Думая о ИИ-трансформации, лидеры делают ту же ошибку, что была в эпоху цифровой трансформации (которую, кстати, почти никто толком и не провел): технологии идут вперед стратегии и управленческой системы. Об этом говорят исследования McKinsey, Gartner и BCG, которые проводились в 2025—2026 году.
В России ситуация та же. Исследование лаборатории «Лидерство + ИИ» бизнес-школы ИМИСП, в котором приняли участие 70 топ-руководителей из разных отраслей — преимущественно МСП, из Санкт-Петербурга и Сибири, — показало тот же разрыв: технологии для многих задач доступны, у некоторых компаний есть бюджеты, но реальная системная трансформация буксует. Почему лидеры готовы, а их компании — нет?
Кто решает по ИИ
2026 год стал точкой перехода: ИИ больше не воспринимается как технологическая игрушка или фактор конкурентного преимущества, рынок перешел к освоению реальных инструментов. Этот переход сопровождается фундаментальным сдвигом в структуре корпоративной власти. Согласно свежему исследованию BCG AI Radar 2026 (опрос более 2300 управленцев в 21 стране), 72% CEO заявили, что отныне именно они, а не CIO или CDO, являются главными лицами, принимающими решения по ИИ. Более того, половина опрошенных генеральных директоров уверены, что их карьерное выживание напрямую зависит от успешности ИИ-стратегии.
Данные опроса топ-менеджеров западных компаний из Fortune 1000 HBR (январь 2026 года), также показали, что ИИ окончательно перестал быть технологическим экспериментом и стал экзистенциальным вызовом для лидерства. CEO компаний, которые BCG классифицирует как «Первопроходцев» (топ-15% рынка), в 2026 году планируют направить до 60% своих AI-бюджетов на внедрение автономных AI-агентов. Это требует от руководителя совершенно иного уровня архитектурного мышления: не просто купить софт, а пересобрать процессы так, чтобы агенты и люди работали в едином гибридном контуре.
Среди руководителей уже сейчас есть довольно большое количество ИИ-энтузиастов. Они ушли далеко вперед по сравнению со своими сотрудниками в освоении инструментов генеративного ИИ в индивидуальной практике. По данным исследования лаборатории «Лидерство + ИИ» бизнес-школы ИМИСП, 78% лидеров уже используют ИИ самостоятельно, как в личных, так и в рабочих задачах. При этом системное внедрение ИИ на уровне компании участники исследования заявляют лишь в 5% случаев. Стоит также отметить, что большинство компаний (63%) застряло на этапе «точечного использования» (например, только генерация текстов или поиск информации).
Глава средней инжиниринговой компании поделился своим кейсом: он активно использует ИИ для разных задач, сам собирает агентов, занимается вайб-кодингом, постоянно рассказывает своей команде и сотрудникам о возможностях и показывает результаты. Он даже запустил конкурс гипотез на внедрение ИИ и гарантировал выделение ресурсов. Отдельные сотрудники поддерживают его энтузиазм на уровне личного использования, но прорыва не происходит. Его фрустрирует, почему технари смотрят на ИИ скорее со скепсисом.
Главным препятствием для инноваций стала когнитивная неопределенность, которая проистекает из информационного перегруза, усеченного понимания возможностей ИИ, а также нехватки доступных и понятных механизмов внедрения ИИ в бизнесе.
Результаты нашего исследования подтверждают картину. Бюджет, риски и безопасность волнуют менее 8% опрошенных. Даже реальное сопротивление команды, которое мы часто ожидаем в связи с внедрением новых технологий, оказывается вторичным барьером, волнующим лишь 13% опрошенных. При этом 45% говорят об отсутствии понимания, с чего начать, а 31% основным барьером указывает отсутствие времени на перестройку процессов под использование ИИ. Еще 10% указали разные причины, с которыми они сталкиваются уже на этапе внедрения. По сути, большей части опрошенных не хватает именно управленческих инструментов для реализации ИИ-трансформации бизнеса.
Что меняется
Перестройка процессов
Павел Губаревич, слушатель программы EMBA в ИМИСП и собственник архитектурной студии HUBARCH, проанализировал свой бизнес с помощью авторского инструмента Андрея Нестерова, разработанного в рамках лаборатории «Лидерство + ИИ». Он представляет собой структурированную семиблочную методологию последовательного проектирования ИИ-трансформации бизнеса: от формулировки стратегической цели и честного аудита текущего состояния — через выявление возможностей и барьеров — к определению состава команды, описанию конкретного пилотного проекта и оценке ожидаемого эффекта. Ключевой принцип: каждый блок существует не изолированно, а является логическим основанием для следующего, не позволяет команде перескочить к разговору о технологиях, не ответив прежде на вопросы о целях и готовности. Результатом работы с канвасом становится не концепция, а операциональный документ: сформулированная гипотеза пилота с измеримыми KPI, назначенным владельцем и датой запуска.
Павел начал с определения ключевых целей бизнеса, болевых точек, анализа текущего состояния и довольно быстро нашел блокирующий процесс — разработка и согласование планировочных решений. Он отнимает много времени, но пока этот этап не пройден, проект не может двигаться дальше. Сама задача довольно хорошо алгоритмизируется, но из-за большого количества проверок по стандартам проектирования времени на исполнение уходит много.
Павел создал стартап HAPP AI-copilot для решения конкретно этой проблемы. Основной продукт — обученный на опыте его компании ИИ-инструмент (ML), который автоматически генерирует планировочные решения в заданном пространстве по заданным параметрам. Клиент может мгновенно получить несколько вариантов и даже сам «поиграться» с планировками в личном кабинете. Продукт позволяет компании экономить множество человеко-часов и ускорять time-to-market.
Гибридная команда
При активном внедрении ИИ-агентов в бизнес-операции возникает совершенно новый феномен: гибридная команда, которая состоит из людей и ИИ-агентов. Это порождает ряд вызовов и сложностей, в том числе распределение задач, полномочий и ответственности.
Архитектура гибридных команд требует от лидера понимания, как именно сотрудники взаимодействуют с алгоритмами. В лаборатории «Лидерство + ИИ» бизнес-школы ИМИСП мы опираемся на концепцию, подтвержденную масштабным полевым экспериментом Гарвардской школы бизнеса и MIT с консультантами BCG. Ученые доказали, что использование генеративного ИИ повышает качество работы интеллектуальных специалистов на 40%.
Однако этот эффект достигается только при осознанном использовании двух моделей взаимодействия.
1. Модель «Кентавра» (Centaurs). Лидер четко проводит границу: часть задачи полностью делегируется алгоритму (например, анализ массива данных), а часть выполняется исключительно человеком (например, эмпатичные переговоры или этическая оценка). Человек и ИИ передают друг другу эстафету.
2. Модель «Киборга» (Cyborgs). Полное, непрерывное сплетение. Человек работает с ИИ на каждом этапе задачи в режиме постоянного микро-диалога, динамично интегрируя выводы машины в свои размышления.
Показателен свежий кейс крупного медицинского провайдера Ping An Health. Столкнувшись с кризисом масштабирования, CEO выступил в роли архитектора: компания внедрила гибридную модель, где открытые генеративные модели взяли на себя 95% первичного сбора анамнеза и триажа (процесс оперативной оценки и распределения пациентов на группы по степени тяжести состояния — прим. ред.).
Врачи были переведены из статуса конвейерных диагностов в статус экспертов, принимающих финальные высокорисковые решения. Результат? Беспрецедентное расширение пропускной способности без роста штата позволило компании вернуться к операционной прибыли в 2025 году и предотвратило выгорание врачей из-за перегрузок.
Задачи лидера эпохи ИИ
Чем большую автономию мы даем AI-агентам, тем важнее становятся чисто человеческие качества руководителя —Insight (проницательность), Integrity (целостность и этика) и Intuition (стратегическая интуиция). Лидер-архитектор должен уметь переключать свою команду между режимами «Кентавра» и «Киборга» в зависимости от задачи, не допуская побочного эффекта — слепого подчинения алгоритму.
Если смотреть на то, где в целом бизнес готов применять ИИ, мы можем смело сказать, что, по данным исследования ИМИСП в России, ИИ до сих пор воспринимается в основном как операционный усилитель рутины. Топ-зоны доверия ИИ: маркетинг (65%), аналитика данных и финансы (55%), коммуникации и клиентский сервис (45%). Применять бизнес в стратегическом процессе пока решается довольно мало компаний.
В ходе исследования мы посмотрели на самих руководителей с точки зрения их ИИ-зрелости. По данному показателю они делятся на четыре сегмента, и для каждого нужен свой подход по развитию практической ИИ-компетентности.
Большинство (40%) — осознанные новички, они хорошо пользуются ИИ сами, но не знают, как внедрить в бизнес. Продвинутые пилоты (25%) уже внедрили более сложные решения, агентов и мультиагентные системы, RAG-агентов и подобные инструменты, но не могут их масштабировать. Чаще всего барьером становится вопрос безопасности и ограничений применения, что особенно актуально для крупных компаний. Также можно выделить скептиков (20%), которые сами могут использовать ИИ для локальных задач, но пока не видят потенциального экономического эффекта и ценности для бизнеса. Наконец, меньшинство — всего 15% — системные лидеры, которые уже запустили процесс ИИ-трансформации бизнеса.
В 2026 году рынку нужны не новые нейросети, а бизнес-архитекторы ИИ — те, кто сможет выстроить системную логику внедрения ИИ от целей и ценности, при этом понимая не только техническую, но и управленческую сторону задачи. Без такого лидера ИИ-трансформация будет буксовать.
Оценить готовность компании к внедрению ИИ-технологий в бизнес-процессы можно, честно ответив вместе с командой на три вопроса.
- Понимаем ли мы стратегическую необходимость/ценность ИИ для бизнеса?
- Есть ли базовая цифровая готовность для внедрения ИИ (как для любой автоматизации нужны качественные данные, описанные и настроенные процессы)?
- Приемлем ли для нас существующий контур рисков внедрения ИИ?
Ответы напрямую влияют не только на культуру, но и на P&L. Если все три ответа положительны, можно идти в трансформацию (бюджет на внедрение оценивается в 0,5—1% выручки). Если нет, переходим в режим подготовки к будущей ИИ-трансформации: стоит продолжать развивать личную практику использования ИИ, выстраивать ИИ-осведомленность сотрудников, регулировать использование открытых инструментов.
