Александр Макаров | GenAI for business

Компания не становится AI-Native от того, что каждый сотрудник работает с ИИ. Мы проверили это на себе, и проверка заняла два года.

Начали мы раньше многих, почти 10 лет: нейротехнологии и машинное обучение были у нас задолго до ChatGPT, генеративные модели команда взяла в работу сразу. Сотрудники стали выполнять задачи быстрее. Потом добавили агентов для разработки и проверки кода: внутренние скорости выросли ещё, счета за токены тоже. А срок, за который заказчик получал результат, почти не менялся.

🔗 Я мерил не то. Смотрел на скорость разработчика, а надо было на скорость доставки ценности заказчику.

Причина оказалась в другом месте. Разработчики уже работали с агентами, а руководитель проекта работал по старой схеме, и задержка просто переезжала дальше по цепочке. Искусственный интеллект встраивали в старую операционную модель, и она гасила его эффект.

😅Тогда мы перестали докупать инструменты и пересобрали работу компании вокруг ИИ. Единая память вместо разрозненных контуров, агенты внутри сквозных процессов, инженер с набором агентов вместо цепочки узких ролей, человек там, где нужно решение.

Коммерческое предложение теперь готово за 2 часа вместо 2 дней, прототип заказчик видит на второй встрече, проект ведут 3 человека вместо 10. Состояние компании по финансам, воронке и загрузке видно в момент запроса, а не в месячном отчёте.

Самым трудным было не техническое. У нас вся команда эксперты по ИИ, у каждого свой отлаженный личный сценарий. Отказаться от него в пользу общей системы тяжелее, чем подключить новую модель.

🌐Между личной продуктивностью сотрудников и производительностью компании лежит операционная модель. Сама она не перестраивается, это отдельная работа, и именно она делает компанию AI-Native.

Как мы прошли её у себя, разобрано на РБК Компании → https://companies.rbc.ru/news/SNNnV9hLbd/stat-ai-native-comind-sdelal-ii-chastyu-operatsionnoj-modeli-kompanii/

19 сентября моей родной Школе Управления СКОЛКОВО 20 лет.

https://www.skolkovo.ru/events/den-osnovaniya-2026/

Мы - Клубом искусственного интеллекта выпускников МШУ СКОЛКОВО проводим сессию: AI-Native: как ИИ становится новой операционной моделью бизнеса.
Посмотрите состав спикеров - настоящие практики ИИ, которые ежедневно улучшают свои продукты, компании и строят будущее.

На сессии будем говорить о том, что делать дальше , чтобы ИИ стал частью операционной модели компании, так как AI-Native-модель обеспечит устойчивое конкурентное преимущество бизнеса на годы вперед.

Буду рад всех видеть.

PS
По традиции нашего клуба - пьем китайский чай.

Как сделать так, чтобы каждое внедрение ИИ усиливало следующее?

😅В последних постах я разбирал AI-Native ядро: знания, память, навыки, доступ к системам, агенты и обратная связь человека. У нас в coMind на первое рабочее ядро ушло около четырёх недель, затем месяцы доводки. Самое интересное в деталях: какие правила удалось вытащить из голов сотрудников, где агенту хватает контекста, кто проверяет результат, что придётся пересобрать.

🔗 18 сентября в Кибердоме покажу, как мы собираем AI-Native компанию на себе.

Отправная точка знакома многим: сотрудники с ИИ работают вдвое быстрее, а заказчик получает ценность медленнее((?. Разберём, что пришлось поменять в модели управления, на трёх живых сценариях: продажи, финансы и договоры, управление и люди.

Рядом кейсы, антикейсы и экономика внедрения: данные для обучения модели в Сбере, цифровой контроль ФНС, ИИ-агенты в продажах сети ломбардов. Михаил Петухов разберёт три опоры работающих внедрений, Дмитрий Мариничев завершит день разговором о том, что остаётся за человеком.

Для меня ценность такой встречи в вопросе после презентации: «За счёт чего это получилось, и что потребуется, чтобы заработало у нас?» Приходите со своим процессом, вопросом или опытом: обменяемся тем, что уже проверили в работе.

📍 18 сентября, пятница, 10:00–15:30 мск, Кибердом, Москва. Моё выступление в 13:05. Очно или онлайн с записью.

Программа и участие: https://pravovest-audit.ru/nashi-statii-nalogi-i-buhuchet/ii-uzhe-okupaetsya-keysy-i-resheniya/

😅 Ядро AI-Native собирается один раз. Дальше на него садится любой процесс компании.

Раньше я писал про AI-Native SDLC: разработку, где агенты берут объём на каждой фазе цикла, а человек задаёт направление и отвечает за качество. Anthropic показала, что на том же ядре, на котором у них живёт разработка, теперь работает и отдел продаж. Статью написал сам продавец из команды развития бизнеса.

Его точка отсчёта: около пяти часов в день на ответы по входящим запросам, в основном на одни и те же вопросы о продуктах. Сейчас в Claude Cowork у него настроены навыки (Skills) и задачи по расписанию.

Каждый час агент разбирает почту и готовит черновики ответов по базе знаний команды, в стиле конкретного сотрудника.

Ночью идёт исследование потенциальных заказчиков: больше ста компаний из его портфеля, данные из CRM, базы контактов, записей звонков и хранилища данных. Утром по каждой компании готовы справка, оценка и предложение, с чем к ней идти.

По переписке и расшифровкам звонков агент сверяет стадию сделки в CRM с тем, что происходит на самом деле, и предлагает изменения с доказательствами.

После звонка разбор по методике команды: три вещи, которые получились, три, которые стоит улучшить, и один навык, который отработать следующим.

Письма отправляет человек. Изменения в CRM ждут подтверждения. Причина каждой правки записывается и возвращается в навык.

➡️ Теперь посмотрите, из чего это собрано. База знаний компании. Память: файл памяти и журнал уже сделанных ходов у ночного исследователя. Доступ к системам через MCP: почта, календарь, CRM, записи звонков. Навыки, в которых записано, как команда квалифицирует заказчика и по каким правилам двигает сделку. Агенты, которые всё это исполняют. И человек на каждой точке решения.

🤟 Это в точности то, что мы в coMind называем AI-Native ядром: знания, память, доступ к системам, навыки, агенты, обратная связь человека. Ровно на этом ядре у Anthropic работает разработка. Ровно на этом же ядре у нас в компании сначала встала разработка, потом управление проектами, потом финансы и продажи. Отдел меняется, ядро остаётся.

🔗 В этом главное следствие. Первый процесс дорогой: у нас на первое рабочее ядро ушло около четырёх недель, дальше месяцы доводки, и дольше всего команда вытаскивала из голов правила, по которым на самом деле решает. Зато второй процесс уже не требует собирать память и подключения заново. Добавляются навыки под новый процесс и точки, где решает человек. Каждый следующий процесс садится на ядро быстрее предыдущего, потому что память и знания у них общие.

🌐 Отсюда и ответ на вопрос «с чего начать». С одного повторяемого процесса, где собирается ядро целиком: знания, память, подключения, навыки, точки решения человека. Для Anthropic такой точкой стала входящая почта продавца. Результат меряется тремя цифрами: скорость ответа заказчику, время сотрудника на рутину, конверсия в следующий шаг. А дальше на то же ядро садится следующий процесс, и следующий.

AI-Native компания это одно ядро и все процессы компании на нём.

Статья Anthropic: https://claude.com/blog/how-anthropics-business-development-team-uses-claude-to-run-inbound-and-outbound-at-scale

😅 OpenAI показала, как AI‑Native становится повседневной практикой компаний.

В новой статье, три кейса. Интересно, как в каждом из них устроена работа.

➡️ Basis - процесс становится Skill.
Онбординг сотрудников упаковали в инструкции с инструментами, последовательностью действий и критерием завершения. По данным компании, время сократилось с двух часов до 30 минут. Повторяющиеся вопросы помогают улучшать Skill для следующих сотрудников.

➡️ Clay, у каждой сделки появляется постоянный контекст.
Отдельный субагент ведёт рабочую папку клиента и обновляет её по первоисточникам. Утром координирующий агент собирает приоритетные действия по всем сделкам. Рядом с рекомендациями сохраняются основания, которые продавец может проверить.

➡️ Exa, найденная возможность доходит до реализации.
Агент находит перспективные интеграции, собирает контекст, создаёт pull request и запускает тесты. Команда проверяет результат перед выпуском.

🔗 Я вижу здесь ту же логику, которую мы закладываем в AI‑Native ядро coMind: Skills, контекст, память, доступ к системам, агенты и единый контур управления.

Особенно важна способность компании накапливать опыт выполнения работы. Уточнять инструкции после исключений. Сохранять контекст между запусками. Использовать проверки для улучшения следующего результата.

Именно так экспертиза постепенно становится воспроизводимой возможностью организации.

При этом у процесса остаются владелец, измеримый результат и границы полномочий агента. OpenAI отдельно подчёркивает: объём использования AI показывает активность, а ценность нужно проверять по результатам работы.

🤟 Для меня следующий шаг AI‑Native - компания, которая умеет превращать удачный опыт работы с агентами в устойчивую практику.

🔗 Статья OpenAI⁠

✌️ Anthropic опубликовала AI‑Native SDLC Playbook. А мы собрали такую фабрику в феврале.

Anthropic представила практическую модель жизненного цикла разработки, в котором AI встроен не только в написание кода, а во весь процесс: от первоначального замысла до эксплуатации системы.

Для нас особенно интересно не только содержание, но и момент публикации.

🤟 В феврале 2026 года мы в coMind собрали собственную AI‑Native фабрику разработки как сквозной управляемый контур, в котором агенты участвуют в постановке задачи, проектировании, написании кода, тестировании, ревью, поставке и сопровождении продукта.

🌐 Затем мы изучили и систематизировали лучшие мировые практики OpenAI, Anthropic, Intercom, Sourcegraph, HashiCorp, Moderne и других команд и написали книгу «SDLC в эпоху агентов».

🔗 Главная мысль у нас и Anthropic совпадает: код больше не является главным дефицитом разработки.

Агент может написать код за несколько часов. Но требования всё ещё собираются на встречах, архитектура согласовывается вручную, ревью ждёт свободного специалиста, а релизы проходят через длинную цепочку согласований.

Узким местом становятся замысел, контекст, проверка и доверие.

Поэтому AI‑Native SDLC это не разработчик с новым помощником. Это замкнутый агентный цикл:

Plan - Design - Build - Test - Deploy - Maintain - новый Plan.

Каждый этап создаёт машиночитаемый артефакт, который получает следующий агент.

В нашей книге мы выделяем ещё один важный элемент: рядом с привычным циклом кода появляется цикл контекста.

Спецификации, корпоративные правила, Skills, источники правды, память и проверки перестают быть статичной документацией. Они версионируются и развиваются так же, как код.

На этом и строится фабрика разработки:

➡️ Skills содержат инженерные стандарты и лучшие практики;

➡️ MCP предоставляет агентам доступ к репозиториям, трекерам задач, CI/CD и другим системам;

➡️ агенты исполняют этапы процесса и передают друг другу результат;

➡️ тесты, evals, права доступа и обязательные согласования формируют единый контур управления;

➡️ вся цепочка действий сохраняется как проверяемый аудиторский след.

Человек при этом не исчезает. Он поднимается над операционным циклом: задаёт направление, разрешает противоречия, оценивает риски и принимает критические решения.

🌐Новый playbook Anthropic подтверждает наш ключевой тезис: AI‑Native начинается не с генерации кода, а с новой архитектуры всей разработки.

Конкурентное преимущество получит не компания, которая просто выдала программистам AI-помощников. Его получит компания, которая превратила свои знания, системы, правила и процессы в единую исполняемую агентную среду.

К посту прикладываю нашу книгу «SDLC в эпоху агентов».

🔗 https://claude.com/blog/the-ai-native-sdlc-playbook

Gemini Enterprise for Financial Services: среда для инвестиционных и корпоративных банков, управляющих компаний и подразделений комплаенса.

Практически одновременно с юридическим контуром Google выкатил финансовый.
Второй анонс интереснее первого, и не содержанием, а тем, что он второй.

🔗 Внутри та же четвёрка слоёв, которую я разбирал на Legal: Skills, доступ к системам и данным через MCP, агенты, выполняющие процесс целиком, и единый контур безопасности, прав доступа, источников и действий. Поменялось наполнение. Вместо iManage, NetDocuments и Everlaw подключены FactSet, S&P Global, Moody's, MSCI, PitchBook. Вместо юридических методик финансовые, вместо юридической регуляторики финансовая.

В центре контура Financial Research Agent, в него встроено более 50 специализированных Skills.

По-настоящему новое по сравнению с Legal здесь одно: требование к следу. Агент работает с лицензированными рыночными данными, внутренними документами и моделями организации, а к любому результату прикладывает ссылки на источники, описание применённой методологии, оценку уверенности и снимок данных на момент расчёта. Для финансовой организации это условие допуска. Без аудиторского следа результат агента не имеет статуса и в решение не попадает.

📎 Процессы, которые уже входят в контур:

➡️ углублённый KYC и определение конечных бенефициаров;

➡️ анализ кредитных рисков;

➡️ мониторинг инвестиционных портфелей;

➡️ оценка устойчивости облигационного портфеля к макроэкономическим шокам;

➡️ поиск недооценённых инструментов на кредитном рынке;

➡️ подготовка материалов для выпуска облигаций;

➡️ персонализированная аналитика для клиентов и инвестиционных консультантов.

Google утверждает, что проверка облигационного портфеля на макрошоки укладывается меньше чем в пять минут, а подготовка клиентской презентации по выпуску облигаций сокращается с нескольких дней до нескольких минут.

🌐 Теперь то, ради чего два анонса стоит читать подряд.

Один контур это продукт. Два контура на одной архитектуре это уже фабрика. Google не собирает отраслевые решения поштучно, он поставил ядро и научился разворачивать поверх него контуры серийно. Дальше объявлены здравоохранение и науки о жизни, и понятно, что список открытый.

Отсюда вывод, которого в первом посте быть не могло.

Отраслевой контур перестаёт быть тем, что компания покупает как преимущество. Серийное производство означает, что он появится у всех в отрасли примерно одновременно. Полсотни Skills от Google это средняя практика рынка, аккуратно упакованная. Ваша методика оценки риска, ваш способ читать сделку, ваши правила принятия решений в поставку не входят и приехать в ней не могут.

🤟 Значит, работа, которую нельзя делегировать вендору, ровно одна: перевести собственную экспертизу в исполняемый вид и завести её в те процессы, где компания зарабатывает. Ядро, данные, агенты и отраслевая среда вокруг этой работы становятся инфраструктурой.

Официальный источник: https://cloud.google.com/blog/products/ai-machine-learning/introducing-gemini-enterprise-for-financial-services

Google показал, как целые отрасли будут переходить к AI-Native.

Компания представила Gemini Enterprise for Legal. Это полноценная AI-Native среда для юридических компаний и корпоративных юридических департаментов.
Google прямо говорит: одной фундаментальной модели, какой бы мощной она ни была, недостаточно.

Настоящая ценность появляется, когда вокруг модели создаётся AI-Native ядро 🔗
которое включает:

➡️ Skills (корпоративные инструкции, юридические методики, playbooks и стандарты работы),

➡️ доступ к системам и данным через MCP (Microsoft 365, Google Workspace, iManage, NetDocuments, Docusign, Everlaw, RelativityOne, Harvey и другие),

➡️ AI-агентов, которые не просто дают рекомендации, а выполняют юридические процессы,

➡️ единый контур управления безопасностью, правами доступа, источниками и действиями агентов.


🤟 Если переложить это на нашу модель coMind , то Gemini Enterprise - это AI-Native ядро, а Legal - первый отраслевой контур, построенный поверх него.
В этот контур уже входят конкретные процессы: анализ и согласование договоров, поиск рискованных положений, создание NDA, мониторинг законодательства, обработка DSAR-запросов, формирование корпоративных contract playbooks, поиск по судебной практике, подготовка и редактирование юридических документов.

🟣 Особенно важно, что агенты получают доступ к информации с учётом существующих ролей, разрешений и информационных барьеров. Корпоративные данные, документы, playbooks и результаты работы агентов остаются внутри защищённой среды компании и не используются для обучения фундаментальных моделей Google.

😅 На мой взгляд, это один из самых показательных анонсов года. Рынок переходит от соревнования моделей к созданию управляемых AI-Native систем, способных работать внутри реальных бизнес-процессов. Конкурентным преимуществом становится уже не доступ к LLM, он постепенно превращается в инфраструктуру.
Преимущество получает компания, которая раньше других сможет собрать собственное AI-Native ядро, подключить к нему корпоративные данные и системы через MCP, превратить внутреннюю экспертизу в исполняемые Skills, запустить агентов в ключевых процессах и последовательно создавать функциональные и отраслевые контуры.

✅ Именно так искусственный интеллект перестаёт быть отдельным инструментом и становится новой операционной моделью бизнеса.

https://cloud.google.com/blog/products/ai-machine-learning/introducing-gemini-enterprise-for-legal

Александр Макаров | GenAI for business pinned «Наши книги по переходу к AI-Native https://comind.space/books»

Наши книги по переходу к AI-Native

https://comind.space/books

AI-Native: новая операционная система бизнеса

AI-Native - это не “внедрить AI”
Это пересобрать компанию вокруг него↖️

Пока большинство компаний прикручивает AI к старым процессам, часть уже строит на нём фундамент бизнеса
И в этом вся разница

Чат-боты, ассистенты, пилоты, copilot’ы: всё это может давать локальный эффект
Но если под ними остаётся старая операционная модель, это не трансформация. Это косметика

AI-Native - другой подход✌️
Не AI как надстройка, а AI как основа системы

Value-Driven AI
Согласно подходу Value-Driven AI, первичен не стек технологий, а бизнес-результат. Не внедрение ради внедрения, а ради измеримого эффекта - роста выручки, ускорения решений, повышения производительности

Value-Driven AI требует от исполнителя собственной AI-Native архитектуры. Иначе проект превращается в красивый пилот с ограниченным масштабом и точечным эффектом

От набора систем к единому потоку
Жидкие процессы - самое точное описание того, к чему ведёт AI-Native. Без жёстких границ между отделами, без потерь контекста на переходах, без задержек на согласованиях. Единый поток от первого контакта с клиентом до доставки ценности

Это не утопия автоматизации. Это другая управленческая философия: не управление людьми и процессами, а управление интеллектом и потоком
Компании, которые поймут разницу раньше других, получат не просто конкурентное преимущество
Они окажутся в другой лиге

У такой компании есть:
✅ Мозг: LLM, которые анализируют и помогают принимать решения
✅ Память: граф знаний и онтологии, которые держат контекст бизнеса
✅ Навыки: AI-skills для продаж, discovery, delivery, сервиса
✅ Нервная система: интеграции, которые позволяют всему этому реально действовать

Вместе это даёт не набор автоматизаций, а цифрового оператора бизнеса🟣

Почему это важно?
Потому что AI-Native меняет экономику компании: позволяет намного быстрее
➡️ Расти, точнее и рентабельнее, без пропорционального роста команды
➡️ Находить возможности
➡️ Собирать предложения
➡️ Принимать решения
➡️ Создавать ценность для клиента

Именно поэтому я смотрю на AI не как на набор инструментов, а как на новую операционную систему бизнеса 🌐
Побеждать будут не те, кто “внедрил AI”

А те, кто перестроил под него саму логику компании 🙌

🔗 Значительную часть этого пути мы уже прошли на себе. Собственный опыт превращения coMind в AI-Native компанию мы систематизировали и описали в наших книгах:
https://comind.space/books

Лучший показатель хорошего мероприятия, после 21:00 участники всё ещё не хотели расходиться.

18 августа мы провели в Skolkovo AI Club встречу для выпускников на тему:

«AI-Native: когда AI меняет не процесс, а бизнес».

Когда публиковали анонс, было 95 регистрации. В итоге собралось более 60 человек. Около половины участников составляли CEO и собственники бизнеса.

Мы говорили не только о том, как с помощью ИИ автоматизировать процессы и сокращать издержки. Пока AI лишь помогает делать привычную работу быстрее - это автоматизация. Настоящий AI-Native начинается тогда, когда искусственный интеллект меняет маржу, продукт и сам способ зарабатывать.

Александр Макаров (https://t.me/GenAIforbusiness) - CEO coMnd.space (команда - Архитекторов AI-Native) открыл встречу выступлением о том, что такое AI-Native на самом деле.

Филипп Огульник (@c310vc ) показал, почему AI-Native начинается с агента — но не с того, о котором вы подумали.

Борис Каптелов (@kaptelov2), сооснователь Thesis Partners, рассказал, как применять ИИ к дорогим управленческим решениям, а не только к потоку операционных задач.

Антон Граборов (https://t.me/agraborov), руководитель блока «Цифровой бизнес» Альфа-Капитал, поделился опытом создания проактивного персонального сервиса, в котором 25 ИИ-сервисов работают вокруг одного клиента.

Четыре разных взгляда и один общий вывод: AI-Native - это уже не разговор о далёком будущем. Это новая операционная модель бизнеса, которую компании начинают создавать прямо сейчас.

Официальная программа завершилась в 20:30, но и после девяти вечера люди продолжали обсуждать услышанное, обмениваться опытом, спорить и знакомиться.

Именно ради этого мы создаём Skolkovo AI Club: чтобы объединять людей, которые не наблюдают за революцией AI со стороны, а формируют её своими решениями и действиями.

Спасибо спикерам, команде и всем участникам за энергию и честный разговор.

Продолжение следует!

#SkolkovoAIClub #AINative #ИскусственныйИнтеллект

Gartner назвал десять главных технологических трендов 2026 года.

Главный вывод отчёта - 2026 год становится переходом от отдельных экспериментов с генеративным ИИ к построению полноценной AI-Native инфраструктуры компании.

🌐 То есть ИИ перестаёт быть набором пилотов сбоку от бизнеса. Он встраивается в разработку, в бизнес-процессы и в физические устройства. И ровно поэтому его масштабирование сразу требует новых систем безопасности, управления и цифрового суверенитета.

Gartner собрал десять трендов в три направления.

➡️ Новая AI-инфраструктура

• AI-Native платформы разработки. Небольшие команды вместе с ИИ-агентами создают больше приложений, быстрее и дешевле.
• AI-суперкомпьютерные платформы. Объединение графических ускорителей, специализированных процессоров и гибридных вычислительных архитектур.
• Конфиденциальные вычисления. Защита данных не только при хранении и передаче, но и прямо во время обработки.

➡️ Интеллектуальные системы

• Мультиагентные системы. Специализированные агенты взаимодействуют между собой и ведут сложные сквозные бизнес-процессы.
• Отраслевые языковые модели. Переход от универсальных моделей к настроенным под конкретную отрасль, функцию и корпоративные данные.
• Physical AI. Внедрение ИИ в роботов, транспорт, склады, дроны и промышленное оборудование.

➡️ Доверие, безопасность и цифровой суверенитет

• Проактивная кибербезопасность. Предотвращение атак до того, как они произошли.
• Цифровое происхождение. Подтверждение источника и подлинности кода, данных, моделей и созданного ИИ контента.
• Платформы безопасности ИИ. Защита от утечек данных, от подмены инструкций в запросе, от неконтролируемых действий агентов и от несанкционированного использования ИИ.
• Геопатриация. Перенос критических систем из глобальных облаков в национальные, суверенные или локальные инфраструктуры.

🤟 Для нас этот отчёт важен предметно. Gartner подтверждает сразу несколько направлений, на которые coMind делает ставку: AI-Native разработку, мультиагентные системы, отраслевые модели, развёртывание в собственном контуре заказчика и безопасность ИИ.
По сути Gartner описывает то, что мы видим у заказчиков своими глазами: переход от отдельных ИИ-инструментов к целостной AI-Native архитектуре предприятия.

🔗 Значительную часть этого пути мы уже прошли на себе. Собственный опыт превращения coMind в AI-Native компанию мы систематизировали и описали в наших книгах:
https://comind.space/books

Полный отчет - Gartner Top Strategic Technology Trends 2026:

🤟 «AI-Native это же ИИ-трансформация компании?»





Слово удобное. Руководителю сразу понятно, о чём речь, бюджет такого рода он уже защищал, и в презентации оно выглядит уместно. Я и сам ловлю себя на нём чаще, чем хотел бы.

Проблема в том, что слово тянет за собой конструкцию, которая здесь не работает.

Трансформация предполагает три вещи. Известное целевое состояние. Дату окончания. И объект, который трансформируют.

Ни одной из них тут нет.

Целевое состояние нарисовать нельзя. То, что вы спроектируете в январе, к сентябрю устареет: модели за это время обновятся дважды.

Даты окончания нет по той же причине.

А объекта нет, потому что меняется не отдел и не процесс, а способ, которым компания принимает решения. Меняющий и меняемое здесь совпадают.

Разница не филологическая. Digital-native компании не проходили цифровую трансформацию, Amazon таким родился. И обгонял он ровно тех, кто трансформировался.

Дальше идёт законный вопрос, и он звучит в разных формах почти на каждой встрече: хорошо, но чтобы всё это построить, проект-то нужен.

Нужен. Различение не в том, есть проект или нет, а в том, что считать его результатом.

У проекта трансформации критерий приёмки такой: процессы переведены в целевое состояние, сделали то, что нарисовали.

У проекта, который я считаю правильным, критерий другой: вы без нас соберёте следующий контур за три недели.

Первый отдаёт результат. Второй отдаёт способность производить результаты.

Вся экономика живёт в этой разнице. Если первый контур занял три месяца, а четвёртый занимает три недели, то к концу года у вас не один результат, а восемь. При том же бюджете.

Поэтому на вопрос «когда это закончится» честный ответ выглядит так. Проект заканчивается, у него есть дата и приёмка. Не заканчивается пересборка компании. И не потому, что подрядчик не хочет уходить, а потому что модели обновляются быстрее, чем вы успеваете закрыть программу.

✌️ Меня почти на каждой встрече спрашивают: «у нас уже несколько десятков сценариев с ИИ, мы AI-Native?»

Отвечаю всегда одинаково: количество нейросетей в компании не имеет к этому отношения. Можно подключить двадцать моделей и остаться ровно той же компанией, что и была. А можно перестроить один сквозной процесс и сдвинуть экономику бизнеса.

Поэтому я перестал спорить об определениях и стал задавать один вопрос.

➡️ Уберите ИИ из компании. Что произойдёт завтра утром?

Компания работает медленнее, но работает. Это AI-Enabled. ИИ здесь ускоритель, приятный, но заменимый.

➡️ Останавливаются отдельные ключевые процессы, бизнес работает частично. Это AI-First. ИИ уже несущий элемент, но конструкция стоит на старом фундаменте.

➡️ Разрушается само ценностное предложение, способ производства результата или экономика. Это AI-Native. Компанию в прежнем виде уже не собрать.

Что я вижу на проектах с Заказчиками: почти все, кто называет себя AI-Native, находятся на первом уровне. И в этом нет ничего постыдного. Проблема начинается тогда, когда компания называет первый уровень третьим, потому что тогда она перестаёт видеть работу, которую ещё предстоит сделать.

🌐 Второе, что важно понимать. AI-Native компанией можно родиться, а можно стать.

Родиться проще: стартап с самого начала строит продукт и экономику вокруг ИИ. Стать тяжелее: нужно не автоматизировать старые процессы, а перестроить операционную модель, продукты, принятие решений и способ создания ценности. Для крупного бизнеса реален только второй путь, и он занимает годы, а не кварталы.

Из этих разговоров у меня сложилось рабочее определение.

✌️ AI-Native компания это организация, изначально спроектированная или системно перестроенная вокруг искусственного интеллекта, где ИИ не отдельный инструмент, а неотделимое ядро бизнес-модели и операционной системы. ИИ определяет, какую ценность компания создаёт, как производит её, доставляет и монетизирует. Люди и агенты вместе выполняют и оркеструют сквозные процессы, а данные, знания и обратная связь образуют непрерывно обучающийся контур, который с каждым циклом делает компанию умнее.

🌐 Я сверил эту формулировку с тем, как о том же пишут Gartner, Bain, McKinsey, BCG, Deloitte, Accenture и Bessemer. Единого стандарта у рынка пока нет, слова у всех разные, смысл один и тот же. Ближе всех к сути, на мой взгляд, подошёл Bessemer: раньше программа помогала человеку сделать работу, теперь она делает работу сама, и продуктом становится готовый результат.

🔗 Отсюда простой вывод. Прошлые сто лет компании строились вокруг людей, должностей, регламентов и информационных систем. Следующие будут строиться вокруг совместного интеллекта людей и машин, где человек задаёт намерение, цели и границы, а ИИ помогает решать, делать и улучшать систему на каждом обороте.

Это уже не цифровая трансформация. Это другая архитектура бизнеса.

Проверьте свою компанию тремя вопросами выше. Ответ обычно неприятный и очень отрезвляющий.

AI-Native предприятие: разрыв не в технологиях, а в фундаменте.

PwC выпустила отчёт «AI in 2026: The AI-native enterprise». Внутри цифра, которая объясняет почти всё, что я вижу в работе с заказчиками: подавляющее большинство руководителей называют ИИ критичным для стратегии, но только 18% имеют под ним сильный фундамент.

🌐 То есть приоритет уже на уровне совета директоров, а способность работать с ИИ как с системой пока нет.

почему это важно

➡️ Пилоты перестали быть достижением. Точечные внедрения дают 15 до 40% эффективности в отдельных функциях, но эффект появляется только когда удачный сценарий тиражируется на всю компанию.

➡️ ИИ переходит в разряд базовой инфраструктуры. Данные, слой маршрутизации моделей, корпоративный контекст, агенты как управляемые цифровые сотрудники, эксплуатация и контроль качества. Слои держатся друг за друга: сильная модель без контекста выдаёт общие ответы, а агенты без операционной дисциплины становятся ненадёжными.

➡️ Работа перепроектируется сквозным образом. Не новые инструменты поверх старых процессов, а перераспределение: объём и рутина уходят машине, суждение и ответственность остаются человеку.

➡️ Управление рисками ускоряет, а не тормозит. Когда ограждения понятны заранее, согласования перестают быть бесконечными.

➡️ Дисциплина финансового директора становится нормой. Портфель инициатив, у каждой прямая линия до экономического результата.

🔗 Что это значит для бизнеса

Компания, которая идёт в ИИ набором разрозненных экспериментов, будет годами упираться в потолок пилота. Разрыв между амбицией и результатом закрывается не количеством инструментов, а собранной архитектурой: стратегия, технологический фундамент, люди, управление.

✌️ Главное

Я убеждён, что AI-Native организации выигрывают не скоростью внедрения моделей, а способностью держать все четыре слоя связно. Именно поэтому 18% с фундаментом обгонят остальных не на проценты, а кратно.



А в вашей компании ИИ уже часть инфраструктуры для AI-Native ядра или всё ещё отдельные проекты?

Источник: https://www.pwc.com.au/services/artificial-intelligence/the-ai-native-enterprise.html

#AI в бизнесе #AI-Native