Блог Aigital

Трансформация с ИИ: всё начинается с людей

Если вы вообще добрались до этой статьи, то поздравляю — вы уже тот самый «чемпион ИИ». Значит, вам интересно, вы тестируете, гуглите, ищете, где и какой искусственный интеллект внедрить в бизнес или хотя бы в личную рутину. А вот у вашей компании может быть совсем другой настрой: ИИ для многих не шанс, а прямо-таки источник головной боли. Кто-то недоумевает, кто-то боится, а некоторые — вообще с иронией шутят или даже открыто троллят на митингах новые технологии. Порой ловишь себя на мысли: «Опять сначала, опять надо объяснять…»

💡 Инсайт: Согласно опросу BCG 2024 года, 70% проблем с внедрением ИИ лежат НЕ в области технологий — это люди. Всего 10% ошибок связаны с алгоритмами, остальные — инфраструктура. А в чём основная загвоздка? Всё начинается с первого шага.

C чего стартовать: выбираем первый шаг не наобум

В большом логистическом провайдере про ИИ говорили почти год. Консультанты приезжали, пилили красивые презентации и растворялись в воздухе. Конкуренты в это время уже запускали умные прогнозы, подключали автопилотные роботы для складов, внедряли ИИ-пассажиров в техподдержку. Руководство требовало результат: хватит теории, где настоящая польза?
К чести проектной команды, никто не бросился экстренно «пилить очередного чат-бота для галочки». Вместо этого сели, осмотрелись по сторонам и выбрали задачи, которые реально болят:
  • Оптимизация графиков смен
  • Прогноз поломок оборудования
  • Моделирование сбоев и задержек
  • Прогноз спроса на запчасти
Выбрали последнюю — прогноз запасов запчастей. Не хайп, не модно, но больно. Одни закупщики закупают слишком много и жгут бюджеты, другие — не докупают, цехи стоят. Потери исчисляются миллионами. Данные — уже есть, процессы ломать не надо, прототип — за пару месяцев.
Урок: Для первого проекта ищите задачи, которые:
  • Понятны всем участникам
  • Явно приносят пользу здесь и сейчас
  • Не требуют сложной интеграции
  • Быстро дают результат — и людям, и бизнесу
И главное: такие проекты помогают показать: ИИ — не угроза, а реальный помощник.

Что происходит в головах, когда звучит слово «ИИ»?

На встрече собралась разношерстная команда. Картина маслом: у каждого — своя драма.
  • Иван из IT — в восторге: «О, ChatGPT для логистики, сейчас быстро всё напишем!» Типичный «Зумер»: горит идеями, недооценивает риски.
  • Ольга, планировщик с опытом: «Я двадцать лет строю прогнозы, теперь машина будет делать за меня?» — Классика жанра для «Глумеров»: не отвергает, но тихо опасается за свою ценность.
  • Сергей из комплаенса — прагматик: задаёт вопрос за вопросом, но эмоций ноль; настоящий «Думер»: в ИИ видит риск, требует правил.
  • Екатерина, менеджер по трансформациям — спокойна, анализирует, проверяет гипотезы, вовлекает коллег. Так и определилась — «Блумер», холодный оптимист. Именно она и возглавила проект, хотя была не самой громкой в комнате.

Как вообще говорит про ИИ с людьми?

Лена (тот самый менеджер по обучению) чувствовала: обычный тон не работает. Переключилась на новый режим:
  • «ИИ все равно придёт. Вопрос — не заменит ли он вас, а как вы сами будете им пользоваться».
Чтобы снять тревогу, она использовала простые формулировки:
  • «Ваша профессия не исчезнет из-за ИИ. Она исчезнет, если вы не научитесь пользоваться ИИ. Будьте первыми, иначе останетесь за бортом».
Три фраза, которые действительно успокаивают:
  • Это неизбежно — ИИ придёт, хотите вы или нет.
  • Это усиление, а не замена — ИИ усиливает эксперта, а не стирает его.
  • Это управляемо — вы сможете контролировать и понимать, как все устроено.

Как говорить с разными группами

Руководство и инвесторы интересуются только одним: ROI, скорость возврата инвестиций, стратегический эффект.
«ИИ — не новый расход, это эволюция интеллекта бизнеса. Кто вперёд освоит, тот и рынок перехватит».
Операторы, сотрудники — именно они каждый день будут жить с этими системами и, да, опасаться.
— «Как изменится моя работа?»
— «Вы остаетесь за рулём — ИИ ваш ассистент, а не автопилот без вас».
— «Что я получу?»
— «Поменьше рутины, поменьше сверки вручную, побольше интересных и сложных задач».
— «Можно посмотреть, как это работает?»
— «Обязательно! Сами потестите, сами увидите глюки, сильные и слабые стороны».
— «Меня кто-то слушает?»
— «Да! Вы сами обучаете систему на реальных кейсах».
IT и инфраструктура — ребята с земли, они видят риски и любят устойчивость.
«Это не просто микросервис — это система, которая будет прогнозировать в условиях неопределённости. Тут нужны новые подходы, здоровая архитектура и запас прочности.»
В итоге ИТ согласились привлекать внешних партнёров и одновременно учиться на лету.
Юристы и риск-менеджеры — они не про удобство, а про документируемость, объяснимость, ответственность.
«Мы создаём прозрачную, объяснимую систему. Аудитор и регулятор должен понять каждое решение алгоритма.»
Лейла сразу вовлекла их в проект, открыла доступ ко всем данным и дала им право ветировать ключевые шаги. Сложно? Да. Но только так появляется доверие.

Расти быстрее: обучение и формирование AI-гигиены

Лена честно призналась: большинство говорит про ИИ, но мало кто реально понимает, что это внутри. Особенно «зумеры» — много энтузиазма, мало системности. Поэтому ввели план обучения:
Этап 1: Оценка реального уровня — кто есть кто
  • Пользователь ИИ — умеет запускать, интерпретировать, понимает, где доверять, а где нет
  • Совместный создатель — адаптирует ИИ под свои задачи, помогает другим
  • Стратег — связывает ИИ с целями бизнеса, видит системно
Реальность: половина команды едва дотягивает до пользователя.
Этап 2: Базовый курс для всех
  • Мини-курс: что на самом деле такое ИИ
  • Как работать с ChatGPT, Perplexity и топовыми ИИ-сервисами
  • Как читать и перепроверять результаты
И вот уже ИИ из абстракции становится ежедневным инструментом.
Этап 3: ИИ в каждом отделе
  • Операции — прогнозирование сбоев
  • Маркетинг — персонализация офферов
  • HR — найм и подбор с помощью ИИ-ассистента
Появляются привычки, по чуть-чуть копится библиотека промптов (запросов).
Этап 4: Партнёрства и внешние ресурсы
Внутренних экспертиз мало, значит, нужно привлекать внешних специалистов, которые:
  • Запускают проекты вместе с командой
  • Передают практики и менторят
  • Показывают, где грабли и где лайфхаки
Этап 5: Сделать обучение реальной частью культуры
В компании постепенно складывается ИИ-культура:
  • Вечера промптов — регулярные сессии по созданию и разбору эффективных запросов для ChatGPT и других моделей. Делимся инсайтами, учимся на живых кейсах.
  • Истории провалов — коллективно обсуждаем, где и почему ИИ не сработал, разбираем ошибки спокойно, чтобы учиться друг на друге, а не только на своих шишках.
  • Демо-сессии и обмен кейсами — атмосфера открытости и доверия, ускоряем обучение, снижаем страх перед экспериментами.
Результат? Уже через несколько месяцев у людей исчез страх ошибок, возникло ощущение общей миссии и поддержки.

Самое главное

Через полгода ИИ неожиданно обошёл лучшие ручные прогнозы на 15%, и руководство счастливо. Но настоящий успех совсем в другом: Лена видела, как
  • старшие сотрудники обучают новичков правильно читать выводы моделей,
  • комплаенс-офицеры самостоятельно пишут регламенты использования ИИ,
  • аналитики создают себе ИИ-ассистентов вообще без привлечения разработчиков.
Короче говоря, люди не просто приняли ИИ — они начали его осваивать, улучшать, тянуть систему под себя. А это и есть подлинная трансформация.
В любой ИИ-системе важнее всего не сама модель. Главное — человек, который умеет думать, не боится пробовать, выкладывает вопросы на стол и тащит команду вперёд. Всё остальное — лишь инструментарий.