практике первый эффект почти всегда другой – сначала искусственный интеллект показывает бизнесу проблемы в управлении. ИИ редко ломает систему, но он почти всегда делает видимым то, что в ней давно не работало! И именно поэтому многие AI-проекты вызывают у бизнеса разочарование: вместо решений компания получает вопросы, которые раньше удавалось не озвучивать…

В AIM мы рассматриваем ИИ не как автономную технологию, которая непременно должна работать “из коробки”: запустил пилоты – вжух – и произошло чудо… Мы отлично понимаем, что секрет успешной AI-трансформации кроется в том, как, кем и какие решения принимаются в компании и насколько лидеры бизнеса заинтересованы во внедрении искусственного интеллекта. Поэтому, если вы ждете, что с приходом AIBP у вас все само заработает – не ждите, а лучше внимательно посмотрите на те проблемы, которые станут очевидными после подключения AI Business Partner к вашему проекту…

📱Читайте продолжение в Яндекс Дзене https://dzen.ru/a/aWdtx-jg13C6nT57
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🤔3
🤔 Всем ли нужен ИИ?

Интересная тема, которой мы уже коснулись на AIBP LIVE (обязательно подпишитесь на канал, чтобы не пропустить наш следующий эфир) - в разговорах про внедрение ИИ мы регулярно слышим одни и те же возражения: «у меня бизнес старой формации»; «мне это не нужно»; «у нас слишком нестандартные задачи»… В большинстве случаев за подобными возражениями стоит вовсе не отрицание ИИ как такового! Что именно – разберем ниже.

Люди часто не понимают, какие задачи можно делегировать AI. Человек просто не понимает, что ИИ – это не абстрактная “нейросеть”, а инструмент для конкретной рутины. В этом случае сопротивление – это не протест, а отсутствие примеров.

Перегруз и усталость от изменений. Когда вокруг постоянные дедлайны, бардак и растущие списки задач, любые нововведения воспринимаются как угроза, даже если они полезны для бизнеса. Логика простая: «Сначала надо разобраться с тем, что сейчас не работает, а уже потом приходите с ИИ».

Опыт прошлой “цифровизации”. Почти в каждой компании есть CRM, ERP и другие системы, которые внедряли, но не доводили до ума. Поэтому фраза «А давайте ещё и ИИ запустим» читается как: «Мы не разобрались с предыдущим, но придумали новое».

Скрытый страх потери должности. Даже если человек уверенно говорит, что он уникален и незаменим, он все равно может бояться потерять работу и свое место, этот страх может быть неосознанным – особенно у сильных экспертов. Но это не основная причина, как часто принято думать…

☝️ С любыми возражениями можно работать! И на AIBP LIVE прозвучали формулировки, которые реально помогают:

➡️ “Давайте отдадим ИИ рутину, а вы будете заниматься сложными и интересными решениями”. Опыт и экспертиза человека здесь не обесцениваются, а наоборот, усиливаются.

➡️ “Какие из ваших задач вы хотели бы делать реже?” Не “что автоматизировать”, а именно что раздражает, отнимает силы, не дает заниматься главным. Этот вопрос почти всегда открывает правильные зоны для ИИ.

➡️ “ИИ — не про замену, а про снятие суеты”. Когда человек видит, что ИИ забирает не экспертизу, а обслуживающую работу, сопротивление резко снижается.

❤️ Возражения – это часто не отказ от ИИ, а сигнал о перегрузе, хаосе в процессах и недоверии после прошлых внедрений! И если этот сигнал услышать, разговор про запуск AI-трансформации становится спокойным, взрослым и продуктивным.
Please open Telegram to view this post
VIEW IN TELEGRAM
4👍3🔥3
🤝Готовность компании к AI

Когда внедрять искусственный интеллект рано?

Мы уже писали о том, что одна из частых ошибок в AI-инициативах – это попытка внедрять AI в компанию, которая к нему не готова. Работая с самыми разными организациями, задумывающимися о внедрении искусственного интеллекта в бизнес, мы обычно отмечаем у них два принципиально разных состояния: AI-agnostic и AI-ready. В чем разница?

Давайте разберемся!

AI-agnostic

Это состояние, когда:

➡️ большинство сотрудников еще не пробовали искусственный интеллект;
➡️ в компании нет людей, которые уже используют AI в работе;
➡️ AI воспринимается как абстрактная “нейросеть” или хайп;
➡️ звучат вопросы в стиле: «а что с этим вообще делать?»;
➡️ промоутеров либо нет, либо они единичны и изолированы.

В таком состоянии внедрять AI рано. Даже если бизнесу “надо”, “пора” и “конкуренты уже все сделали”.

AI-ready

Это состояние, когда:
➡️ часть людей уже знакома с искусственным интеллектом;
➡️есть группа сотрудников, которая видит ценность внедрения ИИ;
➡️ понятно, где AI может помочь и какую пользу дать;
➡️ сопротивление сменяется вопросами формата “а как лучше сделать?”.

💡 Здесь внедрение имеет смысл.

Если в AI-agnostic компании начать сразу с внедрения ИИ, вы неминуемо столкнетесь с проблемами: сотрудники, или, будут сопротивляться и саботировать AI-трансформацию, или же имитировать бурную деятельность – вы сдадите проект, но решения по факу использоваться не будут. В результате, ИИ в такой компании только усилит хаос.

⚠️ В таких компаниях нужно начать с перевода организации в состояние AI-ready – есть сразу несколько рабочих инструментов, которые реально помогут это сделать:

✔️ Показы и демонстрации. Не читайте абстрактные лекции, лучше приводите конкретные примеры, показывайте “вот так это выглядит”, “вот что экономит время”.
✔️ Живые встречи и обсуждения. Это отличный формат, где люди могут задать “глупые” вопросы и не чувствовать давления.
✔️ Тренинги и практики. Это помогает перевести AI из категории страшной технологии в разряд полезных инструментов.
✔️ Конкретные примеры. Не обещайте трансформации бизнеса – покажите, просто чтобы стало понятнее и спокойнее.

Цель этого этапа состоит не в том, чтобы внедрить AI, а в том, чтобы убедить людей попробовать и показать им смысл внедрения.

🎯 Не каждая компания, которой “нужен AI”, готова к нему прямо сейчас.

Но это не проблема, проблемы начинаются тогда, когда компания начинает делать вид, что она готова.

Иногда самый правильный шаг – это не запуск проекта прямо сейчас, а создание условий для того, чтобы при запуске этот проект взлетел!

☝️Кстати, в одном из наших следующих постов мы расскажем о том, как понять, что компания AI-ready – подписывайтесь, чтобы не пропустить!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👍1🤝1
Forwarded from Sam Yakushev
🎯 AI ≠ цель

Как не попасть в ловушку «давайте применим AI везде, где возможно»

На переговорах с компаниями я регулярно слышу одну и ту же формулировку:

«Мы хотим применять AI везде, где это возможно».

Звучит разумно. Даже правильно.
Но именно здесь чаще всего и начинается подмена цели.

Со стороны бизнеса логика обычно такая:
🔘 AI — это признак современности;
🔘 AI — это «мы не отстаём от рынка»;
🔘 AI — это что-то большое, заметное и технологичное.

И в какой-то момент AI перестаёт быть инструментом — и превращается в бейджик прогрессивности.

Если смотреть на ситуацию глазами AI Business Partner, цель ИИ-трансформации звучит сильно проще и приземлённее:
✔️ убрать ручной и рутинный труд;
✔️ сократить ошибки;
✔️ убрать лишние шаги в процессах;
✔️ сделать операции стабильнее, быстрее и дешевле.

И вот тут начинается самое интересное: стремление “применить AI везде” часто мешает этим целям.

Почему?

Потому что AI начинают тянуть туда, где проблема вообще не в нём.

Классическая логика выглядит так:

«У нас есть ручная операция → давайте поставим поверх неё AI».

Если при этом не разбираться в самом процессе, на выходе получается сложное, дорогое и хрупкое решение, которое:
➡️ трудно поддерживать,
➡️ плохо масштабируется,
➡️ и даёт меньше эффекта, чем ожидалось.

А дальше классика:

«Мы пробовали AI — не взлетело».

Пример из практики.

Компания хотела внедрить AI для распознавания вручную заполненных заявок сотрудников. Идея выглядела эффектно: обучаем компьютерное зрение → распознаём фото → сокращаем ручной ввод.

AI много? Очень.
Польза? Сомнительная.

Потому что проблема была не в отсутствии AI, а в странном процессе, где люди вообще что-то заполняют вручную, фотографируют и куда-то отправляют.

В такой ситуации логичнее:
✔️ убрать ручной ввод,
✔️ перейти на цифровые данные,
✔️ а AI использовать как механизм контроля и валидации, а не как костыль.

Но здесь часто возникает вопрос:

«А почему тогда AI так мало?»

Корневая проблема в том, что сегодня AI часто воспринимают как продукт.
Хотя по факту это просто инструмент, который должен стоять ровно там, где он реально нужен.

Поэтому я всегда предлагаю клиентам зафиксировать простое правило:

Мы оцениваем успех:
➡️ не количеством AI,
➡️ не сложностью моделей,
➡️ не “вау-эффектом”.

А тем:
✔️ сколько ручного труда убрали;
✔️ сколько ошибок исчезло;
✔️ сколько времени и денег сэкономили.

Если для этого нужно меньше AI — отлично. Значит, он встроен правильно.

Ловушка «давайте применим AI везде» — это не про технологии. Это про смещение фокуса.

Как только AI становится самоцелью — бизнес начинает за него переплачивать.

Когда целью остаётся бизнес — AI почти всегда встаёт на своё место.

Даже если его оказалось меньше, чем изначально планировали.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥3🤝1
🤑 Инвестиции в AI не снизили выгорание сотрудников… и это логично

Недавно вышло исследование Колледжа докторских исследований Университета Феникса в Аризоне, в котором прозвучал довольно неприятный для рынка вывод: вложения компаний в AI почти не повлияли на уровень выгорания сотрудников.

📈 Согласно опубликованным данным, в 2025 году в США был достигнут пик выгорания: 51% работников сообщили о подобных проблемах, что стало наивысшим показателем за последние пять лет. Более того, 21% опрошенных признались, что потеряли контроль над направлением своей карьеры. А причем тут AI спросите вы?

👀Оказывается, что отчасти выгорание провоцируется развитием новых технологий, в том числе ИИ: часто компании используют его для работы с персоналом и в этих случаях, работники воспринимают AI как угрозу, а не возможность развития. 61% опрошенных уверены, что их работодатели отслеживают их производительность при помощи ИИ, а около 33% опасаются того, что ИИ может снизить важность их личной роли в компании.

🗣Отдельно автор говорит о проблеме отсутствия обучения работе с ИИ: только 1 компания из 3 уделяет внимание этому вопросу. При этом, работодатели уверены, что умение работать с искусственным интеллектом очень важно для карьерного роста.

☝️Если интересно – ознакомьтесь с полным текстом исследования здесь. А в комментариях обязательно поделитесь вашим мнением о том, должно ли внедрение ИИ в бизнес-процессы снижать уровень выгорания сотрудников?
Please open Telegram to view this post
VIEW IN TELEGRAM
3👍3🔥2
🤔 Как выбрать процессы для AI

5 признаков задачи, которую можно делегировать искусственному интеллекту

С чего нужно начинать внедрение AI в компании? Правильный ответ – с выбора задач, которые мы будем решать при помощи искусственного интеллекта. В AIM мы выявили пять признаков процесса, который имеет смысл рассматривать для передачи AI. Если они сходятся – все супер, если нет – лучше подумать, где использование ИИ в бизнесе будет эффективнее!

1️⃣Есть полная текстовая инструкция

Вы должны иметь возможность описать задачу словами и четко понимаете, что нужно делать и в каком порядке (без отсылок к ощущениям и пониманию «по опыту»). Если же решение держится на сакральных знаниях, интуиции или «чутье, которое приходит со временем» – это точно процесс не для ИИ!

2️⃣Есть база знаний

У вас есть информация, которая нужна для выполнения задачи, а именно:
🔘контекст;
🔘данные;
🔘термины;
🔘правила.

Да, современные AI модели много знают сами, но ваш бизнес – уникален, а корпоративная специфика почти всегда требует собственного контура знаний. Если этих знаний у вас нет или они не собраны – AI просто не на что будет опираться.

3️⃣Есть примеры хорошего выполнения

Вы точно знаете, как должна выглядеть правильно выполненная задача и можете показать хорошие результаты; правильно написанные письма, корректно составленные отчеты и т.д. Помните, что ИИ учится на примерах – без них он будет генерировать “что-то”, но совсем не то, что вам нужно.

4️⃣Есть примеры плохого выполнения

Это пункт, который часто забывают и зря! Примеры того как делать не надо; какие самые частые ошибки и что считается недопустимым очень важны! Без этого AI не понимает границ и будет регулярно “переезжать” ожидания бизнеса.

5️⃣ Есть критерии “хорошо / плохо”

Вы можете четко сказать по каким признакам результат считается успешным, а по каким – нет. Если на вопрос «это хороший результат?» вы отвечаете что-то вроде «ну… смотря с какой стороны посмотреть» – значит, задачу рано отдавать AI.

☝️ Отсутствие любого пункта – это повод притормозить, потому что без четких данных, инструкции и критериев AI не сможет работать, ведь это не волшебная палочка!

Если же задача “почти подходит” – это хороший знак, но прежде чем внедрять ИИ лучше все же доделать фундамент: описать процессы, собрать информацию и договориться о критериях. А потом запускать автоматизацию.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍42🤝2