ИИ не внедряют. Им управляют

ИИ не внедряют. Им управляют

Максим Владимирович Гинзбург

© Максим Владимирович Гинзбург, 2026

ISBN 978-5-0069-2491-8

Создано в интеллектуальной издательской системе Ridero

ИИ не внедряют. Им управляют.

Как превратить искусственный интеллект в управляемую способность корпорации

Максим Гинзбург

Описание (аннотация)

ИИ стал доступным, дешёвым и мощным – и именно поэтому корпоративные инициативы массово проваливаются. Проблема редко в моделях или данных. Проблема в управлении: размытая ответственность, фейковый ROI, пилоты вместо способности, скорость без изменения бизнес-модели, риски без владельца. Эта книга – для CEO, совета директоров и топ-менеджмента, которые хотят превратить ИИ в управляемый актив, а не в набор экспериментов. Вы получите управленческую архитектуру из пяти слоёв, правила владения и контроля, принципы экономики ИИ на масштабе, модель работы ИИ-агентов как организационных единиц, а также чек-лист, который показывает: вы управляете ИИ или наблюдаете за ним. Это не «книга про технологию». Это руководство по корпоративному управлению новой производственной мощностью.

Жанры

– Бизнес-литература

– Менеджмент

– Стратегия

Теги

искусственный интеллект, управление, корпоративная стратегия, совет директоров, цифровая трансформация, риски, ROI, AI governance

Оглавление

Введение

Почему 90% корпоративных ИИ-инициатив проваливаются

Глава 1

ИИ не внедряют – им управляют

Глава 2

Пилоты – организованный самообман

Глава 3

Почему ИИ не становится бизнес-результатом

Глава 4

Ажиотаж – управленческая ловушка

Глава 5

ИИ – новая корпоративная инфраструктура

Глава 6

Архитектура управления ИИ: пять слоёв, которые нельзя пропустить

СЛОЙ 1: СТРАТЕГИЧЕСКИЙСЛОЙ 2: УПРАВЛЕНЧЕСКИЙСЛОЙ 3: ОРГАНИЗАЦИОННЫЙСЛОЙ 4: ЭКОНОМИЧЕСКИЙСЛОЙ 5: ТЕХНОЛОГИЧЕСКИЙ

Как слои работают вместе

Вопросы для совета директоров

Глава 7

Почему «центр компетенций» почти всегда проваливаетсяЧетыре типовые ошибки центров компетенцийРеальный сценарий: Телеком-компанияЧем заменить центр компетенцийСравнение моделейКогда центр компетенций работаетВопросы для совета директоров

Глава 8

Экономика ИИ: где деньги, а где иллюзии ROI

Почему фейковый ROI так популярен

Где реально создаётся ценность

Реальный сценарий: Страховая компания

Три типа ложного ROI

Как считать реальный ROI

Вопросы для CFO

Глава 9

ИИ-агенты как организационные единицы

Как это выглядит на практике

Управление ИИ-агентом

Изменение роли людей

Организационные последствия

Сопротивление

Как управлять переходом

Вопросы для совета директоров

Глава 10

Люди, процессы, ИИ: кто кем управляетТри модели взаимодействияПроблема размытой границыКак определить границуРеальный сценарий: Банк (правильная граница)Управление эволюцией границыПотеря экспертизыВопросы для руководителей

Глава 11

Почему сопротивление – индикатор плохого управленияПять причин «сопротивления»Реальный сценарий: Страховая компанияКак управлять переходомИндикаторы плохого управленческого дизайнаВопросы для руководителей

Глава 12

Риски ИИ: что реально опасно, а что – шум

Реальные риски

Как управлять рисками ИИ

Вопросы для совета директоров

Глава 13

Ответственность за решения ИИ: кто реально отвечает

Три модели ответственности (все неправильные)

Правильная модель: Владелец решений

Реальный сценарий: Банк

Что означает «отвечать»

Вопросы для совета директоров

Глава 14

Скорость как конкурентное преимущество (которое компании теряют)

Реальный сценарий: Два банка

Три типа скорости

Почему компании теряют преимущество скорости

Как превратить скорость в преимущество

Вопросы для CEO

Глава 15

Почему ИИ – вопрос уровня совета директоров

ИИ влияет на стратегические риски компании

ИИ влияет на конкурентоспособность

ИИ требует капитальных вложений

ИИ меняет операционную модель

ИИ создаёт новую ответственность

Что происходит, если совет директоров не вовлечён

Что должен делать совет директоров

Вопросы, которые совет директоров обязан задавать

Реальный сценарий: Производственная компания

Вывод

Глава 16

Какие вопросы совет директоров обязан задавать

Неправильные вопросы (типичные)

Правильные вопросы

Как задавать вопросы

Частота вопросов

Реальный сценарий: Телеком-компания

Вывод

Глава 17

ИИ-стратегия как часть корпоративной стратегии

Ошибка: ИИ-стратегия как отдельный документ

Что такое настоящая ИИ-стратегия

ИИ-стратегия как часть корпоративной стратегии

Как проверить, есть ли стратегия

Четыре типа ИИ-стратегий

Как встроить ИИ в корпоративную стратегию

Реальный сценарий: Логистическая компания

Вопросы для совета директоров

Вывод

Глава 18

2026—2028: годы массовых провалов ИИ-инициатив

Почему провалы неизбежны

Как будут выглядеть провалы

Признаки компаний, которые провалятся

Что будет с провалившимися компаниями

Почему провалы полезны

Как избежать провала

Вопрос для совета директоров

Вывод

Глава 19

Кто выживет и выиграет

Признак 1: Владелец уровня C-suite

Признак 2: ИИ встроен в корпоративную стратегию

Признак 3: Управляемые способности, а не пилоты

Признак 4: Процессы изменены, а не автоматизированы

Признак 5: Риски управляются системно

Признак 6: Экономика масштаба работает

Признак 7: Организация работает со скоростью ИИ

Признак 8: Совет директоров вовлечён

Как выглядят компании-победители

Что объединяет победителей

Разница между победителями и проигравшими

Вопрос для совета директоров

Вывод

Глава 20

Что делать уже сейчас

Решение 1: Остановиться и признать реальность

Решение 2: Назначить владельца

Решение 3: Создать стратегию (не список сценариев использования)

Решение 4: Построить управление

Решение 5: Пересчитать экономику

Решение 6: Выбрать первую способность для создания

Решение 7: Изменить процесс, а не автоматизировать

Решение 8: Вовлечь совет директоров

Решение 9: Установить правильные метрики

Решение 10: Определить timeline

Чек-лист для CEO (сделать в ближайшие 30 дней)

Вывод

Финал

ИИ не спасёт плохое управление. Но хорошее управление превратит ИИ в рычаг масштаба.

Что мы узнали

Главный вывод

Разделение корпораций

Что определяет, к какому типу вы относитесь

Последний вопрос

Выбор

Призыв к действию

Последняя мысль

ЧЕКЛИСТ ДЛЯ СОВЕТА ДИРЕКТОРОВ И CEO

Готова ли ваша компания управлять ИИ?

БЛОК 1: СТРАТЕГИЯБЛОК 2: ВЛАДЕНИЕ И УПРАВЛЕНИЕБЛОК 3: РЕЗУЛЬТАТЫБЛОК 4: ЭКОНОМИКАБЛОК 5: РИСКИБЛОК 6: ОРГАНИЗАЦИЯБЛОК 7: ВОВЛЕЧЁННОСТЬ СОВЕТА ДИРЕКТОРОВПОДСЧЁТ РЕЗУЛЬТАТОВ

СРОЧНЫЕ ДЕЙСТВИЯ (если результат <16 ✓)

КЛЮЧЕВОЙ ВОПРОС

Об авторе

Введение

Почему 90% корпоративных ИИ-инициатив проваливаются

За три года ИИ стал доступным. Дешёвым. Мощным.

Это создало главную иллюзию.

Корпорации решили: доступная технология = технический вопрос. План казался простым: выбрать поставщика, запустить пилот, создать центр компетенций, ждать результата.

Результата нет.

Цифры, которые не показывают на совете директоров

Внутренние аудиты крупных компаний показывают:

– ИИ-инициатив: сотни

– Управляемых результатов: единицы

– Демонстраций и презентаций: много

– Экономический эффект: локальный, нестабильный, не масштабируется

Главного нет: управляемой способности компании использовать ИИ.

**ИНСАЙТ ДЛЯ CEO** ИИ в корпорациях сегодня – не стратегия. Это набор экспериментов между IT, бизнесом и энтузиастами.

Где настоящая проблема

Не в качестве моделей.

Не в данных.

Не в людях.

Проблема в управлении.

ИИ – не «ещё одна технология». Это новая форма производственной мощности. Она влияет на:

– Скорость принятия решений

– Структуру процессов

– Распределение ответственности

– Экономику бизнеса

Большинство компаний проиграют. Не из-за «плохого ИИ». А из-за отсутствия системы управления им.

О чём эта книга

Не о том, как внедрять ИИ.

О том, почему привычные управленческие подходы перестают работать. И что должны сделать CEO и совет директоров, чтобы ИИ стал активом, а не источником хаоса.

**ИНСАЙТ ДЛЯ СОВЕТА ДИРЕКТОРОВ** Следующие 3 года разделят корпорации на два типа: те, кто управляет ИИ, и те, кто боится его после провала.

Глава 1

ИИ не внедряют – им управляют

Фраза «внедрение ИИ» стратегически неверна.

Её используют как «внедрение ERP» или «внедрение CRM». Но ИИ – другой класс явления.

Он не фиксирует процессы. Он влияет на решения.

А там, где решения – там ответственность, риски и власть.

Типичная ошибка корпораций

Когда компания говорит «мы внедряем ИИ», на практике это означает:

– IT запускает инструменты

– Бизнес ждёт быстрый эффект

– Руководство наблюдает со стороны

Никто не управляет ИИ как системой.

Результат предсказуем

– Десятки инициатив без общего замысла

– Модели принимают решения, за которые никто не отвечает

– Экономический эффект только «на слайдах»

– Масштабирование не происходит

ИИ нельзя «внедрить» и оставить. Им нужно управлять постоянно.

Как финансами. Как рисками. Как безопасностью.

**ИНСАЙТ ДЛЯ CEO** Управление ИИ – это ответы на неудобные вопросы. Где ИИ имеет право влиять на решения? Кто несёт ответственность за его ошибки?

Неудобные вопросы, которые нужно задать

Стратегический уровень:

– Где ИИ имеет право влиять на решения, а где – нет?

– Кто несёт ответственность за результат работы ИИ?

– Как измеряется ценность, а не активность?

Организационный уровень:

– Что централизовано, а что отдано бизнесу?

– Как ИИ вписывается в стратегию компании?

Большинство компаний эти вопросы не задают.

Не потому что не хотят. А потому что не считают ИИ управленческой темой.

Где застрял ИИ

Между функциями:

– Для IT – это технология

– Для бизнеса – инструмент

– Для HR – угроза или автоматизация

– Для юристов – риск

– Для CEO – «что-то важное, но не срочное»

Это ключевая ошибка.

Когда ИИ становится преимуществом

Не тогда, когда компания запускает пилоты.

А тогда, когда меняет способ управления: скоростью, решениями, масштабом.

Компании, которые этого не сделают, будут выглядеть современными – и проигрывать системно.

**ДЕЙСТВИЕ ДЛЯ CEO** В ближайшие 30 дней: провести аудит всех ИИ-инициатив. Вопрос один: «Есть ли у каждой инициативы владелец уровня C-suite?» Если нет – остановить до назначения.

Глава 2

Пилоты – организованный самообман

Пилот – любимое слово корпораций.

Он даёт иллюзию движения без риска обязательств. Можно «попробовать». Можно «протестировать». Можно показать совету директоров: «мы занимаемся ИИ».

Именно поэтому пилоты убивают стратегию.

Анатомия типичного пилота

Сценарий одинаковый в 90% случаев:

– Бизнес или IT находят «интересный сценарий использования»

– Формируется команда на 3—6 месяцев

– Пилот даёт результат – иногда впечатляющий

– Дальше ничего не происходит

Пилот не масштабируется. Не встраивается в процессы. Не становится частью операционной модели.

Он остаётся изолированным успехом.

**ЦИФРЫ РЕАЛЬНОСТИ** Через год в компании таких пилотов – десятки. Через два – сотни. Ни один не стал управляемой способностью.

Почему пилот – неправильный инструмент для ИИ

Пилот работает когда:

– Технология зрелая и предсказуемая

– Процесс не меняется, только автоматизируется

– Решение можно «включить» и «выключить» без последствий

– Результат измерим локально

ИИ не соответствует ни одному условию.

ИИ:

– Влияет на принятие решений

– Требует изменения процессов и ролей

– Создаёт зависимости

– Даёт эффект только при масштабе

Пилот ИИ создаёт иллюзию: можно попробовать без изменений. Нельзя.

Кейс: Крупный банк (без названия)

Задача: Автоматизировать обработку заявок через ИИ

Решение: Пилот в одном регионе, 500 заявок/неделю

Результат пилота:

– 80% заявок обработаны корректно

– Время обработки: с 2 дней до 4 часов

– Команда получила премии

– Презентация на совете директоров прошла успешно

Что случилось при масштабировании:

– Другие регионы: не работает (другие форматы данных)

– Основной процесс: сопротивление («Кто отвечает за ошибки ИИ?»)

– Поддержка: IT не готово поддерживать модель

Итог через год:

Пилот заморожен. Потрачено 2 млн рублей. Системного эффекта ноль.

**ИНСАЙТ ДЛЯ CEO** Ошибка не в пилоте. Ошибка в том, что пилот заменил стратегию.

Управленческие вопросы, которые не задали

До запуска пилота не было ответов:

Стратегический слой:

Зачем компании нужна способность автоматически обрабатывать заявки? Как это меняет конкурентную позицию?

Управленческий слой:

Кто владелец этой способности? Кто отвечает за качество решений ИИ? Какие правила остановки?

Организационный слой:

Как меняются роли операционной команды? Кто обучает ИИ? Кто контролирует качество?

Экономический слой:

Какова полная стоимость владения? Как экономика работает при масштабе?

Вместо ответов – запустили пилот. Пилот дал локальный успех. Но не создал ни одной управляемой способности.

Психология пилота: почему их так любят

Пилот удобен. Он откладывает неудобные решения:

– Не нужно менять структуру – «сначала проверим»

– Не нужно назначать владельца – «посмотрим, как пойдёт»

– Не нужно считать полную экономику – «пилот же дешёвый»

Пилот создаёт иллюзию прогресса без управленческой ответственности.

Но ИИ так не работает.

ИИ требует управленческих решений до запуска, а не после.

Ловушка масштабирования

Самая опасная фраза после успешного пилота: «Теперь давайте масштабировать».

Масштабирование пилота – не увеличение количества пользователей.

Это изменение всей операционной модели компании.

Масштабирование означает:

– Изменение ролей и ответственности

– Интеграцию с основными процессами

– Создание системы контроля качества

– Управление рисками на уровне компании

– Поддержку и развитие модели

Ни одна из этих задач не решается в пилоте.

**РЕАЛЬНОСТЬ МАСШТАБИРОВАНИЯ** Технология работает, но организация – нет. Экономика разваливается при росте. Риски становятся неуправляемыми. Никто не знает, кто отвечает.

Цена пилотов

Крупная корпорация в среднем имеет:

– 20—50 активных ИИ-пилотов

– 50—100 завершённых пилотов

– 10—20 пилотов «в ожидании масштабирования»

Средняя стоимость пилота: 0,5—3 млн рублей.

Итого: 50—300 млн рублей за 2—3 года.

Управляемых способностей: 0—2.

Это не инвестиция в ИИ. Это плата за отсутствие управленческой стратегии.

Альтернатива: правильная последовательность

Подход «пилот сначала» (неправильный):

Технология → Локальный успех → Попытка масштабирования → Провал → Новый пилот

Подход «управление сначала» (правильный):

Стратегия → Управление → Организация → Экономика → Технология → Масштаб

В первом случае компания тратит деньги на иллюзию.

Во втором – создаёт управляемый актив.

Три вопроса для совета директоров

Когда на заседании появится презентация «успешный пилот ИИ», задайте:

1. Кто владелец этой способности в компании?

Если ответ «команда пилота» – это не способность компании.

2. Как выглядит экономика при масштабе?

Если ответ «посчитаем после масштабирования» – масштабирования не будет.

3. Что изменится в организации?

Если ответ «ничего, просто автоматизация» – ИИ не работает так.

Если на эти вопросы нет чётких ответов – это не управление ИИ, это управляемый самообман.

**ДЕЙСТВИЕ ДЛЯ CEO** Правильный вопрос не «какой пилот запустить следующим», а «какую управляемую способность мы создаём и зачем». Ответ на этот вопрос – задача CEO и совета директоров, не IT.

Глава 3

Почему ИИ не становится бизнес-результатом

ИИ работает. Демонстрации впечатляют. Технология зрелая.

Но бизнес-результата нет.

Не потому что ИИ плохой. А потому что между технологией и бизнесом – управленческий вакуум.

Разрыв, которого не видят

В корпорациях существуют три мира, которые почти не пересекаются:

Мир IT: «Мы внедрили модель. Она работает с точностью 85%. Инфраструктура готова».

Мир бизнеса: «Где экономический эффект? Почему процесс не ускорился? Когда можно масштабировать?»

Мир управления: «Кто отвечает за решения? Какие риски? Как это связано со стратегией?»

Каждый мир говорит на своём языке. Каждый ждёт, что другие решат его вопросы.

Никто не решает.

**КЛЮЧЕВАЯ ПРОБЛЕМА** IT создаёт технологическую возможность, а не бизнес-результат. А компания ждёт от IT того, что IT не может дать.

Почему IT не может закрыть разрыв

IT делает свою работу отлично:

– Модель обучена

– API работает

– Инфраструктура масштабируется

Но IT не отвечает за бизнес-процесс. И не должен.

Чтобы технология стала результатом, нужны:

– Изменённые процессы

– Новые роли и ответственность

– Правила принятия решений

– Система контроля качества

– Управление рисками

Это не задачи IT. Это управленческие задачи. И они остаются нерешёнными.

Почему бизнес не может закрыть разрыв

Бизнес знает, что нужно:

– Быстрее обрабатывать заявки

– Точнее прогнозировать спрос

– Персонализировать предложения

Но бизнес не понимает, как ИИ работает изнутри.

Для бизнеса ИИ – чёрный ящик:

– Почему модель приняла это решение?

– Когда она ошибается?

– Можно ли ей доверять в критических ситуациях?

– Кто отвечает, если результат неверный?

Без ответов бизнес не может принять ИИ в процесс.

Результат:

– ИИ остаётся «помощником», а не частью процесса

– Решения ИИ всё равно проверяются вручную

– Экономический эффект минимальный

– Масштабирование невозможно

Кейс: Ритейл-компания

Задача: Прогнозирование спроса с помощью ИИ для оптимизации закупок

Что сделал IT:

Внедрил модель машинного обучения. Точность прогноза 92% (против 78% у старой системы).

Что сделал бизнес:

Получил прогнозы от ИИ. Но продолжил корректировать их вручную, «на основе опыта».

Почему:

– «ИИ не учитывает региональную специфику»

– «В прошлом месяце модель ошиблась на 15%»

– «Мы знаем наших клиентов лучше»

Результат:

Модель работает. Но бизнес ей не доверяет. Процесс не изменился.

Потрачено: 5 млн рублей.

Получено: 0 рублей.

**НАСТОЯЩАЯ ПРОБЛЕМА** Не было управленческого решения о том, какие решения ИИ принимает автономно, а какие требуют проверки.

Четыре управленческих решения, которые не приняли

1. Какие решения ИИ принимает автономно

В каких ситуациях прогноз ИИ становится решением без проверки человеком?

2. Какие решения требуют проверки

По каким критериям модель эскалирует решение человеку?

3. Кто отвечает за качество

Если ИИ ошибся – кто несёт ответственность? Как измеряется качество?

4. Как меняется роль людей

Что теперь делают закупщики, если прогноз делает ИИ?

Этих решений не приняли, потому что никто не считал, что это его зона ответственности.

Управленческий вакуум

Это главная проблема корпоративного ИИ: управленческий вакуум между технологией и бизнесом.

В этом вакууме:

– Никто не принимает решения о правилах использования ИИ

– Никто не меняет процессы

– Никто не управляет рисками

– Никто не измеряет реальную ценность

ИИ существует. Но не работает.

Почему вакуум появляется

Раньше корпорации внедряли системы, которые:

– Автоматизировали процессы (ERP, CRM)

– Ускоряли коммуникацию (email, мессенджеры)

– Хранили данные (базы данных, хранилища)

Все эти системы – исполнительные. Они делают то, что им сказали.

ИИ – другой. Он принимает решения.

А там, где решения – нужны правила, ответственность, контроль.

Корпорации не привыкли управлять инструментами, которые принимают решения. Поэтому применяют старые управленческие модели к новому явлению.

И получают вакуум.

**ЧТО ЗАПОЛНЯЕТ ВАКУУМ** Энтузиазм без правил. Сопротивление без причины. Имитация без результата. Хаос без стратегии.

Как закрыть разрыв: три обязательных решения

1. Назначить владельца ИИ на уровне компании

Человек (или функция), который отвечает за то, как ИИ используется во всей компании. Не «центр компетенций». Не «рабочая группа». Владелец с полномочиями и ответственностью.

2. Определить правила использования ИИ

Где ИИ принимает решения автономно. Где требует проверки. Где не используется принципиально. Это не технический документ. Это управленческая политика.

3. Встроить ИИ в процессы, а не добавить к ним

Процесс должен измениться. Роли должны измениться. Ответственность должна измениться. Если ИИ «добавили» к старому процессу – он не работает.

Вопрос для CEO

«Кто в компании отвечает за то, как ИИ превращается в бизнес-результат?»

Если ответ: