AI-чемпион: кто на самом деле тянет внедрение внутри компании

О чём на самом деле отчёт, который цитируют ради 95%?

В августе 2025 года MIT Project NANDA опубликовал «The GenAI Divide: State of AI in Business 2025». Из него в оборот пошла одна цифра: при расходах бизнеса на генеративный AI в 30–40 миллиардов долларов 95% организаций не получили никакой отдачи.

Методику стоит прочитать до того, как опираться на цифру. Исследование держится на трёх опорах: систематический обзор более 300 публично описанных AI-инициатив, структурированные интервью с представителями 52 организаций и 153 анкеты руководителей, собранные на четырёх отраслевых конференциях. Авторы сами предупреждают, что проценты отражают выборку из 52 организаций и могут не описывать рынок в целом; к тому же определение успеха у разных компаний различалось.

Причину авторы называют без смягчений: главное препятствие — не интеграция, не бюджет и не нехватка специалистов, а организационный дизайн. В разделе о структуре команд формулировка ещё жёстче — успех зависит не столько от ресурсов, сколько от децентрализации полномочий с чётко назначенным владельцем.

Кто начинал самые успешные внедрения?

Многие из самых сильных корпоративных внедрений начинались с power users — сотрудников, которые уже экспериментировали с такими инструментами, как ChatGPT или Claude, ради собственной продуктивности.

— MIT Project NANDA, The GenAI Divide, 2025

Дальше в том же абзаце отчёт объясняет, почему именно они. Эти люди интуитивно понимали и возможности инструмента, и его пределы, а потому становились первыми чемпионами уже официально одобренных решений. Вместо того чтобы полагаться на центральную AI-функцию, успешные организации позволяли владельцам бюджетов и руководителям направлений самим поднимать проблемы, проверять инструменты и вести внедрение.

В выводах отчёта этот пункт стоит рядом с двумя другими: компании, которые преодолели «разрыв», покупали решения, а не строили сами; давали полномочия линейным руководителям, а не центральным лабораториям; выбирали инструменты, которые глубоко встраиваются в работу и меняются вместе с ней.

• требовали подгонки под внутренние процессы и собственные данные, а не универсального решения
• оценивали инструменты по операционному результату, а не по бенчмаркам моделей
• проходили ранние неудачи вместе с поставщиком, относясь к внедрению как к совместной эволюции
• брали идеи у линейных руководителей, а не у центральной лаборатории

Что показали сто компаний Every?

Natalia Quintero возглавляет консалтинговое направление в медиакомпании Every. По её словам, с тех пор как пришла в компанию, она поговорила более чем с сотней организаций — стартапы, хедж-фонды с миллиардами под управлением, креативные агентства, фонды прямых инвестиций, медиа — о трудностях с внедрением AI. В декабре 2025 года она описала, что слышит в этих разговорах почти слово в слово одно и то же: инструменты есть, несколько продвинутых пользователей есть, что делать дальше — непонятно.

Её диагноз расходится с ожидаемым. Проблема — в ясности: у руководителей нет сформулированного ответа, чего они хотят добиться, и поэтому они не могут сказать, где здесь место AI.

Автоматизировать можно только то, что вы способны чётко определить.

— Natalia Quintero, Every

Вторая половина её материала закрыта платной подпиской, поэтому здесь цитируется только открытая часть.

Какие три персоны тормозят внедрение — и какую легко проглядеть?

Когда Quintero разбирала, почему люди не пользуются AI на работе регулярно, у неё сложилось три типа.

• Скептики. Им неуютно с новой технологией, и они сомневаются, что она вообще сработает. Во многих компаниях сначала пользуются активно, а потом быстро бросают — когда доходит, что это новый навык и учиться придётся долго.
• Перегруженные. Инструменты есть, желание тоже может быть, но человек тонет в текущей работе. Один ответ из её интервью: «Если вы заговорите со мной о промпт-инжиниринге, я заплачу».
• Прыгуны по инструментам. Паралич анализа, замаскированный под прогресс: оценивают тридцать инструментов, меняют платформы, гонятся за релизами и не осваивают ни одного. Одна фирма рассказала, что у неё были трудности с загрузкой документов в ChatGPT, поэтому команды перешли на Perplexity. Инструмент сменился, проблема внедрения осталась.

Четвёртый тип ничего не тормозит — и именно поэтому его легко проглядеть. Every называет его одиноким продвинутым пользователем: человек нашёл, как AI меняет его работу, получает от этого реальную пользу и при этом полностью изолирован. Причина не в характере. AI не распространяется так, как другой софт: если кто-то один завёл команде таск-трекер, выигрывают все автоматически, потому что порядок в задачах виден со стороны и осваивать инструмент необязательно. С AI иначе — ваши промпты, ваши сценарии, ваши автоматизации построены вокруг вашего контекста и вашего способа думать. Они не переносятся.

Что именно делает AI-чемпион в реальном кейсе?

Самый подробный пример Quintero привела в подкасте Every «AI & I» (февраль 2026) — клиент из сферы прямых инвестиций. Партнёр фирмы, которого на странице выпуска называют Jonathan, сочетал две вещи, которые редко уживаются в одном человеке: техническое понимание AI и понимание человеческой динамики вокруг него. Второе означает, что он видел, как разные команды внутри одной фирмы движутся с разной скоростью — в зависимости от того, сколько у них остаётся ресурса на эксперименты.

Вместе с командой Every он сел с каждым инвестором фирмы и расписал в деталях всё, что тот делает: исследования, дью-дилидженс, картирование рынка, управление портфелем. По этой карте выбрали места, где рычаг самый большой. Самой затратной по времени оказалась задача — перебирать инвестиционные тезисы, накопленные более чем за десять лет, и применять к ним текущую стратегию. После того как к ChatGPT подключили нужные источники данных и провели их через набор собственных промптов, черновик инвестиционного меморандума стал занимать 30 минут вместо трёх недель.

Это возможно только тогда, когда внутри есть человек, который понимает все составляющие.

— Natalia Quintero, подкаст AI & I (Every)

Он не выбирал модель и не писал интеграцию. Он поговорил с каждым коллегой и составил карту работы — ровно то, чего не сделает ни подрядчик извне, ни руководитель сверху.

Почему тот же ответ нашёлся на двадцать три года раньше?

Когда Auspex разбирал, откуда взялась цитируемая всеми цифра о провале внедрений CRM, самым подробным из тех исследований оказалась совместная работа CRMGuru.com, Mangen Research Associates и Caribou Lake Customer-1, опубликованная в 2002 году. Она выделила четыре фактора, от которых зависит окупаемость. Вторым в списке стоит вовлечение линейных сотрудников.

Формулировка тогдашних авторов звучит так, будто написана про AI: заставить менеджера пользоваться инструментом нельзя, но можно показать, что система забирает у него часть работы, — а какую именно, выясняется, только если спросить его на этапе проектирования. Программного обеспечения среди этих четырёх факторов нет.

Кем AI-чемпион не является?

Когда компания решает «заняться AI», роль достаётся одному из четырёх. Системному администратору — он знает, как устроен софт, и не знает, как менеджер на самом деле ведёт сделку. Самому громкому энтузиасту — но энтузиазм не даёт права изменить регламент. Внешнему подрядчику, то есть нам, — а мы видим процесс ровно настолько, насколько его показали на аудите. Или человеку, назначенному приказом ответственным за цифровизацию, у которого от отсутствия этой автоматизации лично ничего не болит.

Если свести оба источника, узнать чемпиона можно по двум вещам, которых нет в должностной инструкции. Он делал эту работу руками и поэтому знает её в деталях, а не по описанию процесса. И он видит, что соседний отдел движется медленнее, но считает это разницей в запасе времени, а не саботажем. Два других признака — что человек уже что-то автоматизировал себе сам и что ему хватает полномочий изменить правило — проверяются вопросами ниже.

Как найти AI-чемпиона в команде на 10–200 человек?

Конкурс объявлять не нужно. Достаточно четырёх вопросов, и ответы на них в компании уже есть.

• Кто уже что-то автоматизировал себе сам, без вашего ведома? MIT называет это теневым AI и отмечает, что такая самодеятельность часто даёт лучшую отдачу, чем официальные инициативы, потому что показывает, что болит на самом деле.
• Кто из руководителей направлений может назвать число своего процесса сегодня — сколько заявок приходит за неделю, за сколько часов на них отвечают?
• Кто в последнем разговоре о новом инструменте говорил о своём процессе, а не о самом инструменте?
• У кого хватит полномочий изменить правило, а не только попросить об изменении?

Человек, который проходит все четыре вопроса, в команде на 10–200 человек один. Бывает, что ноль, — тогда внедрение стоит отложить, пока кто-то не появится. В Every при этом настаивают на обратной стороне той же медали: Dan Shipper говорит, что организация зайдёт в AI ровно настолько, насколько зашёл её руководитель, и делегировать это не получится. Одно другому не противоречит. Руководитель задаёт, как далеко можно зайти; чемпион — что именно поедет первым.

Почему подрядчик не заменяет чемпиона, а чемпион — подрядчика?

Auspex — компания по внедрению CRM и автоматизации бизнес-процессов: с 2015 года 1 500+ проектов для 1 200+ компаний. В нашем порядке работ первый шаг — разговор и наблюдение за тем, как бизнес работает на самом деле; демо системы показываем позже. Вопрос «кто у вас уже что-то наладил себе сам» задаётся там же, и ответ на него стоит дороже, чем кажется: он показывает, с какого процесса начинать.

Мы внедряем не «CRM», а один конкретный процесс, и у этого процесса со стороны заказчика должно быть имя владельца. Честный критерий приёмки звучит как «команда работает в CRM». Формулировка «воронка настроена» оставляет риск неиспользования на клиенте; одно слово разницы переносит этот риск на исполнителя. Без чемпиона внутри выполнить такой критерий трудно, и это стоит знать до подписания договора. Если следующим шагом после процесса идёт AI-агент, его строит Grow2.ai — наше AI-подразделение.

Как найти чемпиона внутри команды

• Выпишите, кто в вашей команде за последние три месяца сделал что-то с AI без задания от вас. Это список кандидатов, и он редко бывает длиннее двух фамилий.
• Выберите один процесс, который болит у этого человека лично, и назовите его сегодняшнее число.
• Дайте ему два часа в неделю в рабочее время и поставьте их в календарь — иначе они не появятся.

Последний пункт выглядит самым дешёвым и срывается чаще всего. Quintero сама попала в эту ловушку в конце 2025-го: дни были забиты встречами и клиентской работой, времени разобраться с новыми инструментами не оставалось. Выход она нашла за пределами рабочего дня — стала вставать в шесть утра и кодить вместе с инженером Every. Из этих утренних часов вырос агент по имени Claudie, который ведёт её проектный менеджмент: недельные затраты времени на эту рутину упали с пятнадцати часов до одного. До рабочего состояния дошли не сразу — по её словам, трижды доходили до 85% готовности, выбрасывали и начинали заново.

Если вы уже знаете, кто этот человек в вашей команде, следующий вопрос — какой один процесс запускать первым и какое у него число сегодня. Это предмет одного разговора, а не проекта: напишите нам название процесса, и мы разберём его на звонке. Как выглядит всё, что идёт после этого разговора, расписано в восьми шагах нашего внедрения.