Proeconomics

Экономист, директор по корпоративному обучения Школы управления Сколково Денис Конанчук – об управляемых моделях ИИ-трансформации - специально для Proeconomics По итогам конференции «Цифровая индустрия промышленной России» (ЦИПР) можно уверенно сказать: ИИ перестал быть темой про технологии. Он стал стресс-тестом для бизнеса. Повестка импортозамещения изменилась. Если год назад главный вопрос звучал, чем заменить SAP, Oracle и другие ушедшие решения, то сейчас логика другая. Компании уже не просто ищут замену иностранным продуктам. Они начинают проектировать собственные решения сразу в новой технологической парадигме — с ИИ, машинным обучением, цифровыми двойниками, генеративным проектированием и мультиагентными системами внутри. Экспорт российского ПО с ИИ впервые с 2022 года вырос на 15% - это первый сигнал смены модели. Важное замечание: на ЦИПРе часто звучало, что успешные проекты делались не в одиночку технологическими лидерами, а в партнёрстве с реальным сектором. Коллабы становятся главным способом быстрого роста в ИИ-повестке. На ЦИПР стало видно: у ИИ в промышленности появились измеримые эффекты. Так, Норникель говорит о текущем эффекте около 10 млрд ₽ в год и цели выйти минимум на 50 млрд ₽ к 2030 году. В авиастроении пилотные решения ускоряют синтез типовой конструкции в 11 раз и сокращают часть дорогих испытаний. ИИ начинает менять саму природу управления в промышленности. Раньше цифровизация часто означала: описать процесс, собрать данные, построить дашборд, дать руководителю больше прозрачности. Сейчас нарабатывается другая логика: система не только показывает состояние процесса, но и предлагает варианты решений, оптимизирует параметры, прогнозирует отклонения, собирает альтернативные сценарии. Это уже не “цифровой помощник”, а начало новой операционной модели. В 2025-м компании запускали ИИ-инициативы по принципу «завтра будет поздно», без общей логики. Сегодня они столкнулись с предсказуемыми последствиями. В компаниях параллельно идут десятки пилотов, и никто не управляет ими как портфелем. Только малая часть пилотов доходит до масштабирования. Отсюда тезис, который я сформулировал на сессии: ИИ не заменяет управление - он проверяет, есть ли оно. ИИ обнажает то, что в спокойные годы было незаметно: кто реально принимает решения, кто за них отвечает, где связь между функциями держится на конкретных людях, а не на процессах. Как только скорость растёт, эти разрывы становятся видны всем. Самая практичная модель управления ИИ, которую я увидел и услышал в разговорах с компаниями, сегодня выглядит так. Сначала - широкая фаза проб. Сотрудники получают возможность использовать ИИ на своих реальных задачах: в аналитике, продажах, разработке, производстве, клиентском сервисе. Затем - жёсткий отбор. Не все идеи должны идти в масштаб. Большинство экспериментов нужны не для внедрения, а обучения (сотрудников и системы управления). И только лучшие решения передаются профессиональным IT- и продуктовым командам, которые доводят их до промышленного масштаба. В этом смысле ИИ дал бизнесу новый инструмент сверхбыстрой и дешёвой проверки операционных и продуктовых гипотез. Но именно поэтому резко выросла цена управленческой слабости. Если нет архитектуры отбора, метрик и ответственности, компания получает не трансформацию, а ускоренный хаос. А с метриками и подтвержденными эффектами пока плохо: компании уже научились считать экономию человеко-дней или прирост продуктовых метрик благодаря ИИ, но дать целостный просчет ROI с учетом инфраструктуры, транзакционных затрат и потенциальных рисков никто не может. Поэтому главный нерв и повестка бизнеса на ближайшие годы: как перейти от удачных ИИ-экспериментов к управляемой ИИ-трансформации. Поэтому повестка большинства компаний в 2026-2027 года, скорее всего, сведётся к двум задачам: подтвердить измеримые эффекты ИИ в пилотах и нащупать управляемую модель ИИ-трансформации, то есть какими организационными шагами лучшие пилоты