«Культура съедает стратегию на завтрак. А хаотичные процессы съедают AI на обед — вместе с бюджетом и энтузиазмом команды.»
— перефразируя Питера Друкера
Однажды в 1993 году…
Однажды в 1993 году два консультанта из Бостона, Майкл Хаммер и Джеймс Чампи, выпустили книгу, которая взорвала корпоративный мир. «Reengineering the Corporation» стала бестселлером почти мгновенно. Идея казалась революционной: забудьте про постепенные улучшения — сожгите старые процессы дотла и перепроектируйте бизнес с чистого листа. Уже к 1994 году, согласно опросу CSC Index, 69% американских компаний запустили хотя бы один реинжиниринговый проект. К середине 90-х американские компании тратили на BPR (Business Process Reengineering) около $22 миллиардов в год.
Чем это закончилось? Большинство проектов провалились. Консультанты рисовали красивые схемы «целевых состояний», которые не учитывали тысячи мелких исключений, накопленных в реальных процессах годами. Руководители объявляли войну бюрократии, но не понимали, что часть этой «бюрократии» на самом деле держала компанию от коллапса.
Прошло тридцать лет. Сейчас у нас новый хайп — искусственный интеллект. И мы наступаем на те же грабли. Только теперь они дороже. Об этом меня заставила задуматься вот эта статья
Цифры, от которых стоит протрезветь
Прежде чем говорить о том, почему так происходит, давайте посмотрим на факты. Они неприятные, зато честные.
- 80%+ AI-проектов в индустрии провалились — это данные исследования RAND Corporation 2024 года, основанного на интервью с 65 опытными дата-сайентистами. Причём провал здесь — не технический: модели работают. Провал организационный.
- 74% компаний не получили никакой измеримой ценности от инвестиций в AI, несмотря на совокупные вложения в $252 миллиарда в 2024 году — данные BCG.
- 42% компаний к середине 2025 года бросили большинство своих AI-инициатив. Годом ранее таких было только 17% — показатель вырос в 2.5 раза за один год по данным S&P Global.
- Только 5% компаний достигают реального масштабирования AI с измеримым влиянием на P&L — MIT NANDA Initiative, 2025.
- Только 1 из 5 организаций имеет достаточную операционную зрелость для успешного внедрения AI и автоматизации, хотя 78% планируют крупные инициативы в этой области — исследование GBTEC, 2025.
И вот свежайшие данные: исследование технологической консалтинговой компании Wavestone (опрос более 200 IT-руководителей крупнейших британских организаций, июнь 2026 года) показывает: 79% компаний сообщают о «сильном или очень сильном» спросе на AI. При этом 7 из 10 компаний не построили операционные модели, необходимые для его масштабирования. Спрос есть. Готовности — нет.
Это не технологическая проблема. Это структурная.
Почему процессы — это не скучно, а фундаментально
Есть распространённое заблуждение: процессы — это что-то для операционных директоров и ISO-аудиторов. Что-то формальное, бюрократическое, противоположное «живой» работе. На самом деле процессы — это просто зафиксированные ответы на вопрос: «Кто, что, когда и как делает, чтобы достичь результата?»
Когда процесс не зафиксирован, это не значит, что его нет. Он есть — просто живёт в головах конкретных людей. Уйдёт Иван Петрович — уйдёт и процесс. Придёт новый директор — и процесс изменится без всяких решений. Это называется «управление через людей», и оно работает… пока компания маленькая, а среда стабильная.
В больших компаниях, работающих в сложных условиях, отсутствие явных процессов создаёт три системных проблемы:
🔹 Дублирование и конкуренция внутри компании. Разные подразделения делают одно и то же по-разному или, что хуже, борются за «право» делать что-то одно. Это не злой умысел — это следствие размытых функций и отсутствия чётких зон ответственности.
🔹 Невозможность измерить эффективность. Если процесс не описан, как вы поймёте, что он работает хорошо или плохо? Метрики есть — но они измеряют результат, а не то, что к нему привело. Это как оценивать качество кухни только по счёту в ресторане, не заглядывая внутрь.
🔹 Невозможность автоматизации. И вот здесь мы подходим к главному. AI, автоматизация, цифровизация — всё это требует одного: чёткого понимания того, какое решение принимается, на каком основании, кем и что происходит дальше. Алгоритм — это формализованный процесс. Если процесс не формализован в голове человека, его нельзя формализовать в коде.
Маятник, который качается тридцать лет
Есть интересный исторический паттерн. Корпоративный мир раз в 10–15 лет проходит один и тот же цикл:
Фаза 1 — хаос. Компания растёт быстро, процессы не успевают формализоваться, каждый делает как умеет. Это эффективно на коротком горизонте: гибко, быстро, адаптивно.
Фаза 2 — осознание проблемы. Появляются дублирование, конфликты, потери. Кто-то наверху говорит: «Нужен порядок». Нанимают консультантов. Рисуют схемы. Внедряют регламенты.
Фаза 3 — маятник в другую сторону. Регламентов становится слишком много. Они устаревают быстрее, чем обновляются. Бизнес говорит: «Всё это бюрократия, она нас тормозит». Регламенты перестают соблюдаться.
Фаза 4 — новый хаос. И круг замыкается.
BPR в 90-е был попыткой разорвать этот круг — радикально. Не получилось. Потом пришли Lean и Six Sigma — более мягкие, итеративные подходы. Потом Agile, который вообще объявил войну документации. Сейчас — AI-трансформация.
Каждый раз основная ошибка одна и та же: новый инструмент внедряется поверх нереформированных процессов. И каждый раз это заканчивается одинаково.
Как сформулировал Гонсало Гонсалес, партнёр Wavestone: «Многие организации воспринимают AI как технологическое обновление, но не проводят необходимую трансформацию операционной модели для создания устойчивой ценности. Пилоты часто проваливаются не потому, что AI недостаточно хорош технически, а потому что с первого дня не выстроены правильные обучение, управление и управление изменениями».
Операционная модель: что это такое на самом деле
«Операционная модель» — термин, который часто звучит как корпоративный жаргон. Давайте обозначим, что за ним стоит.
Операционная модель — это система, описывающая:
- Какие решения принимаются в компании и на каком уровне
- Кто за что отвечает — не формально по оргчарту, а фактически
- Как взаимодействуют подразделения — кто кому что передаёт и в какие сроки
- Как измеряется результат каждого процесса и каждого подразделения
- Где находятся узкие места и кто уполномочен их устранять
Обратите внимание: это не процессная документация в смысле многостраничных регламентов. Это ответы на базовые вопросы о том, как устроено принятие решений и потоки работы. Это разница между картой и справочником улиц.
Компания без явной операционной модели работает — но непредсказуемо. Одно и то же решение в разных подразделениях принимается по-разному. Один и тот же вопрос в зависимости от того, кто его задаёт и кому, получает разные ответы. Координация происходит через личные связи, а не через систему.
Это работает, когда:
- Компания маленькая (все знают всех)
- Среда стабильная (вчерашний опыт применим сегодня)
- Нет амбиций масштабировать что-либо быстро
Ни одно из этих условий не актуально для компаний, которые хотят внедрять AI.
AI как рентген операционной модели
Вот парадоксальная истина: AI не создаёт проблемы с операционной моделью — он их обнажает. И делает это жёстко и быстро.
Когда вы пытаетесь автоматизировать какой-то процесс, первый вопрос, который задаёт команда внедрения: «Опишите нам этот процесс». И здесь начинается самое интересное. Выясняется, что:
- В разных регионах/заводах/подразделениях процесс идёт по-разному
- «Официальный» процесс и реальный существенно отличаются
- Ключевые решения принимаются на основании неформальных договорённостей
- Данные, необходимые для автоматизации, существуют в 5 разных системах в несовместимых форматах
- Никто не знает, кто является «владельцем» этого процесса
Исследование GBTEC 2025 года идентифицирует шесть ключевых факторов готовности к AI: зрелость процессов, управление процессами, выравнивание с корпоративной архитектурой, интегрированное управление рисками, готовность к автоматизации и собственно AI-готовность. Заметьте: только последний пункт из шести имеет прямое отношение к технологиям AI. Пять из шести — про организацию.
Успешные компании, по данным McKinsey 2025 года, в 2 раза чаще перепроектировали рабочие процессы до выбора AI-инструментов. Не после. До. Это принципиальная разница в логике мышления.
Кризис как отмазка и как возможность
Здесь важно поговорить честно о кризисном аргументе. Он звучит так: «Сейчас не время заниматься операционными моделями — у нас кризис, надо выживать, резать расходы, принимать быстрые решения».
Этот аргумент понятен. И он частично справедлив. В острой фазе кризиса действительно не до долгосрочного реинжиниринга.
Но есть две проблемы с этой логикой.
Первая: кризис не заканчивается. Для большинства компаний «кризисный режим» — это не временная фаза, а перманентное состояние. Если откладывать работу с операционной моделью до «лучших времён», эти времена никогда не наступят.
Вторая: кризис — это как раз момент, когда неэффективность операционной модели стоит дороже всего. Когда ресурсов мало, цена дублирования функций, размытой ответственности и неправильных решений — максимальная. Компании, которые в кризис вынуждены «вырезать куски» организации, часто режут не по логике операционной модели, а по принципу «что видно снаружи». В результате вырезают важное и оставляют лишнее.
Данные RAND Corporation чётко показывают: 84% провалов AI-внедрения — это провалы лидерства, а не технологии. Это решения о том, что автоматизировать, как выстроить команду, как управлять изменениями. Кризис или не кризис — это ответственность руководства.
Что отличает тех, кто делает это правильно
По данным исследований MIT NANDA Initiative и McKinsey, ~5% компаний, которые получают реальный эффект от AI, следуют принципиально иной логике. Вот что их отличает:
🎯 Сначала процесс, потом инструмент. Они не спрашивают «как мы можем использовать ChatGPT?» или «что может сделать для нас ML?». Они спрашивают: «Вот этот конкретный процесс принятия решений — как он устроен, кто его владелец, как измеряется результат, и где узкое место?». И только после этого — «может ли AI здесь помочь?».
📊 70% ресурсов — на людей и процессы. Успешные компании используют модель распределения ресурсов 10/20/70: 10% на алгоритмы, 20% на данные и инфраструктуру, 70% — на людей, процессы и управление изменениями. Большинство компаний делают ровно наоборот.
🔬 Начинают узко и доказывают ценность. Никаких «трансформаций всей компании». Один конкретный, хорошо определённый процесс. Измеримый результат. И только потом — масштабирование.
👁️ Строят governance с первого дня. Не потом, когда «всё заработает». Кто принимает решения об AI? Кто отвечает за качество данных? Кто может остановить процесс, если что-то пошло не так? Эти вопросы решаются до, а не после.
Практический вывод: с чего начать
Если вы руководитель, который хочет двигаться в сторону AI-трансформации, но при этом честен с собой, вот прагматичный roadmap.
Шаг 1 — Диагностика «как есть». Выберите 3–5 ключевых процессов принятия решений в вашей компании. Для каждого ответьте: кто владелец, как он задокументирован, насколько он консистентен в разных подразделениях, какие данные нужны для его выполнения и где они находятся. Это займёт недели, не месяцы. И даст вам карту реальности.
Шаг 2 — Определите «болевые точки». Где сосредоточена наибольшая неэффективность? Где решения принимаются медленнее всего? Где чаще всего возникают конфликты между подразделениями? Это и есть ваши кандидаты для пилотов.
Шаг 3 — Пилот на одном процессе. Возьмите один процесс, формализуйте его, выстройте governance, определите владельца и метрики. Затем — и только затем — смотрите, что AI может сделать с этим конкретным процессом.
Шаг 4 — Масштабируйте логику, а не инструмент. Если пилот сработал, масштабируйте не AI-инструмент на всю компанию, а методологию работы с процессами — способность формализовывать, измерять и улучшать. Это ваш настоящий актив.
Вместо послесловия
Мы живём в интересное время. AI реально меняет то, что возможно. Модели становятся лучше каждый год. Стоимость вычислений падает. Доступность технологий растёт.
Но этот технологический прогресс сам по себе ничего не решает для конкретной компании. Потому что AI — как и любая автоматизация до него — это усилитель. Он усиливает то, что уже есть. Чёткие процессы становятся ещё чётче и быстрее. Хаотичные — становятся хаотичнее и быстрее.
Поэтому главный вопрос сейчас не «какой AI выбрать», а «что именно мы хотим усилить». И ответ на этот вопрос находится не в технологическом стеке, а в операционной модели.
Скучно? Возможно. Но именно там — деньги. 💡
Комментарии