Самые прибыльные ниши выглядят именно так: скучно, нишево, непонятно зачем вообще существует.

Пока стартапы дерутся за «генеративный контент» и «ИИ-ассистентов для всего», кто-то тихо берёт операционный процесс, который никому не хочется трогать, — и делает на нём платформу. Никакой магии: просто автоматизация того, что компании делали вручную годами и считали нормой.

Результат — снижение операционных затрат в 3 раза. Рынок только в США — $30 млрд. Инвесторы заходят не потому что красиво, а потому что математика работает.

Механизм простой. Чем скучнее процесс — тем дольше его никто не трогал. Чем дольше не трогали — тем больше там накопилось неэффективности. Чем больше неэффективности — тем выше экономия при автоматизации. Тем проще продать.

Красивые ИИ-продукты продают мечту. Скучные — продают экономию в отчёте за квартал. Финансовый директор подписывает второе.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

OpenAI платила в среднем $1,5 млн акциями на сотрудника — и всё равно теряла людей. Это не провал HR. Удержание через деньги — гонка без финиша.

Но есть кое-что хуже, чем потерять человека. Это потерять понимание, которое было внутри него.

Механизм простой. ИИ-инструмент закрывает задачу быстро. Команда перестаёт делать её руками — сначала реже, потом никогда. Навык не переходит к машине. Он исчезает. MIT Sloan называет это «ИИ-атрофией»: через год отдел умеет запускать инструмент, но не понимает, почему он выдаёт именно этот результат. Когда инструмент ошибётся — разбираться будет некому.

В этом и ловушка. Если человек делает то, что через год закроет агент, бороться за него деньгами бессмысленно. Если человек держит контекст и оспаривает выводы — его не удержать пакетом.

Пройдитесь по ролям: кто здесь понимает, а не только запускает. Это и есть реальный кадровый вопрос.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Один ИИ-агент — одна точка контроля. Добавьте второй — появляется связь между ними. Добавьте десять — и у вас не десять связей, а десятки возможных путей: каждый агент может вызвать любого другого. Сложность растёт быстрее, чем кто-то успевает нарисовать карту.

Именно так система становится непрозрачной раньше, чем кто-то замечает проблему. Агент вызывает сторонний сервис, тот — другого агента, тот лезет в систему, которую никто не проектировал под автономные решения.

VentureBeat точно формулирует: главный риск не в том, что агент ошибётся, а в том, что никто не видит всю цепочку целиком. Gartner даёт цифру: 40% проектов с ИИ-агентами будут закрыты к 2027 году — причины обнаружатся только после инцидента в рабочей среде.

Ответственность за отказ между агентами не назначена никому. Это не техническая проблема — это управленческая пустота.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

82% руководителей уверены: их регламенты защищают компанию от несанкционированных действий ИИ-агентов. При этом реальную картину — какие разрешения есть у агента, к каким данным он ходит — видят только 21%.

Механика стандартная: запускают пилот, дают агенту широкий доступ «чтобы не тормозить», обещают «потом ограничить». Потом не наступает. Пилот переходит в прод, доступ остаётся.

В январе 2026 года торговые ИИ-агенты Step Finance провели несанкционированные переводы на $27–30 млн после взлома устройств руководства. Агенты сделали ровно то, для чего их создали. Никто не сказал им остановиться.

Политика на бумаге не работает в момент действия. Агент не читает регламент — он читает разрешения в слое данных, здесь и сейчас. Ответственность за результат лежит на компании. Рычаг — нет.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Финансовый директор листает презентацию и ищет слайд, где ИИ превращается в деньги. Его нет. Есть слайд с количеством выданных лицензий и вебинаром по промптам.

Деньги возникают не там, где модель лучше изображает собеседника. А там, где она встроена в повторяющуюся операцию и отвечает перед конкретным показателем: временем, себестоимостью, процентом ошибок, оборачиваемостью.

Проверка простая. Если ИИ в вашей компании меняет наблюдаемое действие внутри процесса — это внедрение. Если он пишет поздравление генеральному директору и резюме совещания о сокращении числа совещаний — это освоение бюджета.

Разница между двумя сценариями не в модели. В том, к какому показателю привязан результат и кто за него отвечает.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Написать код стало дёшево. Задеплоить интерфейс за вечер — без программиста, почти без денег.

Но дальше система расползается. Никто не понимает, как одна часть ломает другую. Безопасность появляется «потом». ИИ хорошо пишет код и плохо держит целое.

Есть люди, которые умеют держать целое. Видеть, где изменение в одном месте ломает три других, где риск спрятан в зависимостях, где архитектура станет тормозом через год. Раньше их не брали — медленно пишут. Теперь они дороже всех.

Но большинство компаний ищет прежнее: скорость, фреймворки, годы опыта. Критерии найма не изменились, хотя ценность труда поменялась радикально.

Это другая роль. И пока её нет в штатном расписании — дешёвый код будет стоить дорого.

#управление #архитектура

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

AIR привлёк $50 млн на то, чтобы обнаружить ИИ-агентов внутри компании. Не настроить — обнаружить. Это значит: бизнес уже развернул агентов, уже потерял нить — и теперь платит за поиск.

Паттерн везде один. Берётся готовый ИИ-инструмент и пристёгивается к старой системе, которая под него не проектировалась. В юридической фирме Gilbert + Tobin зафиксировали честно: масштабирование ChatGPT потребовало отдельного решения — кто отвечает, когда агент действует автономно. Не отдел, а конкретная позиция в структуре. Без этого запуск — делегирование в никуда.

На TechBBQ операторы и инвесторы обсуждали один вопрос: кто контролирует ИИ? Ответа не было. Потому что вопрос прозвучал постфактум — после того как агент уже что-то сделал.

Контроль не теряется при масштабировании. Его не закладывали с самого начала.

#ИИ #автоматизация

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Продолжу про конференцию в пятницу. Отдельно понравился блок про налоги.

Причем не столько теория, сколько практикум: нам дали реальные бизнес-ситуации и предложили попробовать защитить позицию компании перед налоговой.

Например, торговая компания покупает оборудование через посредника. У посредника один сотрудник, нет склада, товар фактически едет от производителя, а платежи двух компаний вообще отправлялись с одного IP. Плюс несколько миллионов в квартал уходят на маркетинговые услуги ИП - родственника коммерческого директора. Попробуй потом объясни деловую цель каждой операции.

Второй кейс еще ближе к обычному бизнесу: производство + группа компаний. Завод платит своей УК 15 млн в месяц за управление и консалтинг, хотя внутри есть собственные бухгалтеры и экономисты. Одновременно берет дорогие банковские кредиты и выдает беспроцентные займы другой компании группы. Вопрос налоговой простой: где здесь экономический смысл для самого завода?

И вот тут хорошо понимаешь главный тренд: мало, чтобы операция была реальной и документы были в порядке. Нужно уметь объяснить ее деловую логику и доказать ее данными.

А ФНС все больше умеет искать такие странности автоматически.

Кажется, напрашивается интересный ИИ-инструмент: загрузить структуру группы, обороты, сделки, контрагентов - и попросить: «Посмотри на мой бизнес глазами налоговой. Какие вопросы ты бы мне задал?»

Централизация — не про то, чтобы забрать у всех бухгалтеров

Третья часть мыслей после пятничной конференции. На этот раз — про организацию финансовой функции и эффективность.
 
В кейсе «Газпром нефти» мне понравилась мысль: смысл централизации не только в снижении расходов. Не менее важны качество решений, единая методология и возможность быстрее распространять удачные практики.
 
Но здесь есть принципиальная граница: что собирать в центре, а что оставлять рядом с бизнесом.
 
Типовые расчёты, подготовку отчётности, обработку данных можно объединять. А экономисту, который помогает производству принимать решения, нужно понимать, что происходит в цехе. Инвестиционные решения тоже сложно качественно сопровождать, если видеть предприятие только через таблицы.
 
Мой вывод: централизовать стоит повторяющуюся работу и общую экспертизу. Но нельзя вместе с рутиной забрать у бизнеса людей, которые понимают его экономику.
 
Ещё один важный эффект — развитие сотрудников.
 
В маленьком подразделении специалист может годами заниматься одним участком: расти особенно некуда, обмениваться опытом почти не с кем. В центре компетенций появляется больше разных задач, коллег и понятная карьерная лестница.
 
На конференции рассказывали и про обучение экономистов работе с данными, BI и Python. То есть повышение эффективности — это не только «купили систему», но и «научили людей иначе решать задачи».
 
А из другого выступления забрал очень простой вопрос: кто пользуется отчётом, который вы готовите?
 
Был пример сотрудницы, которая продолжала делать отчёт для бывшего руководителя. Он уже работал в другой компании, а процесс жил дальше.
 
И вот здесь, прежде чем обсуждать ИИ и автоматизацию, полезно остановиться.
 
Не каждый отчёт нужно ускорять. Некоторые нужно перестать делать.
Не каждое согласование нужно переводить в электронный вид. Некоторые нужно убрать.
Не каждую проверку нужно повторять на этапе платежа, если обязательство уже проверили раньше.
 
Для себя я бы начал с трёх вопросов:
 
— Какое решение поддерживает эта работа?
— Что произойдёт, если её не делать?
— Где действительно нужна экспертиза человека, а где мы просто переносим данные?
 
А уже после этого решал бы, что централизовать, чему обучать сотрудников и что автоматизировать.
 
Потому что можно очень быстро и технологично делать работу, которая никому не нужна.

Недавно после моего поста про налоги получил интересную обратную связь от Ольги Растимешиной.

Когда она работала юристом внутри бизнеса и требовала нормально оформлять договоры и операции, ей регулярно говорили примерно так:

«Если жить так, как ты говоришь, проще компанию закрыть и бизнесом вообще не заниматься».

А потом оказывалось, что именно эта «лишняя бюрократия» позволяет спокойно проходить налоговые проверки. А если дело доходит до спора, грамотно сделанный договор внезапно становится очень даже полезным 🙂

Сейчас есть ещё одна похожая боль — персональные данные.

Роскомнадзор с этим стал заметно активнее, а у многих на сайте до сих пор максимум одна политика конфиденциальности. Хотя там формы заявок, Метрика, cookies, рассылки и клиентские данные.

И мне нравится подход Ольги: не пугать штрафами, а просто закрыть вопрос готовым комплектом документов. Один раз сделал нормально и работаешь дальше.

Вообще её канал @rastim_legal как раз про такие прикладные вещи для бизнеса: договоры, налоги, персональные данные, сотрудники, партнёрства, товарные знаки, IT и Минпромторг.

Из того, что можно сразу посмотреть:

→ что должно быть на сайте по ПДн
→ три «мины» в обычном договоре
→ зачем нужна налоговая оговорка

В общем, рекомендую подписаться: @rastim_legal. Особенно собственникам, которые предпочитают закрывать такие риски до того, как ими заинтересовались ФНС, Роскомнадзор или суд.

Jev ещё не успел освоиться, а его уже предлагают прикрутить ко всему

Недавно писал о практической пользе ИИ-классификаторов: прочитать входящее письмо, определить тему, направить заявку нужному сотруднику. На большом потоке таких решений быстрые и дешёвые модели действительно могут пригодиться.

Но вокруг Jev уже появляются советы, к которым хочется приложить документацию.

Например, разошёлся пост про Jev Skill Suggestion для Claude Code. Обещают экономию токенов: лишние скиллы убираются из контекста, нужный подключается только под конкретный запрос.

Звучит полезно. Только подключение скиллов по необходимости уже работает из коробки.

Claude Code не читает заранее полные инструкции всех установленных навыков. Сначала он получает каталог названий и описаний, сам определяет подходящий навык и загружает его содержимое. Это штатный механизм, описанный в документации.

У Codex принцип тот же: сначала краткие сведения, затем инструкции выбранного скилла. Плюс ограничение размера каталога и сокращение описаний, если навыков слишком много. Документация OpenAI.

Что же добавляет Jev?

Авторы мода это как раз понимают. Они убирают даже каталог описаний и передают подбор отдельной модели. Та проводит отбор в два этапа и подставляет максимум один скилл на запрос. Описание проекта.

При огромной библиотеке навыков в этом может быть смысл. Но теперь у нас есть дополнительный сервис, обращения к нему и ещё одно место, где можно ошибиться с выбором.

Самое интересное — цифры.

В тесте TypeSafe доля ошибочных загрузок снизилась с 16,8% до 7,3%. Хороший результат. Но проверяли Haiku 4.5 на каталоге из 182 скиллов Hermes, а не обычную работу Claude Code или Codex. Причём в эксперименте каталог сохраняли и добавляли подсказку — мод идёт дальше и скрывает каталог. Это разные условия. Исходный эксперимент.

Поэтому из этих цифр нельзя получить обещание «установите мод — ваш Claude станет умнее и будет расходовать в разы меньше токенов».

Для такого вывода нужны замеры одних и тех же задач: качество результата, полная стоимость с учётом кэша и дополнительных вызовов, время выполнения. Уменьшение одного раздела контекста ещё не означает пропорциональной экономии всей работы.

Мне нравится идея Jev для массовых, повторяющихся решений. Но устанавливать отдельную модель для выбора навыка только потому, что появилась отдельная модель, я бы не спешил.

Прежде чем улучшать агента ещё одним ИИ, полезно прочитать, что агент уже умеет.

Иногда самая дешёвая оптимизация — открыть документацию.