Как AI-first ломает привычную логику бизнеса и что мешает его внедрению

За последний год многие компании прошли путь от «попробовать ИИ» до внедрения в корпоративный ландшафт. По данным McKinsey & Company, около 90% организаций уже используют искусственный интеллект хотя бы в одной функции, но лишь треть доходит до масштабирования на уровне всей компании.

Это означает, что проблема не в доступности технологий, а в том, что бизнес за ними просто не успевает.

Как раз в этой точке и возникает подход AI-first. Он подразумевает, что ИИ перестает быть инструментом и становится базовым слоем, на котором строятся продукты, процессы и управление компанией. Разбираемся, как это влияет на бизнес и что с этим делать.

ИТ больше не обслуживает бизнес

В классической модели ИТ поддерживает процессы: автоматизирует, ускоряет, снижает издержки. Бизнес ставит задачу — ИТ реализует ее. Однако в AI-first эта связка меняется. Модели начинают напрямую участвовать в создании продукта и принятии решений, так что ИТ перестает быть вспомогательной функцией и становится частью ядра бизнеса. 

Это меняет и роль ИТ-команд. Они уже не просто получают техническое задание на реализацию, а вместе с бизнесом определяют, где ИИ действительно может изменить процесс, какие данные для этого нужны, какие ограничения нужно заложить и как измерять результат. Иными словами, ИТ становится не исполнителем запроса, а соавтором бизнес-решения.

Характерный сдвиг: если раньше модель встраивалась в систему, то теперь, напротив, система начинает строиться вокруг модели. 

Процессы перестают быть линейными

Традиционные процессы строятся как последовательность действий: анализ — решение — исполнение — контроль. Но искусственный интеллект ломает эту логику, закрывая сразу несколько этапов, и в результате процессы становятся короче и не такими формализованными.

При этом меняется не только длина процесса, но и распределение ответственности внутри него. Если раньше каждый этап был закреплен за отдельной ролью, то теперь один участник может запускать анализ, получать варианты решения и сразу проверять результат с помощью ИИ. Это ускоряет работу, но требует большего понимания контекста на каждом уровне.

Вместе с тем важно помнить, что над сокращенными (а значит, ускоренными) процессами необходим контроль — в противном случае масштабируются ошибки.

Решения напрямую зависят от данных

Качество данных еще два года назад в опросе от экспертов Informatica называли основным препятствием на пути к генеративному искусственному интеллекту — а сейчас проблема данных стала одной из ключевых в работе с ИИ. Они заканчиваются, и налицо кризис датасетов.

Поэтому компании инвестируют не столько в модели, сколько в доступность данных, их качество и инфраструктуру работы с ними. Они преодолевают кризис датасетов несколькими способами, которые уже показали себя как эффективные: дообучают ИИ на корпоративной информации, используют синтетические данные, переходят от универсальных к узкоспециализированным моделям.

Меняется сама модель управления

ИИ влияет не только на операции, но и на управление. Когда в системе появляется модель, руководителю уже недостаточно просто поставить задачу и проконтролировать исполнение — он должен уметь работать с искусственным интеллектом. Это означает понимание того, какие данные лежат в основе ответов, где модель может ошибиться, какие ограничения есть у результата и кто за него отвечает.

По сути, появляется новый управленческий контур. Человек по-прежнему принимает ответственность, но работает уже не только с командами и процессами, а с системой, в которой участвуют ИИ-модели. Поэтому управление становится более технологичным: нужно задавать правила использования ИИ, контролировать качество выводов, определять зоны риска и понимать, где автоматизация действительно помогает, а где требует ручной проверки.

Как компании внедряют подход AI-first

Несмотря на то, что не все сумели перестроиться под этот принцип, для многих компаний он уже стал базовым. Так, в Google не просто начали использовать искусственный интеллект, а сделали его основой многих продуктов и процессов. Здесь ИИ встроен практически всюду — и в поисковую систему, и в карты, и в почту, и в диск.

Яндекс успешно развивает собственный ИИ, внедряя его в поисковик, голосовые системы — Алиса уже стала «живой» легендой российского рынка, — и используя для персонализированных рекомендаций. Кинопоиск, Маркет, Яндекс Книги, Еда — все эти сервисы оснащены рекомендательными системами на базе искусственного интеллекта, которые анализируют предпочтения пользователей и формируют ленту и выдачу на основе их поведения.

Сбер использует ИИ как платформенный слой — не только в отдельных продуктах, но и в инфраструктуре, внутренних процессах и разработке. GigaChat, модель, которая сперва лишь генерировала тексты и простые ответы, сейчас интегрирована в экосистему цифровых сервисов Сбера. Среди них — виртуальные ассистенты, корпоративные решения, облачные API для разработчиков.

Основные препятствия на пути к AI-first

Компании чаще всего не доходят до результата не потому, что не хватает инструментов — в них недостатка обычно как раз нет. Проблема в том, что ИИ внедряют в старую модель работы: процессы, роли, данные и управление остались прежними, а от технологии ждут системного эффекта.

Основные препятствия обычно выглядят так:

• Нет владельца бизнес-результата. Всегда нужен человек, который отвечает за итоговый эффект внедрения ИИ.
• ИИ не встроен в процесс. Решение существует как бы само по себе — отдельный инструмент или, скажем, чат-бот. Возможно, сотрудники даже используют его, но рабочий сценарий оно не меняет.
• Слабая работа с данными. Если они разрозненные, некачественные или юридически ограниченные, даже сильная модель даст посредственный результат.
• Не посчитана экономика. На этапе пилота стоимость ИИ-решения кажется небольшой, но при масштабировании расходы растут — и растут быстро.
• Слишком поздно добавляется контроль. Если позаботиться об ограничениях, верификации, безопасности и мониторинге уже после запуска, масштабирования ошибок не избежать.

Конечно, даже с учетом этих препятствий ИИ в компании может работать — но не менять бизнес. 

Подведем итоги

AI-first — это смена логики бизнеса, а не простое внедрение технологии или быстрый эксперимент. Сам по себе искусственный интеллект не дает преимущества. Если он встроен в старую модель — с разрозненными данными, линейными процессами и отсутствием контроля — он лишь ускоряет существующие проблемы. В этом случае компания действительно становится быстрее, но не эффективнее.

Эффект появляется в другом сценарии: когда ИИ из инструмента превращается в часть системы. Когда под него пересобраны процессы, определены метрики, выстроена работа с данными и закреплена ответственность за результат. Поэтому преимущество на рынке получает не та компания, которая обладает новейшими технологиями — а та, которая умеет грамотно ими управлять.