Тендеры и лиды
Информация
Когда компании начинают обсуждать искусственный интеллект, разговор почти всегда сводится к одному вопросу: заменит он человека или нет?
На конференции Kaiten «AI в управлении компанией: тренды 2026» консультант по целеполаганию, организационным структурам и производственным процессам Андрей Гирин предложил посмотреть на ситуацию под другим углом. По его мнению, главный эффект AI заключается не в сокращении людей, а в изменении их роли.
Искусственный интеллект уже умеет анализировать данные, декомпозировать задачи, искать закономерности и готовить варианты решений. Но чем больше работы он берет на себя, тем важнее становится роль человека, который принимает окончательное решение и отвечает за последствия.
Полная запись выступления Андрея Гирина и других спикеров доступна на Rutube и YouTube каналах Kaiten.
Любое управление строится по одному и тому же принципу: постановка целей, планирование, организация работы, контроль и корректировка результата. Именно в эти процессы сегодня постепенно встраивается искусственный интеллект. Если совсем упростить, то это все те же «кнут и пряник» — и умение вовремя использовать каждый из них.
По оценкам «Яков и партнеры» и PwC, экономический эффект от AI уже измеряется триллионами долларов в мире и триллионами рублей в России. Причем прогнозы на 2026 год эти цифры только увеличивают.
Но самое интересное происходит даже не на уровне технологий, а на уровне ролей внутри компании.
Раньше руководитель тратил значительную часть времени на подготовку информации: собирал данные, уточнял статусы, строил планы и распределял задачи. Теперь значительную часть этой работы способен выполнить AI.
При этом ответственность никуда не исчезает. Наоборот — она становится заметнее. Если раньше ошибка могла быть следствием нехватки информации, то теперь руководитель принимает решение, имея перед глазами гораздо больше данных и рекомендаций.
Иными словами, AI снимает с человека рутину, но не снимает ответственность за выбор.
По мере того как AI берет на себя все больше задач, меняется и роль руководителя. Его ценность все меньше определяется скоростью обработки информации и все больше — способностью интерпретировать результаты, учитывать контекст и принимать окончательные решения.
Чтобы объяснить эту мысль, Андрей привел несколько примеров из реальных проектов.
Пример 1. В одной компании, которая занимается аутсорс-разработкой, команде нужно было запустить новую платформу электронной коммерции. Вместо привычной декомпозиции задач руководитель проекта загрузил в LLM требования к продукту, ограничения по платформе и данные о предыдущих проектах. Затем попросил модель разложить работу на сценарии, построить диаграмму Ганта и учесть зависимости между задачами и необходимыми компетенциями.
С первой попытки результат оказался неидеальным. Но это не стало проблемой: модель все равно подготовила неплохую основу, которую команда затем проверила и доработала.
По сути, AI выполнил ту часть работы, которая раньше занимала часы ручного анализа. Руководитель проекта при этом никуда не исчез — он просто перестал тратить время на механическую подготовку и сосредоточился на проверке и принятии решений.
Пример 2. Еще один пример — AI-ассистент для общения со стейкхолдерами. Он отвечал на вопросы о сроках, рисках и статусе проекта. Конечно, он не заменял руководителя полностью — сложные вопросы по-прежнему требовали участия человека. Но большую часть типовых запросов система закрывала самостоятельно — без помощи человека.
Есть и менее очевидные сценарии использования. Андрей рассказал, что однажды загрузил корпоративную переписку команды в ChatGPT и попросил модель проанализировать коммуникацию. AI предположил, что между двумя сотрудниками существует конфликт, а один из специалистов может вскоре покинуть компанию.
С конфликтом модель ошиблась — обсуждение оказалось обычным рабочим спором. Зато второе предположение оказалось неожиданно точным: спустя 1,5 месяца сотрудник действительно уволился.
Все эти истории показывают одну тенденцию. AI все чаще берет на себя аналитическую и подготовительную работу:
обрабатывает большие объемы данных;
отвечает на типовые вопросы;
ищет закономерности;
готовит первые версии решений.
Но на следующем этапе неизбежно появляется человек. Именно он проверяет выводы модели, учитывает контекст и принимает окончательное решение.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13590 тендеров
проведено за восемь лет работы нашего сайта.
Причина не только в технологиях, но и в природе самих языковых моделей: они работают на вероятностях, а не на понимании контекста. Поэтому ошибки неизбежны — вопрос лишь в том, насколько критичными они окажутся.
Самые распространенные риски уже хорошо знакомы рынку:
Галлюцинации. Один из самых известных случаев произошел в США, когда адвокат попросил языковую модель подготовить материалы к судебному процессу. AI уверенно составил список прецедентов с номерами дел и решениями судов. Позже выяснилось, что значительная часть этих документов никогда не существовала — модель их просто придумала. В результате адвокат лишился лицензии.
Предвзятость. Компания Amazon одной из первых использовала AI для оценки кандидатов при найме сотрудников. Позже выяснилось, что система систематически занижала рейтинг людей с определенными именами, перерывами в карьере после декрета и дипломами менее известных университетов. Однако тут важная деталь: модель не создала эту проблему сама — она лишь усилила закономерности, которые уже содержались в исторических данных компании.
Информационная безопасность. Еще один риск связан с утечкой данных. Однажды из-за ошибки разработчиков Microsoft в открытый доступ попали десятки терабайт внутренних данных компании. Если подобные инциденты происходят даже у крупнейших технологических игроков, то при внедрении собственных AI-решений вопросам безопасности необходимо уделять еще больше внимания.
Означает ли это, что от искусственного интеллекта стоит отказаться? Скорее наоборот. В то же самое время не стоит забывать, что любая новая технология приносит не только возможности, но и новые риски. Вопрос лишь в том, как выстроить процессы так, чтобы эти риски оставались под контролем.
Есть одна аналогия, к которой Андрей возвращается чаще всего, когда говорит об искусственном интеллекте, — автопилот Tesla.
Можно поручить модели анализ рынка, подготовку финансового прогноза или расчет тарифов. Можно попросить ее предложить стратегию развития продукта или оценить риски проекта. Но решение о том, использовать эти рекомендации или нет, принимает руководитель.
Неважно, кто подготовил документ — стажер, аналитик или LLM. Если человек подписал решение и ввел его в действие, ответственность остается на нем.
По сути, AI меняет распределение труда, но не распределение ответственности. Чем больше решений готовит алгоритм, тем выше требования к человеку, который их утверждает. Именно поэтому роль менеджера постепенно смещается от исполнения к контролю и интерпретации.
Сам Андрей сформулировал это предельно просто:
Из выступления Андрея можно сделать еще один вывод: наибольшую пользу AI приносит там, где не пытается заменить человека в принятии решений, а берет на себя подготовительную и рутинную работу. Именно по такому принципу сегодня работает и Kaiten AI: система использует нескольких AI-агентов, каждый из которых отвечает за свой набор задач:
AI-ассистент подключается к встречам, делает транскрибацию разговора, фиксирует договоренности и автоматически создает задачи. То, что раньше приходилось разбирать вручную после созвона, теперь выполняется автоматически.
AI Research помогает искать информацию по данным компании в формате обычного диалога. Вместо построения отчетов и поиска данных в разных источниках достаточно задать вопрос — система сама найдет нужные сведения.
Еще один инструмент — Kaiten Flow. Он помогает создавать рабочие пространства и настраивать автоматизацию процессов по описанию на естественном языке.
Сейчас Kaiten AI доступен всем пользователям облачной версии платформы для управления проектами Kaiten — сразу после регистрации.
История развития технологий показывает, что автоматизация редко уничтожает профессии полностью. Гораздо чаще она меняет содержание работы. Например, когда появились Excel и 1С, бухгалтеры не исчезли — но они перестали вручную считать тысячи строк и начали заниматься анализом, контролем и финансовым управлением.
Он не отменяет менеджеров, аналитиков или руководителей проектов. Он лишь забирает рутинные операции — поиск информации, подготовку документов, анализ данных и первичную обработку задач.
Человеку остается то, что пока невозможно делегировать машине: понимать контекст, выбирать между несколькими вариантами и принимать ответственность за последствия.
Сегодня гораздо важнее спросить себя: что в вашей работе действительно требует человеческого решения, а что уже сегодня можно безболезненно передать искусственному интеллекту.
Похоже, именно от ответа на этот вопрос и будет зависеть роль управленца в ближайшие годы.
