Друзья, новый McKinsey Quarterly вышел. Хороший документ, угадайте про что он? Ну конечно про AI (немного устаешь от того, что теперь консультанты больше ни о чем не пишут, не так ли?)
Но тем не менее, тема хайповая, инсайты интересные, давайте смотреть
Кстати, параллельно посмотрел на новые отчёты Deloitte «State of AI 2026», прогнозы Gartner и материалы BCG Henderson Institute. Картина получилась впечатляющая: все топ-консалтинги сходятся в одном — 2026 год станет переломным для агентского AI (agentic AI). Это уже не хайп и не далёкое будущее. Это реальность следующих 12-18 месяцев.
Что говорят друзья из McKinsey: «Агентская организация» — крупнейший сдвиг со времён промышленной революции
Ну, собственно, ничего особо нового — все ждут агентов и их промышленного применения. Тут McKinsey называет это «агентской организацией» (agentic organization) — новой парадигмой, где люди работают бок о бок с виртуальными и физическими AI-агентами. Это не просто автоматизация процессов. Это переосмысление природы корпорации.
Пять столпов агентской организации:
- Business Model — AI-каналы для гиперперсонализации, AI-first процессы со стремлением к нулевым маржинальным затратам, проприетарные данные как ключевое конкурентное преимущество
- Operating Model — плоские сети агентских команд (agentic teams), где 2-5 человек управляют 50-100 AI-агентами, работающими над end-to-end процессами
- Governance — встроенный контроль в реальном времени, где агенты контролируют других агентов, но финальная ответственность остаётся за людьми
- Workforce, People & Culture — гибридная рабочая сила с новыми профилями: M-shaped супервайзеры (широкие генералисты), T-shaped эксперты (глубокие специалисты), AI-снаряженный рабочие
- Технологии и данные — распределённое владение IT и данными, agent-to-agent протоколы для упрощённой интеграции, динамичный выбор между «строить продукт» и «покупать готовое на рынке»
Главный посыл: 89% организаций всё ещё живут в индустриальной эре, 9% — в цифровой (agile), и только 1% работает как децентрализованная сеть. Время двигаться к агентской парадигме — сейчас. В общем, срочно, быстро, все бежим в новый век (ну не забываем позвать коллег-консультантов)
Что подтверждают другие консультанты: консенсус экспертов
Deloitte «State of AI 2026»:
- 23% компаний используют agentic AI сегодня → 74% планируют в течение 2 лет
- Но: только 21% имеют зрелую модель governance для управления AI-агентами
- Рынок agentic AI: $8.5 млрд (2026) → $45 млрд (2030)
Вывод Deloitte: технологии есть, но большинство компаний не готовы организационно. Ну, кстати и не только организационно, в моем секторе еще и с данными пока проблема. Ну и стоимость еще. Я бы сказал, что не только организационно, но еще и материально
Gartner прогнозы:
- 40% enterprise-приложений будут иметь встроенных AI-агентов к концу 2026 года (сейчас <5%)
- Потенциальный revenue от agentic AI: $450 млрд к 2035 году (30% всего AI-рынка)
- У CIO есть только 3-6 месяцев, чтобы определить стратегию
Вывод Gartner: окно возможностей узкое. Кто не начал сейчас — опоздает. (в общем, та же паника — срочно, быстро)
BCG Henderson Institute:
- Правило 10-20-70:
- 10% усилий — на алгоритмы и модели
- 20% — на технологии и данные
- 70% — на людей и процессы (вот это мне нравится)
- 30-50% рост эффективности от AI agents (при правильном внедрении)
- Фокус на role-based learning: Shapers, Leaders, Transformers, Frontline. Т.е. формирование ролей, знаний персонала первично
Вывод BCG: не начинайте с покупки AI-платформы. Начните с подготовки людей и перепроектирования процессов. Вот это звучит как разумный подход. Все так же важно, как и раньше компетенции людей, выстроенные процессы. То, что хорошо работает из без AI и автоматизации — то выиграет от новых технологий. А вот то, что без AI плохо работало — то улучшить не получится, просто внедрив какие-то новые инструменты
Сравнительная таблица: консенсус консультантов
| Источник | Главный вывод | Ключевые цифры | Главный риск |
|---|---|---|---|
| McKinsey Quarterly | Агентская организация — крупнейший сдвиг с промышленной революции | 5 столпов, domain owners, M/T-shaped профили | Линейная эволюция вместо экспоненциальной |
| Deloitte | Governance критичен для масштабирования | 23% → 74% за 2 года, но только 21% готовы | Пилоты без системы governance |
| Gartner | У лидеров 3-6 месяцев на стратегию | 40% apps к концу 2026, $450B к 2035 | Упущенное окно возможностей |
| BCG | 70% успеха — в людях, не в технологиях | 10-20-70 rule, 30-50% gains | Переоценка технологий, недооценка людей |
Вывод: Все согласны — agentic AI это не «может быть», это «будет». Вопрос не в технологиях, а в том, кто успеет подготовить организацию.
Но и тут же вывод в том, что все консультанты гонят организации срочно внедрять AI, при этом говорят о том, что неплохо бы сначала убедиться, что база есть (люди, процессы, процедуры и вот это вот все)
Ключ к успеху: «Domain Owners» — люди, которых нет
Один из самых сильных материалов в McKinsey Quarterly — статья «Building the AI Muscle of Your Business Leaders»
Главная проблема: нужны «domain owners» — руководители уровня N-2 и N-3 (два-три уровня ниже CEO), которые:
- Владеют сквозными бизнес-процессами (не функциональными силосами)
- Понимают и бизнес, и технологии
- Способны трансформировать домены с помощью AI
Реальность: По данным LinkedIn-анализа топ-500 компаний, только 17% навыков senior-лидеров — технические, и лишь 5% их карьеры включали технические роли.
Таких людей надо растить внутри, а не нанимать. McKinsey предлагает:
- Обучение на реальных проектах (capstone-проекты, работа с AI-командами), а не в классах
- Модель «два в одной коробке»: технический лидер + бизнес-лидер работают вместе
- Изменение операционной модели: инженеры встроены в бизнес-команды, а не сидят в изолированном IT
Из моего опыта: трансформации буксуют не из-за технологий, а из-за того, что бизнес-лидеры не понимают, как с ними работать, а IT-команда не понимает операционную реальность цеха. Domain owners — это мост между двумя мирами. Опять же, мысль не новая. Все это применимо и к «старым» терминам — автоматизация, цифровизация (теперь вот AI)
Стратегия vs. Исполнение: почему 79% компаний проигрывают
Ещё одна статья из Quarterly, которая меня зацепила: «How Strategy Champions Win»
Шокирующая цифра: только 21% компаний считают свою стратегию качественной (упало с 35% в 2010 году).
Почему? Исследование 400+ компаний показало: главная проблема — не design, а mobilization (перевод стратегии в действия, хотя звучит немного тревожно, не так ли?)
12 building blocks стратегии делятся на три фазы:
- Design — определение вызовов, оценка бизнеса, исследование bold moves, commitment
- Mobilization (здесь самый большой разрыв!) — назначение domain owners, перевод стратегии в инициативы, перераспределение ресурсов, встраивание в бюджеты
- Execution — управление performance, тестирование гипотез, адаптация, запуск нового S-curve
Strategy Champions (компании, поднявшиеся в топ-квинтиль) в 1.4-1.7 раза сильнее в mobilization, чем проигравшие.
Для тяжелой промышленности ,в которой я кручусь больше всего это означает:
- Мало разработать стратегию цифровизации
- Критично назначить конкретных domain owners на ключевые процессы
- Дать им ресурсы, полномочия и средства управления
- Измерять прогресс так же строго, как бизнес-метрики
Урок от Delta Airlines: «I don’t know» — самое сложное для лидера
В Quarterly есть интервью с Ed Bastian, CEO Delta Airlines (100-летняя компания). Одна фраза запомнилась:
«Saying ‘I don’t know’ is one of the hardest things a leader can do.»
Во время пандемии он каждую неделю говорил с десятками тысяч сотрудников, объясняя, что он знает и чего не знает. Это создало доверие.
Для металлургии (и любой традиционной отрасли): В эпоху AI вы не можете знать всё. Но вы можете создать культуру открытого обучения и экспериментов. Уязвимость строит доверие и смелость.
Delta — 100-летняя авиакомпания, которая готовится к следующему столетию. Наша отрасль тоже может. Но для этого нужна культура, где «не знаю, но давайте разберёмся вместе» — это норма, а не слабость.
В целом, это также не суперновая мысль, вся эта синяя и красная культура, «Бросай дедукцию, даешь продукцию» — это все актуально и без AI. А значит, если ваша компания не занимается культурой и открытостью, то AI, как подорожник, прикладывать к ней бесполезно
Что конкретно делать-то?
Ну, если все эти рекомендации обобщить, то что получается
1. Начните с «доменов» (сквозных процессов), а не с IT-проектов
Домен — это end-to-end бизнес-процесс или ценностный поток. Примеры для металлургии:
- Управление качеством продукции (от анализа состава руды до контроля качества готового металла)
- Оптимизация загрузки доменных печей
- Предиктивное обслуживание оборудования
- Логистика и управление запасами
Не делайте так: «Давайте внедрим AI-платформу во всей компании»
Делайте так: «Выберем 2-3 домена с наибольшим потенциалом ROI и назначим сильных domain owners» — фактически, владельцев процессов
2. Инвестируйте в domain owners, а не только в IT
По BCG правилу 10-20-70: 70% усилий — на людей и процессы.
Как вырастить domain owners:
- Отправляйте их на AI-иммерсии (квартальные сессии для топ-100)
- Давайте реальные проекты с AI-командами (не курсы!). Прям можно давать задачу оптимизировать процесс и давать команду для этой задачи. Тут я прям вижу типичного производственника, который, выныривая с очередной разносной планерки, погружается в мир AI. (ну да, это вот лидеры нового типа, они и в поле шашкой машут и могут управлять внедрением AI в своем цеху/подразделении)
- Будьте готовы ротировать 20-30% текущих лидеров, если они сопротивляются (хотя, возможно, стоит планомерно развивать персонал, так как в России, например, в целом, особо не наротируешься. Гонка зарплат, переманивание и все такое.)
3. Внедряйте AI там, где эффект быстро просчитывается
На конференциях по цифровизации, обычно одни и те же компании отчитываются, например о таких примерах
Норникель:
- Цифровой помощник операторов флотации (машинное зрение)
- Цифровой помощник конвертирования (анализ составов в реальном времени)
- Собственная LLM для металлургии и горнодобычи
РУСАЛ:
- Нейросеть для контроля электролизных ванн
- «Машинный слух» для глиноземных мельниц (виброакустика)
АЛРОСА:
- Машинное зрение для контроля крупности руды на конвейере
- Результат: +12 тыс. тонн руды за год
Северсталь:
- AI-мониторинг рудоспусков (анализ видео)
- Экономия: ~4 млрд рублей
Ну да, тут не все только про AI, что-то еще с прошлой волны «цифровизации» осталось. Но от этого не менее актуальные проекты
4. Решите проблему данных (это не гламурно, но критично)
Главный барьер в России: нехватка размеченных промышленных данных и разрозненные IT-системы.
Что делать:
- Инвестируйте в сенсоры и IoT (без них нет данных для AI)
- Создайте единую дата-платформу (не 10 разных систем)
- Наймите дата-инженеров для чистки и разметки данных
*Data governance — не гламурная тема, но без неё AI не взлетит. Не так давно понял важность именно структурированных данных. Сейчас тяжелая промышленность обрастает данными, но, очень часто это зоопарк разрозненных структур данных, которые очень тяжело связать вместе
5. Встройте управление AI с первого дня
По Deloitte: только 21% компаний имеют зрелую модель governance для AI.
Что делать:
- Внедрите governance by design: встроенный контроль, а не post-factum аудит
- Определите ответственность за действия агентов (кто отвечает, если агент примет неверное решение?)
- Используйте human-in-the-loop для критичных решений (т.е. в критичных точках система/процесс должен останавливаться и ждать проверки и подтверждения от человека)
McKinsey приводит пример: 80% организаций сталкивались с рисками от AI-агентов (неправильное раскрытие данных, несанкционированный доступ). Это не теория — это реальность пилотов.
Чему ещё учит McKinsey Quarterly: Continuous Reinvention
Статья «Change Is Changing» вводит концепцию четырёх уровней изменений:
- C1: Execute — тактические изменения (compliance)
- C2: Mobilize — изменения поведения (commitment)
- C3: Transform — системные изменения производительности
- C4: Reinvent — переосмысление идентичности компании
Главный вывод: Средний сотрудник сейчас переживает 10 программ изменений в год (рост в 5 раз за декаду). Люди выгорают.
Собственно, практические советы тут:
- Не запускайте 130 инициатив одновременно (кейс из статьи: CHRO банка сократила с 130 до 6)
- Фокусируйтесь на ключевых доменах
- Итеративный подход, постоянное «переизобретение процесов, продуктов» вместо одноразовых трансформаций
Почему я рекомендую прочитать эти материалы
McKinsey Quarterly Q1 2026 — это не просто кейсы. Это дорожная карта трансформации с конкретными building blocks.
Deloitte, Gartner, BCG дают независимое подтверждение: все видят одно и то же. Консенсус консультантов — редкость. Когда он есть — это сигнал.
Для руководителей горно-металлургических компаний это особенно ценно: наша отрасль консервативна, капиталоемка, с длинными циклами. Но именно поэтому выигрыш от AI здесь может быть огромным — если делать правильно.
Полезные ссылки:
📄 McKinsey Quarterly:
📊 Deloitte:
📈 Gartner:
🧠 BCG:
🇷🇺 Российская практика:
Комментарии