После внедрения AI-системы людей не сократили. Но руководитель стал гораздо спокойнее за бизнес.
Вчера я была на встрече с Мартином Кольхаузером - управляющим партнёром венчурного фонда ЧакVC.
Мне было особенно интересно услышать, как AI меняет стартапы, продукты и бизнес-модели с точки зрения человека, который много лет работает с технологическими компаниями и принимает инвестиционные решения.
По наблюдениям Мартина, сегодня уже сложно представить стартап, который совсем не использует искусственный интеллект. Причём всё чаще AI находится не во вспомогательных процессах, а непосредственно в ядре продукта.
В качестве примера он показал внутреннюю CRM-систему фонда.
Она собирает заявки от стартапов, проводит первичный скоринг, помогает вести переписку и выполняет ещё целый набор функций.
Выглядит как полноценный внутренний продукт, для создания которого ещё недавно понадобились бы отдельный бюджет и команда разработки.
На вопрос о затратах Мартин ответил:
ноль.
Первоначальную концепцию помог собрать студент МФТИ, а дальше команда самостоятельно развивала систему с помощью AI и вайбкодинга. Весь путь занял около трёх месяцев.
Здесь, конечно, важно уточнить: «ноль» означает отсутствие отдельного бюджета на разработку. Время и работа людей всё равно имеют стоимость.
Но следующий вопрос оказался ещё интереснее:
сколько человек после внедрения этой CRM уволили или решили не нанимать?
Нисколько.
Главный эффект для Мартина оказался в другом: он стал гораздо спокойнее за процесс.
Если один аналитик заболеет, другой уедет на Бали, а третий перестанет выходить на связь, поток заявок не остановится. Система продолжит их собирать, обрабатывать и вести коммуникацию.
И мне кажется, это важное уточнение.
Разговор об AI очень быстро сводится к одному вопросу: сколько людей он позволит сократить?
Но эффект не всегда измеряется количеством высвобождённых FTE.
Иногда он заключается в том, что процесс становится меньше зависим от конкретного сотрудника. Не останавливается из-за отпуска, болезни или увольнения. Не теряет данные и не накапливает необработанные заявки.
AI в этом случае не заменяет команду. Он создаёт устойчивый операционный слой, на который люди могут опираться.
При этом на встрече был и другой пример: один из стартапов сократил команду с 12 до 4 человек, а бизнес-метрики продолжили расти.
То есть сценарии могут быть разными.
Где-то AI действительно позволяет выполнять тот же объём работы меньшей командой. Где-то помогает масштабировать бизнес без пропорционального роста штата. А где-то сохраняет людей, но снижает операционные риски и освобождает их от повторяющихся действий.
Поэтому формула «внедрили AI — уволили людей» слишком примитивна.
Сначала стоит определить, какой эффект нужен бизнесу:
– снижение стоимости процесса;
– рост пропускной способности;
– снижение зависимости от отдельных сотрудников;
– возможность масштабироваться без раздувания штата;
– освобождение людей для более сложных задач.
Возможно, один из самых зрелых вопросов при внедрении AI звучит не так:
«Сколько людей мы сможем убрать?»
А так:
«Что теперь сможет делать наша команда и насколько устойчивее станет бизнес?»
Вчера я была на встрече с Мартином Кольхаузером - управляющим партнёром венчурного фонда ЧакVC.
Мне было особенно интересно услышать, как AI меняет стартапы, продукты и бизнес-модели с точки зрения человека, который много лет работает с технологическими компаниями и принимает инвестиционные решения.
По наблюдениям Мартина, сегодня уже сложно представить стартап, который совсем не использует искусственный интеллект. Причём всё чаще AI находится не во вспомогательных процессах, а непосредственно в ядре продукта.
В качестве примера он показал внутреннюю CRM-систему фонда.
Она собирает заявки от стартапов, проводит первичный скоринг, помогает вести переписку и выполняет ещё целый набор функций.
Выглядит как полноценный внутренний продукт, для создания которого ещё недавно понадобились бы отдельный бюджет и команда разработки.
На вопрос о затратах Мартин ответил:
ноль.
Первоначальную концепцию помог собрать студент МФТИ, а дальше команда самостоятельно развивала систему с помощью AI и вайбкодинга. Весь путь занял около трёх месяцев.
Здесь, конечно, важно уточнить: «ноль» означает отсутствие отдельного бюджета на разработку. Время и работа людей всё равно имеют стоимость.
Но следующий вопрос оказался ещё интереснее:
сколько человек после внедрения этой CRM уволили или решили не нанимать?
Нисколько.
Главный эффект для Мартина оказался в другом: он стал гораздо спокойнее за процесс.
Если один аналитик заболеет, другой уедет на Бали, а третий перестанет выходить на связь, поток заявок не остановится. Система продолжит их собирать, обрабатывать и вести коммуникацию.
И мне кажется, это важное уточнение.
Разговор об AI очень быстро сводится к одному вопросу: сколько людей он позволит сократить?
Но эффект не всегда измеряется количеством высвобождённых FTE.
Иногда он заключается в том, что процесс становится меньше зависим от конкретного сотрудника. Не останавливается из-за отпуска, болезни или увольнения. Не теряет данные и не накапливает необработанные заявки.
AI в этом случае не заменяет команду. Он создаёт устойчивый операционный слой, на который люди могут опираться.
При этом на встрече был и другой пример: один из стартапов сократил команду с 12 до 4 человек, а бизнес-метрики продолжили расти.
То есть сценарии могут быть разными.
Где-то AI действительно позволяет выполнять тот же объём работы меньшей командой. Где-то помогает масштабировать бизнес без пропорционального роста штата. А где-то сохраняет людей, но снижает операционные риски и освобождает их от повторяющихся действий.
Поэтому формула «внедрили AI — уволили людей» слишком примитивна.
Сначала стоит определить, какой эффект нужен бизнесу:
– снижение стоимости процесса;
– рост пропускной способности;
– снижение зависимости от отдельных сотрудников;
– возможность масштабироваться без раздувания штата;
– освобождение людей для более сложных задач.
Возможно, один из самых зрелых вопросов при внедрении AI звучит не так:
«Сколько людей мы сможем убрать?»
А так:
«Что теперь сможет делать наша команда и насколько устойчивее станет бизнес?»
85% строк кода уже генерирует AI. Что тогда остаётся инженеру?
На Yandex Deep Tech Night прозвучала цифра, которая сама по себе могла бы стать заголовком:
в Яндексе уже 85% строк кода генерируется нейросетями.
Но меня зацепила не столько сама цифра, сколько то, что происходит дальше.
По словам спикера, вопрос внедрения AI-агентов внутри компании фактически уже решён. Ими ежедневно пользуются практически все.
В какой-то момент показатель использования даже превысил 100%: сотрудники продолжали работать с агентами во время отпуска – для личных проектов и автоматизаций.
AI применяется почти на всём цикле разработки: в новых продуктах, работе с легаси, миграциях, аналитике, поддержке и устранении последствий инцидентов.
Компания измеряла экономию времени и сравнивала сотрудников, использующих AI, с теми, кто им не пользуется.
Но теперь сравнивать практически не с кем.
Людей, которые совсем не используют AI, почти не осталось.
И вот здесь начинается самое интересное.
Когда всё большую часть кода пишет AI, само написание кода постепенно перестаёт быть главным ограничением.
На первый план выходят постановка задачи, качество контекста, архитектура, проверка результата и ответственность за него.
Поэтому меняется и роль инженера.
Раньше граница между руководителем и исполнителем выглядела довольно понятно.
Руководитель определял, что и зачем нужно сделать, декомпозировал задачу, координировал участников, проверял результат и отвечал за него.
Исполнитель в первую очередь должен был хорошо выполнять свою часть работы.
Теперь, когда значительную часть исполнения можно передать AI-агенту, специалисту самому нужны навыки, которые раньше считались преимущественно управленческими.
Он должен уметь сформулировать задачу, дать агенту необходимый контекст, определить ограничения, проверить результат и понять, решена ли исходная проблема.
То есть инженер не обязательно становится руководителем людей.
Но ему всё чаще приходится управлять работой AI-агентов.
И на этом фоне особенно заметен разрыв между компаниями.
В Яндексе уже почти не осталось сотрудников, которые не используют AI.
А небольшой опрос в моём канале показал совсем другую картину.
Из 16 ответивших 44% выбрали варианты «доступы есть, правил нет» или «официально AI нет». Ещё 19% вообще не понимают, что происходит с AI внутри их компании.
Только 31% осторожно строят внутренний контур или уже ведут системное внедрение.
Конечно, 16 ответов – это не исследование рынка. Но контраст получился наглядным.
Одни компании уже обсуждают, как меняется роль специалиста, когда основную часть исполнения берёт на себя агент.
Другие ещё не решили, нужен ли им AI, или не видят, как сотрудники уже используют его самостоятельно.
Мне интересно наблюдать, будет ли этот разрыв сокращаться по мере того, как технологии становятся доступнее. Или дело уже не в доступе к AI, а в способности компании перестроить под него работу.
На Yandex Deep Tech Night прозвучала цифра, которая сама по себе могла бы стать заголовком:
в Яндексе уже 85% строк кода генерируется нейросетями.
Но меня зацепила не столько сама цифра, сколько то, что происходит дальше.
По словам спикера, вопрос внедрения AI-агентов внутри компании фактически уже решён. Ими ежедневно пользуются практически все.
В какой-то момент показатель использования даже превысил 100%: сотрудники продолжали работать с агентами во время отпуска – для личных проектов и автоматизаций.
AI применяется почти на всём цикле разработки: в новых продуктах, работе с легаси, миграциях, аналитике, поддержке и устранении последствий инцидентов.
Компания измеряла экономию времени и сравнивала сотрудников, использующих AI, с теми, кто им не пользуется.
Но теперь сравнивать практически не с кем.
Людей, которые совсем не используют AI, почти не осталось.
И вот здесь начинается самое интересное.
Когда всё большую часть кода пишет AI, само написание кода постепенно перестаёт быть главным ограничением.
На первый план выходят постановка задачи, качество контекста, архитектура, проверка результата и ответственность за него.
Поэтому меняется и роль инженера.
Раньше граница между руководителем и исполнителем выглядела довольно понятно.
Руководитель определял, что и зачем нужно сделать, декомпозировал задачу, координировал участников, проверял результат и отвечал за него.
Исполнитель в первую очередь должен был хорошо выполнять свою часть работы.
Теперь, когда значительную часть исполнения можно передать AI-агенту, специалисту самому нужны навыки, которые раньше считались преимущественно управленческими.
Он должен уметь сформулировать задачу, дать агенту необходимый контекст, определить ограничения, проверить результат и понять, решена ли исходная проблема.
То есть инженер не обязательно становится руководителем людей.
Но ему всё чаще приходится управлять работой AI-агентов.
И на этом фоне особенно заметен разрыв между компаниями.
В Яндексе уже почти не осталось сотрудников, которые не используют AI.
А небольшой опрос в моём канале показал совсем другую картину.
Из 16 ответивших 44% выбрали варианты «доступы есть, правил нет» или «официально AI нет». Ещё 19% вообще не понимают, что происходит с AI внутри их компании.
Только 31% осторожно строят внутренний контур или уже ведут системное внедрение.
Конечно, 16 ответов – это не исследование рынка. Но контраст получился наглядным.
Одни компании уже обсуждают, как меняется роль специалиста, когда основную часть исполнения берёт на себя агент.
Другие ещё не решили, нужен ли им AI, или не видят, как сотрудники уже используют его самостоятельно.
Мне интересно наблюдать, будет ли этот разрыв сокращаться по мере того, как технологии становятся доступнее. Или дело уже не в доступе к AI, а в способности компании перестроить под него работу.
❤1
Разработку ускорили более чем на 20%. Почему бизнес этого не почувствовал?
В прошлом посте я рассказывала, что в Яндексе уже 85% строк кода генерируется с помощью AI.
В комментариях Владимир заметил:
«Реальная выборка, пусть и не репрезентативная, лучше и вернее рекламной отчётности».
Я ответила, что замечание совершенно точное: разработка здесь сама себе хозяин, а про пользу для бизнеса в докладе не прозвучало ни слова.
И пообещала следующим постом рассказать про опыт Авито.
Там на вопрос о бизнес-эффекте ответили прямо.
С начала года AI-агенты помогли более чем на 20% сократить цикл выпуска изменений в продакшен.
Результат хороший. Но явного влияния этого ускорения на бизнес-метрики в Авито пока не увидели.
Можно выпускать больше изменений. Но это ещё не означает, что они принесут продуктовый результат.
Код – только один участок создания продукта.
До него нужно сформулировать гипотезу, провести discovery, подготовить дизайн и техническое решение. После – сделать ревью, тестирование и выпуск.
По расчётам Авито, в создании одного продуктового инкремента в среднем участвует около десяти ролей.
Можно ускорить работу каждого участника. Но между ними останутся передача задачи, повторное погружение в контекст, согласования и ожидание.
В итоге разработчик пишет код быстрее, а путь от идеи до результата по-прежнему может занимать месяцы.
Поэтому сейчас Авито экспериментирует уже не только с AI-инструментами, но и с пересборкой самих команд.
Первый подход – full-cycle-инженеры.
Инженер с помощью агентов может реализовать изменение сразу на нескольких платформах: backend, frontend, iOS и Android. Задачу не нужно каждый раз передавать следующему специалисту и заново восстанавливать контекст.
Второй – небольшие builder-команды.
В них сохраняются необходимые экспертные роли, но каждый участник закрывает большую часть цикла, а команда отвечает за результат от начала до конца.
Третий – быстрое прототипирование.
Продакт или инженер может за один спринт довести гипотезу до работающего MVP в изолированном контуре, проверить её и только потом передать в полноценную разработку.
Во всех трёх подходах меняется не только скорость отдельного человека.
Уменьшается количество передач между людьми и пересобирается сама конструкция работы.
Здесь продолжается мысль из прошлого поста про сближение ролей руководителя и исполнителя.
Специалисту уже недостаточно качественно выполнить свой фрагмент. Нужно удерживать задачу целиком: понимать продуктовую цель, управлять работой агентов, проверять результат и отвечать за него.
При этом Авито пока не называет новую модель гарантированно работающей.
Не все роли легко объединить. Специалисту из одной функции сложно качественно оценить результат в незнакомой области. А переход к ответственности за весь цикл требует других навыков и способа мышления.
Поэтому ускорение разработки на 20% – ещё не бизнес-эффект.
Пока AI помогает каждому участнику быстрее выполнять свою операцию, компания получает локальное улучшение.
Чтобы изменился результат бизнеса, приходится пересобирать весь путь от идеи до работающего продукта: процессы, состав команды, роли и ответственность.
В прошлом посте я рассказывала, что в Яндексе уже 85% строк кода генерируется с помощью AI.
В комментариях Владимир заметил:
«Реальная выборка, пусть и не репрезентативная, лучше и вернее рекламной отчётности».
Я ответила, что замечание совершенно точное: разработка здесь сама себе хозяин, а про пользу для бизнеса в докладе не прозвучало ни слова.
И пообещала следующим постом рассказать про опыт Авито.
Там на вопрос о бизнес-эффекте ответили прямо.
С начала года AI-агенты помогли более чем на 20% сократить цикл выпуска изменений в продакшен.
Результат хороший. Но явного влияния этого ускорения на бизнес-метрики в Авито пока не увидели.
Можно выпускать больше изменений. Но это ещё не означает, что они принесут продуктовый результат.
Код – только один участок создания продукта.
До него нужно сформулировать гипотезу, провести discovery, подготовить дизайн и техническое решение. После – сделать ревью, тестирование и выпуск.
По расчётам Авито, в создании одного продуктового инкремента в среднем участвует около десяти ролей.
Можно ускорить работу каждого участника. Но между ними останутся передача задачи, повторное погружение в контекст, согласования и ожидание.
В итоге разработчик пишет код быстрее, а путь от идеи до результата по-прежнему может занимать месяцы.
Поэтому сейчас Авито экспериментирует уже не только с AI-инструментами, но и с пересборкой самих команд.
Первый подход – full-cycle-инженеры.
Инженер с помощью агентов может реализовать изменение сразу на нескольких платформах: backend, frontend, iOS и Android. Задачу не нужно каждый раз передавать следующему специалисту и заново восстанавливать контекст.
Второй – небольшие builder-команды.
В них сохраняются необходимые экспертные роли, но каждый участник закрывает большую часть цикла, а команда отвечает за результат от начала до конца.
Третий – быстрое прототипирование.
Продакт или инженер может за один спринт довести гипотезу до работающего MVP в изолированном контуре, проверить её и только потом передать в полноценную разработку.
Во всех трёх подходах меняется не только скорость отдельного человека.
Уменьшается количество передач между людьми и пересобирается сама конструкция работы.
Здесь продолжается мысль из прошлого поста про сближение ролей руководителя и исполнителя.
Специалисту уже недостаточно качественно выполнить свой фрагмент. Нужно удерживать задачу целиком: понимать продуктовую цель, управлять работой агентов, проверять результат и отвечать за него.
При этом Авито пока не называет новую модель гарантированно работающей.
Не все роли легко объединить. Специалисту из одной функции сложно качественно оценить результат в незнакомой области. А переход к ответственности за весь цикл требует других навыков и способа мышления.
Поэтому ускорение разработки на 20% – ещё не бизнес-эффект.
Пока AI помогает каждому участнику быстрее выполнять свою операцию, компания получает локальное улучшение.
Чтобы изменился результат бизнеса, приходится пересобирать весь путь от идеи до работающего продукта: процессы, состав команды, роли и ответственность.
💯2
После нескольких постов про искусственный интеллект хочется немного тишины.
Последнее время здесь было много про скорость, AI-агентов, новые продукты и команды будущего.
А эти дни я провожу в Бурятии – на своей родной земле.
Побывала в Иволгинском дацане, увидела Пандито Хамбо-ламу Даши-Доржо Итигэлова. Потом поехала на плато Чингисхана, где среди степи стоят 12 скульптур восточного календаря работы Даши Намдакова.
И поймала себя на мысли: чем быстрее меняется мир, тем важнее иногда возвращаться к тому, что даёт внутреннюю опору.
К своим местам. К природе. К тишине.
Я люблю скорость и новые технологии. Мне действительно интересно наблюдать, как меняются процессы, профессии и целые компании.
Но человеку невозможно всё время жить только в ускорении. В какой-то момент нужно остановиться, чтобы не потерять контакт с собой и миром вокруг.
Меня восстанавливают путешествия. А возвращение в родные места даёт особенное ощущение: здесь не нужно торопиться, что-то доказывать или обязательно быть продуктивной.
Можно просто смотреть на степь, чувствовать ветер и набираться сил.
Мне не хочется противопоставлять технологии и духовность. Скорее наоборот: чем больше возможностей появляется вокруг, тем важнее понимать, ради чего мы ими пользуемся и куда хотим прийти.
Поэтому сегодня вместо аналитики просто поделюсь с вами этой красотой.
А где вы восстанавливаете силы и снова чувствуете связь с собой?
Последнее время здесь было много про скорость, AI-агентов, новые продукты и команды будущего.
А эти дни я провожу в Бурятии – на своей родной земле.
Побывала в Иволгинском дацане, увидела Пандито Хамбо-ламу Даши-Доржо Итигэлова. Потом поехала на плато Чингисхана, где среди степи стоят 12 скульптур восточного календаря работы Даши Намдакова.
И поймала себя на мысли: чем быстрее меняется мир, тем важнее иногда возвращаться к тому, что даёт внутреннюю опору.
К своим местам. К природе. К тишине.
Я люблю скорость и новые технологии. Мне действительно интересно наблюдать, как меняются процессы, профессии и целые компании.
Но человеку невозможно всё время жить только в ускорении. В какой-то момент нужно остановиться, чтобы не потерять контакт с собой и миром вокруг.
Меня восстанавливают путешествия. А возвращение в родные места даёт особенное ощущение: здесь не нужно торопиться, что-то доказывать или обязательно быть продуктивной.
Можно просто смотреть на степь, чувствовать ветер и набираться сил.
Мне не хочется противопоставлять технологии и духовность. Скорее наоборот: чем больше возможностей появляется вокруг, тем важнее понимать, ради чего мы ими пользуемся и куда хотим прийти.
Поэтому сегодня вместо аналитики просто поделюсь с вами этой красотой.
А где вы восстанавливаете силы и снова чувствуете связь с собой?
❤6👍1💯1
Кажется, пора нормально представиться.
Меня зовут Елена Ли. Я директор по трансформации. За 16+ лет прошла путь от бизнес-аналитика до директора департамента. Работала в Сбере и билайне.
Если коротко, моя главная экспертиза – превращать хаос, постоянное давление и противоречивые интересы в работающие системы с измеримым бизнес-результатом.
Совокупный эффект реализованных проектов – более 1,5 млрд рублей.
Среди них – первая на рынке телекома биометрическая верификация для нерезидентов и трансформация B2B-эквайринга, где онбординг клиента сократился с пяти дней до 30 минут.
Моя работа обычно начинается там, где много участников и ограничений, высокое давление, нет готового решения и в какой-то момент обязательно звучит:
«Это невозможно».
Тогда нужно пересобрать процесс, соединить бизнес и IT, договориться со стейкхолдерами и довести изменения до промышленного запуска.
Во многом этот канал появился благодаря друзьям.
Мы постоянно обсуждали бизнес, управление, технологии и AI. Я делилась кейсами и инструментами. В какой-то момент они спросили:
«Почему ты рассказываешь всё это только нам?»
Поэтому здесь я пишу о сложных трансформациях и управленческих решениях, делюсь личным опытом и собственной позицией.
Отдельный фокус – AI на практике: в работе и повседневной жизни. Рассказываю, как сама осваиваю инструменты, собираю прототипы, проверяю гипотезы и использую AI для трансформации процессов, создания продуктов и решения собственных задач.
За пределами работы – более 30 стартов в триатлоне, беге, плавании и велоспорте. Сейчас мой основной фокус – марафонские дистанции.
Дисциплина важна для меня во всём. Она помогает выдерживать длинную дистанцию и доводить начатое до результата – и в спорте, и в работе.
Если вы отвечаете за продукты, процессы, AI или сложные изменения, думаю, нам будет о чём поговорить.
Меня зовут Елена Ли. Я директор по трансформации. За 16+ лет прошла путь от бизнес-аналитика до директора департамента. Работала в Сбере и билайне.
Если коротко, моя главная экспертиза – превращать хаос, постоянное давление и противоречивые интересы в работающие системы с измеримым бизнес-результатом.
Совокупный эффект реализованных проектов – более 1,5 млрд рублей.
Среди них – первая на рынке телекома биометрическая верификация для нерезидентов и трансформация B2B-эквайринга, где онбординг клиента сократился с пяти дней до 30 минут.
Моя работа обычно начинается там, где много участников и ограничений, высокое давление, нет готового решения и в какой-то момент обязательно звучит:
«Это невозможно».
Тогда нужно пересобрать процесс, соединить бизнес и IT, договориться со стейкхолдерами и довести изменения до промышленного запуска.
Во многом этот канал появился благодаря друзьям.
Мы постоянно обсуждали бизнес, управление, технологии и AI. Я делилась кейсами и инструментами. В какой-то момент они спросили:
«Почему ты рассказываешь всё это только нам?»
Поэтому здесь я пишу о сложных трансформациях и управленческих решениях, делюсь личным опытом и собственной позицией.
Отдельный фокус – AI на практике: в работе и повседневной жизни. Рассказываю, как сама осваиваю инструменты, собираю прототипы, проверяю гипотезы и использую AI для трансформации процессов, создания продуктов и решения собственных задач.
За пределами работы – более 30 стартов в триатлоне, беге, плавании и велоспорте. Сейчас мой основной фокус – марафонские дистанции.
Дисциплина важна для меня во всём. Она помогает выдерживать длинную дистанцию и доводить начатое до результата – и в спорте, и в работе.
Если вы отвечаете за продукты, процессы, AI или сложные изменения, думаю, нам будет о чём поговорить.
❤7🔥1
Лена Ли | Изменения, которые работают pinned «Кажется, пора нормально представиться. Меня зовут Елена Ли. Я директор по трансформации. За 16+ лет прошла путь от бизнес-аналитика до директора департамента. Работала в Сбере и билайне. Если коротко, моя главная экспертиза – превращать хаос, постоянное…»
Что останется человеку, если AI научится не только считать, но и воображать?
Этому была посвящена дискуссия «Битва за правое полушарие» на 20-летии Школы управления СКОЛКОВО.
В обсуждении участвовали Герман Греф, Александр Аузан и Селина Нери. Модерировал Кирилл Токарев.
Название предполагало, что «битву за левое полушарие» человек уже проиграл и теперь должен защищать творчество, интуицию и эмпатию.
Но Герман Греф предложил вообще не говорить о поражении. Мы создали технологию, которая многократно усиливает наше мышление, и это скорее победа человека.
AI уже справляется с функциональным мышлением: анализирует информацию, находит закономерности, систематизирует данные и предлагает решения.
При этом у него пока нет собственного «я», сознания и целостной картины мира.
Хотя и здесь согласия на сцене не было.
Александр Аузан обратил внимание на исследования, в которых у моделей обнаруживаются собственные ценностные установки. Обсуждались и случаи, когда агенты демонстрировали поведение, похожее на стремление избежать отключения.
Субъектны ли нейросети? Скорее, пока нет. Но сам вопрос уже перестал казаться фантастическим.
Меня больше всего заинтересовала другая часть дискуссии: что происходит с человеком, когда всё больше мыслительных операций он передаёт AI?
Селина Нери рассказала об исследовании готовности к будущему. В нём выделены 23 компетенции, и только три непосредственно связаны с технологиями.
Остальные — умение видеть контекст, критически оценивать информацию, принимать решения в неопределённости, постоянно учиться, проявлять эмпатию и отвечать за последствия своих решений.
Прозвучало и очень точное наблюдение Германа Грефа: презентации стали умнее, объёмнее и красивее. Но это не означает, что в них стало больше содержания.
AI умеет хорошо собрать и оформить материал. Но смысл и позицию по-прежнему должен привнести человек.
И здесь возникает парадокс: чем больше функционального мышления мы отдаём AI, тем выше становятся требования к нашему собственному мышлению.
Нужно не просто получить ответ, а понять, соответствует ли он реальности, что лежит в его основе и что с ним делать дальше.
Но для меня главная мысль этой дискуссии всё-таки про скорость.
Предыдущие технологические революции тоже разрушали привычные профессии, компании и институты. Но у людей были годы и десятилетия, чтобы адаптироваться.
Сейчас модели и инструменты меняются за месяцы. А образование, право, управленческие практики и мы сами не умеем перестраиваться с такой скоростью.
Для себя я вынесла простой вывод: AI нужно осваивать быстро, а собственное мышление — беречь и тренировать ещё внимательнее.
Похоже, времени на спокойную адаптацию нам никто не оставит.
Этому была посвящена дискуссия «Битва за правое полушарие» на 20-летии Школы управления СКОЛКОВО.
В обсуждении участвовали Герман Греф, Александр Аузан и Селина Нери. Модерировал Кирилл Токарев.
Название предполагало, что «битву за левое полушарие» человек уже проиграл и теперь должен защищать творчество, интуицию и эмпатию.
Но Герман Греф предложил вообще не говорить о поражении. Мы создали технологию, которая многократно усиливает наше мышление, и это скорее победа человека.
AI уже справляется с функциональным мышлением: анализирует информацию, находит закономерности, систематизирует данные и предлагает решения.
При этом у него пока нет собственного «я», сознания и целостной картины мира.
Хотя и здесь согласия на сцене не было.
Александр Аузан обратил внимание на исследования, в которых у моделей обнаруживаются собственные ценностные установки. Обсуждались и случаи, когда агенты демонстрировали поведение, похожее на стремление избежать отключения.
Субъектны ли нейросети? Скорее, пока нет. Но сам вопрос уже перестал казаться фантастическим.
Меня больше всего заинтересовала другая часть дискуссии: что происходит с человеком, когда всё больше мыслительных операций он передаёт AI?
Селина Нери рассказала об исследовании готовности к будущему. В нём выделены 23 компетенции, и только три непосредственно связаны с технологиями.
Остальные — умение видеть контекст, критически оценивать информацию, принимать решения в неопределённости, постоянно учиться, проявлять эмпатию и отвечать за последствия своих решений.
Прозвучало и очень точное наблюдение Германа Грефа: презентации стали умнее, объёмнее и красивее. Но это не означает, что в них стало больше содержания.
AI умеет хорошо собрать и оформить материал. Но смысл и позицию по-прежнему должен привнести человек.
И здесь возникает парадокс: чем больше функционального мышления мы отдаём AI, тем выше становятся требования к нашему собственному мышлению.
Нужно не просто получить ответ, а понять, соответствует ли он реальности, что лежит в его основе и что с ним делать дальше.
Но для меня главная мысль этой дискуссии всё-таки про скорость.
Предыдущие технологические революции тоже разрушали привычные профессии, компании и институты. Но у людей были годы и десятилетия, чтобы адаптироваться.
Сейчас модели и инструменты меняются за месяцы. А образование, право, управленческие практики и мы сами не умеем перестраиваться с такой скоростью.
Для себя я вынесла простой вывод: AI нужно осваивать быстро, а собственное мышление — беречь и тренировать ещё внимательнее.
Похоже, времени на спокойную адаптацию нам никто не оставит.
🔥3
Почему мы легко объединяемся «против», но с трудом договариваемся между собой?
На конференции в Сколково была панельная дискуссия об управлении конфликтами.
Одна из главных мыслей звучала так: то, как мы спорим и договариваемся, определяется не только переговорными техниками, но и культурой.
Один из спикеров описал российскую модель так: у нас высокий уровень доверия к своим и гораздо ниже – к тем, кто не входит в привычный круг.
Мы хорошо объединяемся внутри семьи, команды или сообщества. Но за пределами этого круга доверие резко снижается.
Отсюда возникает интересный парадокс.
Мы можем быстро познакомиться, ударить по рукам и начать совместный проект. Но если договорённость нарушается, воспринимаем это не просто как рабочее разногласие, а почти как предательство.
Между «ты свой» и «ты враг» часто не хватает ещё одной позиции: мы остаёмся партнёрами, но в этом вопросе не согласны.
Когда этой позиции нет, конфликт начинает восприниматься как игра с нулевой суммой.
Если выиграл другой, значит, проиграла я. Поэтому нужно не искать совместное решение, а давить, защищать свой кусок или найти человека с властью, который рассудит и определит, кто прав.
Из дискуссии я вынесла три практических принципа.
Первый – замечать момент, когда спор о решении превращается в спор о человеке.
Одно дело – «я не согласна с этим предложением». Другое – «ты всегда так делаешь», «тебе нельзя доверять» или «ты против нас».
После перехода на личности вернуться к сути гораздо сложнее.
Второй – привлекать нейтральную сторону до того, как разногласие окончательно превратилось в борьбу.
Иногда разумное предложение отвергают только потому, что оно исходит от человека, с которым уже конфликтуют. Посредник помогает отделить содержание разговора от отношения к его участникам.
Третий – искать не компромисс, при котором все немного уступили и остались недовольны, а возможность соединить интересы.
Не делить неизменный пирог, а понять, можно ли его увеличить.
Мне особенно близка мысль, что конфликт сам по себе не является проблемой.
Проблема начинается, когда несогласие принимают за нелояльность, а вместо разговора включаются давление, обесценивание и поиск того, кто заставит другую сторону подчиниться.
И здесь я вижу прямую связь с сопротивлением изменениям.
В компаниях несогласного сотрудника тоже легко записать в противники трансформации: он «тормозит», «не хочет меняться» или «защищает своё болото».
Но иногда за сопротивлением стоит не саботаж, а информация, которую руководитель не услышал: страх потери роли, непонятная цель, реальный риск или слабое место самого решения.
Об этом хочу написать отдельно: почему сопротивление изменениям не всегда нужно преодолевать и как понять, что именно оно пытается показать.
А в ваших командах несогласие чаще воспринимают как вклад в решение или как нелояльность?
На конференции в Сколково была панельная дискуссия об управлении конфликтами.
Одна из главных мыслей звучала так: то, как мы спорим и договариваемся, определяется не только переговорными техниками, но и культурой.
Один из спикеров описал российскую модель так: у нас высокий уровень доверия к своим и гораздо ниже – к тем, кто не входит в привычный круг.
Мы хорошо объединяемся внутри семьи, команды или сообщества. Но за пределами этого круга доверие резко снижается.
Отсюда возникает интересный парадокс.
Мы можем быстро познакомиться, ударить по рукам и начать совместный проект. Но если договорённость нарушается, воспринимаем это не просто как рабочее разногласие, а почти как предательство.
Между «ты свой» и «ты враг» часто не хватает ещё одной позиции: мы остаёмся партнёрами, но в этом вопросе не согласны.
Когда этой позиции нет, конфликт начинает восприниматься как игра с нулевой суммой.
Если выиграл другой, значит, проиграла я. Поэтому нужно не искать совместное решение, а давить, защищать свой кусок или найти человека с властью, который рассудит и определит, кто прав.
Из дискуссии я вынесла три практических принципа.
Первый – замечать момент, когда спор о решении превращается в спор о человеке.
Одно дело – «я не согласна с этим предложением». Другое – «ты всегда так делаешь», «тебе нельзя доверять» или «ты против нас».
После перехода на личности вернуться к сути гораздо сложнее.
Второй – привлекать нейтральную сторону до того, как разногласие окончательно превратилось в борьбу.
Иногда разумное предложение отвергают только потому, что оно исходит от человека, с которым уже конфликтуют. Посредник помогает отделить содержание разговора от отношения к его участникам.
Третий – искать не компромисс, при котором все немного уступили и остались недовольны, а возможность соединить интересы.
Не делить неизменный пирог, а понять, можно ли его увеличить.
Мне особенно близка мысль, что конфликт сам по себе не является проблемой.
Проблема начинается, когда несогласие принимают за нелояльность, а вместо разговора включаются давление, обесценивание и поиск того, кто заставит другую сторону подчиниться.
И здесь я вижу прямую связь с сопротивлением изменениям.
В компаниях несогласного сотрудника тоже легко записать в противники трансформации: он «тормозит», «не хочет меняться» или «защищает своё болото».
Но иногда за сопротивлением стоит не саботаж, а информация, которую руководитель не услышал: страх потери роли, непонятная цель, реальный риск или слабое место самого решения.
Об этом хочу написать отдельно: почему сопротивление изменениям не всегда нужно преодолевать и как понять, что именно оно пытается показать.
А в ваших командах несогласие чаще воспринимают как вклад в решение или как нелояльность?
❤3🔥1
Иногда сопротивление трансформации создают не сотрудники. Его создают сами руководители изменений.
Сейчас я много общаюсь с разными компаниями и довольно часто слышу одну и ту же проблему:
«Бизнес сопротивляется».
Не хочет менять процессы. Не поддерживает новые решения. Не берёт ответственность. Продолжает работать по-старому.
Но когда начинаешь разбираться, выясняется, что для этого сопротивления компания сама создала практически идеальные условия.
Решение придумали без участия бизнеса. Спустили сверху. KPI за результат поставили трансформационной команде. Сотрудникам оставили необходимость менять привычную работу, осваивать новые инструменты и отвечать за последствия чужого решения.
Почему они должны хотеть в этом участвовать?
В своей практике я использую несколько механизмов.
Первый – сделать бизнес не объектом трансформации, а её соавтором.
Я вовлекаю владельцев процессов и сами команды не только в диагностику, но и в проектирование нового решения.
Когда человек сам разобрал проблему, предложил изменения и участвовал в их разработке, отношение становится другим.
Это уже не чужая конструкция, которую ему навязали. Это решение, к которому он приложил руку.
Второй – установить сквозные цели.
KPI трансформации не должны принадлежать только процессной, проектной или цифровой функции. Они должны быть и у владельца бизнес-результата.
Пока одна команда отвечает за изменения, а другая может продолжать работать по-старому без каких-либо последствий, настоящей трансформации не будет.
Иногда полезны достаточно амбициозные цели, которые невозможно выполнить привычными способами. Они заставляют команду искать другое решение.
Но здесь есть важное условие: нельзя просто поставить жёсткий KPI и оставить людей разбираться самостоятельно.
Рядом должна быть функция, которая вовремя покажет другой путь и поможет его пройти. Иначе вместо трансформации получится давление.
Третий – показывать уже полученные результаты.
В одном из подразделений мы рассказывали о реализованных проектах на внутреннем портале, брали интервью у заказчиков, честно обсуждали исходные проблемы и публиковали результаты в цифрах.
Я также проводила NPS-опрос среди внутренних заказчиков.
Это было не просто продвижение функции: другие команды видели задачи, помощь и результаты коллег.
Абстрактные обещания настораживают. Работающий внутренний кейс вызывает интерес.
Четвёртый – сделать прогресс прозрачным.
Общие дашборды, статусы проектов, сроки, зелёные и красные зоны создают соревновательную среду.
Когда одна команда показывает результат, а другая остаётся в красной зоне, это заметно руководству. Никто не хочет выглядеть подразделением, тормозящим общую работу.
Разумеется, ни один из этих инструментов не убирает сопротивление полностью. И не каждую команду стоит загонять в изменения через жёсткие KPI или публичное сравнение.
Но сопротивлением можно управлять.
Для этого недостаточно объяснить людям, почему изменения полезны для компании.
Нужно изменить саму конструкцию:
• дать им влияние на решение;
• разделить ответственность за результат;
• показать работающие доказательства;
• сделать движение видимым.
Люди начинают поддерживать трансформацию не тогда, когда их наконец убедили перестать сопротивляться.
А тогда, когда они перестают быть объектом чужих изменений и становятся их участниками.
Сейчас я много общаюсь с разными компаниями и довольно часто слышу одну и ту же проблему:
«Бизнес сопротивляется».
Не хочет менять процессы. Не поддерживает новые решения. Не берёт ответственность. Продолжает работать по-старому.
Но когда начинаешь разбираться, выясняется, что для этого сопротивления компания сама создала практически идеальные условия.
Решение придумали без участия бизнеса. Спустили сверху. KPI за результат поставили трансформационной команде. Сотрудникам оставили необходимость менять привычную работу, осваивать новые инструменты и отвечать за последствия чужого решения.
Почему они должны хотеть в этом участвовать?
В своей практике я использую несколько механизмов.
Первый – сделать бизнес не объектом трансформации, а её соавтором.
Я вовлекаю владельцев процессов и сами команды не только в диагностику, но и в проектирование нового решения.
Когда человек сам разобрал проблему, предложил изменения и участвовал в их разработке, отношение становится другим.
Это уже не чужая конструкция, которую ему навязали. Это решение, к которому он приложил руку.
Второй – установить сквозные цели.
KPI трансформации не должны принадлежать только процессной, проектной или цифровой функции. Они должны быть и у владельца бизнес-результата.
Пока одна команда отвечает за изменения, а другая может продолжать работать по-старому без каких-либо последствий, настоящей трансформации не будет.
Иногда полезны достаточно амбициозные цели, которые невозможно выполнить привычными способами. Они заставляют команду искать другое решение.
Но здесь есть важное условие: нельзя просто поставить жёсткий KPI и оставить людей разбираться самостоятельно.
Рядом должна быть функция, которая вовремя покажет другой путь и поможет его пройти. Иначе вместо трансформации получится давление.
Третий – показывать уже полученные результаты.
В одном из подразделений мы рассказывали о реализованных проектах на внутреннем портале, брали интервью у заказчиков, честно обсуждали исходные проблемы и публиковали результаты в цифрах.
Я также проводила NPS-опрос среди внутренних заказчиков.
Это было не просто продвижение функции: другие команды видели задачи, помощь и результаты коллег.
Абстрактные обещания настораживают. Работающий внутренний кейс вызывает интерес.
Четвёртый – сделать прогресс прозрачным.
Общие дашборды, статусы проектов, сроки, зелёные и красные зоны создают соревновательную среду.
Когда одна команда показывает результат, а другая остаётся в красной зоне, это заметно руководству. Никто не хочет выглядеть подразделением, тормозящим общую работу.
Разумеется, ни один из этих инструментов не убирает сопротивление полностью. И не каждую команду стоит загонять в изменения через жёсткие KPI или публичное сравнение.
Но сопротивлением можно управлять.
Для этого недостаточно объяснить людям, почему изменения полезны для компании.
Нужно изменить саму конструкцию:
• дать им влияние на решение;
• разделить ответственность за результат;
• показать работающие доказательства;
• сделать движение видимым.
Люди начинают поддерживать трансформацию не тогда, когда их наконец убедили перестать сопротивляться.
А тогда, когда они перестают быть объектом чужих изменений и становятся их участниками.
❤2
Если дать мне любой результат, я сначала найду, что в нём можно было сделать лучше.
В воскресенье я пробежала второй марафон.
42,2 километра.
Но мой внутренний критик встретил меня на финише не с медалью, а с план-факт анализом:
– темп ниже ожидаемого;
– первоначальный план не выполнен;
– имеются замечания к результату.
Пришлось напомнить ему, что вообще-то мы только что пробежали марафон.
Я готовилась к другому темпу, но на дистанции бежала по пульсу и корректировала ожидания исходя из того, что реально мог выдержать организм.
Для меня это было не менее сложно, чем сами 42 километра.
Высокие требования к себе помогают мне достигать целей, не бросать начатое и двигаться дальше. Но иногда из-за них я первым делом вижу не само достижение, а разрыв между тем, что планировала, и тем, что получилось.
А ведь способность изменить план – это не всегда слабость или отступление.
Иногда именно она позволяет дойти до конца, сохранить силы и не превратить достижение в список недоработок.
Поэтому на этот раз внутренний аудит закрываю без корректирующих мероприятий.
Марафон пробежала. Медаль получила. Результат засчитан.
В воскресенье я пробежала второй марафон.
42,2 километра.
Но мой внутренний критик встретил меня на финише не с медалью, а с план-факт анализом:
– темп ниже ожидаемого;
– первоначальный план не выполнен;
– имеются замечания к результату.
Пришлось напомнить ему, что вообще-то мы только что пробежали марафон.
Я готовилась к другому темпу, но на дистанции бежала по пульсу и корректировала ожидания исходя из того, что реально мог выдержать организм.
Для меня это было не менее сложно, чем сами 42 километра.
Высокие требования к себе помогают мне достигать целей, не бросать начатое и двигаться дальше. Но иногда из-за них я первым делом вижу не само достижение, а разрыв между тем, что планировала, и тем, что получилось.
А ведь способность изменить план – это не всегда слабость или отступление.
Иногда именно она позволяет дойти до конца, сохранить силы и не превратить достижение в список недоработок.
Поэтому на этот раз внутренний аудит закрываю без корректирующих мероприятий.
Марафон пробежала. Медаль получила. Результат засчитан.
🔥9👏1