Как превратить бизнес в AI-First компанию с ИИ-агентами

Первый вопрос предпринимателей: с чего начать ИИ-трансформацию бизнеса и внедрение ИИ-агентов?

Мой ответ всегда один: не с агентов, а с диагностики бизнеса.

Сначала нужно понять, где компания находится сейчас: насколько зрела ее система управления, люди, инфраструктура и данные и готова ли она к внедрению ИИ.

К этому выводу я пришел не только благодаря успешным проектам. В моем опыте была и неудачная попытка ИИ-трансформации.

В роли Chief AI Officer я предложил начать с диагностики ИИ-зрелости, на что фаундер назвал это «корпоративным булшитом».

Он хотел сразу перейти к созданию агентов, но быстро выяснилось, что внедрять агентов практически некуда.

В компании был слабый менеджмент. Даже руководители не понимали общих целей бизнеса, а цели подразделений не были связаны между собой.

Никто не понимал, какой департамент чем занимается, но «все должны внедрить себе агентов».

В итоге — кто в лес, кто по дрова. Как встроить сюда общие цели по ИИ, было неясно.

Люди и без того работали в атмосфере страха, а после появления темы ИИ начали опасаться сокращений.

Вместо инициативы возникло сопротивление: сотрудники старались не брать ответственность и ничего не менять.

Инфраструктура состояла из легаси-систем. Чтобы развернуть небольшой релиз, инженеры могли месяцами ждать инфраструктурную команду, попутно увольняясь, хотя обновления ИИ-агентов часто нужно выпускать ежедневно.

С данными было не лучше. У каждого департамента — свои базы, доступы и правила. Единого контура данных не существовало, а где что находится, знал один старожил.

Получение данных для обучения агентов превращалось в многомесячный проект.

Я нанимал ИИ-инженеров по автоматизации, но вместо разработки агентов они пытались получить доступы, найти данные и дождаться деплоя.

Мы так и не вывели ни одного агента в прод, зато запустили более сотни пилотов.

В таких условиях ИИ-трансформация превращается в болото, которое снилось мне по ночам. А после нескольких месяцев я решил оставить проект.

Можно сделать классный прототип и показать крутую демку, но превратить ее в устойчивую часть бизнеса невозможно. Технология становится еще одним элементом хаоса.

Поэтому диагностика зрелости — не бюрократия. Это рентген компании.

Она помогает определить сильные и слабые стороны, понять, какие ограничения устранить, и сформировать дорожную карту перехода к AI-First-модели.

После диагностики начинается разработка ИИ-стратегии. Сначала нужно определить цели и метрики.

Обычно бизнес стремится:

• сократить затраты;
• увеличить выручку;
• ускорить разработку продуктов;
• повысить качество решений;
• и масштабироваться без роста штата.

Далее нужно понять, какие процессы влияют на эти показатели: основные, создающие ценность для клиента, поддерживающие — HR, финансы и IT, или управленческие, связанные со стратегией и решениями.

Затем процессы нужно описать, найти узкие места и точки принятия решений, а после редизайнить под совместную работу людей и ИИ-агентов.

Начинать лучше с низковисящих фруктов — процессов, где потенциальный эффект высок, а критических блокеров нет. Быстрые победы позволяют проверить гипотезу, показать результат и получить поддержку для масштабирования.

Параллельно проводится SWOT-анализ и формируется дорожная карта повышения зрелости: какие изменения нужны в управлении, культуре, инфраструктуре и данных, чтобы следующие решения внедрялись быстрее.

Еще один вывод из моего опыта: иногда построить AI-First-бизнес с нуля проще, чем трансформировать большую корпорацию.

В новом бизнесе процессы можно сразу проектировать вокруг ИИ.

В существующей компании сначала приходится разбирать кучу организационных и технологических ограничений.

Именно об этом моя первая лекция: как оценить готовность компании, определить цели трансформации, выбрать процессы и построить реалистичную стратегию внедрения ИИ-агентов.

👉 Лекцию можно посмотреть или прочитать.

Каждый день я буду разбирать ее ключевые тезисы, а каждые десять дней — выпускать новую лекцию.

Следите за обновлениями.