Все что вы хотите знать о завтрашних бизнес-рынках, можно найти уже сегодня в военных стратегиях.

Главная проблема гиперзвукового боя — колоссальные скорости. При движении более 2,4 миль в секунду малейшие ошибки в расчётах приводят к отклонениям в наведении на цели на многие километры.

Существующие военные каналы связи, изначально созданные для относительно медленных самолётов, не выдерживают таких нагрузок: их временной дрейф достигает сотен наносекунд. В новых условиях это недопустимо.

Масштабное внедрение ИИ-агентов грозит фундаментальным изменением распределения богатства в капиталистических обществах.

Если «агентный капитал» заменит значительную часть человеческого труда, экономическая отдача, генерируемая этим гиперпродуктивным новым фактором производства, будет поступать в первую очередь его владельцам.

Учитывая высокую концентрацию прав собственности на ИИ в руках нескольких крупных корпораций и их акционеров, это может спровоцировать беспрецедентный рост благосостояния и неравенства доходов.

Подробнее в нашем закрытом клубе: C LEVEL LAB

Контрнарратив ситуации заключается в том, что ИИ демократизирует доступ к высококачественным услугам, которые ранее были дорогими и эксклюзивными, тем самым повышая общее социальное благосостояние, даже если распределение доходов станет более неравномерным.

Это может привести к созданию общества, в котором основные услуги станут более доступными и качественными для каждого.

Все виды услуг, включая ИИ-медицину станут максимально и широко доступны.

Персональные домашние роботы будут стоить дешевле, чем раньше автомобиль.

Это приводит к центральному парадоксу агентной экономики. Мы сталкиваемся с потенциальным будущим, в котором экономика более продуктивна, чем когда-либо, генерируя огромное совокупное богатство, но при этом значительная часть населения может не иметь дохода, необходимого для приобретения производимых в изобилии товаров и услуг.

Все это создаёт фундаментальное противоречие внутри капиталистической системы: кризис недопотребления, вызванный не экономическим крахом, а её собственным гиперэффективным успехом.

Разрешение этого парадокса потребует новых механизмов распределения стоимости и покупательной способности вне традиционной системы оплаты труда.

Подробнее в нашем закрытом клубе: C-LEVEL LAB
Новый взгляд на казалось бы понятные, давно знакомые нам ситуации и процессы.

Ваш консультант все еще рисует слайды?

Почему в 2025 году стратегия без внедрения — это просто дорогая фантазия?

Мир меняется быстрее, чем утверждается годовой бюджет. Искусственный интеллект уже не просто хайп из новостей, а реальность в отчетах ваших конкурентов.

Давление со стороны совета директоров и рынка требует не просто красивого видения, а измеримых результатов. Здесь и сейчас.

И вот вы снова сидите на встрече, смотрите на идеальный 100-страничный отчет от уважаемых консультантов. Блестящая стратегия. Глубокий анализ. Вдохновляющие прогнозы. Но внутри свербит один вопрос: "А кто все это будет делать?"

Давайте будем честны: эпоха стратегических советников, которые оставляют вас один на один с красивой презентацией, закончилась.

Бизнес-кладбища полны идеальных стратегий, которые так и не были реализованы.

Сегодня реальная ценность и конкурентное преимущество находятся не в самой стратегии, а в скорости и качестве ее воплощения. Спрос на консалтинг сместился в новую плоскость. Это больше не просто Стратегия.

Это: Стратегия + Технологическая Оркестровка
Не просто "нам нужен ИИ", а какую платформу выбрать и как безболезненно интегрировать ИИ-агентов в ваш текущий IT-ланддшафт, чтобы он начал приносить прибыль через 120 дней? Как подружить его с вашими данными, не нарушив политик безопасности?

Это: Стратегия + Активация Данных
Не банальное "данные это новая нефть", а как превратить ваши разрозненные озера данных в топливо для принятия решений в реальном времени? Как создавать на их основе продукты, который купят клиенты?
Как сделать операционные процессы эффективными на цифрах, а не на словах?

Это: Стратегия + Управление Изменениями
Не "люди это наш главный актив", а как сделать так, чтобы ваша команда не саботировала внедрение новых технологий, а стала их драйвером?

Как быстро переобучить сотни сотрудников и изменить их майндсет?

Новая реальность требует от консультанта быть не просто мудрым советником, а играющим тренером. Архитектором, который не только проектирует здание, но и находится на стройплощадке, следя за тем, чтобы фундамент был залит правильно, а стены стояли ровно.

Задайте себе несколько вопросов:

Ваш внешний партнер говорит с вами на языке бизнес-результатов (P&L, ROI, Time-to-Market) или на языке концепций и фреймворков?

Когда вы в последний раз получали от консультанта не презентацию, а архитектуру прототипа, инновацию вашего ключевого бизнес-процесса или настроенный дашборд, позволяющий быстро получить аналитику из неструктурированных данных?

Ваш консультант готов нести ответственность за реализацию своих же идей?

Если все эти вопросы находят у вас отклик, возможно, пришло время для нового формата партнерства.

***

Меня зовут Фред, я стратегический и инновационный консультант, и я помогаю лидерам сокращать разрыв между амбициозной стратегией и ее реальным воплощением.

Моя работа начинается там, где заканчивается большинство консалтинговых проектов: на стыке стратегии, инновационных технологий и реальной операционной деятельности.

Мы не просто создаем дорожные карты, мы проходим этот путь вместе с вашей командой, помогая строить, интегрировать и запускать решения, которые приносят измеримую пользу бизнесу.

Если вы устали от стратегий, которые остаются на бумаге, и ищете партнера по реализации — давайте поговорим.

Предлагаю созвониться на 30 минут на следующей неделе, чтобы обсудить вашу самую сложную задачу стоящую перед вами: https://2meetup.in/v2b/aist (выберите удобное время в календаре, ссылка на встречу придет к вам на мейл)

Я не обещаю готовых ответов, но гарантирую честный взгляд со стороны и как минимум 1-2 практически применимые идеи, которые вы сможете использовать сразу после нашего разговора.

Исследование Wharton University о внедрении генеративного ИИ в корпоративном секторе (октябрь 2025) показывает, что технология перешла от экспериментов к повседневному использованию с измеримой отдачей от инвестиций.​

Основные выводы
Генеративный ИИ стал мейнстримом: 82% руководителей используют Gen AI минимум раз в неделю (+10 п.п. год к году), 46% — ежедневно (+17 п.п.).

Использование превратилось из любопытства в компетенцию: 32% считают себя экспертами (+8 п.п. год к году).​

ROI измеряется и показывает положительные результаты: 72% компаний формально отслеживают ROI с фокусом на продуктивность и прибыльность.

Три из четырех лидеров уже видят положительную отдачу, 80% ожидают позитивного ROI в течение 2-3 лет.​

Бюджеты растут и смещаются в сторону производительности: 88% планируют увеличить бюджеты на Gen AI в ближайшие 12 месяцев, 62% ожидают роста более чем на 10%.

Около трети технологических бюджетов направляется на внутренние R&D, что указывает на разработку кастомизированных решений.​

Использование и внедрение
Функциональные различия: IT и закупки лидируют по частоте использования и уверенности, в то время как маркетинг/продажи и операции отстают.

Наибольший рост экспертизы зафиксирован в юридических функциях (+23 п.п.), закупках (+14 п.п.) и IT (+11 п.п.).​

Индустриальный разрыв: Tech/Telecom, банковский сектор и профессиональные услуги лидируют (≥90% используют минимум еженедельно), в то время как ритейл и производство отстают.

Крупные предприятия (Tier 1) закрыли разрыв в использовании (+22 п.п.), но средние компании (Tier 2 и Tier 3) считают себя более гибкими в адаптации.​

Топ-кейсы использования: Анализ данных (73%), суммаризация документов/встреч (70%), редактирование документов (68%), создание презентаций (68%).

Специализированные задачи включают написание кода для IT, рекрутинг для HR и генерацию контрактов для юридических функций.​

Инвестиции и ROI
Структура бюджетов: Две трети компаний инвестируют $5M+, при этом Tier 1 компании лидируют с 23% инвестирующих $20M+.

Более трети бюджета идет на новые и текущие технологии, еще 30% технологических бюджетов — на внутренние R&D.​

Перераспределение бюджетов усиливается: Хотя большинство инвестиций из новых бюджетов, 11% компаний (+7 п.п. год к году) финансируют ИИ за счет сокращений в других областях, особенно в устаревших IT-системах и HR-программах.​

ROI варьируется по размеру компаний: Средние (Tier 2) и малые (Tier 3) компании сообщают о более быстрой реализации ROI, в то время как крупные (Tier 1) чаще отмечают "слишком рано говорить" (25%) из-за сложности интеграции.

По индустриям: Tech/Telecom показывает 88% позитивного ROI, банки и профуслуги ~83%, производство 75%, ритейл только 54%.​

Человеческий капитал
Усиление навыков vs. риск деградации: 89% согласны, что Gen AI усиливает навыки сотрудников (+18 п.п. vs. замена навыков).

Однако 43% видят риск снижения профессионализма сотрудников из-за чрезмерной зависимости от ИИ.​

Обучение отстает от амбиций: Несмотря на дефицит технических навыков в половине организаций, инвестиции в обучение снизились (-8 п.п.), а уверенность в обучении как основном пути к компетентности упала (-14 п.п.).

Рекрутинг продвинутых Gen AI специалистов остается главным вызовом (49%).​

Руководство и управление: Исполнительное лидерство в адаптации Gen AI выросло до 67% (+16 п.п.), CAIO-роли присутствуют в 60% компаний.

Политики безопасности данных укрепляются (64%, +9 п.п.), программы обучения сотрудников растут (61%, +7 п.п.).​

Разрыв в восприятии между уровнями: VP+ в два раза чаще считают, что их организации адаптируются "намного быстрее" других (56% vs. 28% менеджеров).

VP+ также более оптимистичны по ROI: 45% видят значительно позитивный ROI vs. 27% у менеджеров.

Барьеры и вызовы
Топ-препятствия: Риски безопасности, операционная сложность и неточность результатов остаются главными барьерами.

Недостаток ресурсов для обучения впервые вошел в топ-10 (добавлен в опрос 2025 года).

Культурные факторы: Для отстающих компаний сопротивление сотрудников и недостаток доверия являются большими проблемами (+10 п.п. vs. регулярных пользователей).

Моральный дух, управление изменениями и межфункциональная координация остаются устойчивыми барьерами.​

Прогноз на 2026+
Исследование предполагает, что 2026 год может стать переломным моментом от "ответственного ускорения" к "производительности в масштабе", где текущие метрики ROI, процессы и защитные механизмы позволят компаниям перестроить основные рабочие процессы, развернуть агентные системы и перераспределить бюджеты в сторону проектов с очевидным подтвержденным пилотами ROI.​

Никто не хочет ошибаться, все наблюдают за пилотами других корпораций. И все хотят заходить уже наверняка.
Но так не получится 🤷🏻‍♂️
Это инновации.
Либо ты итерируешь, становишься первым и снимаешь сливки, либо ты Nokia. Они кстати до сих пор живы-здоровы.
Уже не те, конечно, и не там 😊

Btw, чтобы оставаться в живых, как Nokia, надо изначально быть очень большим и диверсифицированным.

***
По вопросу корпоративных форматов интенсивов ИИ Вектор и Супер Сила, пишите @resultaten

Как считать эффективность от внедрения ИИ если вы не стартап?
И какие там ловушки на пути.

На рынок метрик ИИ-эффективности явно пришел кризис измерений. И заключается он в сложности оценки продемонстрированной ценности.

Это одна из самых явных проблем, потому что ситуация выглядит так: «Эй, мы внедряем эту штуку, но как нам вообще измерить, что она делает?»

Gartner прогнозирует, что 30% проектов по генеративному ИИ будут заброшены просто из-за неясной бизнес-ценности.
Можете ли вы представить, как пытались бы обосновать внедрение электронной почты?
Какова бизнес-ценность электронной почты? Как ее обосновать?

Или какова бизнес-ценность чата? Как это обосновать?

Но такие вещи настолько укореняются, что становятся просто ожидаемыми расходами.

И один из подходов сейчас такой, технология рассматривается просто как еще одна статья бизнес-расходов.

Что-то вроде: «Ну, все остальные платят за интеллект, за ChatGPT, GigaChat и другие штуки, так что, наверное, и нам придется».
И это будет считаться центром затрат, а не центром передового опыта и возможного роста.

И для многих компаний, если ИИ напрямую не связан с товарами и услугами, которые они продают, т.е. с ключевыми процессами создания ценности, он действительно является просто инфраструктурой. Так что это одна из возможностей.

И тут появляются ловушки горизонтального и вертикального подхода, которые могут парализовать получение той самой окупаемости инвестиций (ROI).

Если упростить, есть два основных способа внедрения этих технологий. Первый это горизонтальный ИИ, к которому относятся все универсальные сервисы, ассистенты, копилоты и тому подобное. Это когда вы просто говорите: «Эй, давайте дадим каждому в организации по чат-боту, и пусть они счастливо работают».

А потом возникает вопрос: «А для чего они его используют?». Неизвестно. «Приносит ли это какую-то бизнес-ценность?». Неизвестно. Справедливости ради, существует множество исследований, показывающих, что предоставление таких инструментов сотрудникам экономит в среднем от 23 до 95 минут в день.

Но тогда вопрос: они просто экономят это время, а потом ничего не делают, или они превращают это время в дополнительную ценность?

Но это все очень поверхностно и не влияет на какой-то один поток создания ценности. Это влияет на все потоки через тысячи микрозадач.

И получается: «Окей, задачи стали выполняться быстрее, но даже если так, добавляет ли это ценности бизнесу?».

Ведь закон ограничений гласит, что как только вы устраняете одно узкое место, все просто смещается к следующему.

И если вы не повышаете эффективность в ключевых узких местах, общая эффективность или пропускная способность системы не улучшается.

Так что этот горизонтальный ИИ это то же самое, что дать всем ноутбук, дать всем настольный компьютер, дать всем электронную почту и так далее.

Это просто базовое обеспечение. Ну типа как в компании вам говорят: «Вот ваш новый ноутбук, вот ваш логин, вот ваш аккаунт в системе, теперь у вас есть почта, редактор и копилот. Идите и будьте продуктивны».

И это просто как базовое обеспечение.

4 типа автоматизации ваших задач

Представьте: вы приходите в ресторан, где одно и то же блюдо готовят четыре разных повара.

Один просто следует рецепту слово в слово.

Второй робот, использует разные рецепты, в зависимости от ситуации.

Третий, может приготовить обед по вашим предпочтениям.

А четвертый руководит командой поваров, которая одновременно готовит и по меню, и по инд заказам и параллельно отдает комплексные обеды.

Примерно так же работают разные типы автоматизации в мире AI.

Процесс с обычной LLM: спросил и сразу получил ответ
LLM работает как умный собеседник: вы задаете вопрос, модель токенизирует текст, прогоняет через нейросеть и выдает ответ одним движением. Никаких раздумий, никаких действий, чистая генерация текста.

Рассуждающая модель может перед выдачей ответа поразмышлять, но зачастую это псевдо рассуждения, потому что она не может проверить свои гипотезы в реальном мире. У базовой LLM нет доступа к инструментам, актуальным данным или возможности выполнить действия для верификации своих выводов.

Где это работает: Ваш коллега попросил подытожить часовое совещание? ChatGPT делает это за 10 секунд.

Нужен черновик письма клиенту? Готово.

RPA: трудолюбивый робот-исполнитель
RPA это как макрос в Excel, только на стероидах. Вы прописываете четкий сценарий: "Когда приходит заявка на почту, открой таблицу, внеси данные, отправь уведомление менеджеру".

Никакой гибкости, никаких решений, но зато точное исполнение инструкций.

Где это работает: В банке каждый день обрабатывают 10,000 заявок на кредиты. RPA-бот открывает каждую, проверяет заполнение полей, переносит данные в учетную систему, отправляет клиенту SMS о приеме заявки.

Скучно, монотонно, но идеально для повторяющихся задач. Попросите его разобраться с нестандартной ситуацией, и он застрянет.

AI-агент: ваш умный помощник с инструментами
Теперь интереснее. AI-агент не просто генерирует текст, он может думать многошагово и использует инструменты.

Получил задачу → выбрал нужные API → выполнил действия → запомнил результат → собрал ответ.

Где это работает: Вы техлид, и ночью упал продакшен. Утром открываете Slack, а там уже висит подробный тикет в Jira: агент просканировал логи, нашел ошибку в модуле оплаты, определил, что это связано с обновлением вчера вечером, приложил стектрейс и даже предложил откатиться на предыдущую версию.

Вы еще кофе не допили, а он уже половину работы сделал.

Или представьте: вы просите AI-агента "найти мне 5 потенциальных клиентов в финтехе в Грузии".

Он идет в LinkedIn, собирает компании, проверяет их размер на Crunchbase, ищет контакты лиц, принимающих решения, и составляет таблицу с персонализированными инсайтами для каждого. Один агент, много шагов.

Мультиагентная система: оркестр специалистов
А теперь представьте не одного умного помощника, а целую команду, где каждый эксперт в своем деле.

Агент-планировщик раздает задачи, агенты-специалисты работают параллельно, синхронизируют результаты, обмениваются контекстом.

Где это работает: Автоматизированный склад Amazon. Один агент анализирует заказы и строит оптимальные маршруты сборки.

Второй управляет роботами, которые достают товары с полок.

Третий координирует упаковку. Четвертый следит за уровнем запасов и заказывает пополнение.

Они работают параллельно, общаются между собой и адаптируются к изменениям в реальном времени.

Или в вашей компании: один агент мониторит упоминания бренда в соцсетях, второй анализирует тональность, третий генерирует варианты ответов, четвертый проверяет их на соответствие tone of voice, пятый публикует или отправляет на модерацию маркетологу, в зависимости от уровня риска.

Процессы, где требуется адаптивность и решения на основе меняющегося контекста.

Что выбрать для своей задачи
Процесс с LLM подойдет, когда нужен быстрый текстовый ответ без действий: саммари встреч, черновики текстов, ответы на вопросы из FAQ. Их даже можно выстроить по порядку.

RPA — ваш выбор для стабильных повторяющихся процессов: перенос данных между системами, формирование отчетов по расписанию, массовая рассылка уведомлений.