ИИ не внедряется, ИИ усыновляется: как не провалить трансформацию

Компании тратят миллионы на внедрение ИИ, CRM, Agile-инструментов, но часто не получают ожидаемой отдачи. Покупка «волшебной кнопки» не решает проблему. Кнопку нажали — стратегия не появилась, код не стал идеальным, а процессы не наладились.

ИИ не внедряется приказом, он «усыновляется» командой через обратную связь и доверие, поэтому нужно время на адаптацию и понимание, что человек — часть системы. С Давидом Асатряном разбираем реальные причины провалов, кейсы и где ИИ действительно полезен.

Материал подготовлен по выступлению Давида Асатряна на конференции Kaiten «AI в управлении компанией: тренды 2026». Давид — сооснователь Custodia Silentis с 15-летним опытом в управлении продуктами для банков, enterprise и стартапов, руководит 7 продуктами для управления капиталом и 3 AI платформами.

  Посмотреть полную запись выступления можно на Rutube и YouTube.  

Как компании воспринимают ИИ и что в этом плохого

Компании часто ждут от новых технологий революции. В девяностые это были CMS, потом CRM, затем соцсети, сегодня — искусственный интеллект. Кажется, что меняется все, но на деле появляется только новый инструмент. Система управления остается прежней — через обратную связь.

Инструмент сам по себе не решает проблему. Чтобы изменения приносили эффект, нужно помнить основы управления. Давид Асатрян рассказывал, что его отец изучал кибернетику — науку о системах управления — и выделял три ключевых принципа:

1. Система работает через обратную связь, а не через приказы. Без нее структура деградирует.
2. Баланс между контролем и свободой важен для устойчивости. Слишком жесткий контроль убивает инициативу, его отсутствие ведет к хаосу.
3. Человек — часть системы, а не хозяин. Любое изменение отражается на команде.

Эти принципы кажутся очевидными, но при внедрении ИИ часто нарушаются. Компании надеются на «волшебные кнопки» и команды подчиняют жесткому контролю, забывая про обратную связь. В итоге даже самые умные инструменты не дают ожидаемого эффекта.

Управление, проверенное войной

Все, что мы сейчас называем современным управлением — Agile, Scrum, кросс-функциональные команды — родилось на войне.  И не в переносном смысле — у истоков стояли военные инженеры и летчики:

1. Норберт Винер — работал над системами противовоздушной обороны во второй мировой войне. Считается одним из основоположников кибернетики.
2. Келли Джонсон — за 143 дня построил первый американский реактивный истребитель. Создал 14 правил управления — прародителя Agile за 58 лет до манифеста.
3. Джон Бойд — летчик-истребитель. Создал цикл принятия решений, на котором построены все современные методологии.
4. Джефф Сазерленд — военный летчик, который создал Scrum.

На войне не работает принцип «и так сойдет» и «сделаем часть, а остальное забудем». Там только простые и четкие алгоритмы — последовательность шагов, которые выполняют без колебаний в стрессовой ситуации. Например: «обнаружил цель → запросил подтверждение → нажал спуск».

Как это связано с внедрением ИИ в бизнесе? Когда появляется сбой в CRM или жалоба крупного клиента, сотрудник должен сразу реагировать по четкому алгоритму: «при сбое типа X → запустить скрипт проверки Y → если не помогло, передать ответственному Z». ИИ может автоматизировать часть этих шагов, но сами правила должны быть простыми и жесткими.

Отсюда выходит важный принцип: если это не работает в условиях кризиса — это не работает вообще.

Все регламенты, системы, чек-листы должны быть простыми. Как грамотно составить такие документы, рассказали в материале «Что такое регламент, как составить, виды, структура, отличие регламента от инструкции». 

Почему даже «очень умные» инструменты не работают

На это есть несколько причин:

Путаница между инструментом и технологией. Инструмент — это код, который можно купить. Технология управления: обратная связь и работа с людьми — компания должна не думать «как внедрить ИИ, чтобы команда приняла. Нужно думать «как выстроить обратную связь, чтобы команда сама усыновила ИИ». Покупка ИИ без изменения процессов — все равно что купить мясорубку и надеяться, что она сама приготовит ужин.

Дефляция ожиданий. Раньше на креатив тратили 3 дня и получали качественный результат. С ИИ на такую же задачу стали тратить  30 секунд, но и результат уже не качественный, а на уровне «пойдет». 

Планка снижается незаметно, и команда привыкает к посредственному как к норме. А вместе с планкой падает и контроль: люди начинают полагаться на ИИ там, где он не справляется — например, в сложном коде или юридических документах. 

В итоге получают результат, который выглядит правдоподобно, но рассыпается при первой проверке.

Ложная цель «делать больше». Появился ИИ — стали делать не 1 000 звонков в день, а 1 000 за час. Но правильный вопрос не «как делать больше звонков?», а «что делать с освободившимся временем?». Больше денег приносит не наращивание объема, а кардинальное изменение процесса или рынка. 

Обесценивание результата. Код и тексты, сгенерированные ИИ, стали восприниматься как «мусор», а опытные специалисты не хотят в них вникать. Это имеет накопительный эффект: компания получает гору низкокачественных артефактов, которые проще написать заново, чем править.

Отсутствие цели — причина 90% провалов. Перед внедрением ИИ сформулируйте, какую конкретно проблему вы решаете, иначе получите бессмысленный очередной «пилот».  

Еще одна частая причина провалов — игнорирование того, как люди воспринимают изменения. Давид Асатрян выделил, через какие этапы проходит любая система: от стартапа до научного института. Расскажем о каждом этапе.

Как люди реагируют на изменения: 3 стадии внедрения

Когда компания начинает внедрять ИИ или другой инструмент, реакция команды почти всегда проходит через 3 стадии. 

Стадия 1. Отрицание

Сотрудники ставят под сомнение необходимость изменений и считают ИИ «тупым» инструментом — это нормальная реакция и страх перед неизвестным. Опытным специалистам еще страшнее, потому что они видят больше рисков.

Как сотрудники часто представляют себе работу после внедрения ИИ

Важно понять: это не саботаж или лень, а защитная реакция, за которую нельзя наказывать. Нужно дать сотрудникам информацию для работы и время на адаптацию.

Стадия 2. Эксперименты

Людям нужно пространство для ошибок. Разрешите команде попробовать ИИ в разных задачах и разобраться, какой реальный результат дает ИИ. Только через свои эксперименты команда поймет, где ИИ полезен, а где — нет. Это обязательный этап, который нельзя пропускать.

Чтобы интеграция проходила уверенно, нужно улавливать, как система, команда и рынок реагирует на ваши действия. Изучайте, что люди думают о новом инструменте, какие разговоры поднимают в чатах, какими страхами делятся. Это позволяет корректировать курс до того, как сопротивление превратится в саботаж.

Стадия 3. Интеграция

Принятие стадий и природы сопротивления дает руководителю простой алгоритм понимания:

1. отрицание — нормально, не нужно ждать моментального принятия;
2. на внедрение требуется бюджет и время для экспериментов, а ошибки неизбежны;
3. важно не давить, а сопровождать процесс внедрения — вникать в обратную связь и корректировать процесс. 

3 барьера, которые убивают внедрение ИИ и как их убрать

Даже если команда прошла отрицание и начала экспериментировать, внедрение может застрять из-за команды. Давид Асатрян выделяет несколько барьеров, которые возникают на уровне отдельных сотрудников и корпоративной культуры. Без их устранения инвестиции в ИИ не окупаются.

Страх увольнения и потеря статуса

Сотрудник видит: то, на что он учился годы, ИИ генерирует за секунды. Это порождает страх, что его опыт обесценивают. Человек начинает сопротивляться даже объективно полезному инструменту — не из-за лени, а из-за угрозы своему положению.

Что делать. Публично разбирайте кейсы, где ИИ помог сотруднику быстрее закрыть сложную задачу, а не заменил его. Показывайте, что ценность человека — в принятии решений и творчестве, а не в рутине. Сотрудник перестанет тратить энергию на защиту и начнет использовать ИИ для роста производительности, когда увидит отношение руководителя. 

Но чтобы снизить страх, недостаточно просто сказать «не бойтесь». Нужна системная работа. Жизненный цикл внедрения, по опыту Давида Асатряна, выглядит так: 

Обучайте не только технике («как написать запрос»), но и смыслу: что изменится в работе, как интересы сотрудника совпадают с задачами компании. Когда человек понимает, что ИИ не отнимает, а добавляет — страх уходит.

Размытая ответственность у сотрудников

Когда ИИ ошибается, возникает вопрос: кто несет ответственность — разработчик, пользователь или сама нейросеть? На практике ответственным оказывается сотрудник, который использовал инструмент. Он не может объяснить логику ошибки и боится наказания. 

Из‑за этого сотрудники часто избегают пользоваться ИИ, ограничивают эксперименты и не доверяют инструменту. В юридических, финансовых и управленческих функциях, где цена ошибки особенно высока, этот страх напрямую препятствует внедрению новых решений и снижает эффективность ИИ.

Что делать. Четко распределить ответственность, чтобы снять страх и ускорить внедрение. Если люди знают, за какие решения отвечают они, а за какие — ИИ, они перестают саботировать. Пропишите политику использования ИИ: какие задачи можно делегировать нейросети (и с каким уровнем контроля), какие требуют обязательной проверки человеком. Закрепите это в регламенте.

Неформальное общение сотрудников сильнее корпоративных ценностей

Формальные ценности в виде инноваций, клиентоцентричности и цифровых трансформаций всегда проигрывает реальным разговорам и перепискам в неформальной обстановке.

Что делать. Задача руководителя — превратить неформальную обратную связь в систему и научиться перехватывать сопротивление на ранних стадиях. Это поможет снизить бюджет на исправление ошибок и ускорит принятие технологий командой.

Что конкретно поможет:

1. Анонимные опросы раз в две недели. Бесполезно спрашивать, нравится ли им ИИ, лучше формулировать вопрос так: «какие задачи с помощью ИИ стали решаться быстрее, а какие — медленнее?».
2. Открытые ретроспективы. Выделите время на встрече, где команда без последствий может назвать конкретные провалы и страхи. Фиксируйте каждое возражение как задачу.
3. Личные диалоги. Руководитель один на один выясняет, что мешает конкретному сотруднику. Это не контроль, а сбор данных для улучшения процесса.

Все выявленные барьеры превращайте в задачи с ответственным и сроком. Например: «Разобрать кейс ошибки ИИ на общем собрании» или «Подготовить инструкцию по проверке сгенерированных документов». В любой системе управления задачами, например, в Кайтене, такие карточки станут частью рабочего процесса, а не разовым обсуждением:

Вывод: неформальная культура не исчезнет, но начнет работать на внедрение. Сопротивление снижается, а скорость принятия технологии растет.

О том, как выстроить системную работу с коллективом, где люди понимают цели и берут ответственность, мы подробно писали в статье «Что такое управление командой: люди, процессы и инструменты под контролем». 

Реальные кейсы: как разобрать 12 метров документов и зачем команда ушла из Jira

Любое внедрение сталкивается с конкретной реальностью, где абстрактные принципы проходят проверку на прочность. Давид Асатрян поделился двумя личными кейсами, которые показывают, как эти принципы работают (или не работают) в реальности.

Кейс 1. 12 метров шкафов и 7000 файлов: когда алгоритм важнее

После смерти отца Давида осталось множество юридических документов: 7 судебных дел, 4 объекта под снос, контракты. Физически это были 12 метров шкафов, около 7 000 файлов. На разбор этого массива ушло 18 месяцев, несмотря на то, что у Давида был опыт работы на стройке с 12 лет, а его сестра — профессиональный юрист и финансист.

Только спустя полгода после начала работы они разработали методологию анализа: четкие критерии, что важно, что неважно, какой контекст учитывать. До появления методологии составление хронологии по одному объекту занимало месяц. После внедрения алгоритма — 30 минут.

«И это не победа ИИ, — подчеркивает Давид. — Это победа кибернетики». Они разбили задачу на простые элементы, где можно составить алгоритм. А потом уже на базе алгоритма упрощали себе жизнь.

Где ИИ справился: вычитать даты, найти дубли, пройти по формальным признакам — то, что теоритически может сделать даже ребенок.

Где ИИ не справился: выявить скрытый контекст, юридические риски, связать разрозненные факты. Для этого пришлось создавать отдельную программу, которая объясняла смысл за пределами контекста документов.

Кейс 2. Отказ от таск-трекеров в пользу GitLab

Команда Давида отказалась от классических таск-трекеров. Вместо этого они ведут всю работу в GitLab. где благодаря ИИ создали собственную доску задач. Карточки заданий связаны с кодом, код — со спецификациями, спецификации — с тест-кейсами. 

Если нужно быстро сделать новую доску — ее просто «кодят» с помощью ИИ. Для небольшой команды до 10 человек не нужен масштабируемый коробочный продукт, достаточно решения, которое работает здесь и сейчас.

Что дал переход:

1. ИИ позволяет перестраивать структуру базы знаний за считанные секунды — задача, которая раньше была крайне трудоемкой, когда проект «перерастал» свою первоначальную логику.
2. База знаний, документация и спецификации собраны в одном месте.
3. Время на создание технического задания и прототипа сократилось с месяца до 3–5 дней. 
4. Спецификация, на которую раньше уходило до трех дней, теперь готовится за час-два. При этом система с ИИ автоматически проверяет совместимость нового модуля с существующей архитектурой.

Ограничение: Давид предупреждает — такой подход в компании на 5 000 человек может создать хаос. Но для небольших команд — это прагматичное решение, позволяющее не переплачивать за коробочные продукты и строить процессы под себя.

Вывод: ИИ не просто ускоряет существующие процессы — он меняет представление о том, что возможно. Но для этого нужно быть готовым отказаться от «священных коров» в виде дорогих инструментов и пересмотреть организацию работы с нуля. Эти кейсы подводят нас к главному вопросу: в каких задачах ИИ действительно полезен, а где он бессилен?

Где ИИ реально эффективен

Когда компания решает внедрять ИИ, она часто не понимает его реальных ограничений. Давид предлагает простой, но точный критерий: 

Где ИИ действительно полезен:

1. Дедупликация данных. Первый стартап, который реально заработал на ИИ, занимался именно этим: находил дубли в системах и создавал мастер-запись. Простая, рутинная задача, где ИИ незаменим.
2. Динамическая реструктуризация баз знаний. ИИ позволяет за считанные секунды менять логику и структуру больших массивов информации — то, что раньше требовало часов ручной работы.
3. Рутинный анализ с предсказуемой структурой. Если вы описали методологию и разбили процесс на простые шаги, ИИ может взять на себя выполнение этих шагов.

Этот подход отлично работает и на производстве. Например, на заводе по металлообработке ПФ-ФОРУМ сократили время на постановку задач с 30 до 3 минут, используя интеграцию Кайтена и ChatGPT для автоматизации рутины после планерок.

Как применять ИИ, чтобы он действительно приносил пользу

Давид Асатрян формулирует несколько правил:

Правило 1. Сначала методология и алгоритм, потом ИИ. Прежде чем отдавать задачу нейросети, превратите ее в алгоритм. Разработайте методологию и разбейте выполнение работы на простые шаги.

Давид приводит пример: юридический анализ сначала оформляли в 69-страничную методологию, затем переводили в алгоритм. Только после этого рутинную работу можно доверить ИИ.

Правило 2. ИИ должен знать контекст. Нельзя просто дать задачу, нужно предоставить всю информацию о ситуации, ограничениях, целях и планах. Без контекста нейросеть даст поверхностный или ошибочный результат.

Правило 3. Передавайте ИИ только рутину. ИИ эффективен для задач, с которыми мог бы справиться ребенок: дедупликация данных, вычитка дат, поиск дублей. Для стратегии, юридических рисков или творчества высокого уровня он не подходит.

Принципы, о которых мы говорили — обратная связь, уважение к системе, отказ от навязывания — работают не только при внедрении ИИ, но и в более широком контексте, например при передаче бизнеса следующему поколению. 

Заключение: базовые принципы, которые работают всегда

Проблемы с внедрением ИИ возникают не из-за недостатков самой технологии, а из-за того, что мы пренебрегаем базовыми принципами управления, известными еще кибернетикам 70 лет назад:

1. Любая система требует обратной связи.
2. Нельзя внедрить изменения «сверху» — нужно быть частью системы.
3. Инструмент сам по себе не решает проблему, важна технология использования.
4. Люди сопротивляются не от глупости, а от страха неизвестного и потери контроля.
5. Сначала методология и алгоритм, потом — ИИ для рутины.
6. Культура в чатах важнее официальных лозунгов.