Искусственный интеллект за последние годы серьезно прогрессировал. По данным McKinsey, 78% компаний уже используют эту технологию как минимум в одной бизнес-функции. Но дело не в скорости, а в глубине изменений: ИИ – не просто инструмент, а часть архитектуры компании. Он меняет то, как мы принимаем решения, выстраиваем команды и распределяем ответственность. Вопрос не в том, как внедрить ИИ в старую структуру, а как перепроектировать компанию под новые возможности.
1. Меньше иерархий, меньше менеджеров
Компании начинают пересматривать классические пирамидальные структуры. Уровней управления становится меньше. В среднем звене, особенно в операционном управлении, исчезает необходимость, поскольку ИИ берет на себя функции контроля, анализа и координации, которые раньше выполняли люди.
По данным Gusto, в малом бизнесе США соотношение рядовых сотрудников к одному руководителю выросло с 3:1 в 2019 году до 6:1 в 2024. Аналогично в корпорациях: например, в Moderna департаменты технологий и HR объединены под управлением одного руководителя, а McKinsey внедрила тысячи ИИ-агентов для поддержки консультантов в сборе информации, анализе и формировании выводов.
Российский пример: в Сбербанке автоматизировано 85% процессов, включая принятие решений по кредитам. Это позволяет не только ускорить работу, но и сократить количество управленческих уровней.
2. Кросс-функциональные команды с поддержкой ИИ
Организации переходят к более гибкой модели – командам, в которых специалисты из разных областей работают вместе. ИИ помогает в этом: берет на себя рутину, предоставляет аналитику в реальном времени и поддерживает коммуникацию. Именно такой подход к организации команд позволяет более эффективно внедрять ИИ в деятельность компании.
В таких командах ИИ становится полноценным участником: собирает данные, генерирует предложения, проверяет гипотезы. Это снижает необходимость в согласованиях и делает возможным принятие решений на месте. ИИ не заменяет специалистов, а дополняет их. Задача нейросети – не думать за человека, а ускорять цикл «вопрос-анализ-решение».
3. Изменение роли руководителя
Руководитель становится не контролером, а координатором и фасилитатором. Вместо проверки выполнения задач – помощь в развитии команды, настройке процессов и адаптации к изменениям. Это требует других навыков. Умение ставить цели остается важным, но добавляется новое – умение работать с ИИ: понимать его возможности и ограничения, интерпретировать результаты, принимать решения в условиях автоматизированной поддержки. По данным World Economic Forum, этот навык считают критически важным 45% работодателей. Умение управлять командами, в которых часть задач выполняет ИИ, а часть – люди, требует пересмотра привычных моделей взаимодействия и доверия.
4. Новые навыки на стыке человеческого и машинного интеллекта
Появляется отдельная группа навыков, которые называют fusion skills. Это умение сформулировать вопрос для ИИ, проверить обоснованность его ответа, использовать результат в конкретной бизнес-ситуации, вовремя вмешаться, если алгоритм ошибается. Такие навыки не заменяют профессиональную экспертизу, но становятся ее неотъемлемой частью. В организациях, где их развивают целенаправленно, взаимодействие с ИИ становится частью повседневной работы, а не разовым экспериментом.
5. Организационное управление с помощью нейросетей
Некоторые компании экспериментируют с архитектурой, в которой ИИ выполняет управленческие функции. Например, Vayu AI создает модель, где у каждого подразделения есть ИИ-руководитель, который получает запросы, ставит задачи другим ИИ-агентам и координирует их работу. Люди взаимодействуют с этой системой через обычные каналы – мессенджеры, почту.
Такие модели пока редкость, но они показывают, в каком направлении может развиваться организационный дизайн. Там, где ИИ способен действовать быстро и надежно, появляется соблазн передать ему больше ответственности.
6. Гибкие структуры вместо редких реорганизаций
Изменения структуры компании могут происходить постоянно, а не раз в несколько лет. ИИ позволяет отслеживать перегрузки, заторы, появление неформальных центров влияния, и на этой основе предлагать изменения. Временные команды, пересмотр связей между отделами, уточнение ролей – все это становится частью живого процесса, а не проектом на полгода.
7. Прозрачность данных между подразделениями
Ценная функция ИИ – устранение информационных барьеров. В классической структуре данные часто застревают в пределах отделов. С помощью ИИ можно выстроить систему, в которой информация передается туда, где будет полезна – автоматически и без задержек.
Компания Sanofi, объединившая более 400 структур, построила приложение, которое собирает данные из всех внутренних систем и предоставляет доступ к ним сотрудникам в простой форме. Это позволяет принимать решения на основе общей картины, а не разрозненных кусочков.
8. Цифровые двойники организаций
С помощью ИИ можно создавать цифровую модель организации – не статичную схему, а динамическую систему, которая имитирует работу компании. Такая модель позволяет протестировать изменения до того, как они будут внедрены. Это особенно важно для крупных структур с высокой стоимостью ошибок. Цифровой двойник может подсветить слабые места, рассчитать последствия и предложить альтернативные сценарии.
Выводы
ИИ постепенно становится частью архитектуры организации, оказывая влияние на структуру, роли, процессы и способы принятия решений. Меняется и компания: от фиксированной схемы – к системе, которая может перестраиваться под задачу, под рынок, под ритм.
Пока одни руководители интегрируют ИИ как вспомогательный инструмент, другие строят с нуля структуру, культуру и практики. Разрыв между такими бизнесами будет расти. В одних местах ИИ снимает нагрузку, в других – меняет правила игры.
Главный вопрос не в том, что может делать ИИ, а как бизнес готов меняться под технологию. Не как внедрить ИИ в текущую структуру, а как перепроектировать структуру под новые возможности.
Также читайте:
Как раз одновременно с публикацией статьи АНО Цифровая экономика выпустила аналитический отчет «Тренды применения искусственного интеллекта в отраслях». Для меня это не потенциальные рассуждения как можно (нужно) использовать ИИ, а как есть сейчас в реальности у большинства и в каких направлениях идет развитие.
В отчете представлен обзор современных и перспективных направлений внедрения ИИ в ключевых отраслях экономики России.
https://files.data-economy.ru/Docs/AI_otr_trands_2025.pdf
На эту тему немного можно и пошутить, и добавить. Вчера была на форуме Правотех, очень много услышала и плюсов, и рассказов про галлюцинации ). Весь день форума пролетел как час. Захватывающее мероприятие и тема ИИ интересует своей актуальностью.
Обсуждались использование ИИ от создания ботов юридических департаментов, сбрасывание ответов на массовые претензии на ИИ-стажера, до проверки договоров и проблем с галлюцинациями. А уж работа с судами с помощью ИИ это тема хождения по минному полю).
Структрура - это распределение ролей и ОТВЕСТВЕННОСТИ.
Нет - структуры - никто ни перед кем и ни за что отвечает...
Ни одна серьезная организация не работает «командами»...
Про айтишников не заикайтесь... у них команда - это временное подразделение на срок реализации ветки проекта... все задачи формализованы и ВСЕ РАВНО есть жесткая отчетность и подчинение менеджеру проекта...
НЕ дурите людям голову своими фантастическими мыслями... Пойдите и поработайте 5 лет руководитетеле, посмотрите на людей вживую... А потом рассуждайте и учите жизни...
Команды - это термин, которые придумали консалтеры-консультанты подобные вам...
Не будет четкой структуры - хана придет организации быстро и незаметно...
И не разгоняйте эту туфту про ИИ.... Не поможет это никак руководителям...
Использование ИИ в качестве руководящей роли это заблуждение, а использование ИИ как исполнителя и помощника чтобы сэкономить время и обеспечить определенные качества это перспективно.
При этом можно понимать, что поручение ИИ роли секретаря или модератора конкретных действий, хоть и может выглядеть как управление, но на самом деле это просто необходимая и эффективная помощь соблюсти определенную заранее людьми последовательность определенных действий.
При этом могут выиграть все и специалисты и клиенты.
ИИ при этом тоже может совершенствоваться.
Перспектива развития ИИ также в том, что специалистов с высокой квалификацией во многих сферах не хватает все больше, поэтому замена людей может произойти более гармонично.
А почему, Борис? )
Мнне кажется, что главная фундаментальная проблема человечества - это асимметрия информации, в самом широком смысле. То есть не только. при котором одна сторона обладает знаниями, недоступными другой как в экономическом плане, а вообще в принципе.
И человек делает свои умозаключения на какой-то ограниченной известной ему информации.
А как насчет двух последних докладов этого года – Genius on Demand: The Value of Transformative Artificial Intelligence и
We Won't Be Missed: Work and Growth in the Era of AGI
И том, что GPT-6 может достичь «уровня компетентного аспиранта»? А восьмой?
Или виртуальный гуманоидный ребенок TongTong 2.0, который имитирует способности пяти- или шестилетнего ребенка, демонстрируя здравый смысл и умение решать задачи в новых ситуациях, которого сконтсруировали китайцы..
И который, когда его попросили достать пульт от телевизора с высокой полки, до которой он не мог дотянуться, виртуальный ребенок проявил находчивость, использовав подушку, чтобы приподняться.
А когда TongTong дали задание найти игрушку совместно с другим ИИ-агентом по имени LeLe, TongTong избегал областей, которые LeLe уже обследовал.
Это демонстрирует не только понимание цели, но и способность к рассуждению в социальном контексте и координации действий с другим субъектом.
Ирина соглашусь, что асимметрия или большое количество разносторонних данных могут запутываться и запутывать.
В то время как специализация в узкой области знаний, умений и навыков являются необходимым условием успеха.
Поэтому автономные решения в ИИ являются более перспективными. Автономия также важна и для кибербезопасности.
То что китайская игрушка преуспевает вероятно заложено как в самом термине - игрушка, указывающим на автономию, так и на программы заложенные инженерами.
Возможно "творческие" вопросы, особенно показанные прилюдно или на камеру являются просто "домашней" заготовкой отвечать на подобное.
Одна из проблем сейчас при обучении ИИ это то что специалисты с высокой квалификацией не хотят, а порой и не смогут обучить всем своим умениям и навыкам.
Например банковский ИИ Сбера или других банков очень экономит время решая кому выдать, а кому нет кредит.
Но этот ИИ не является идеальным, как не является идеальным тот или иной супер специалист - каждый может ошибаться.
Каждый работает в своем диапазоне рисков, основанных на каких то допущениях.
С учетом допустимых рисков ИИ можно доверять принятие определенных решений, при этом подходящим решением для работы ИИ является то, чтобы он скидывал специалистам когда возникает вероятность разных диагнозов и принимаемых на их основе решений.
Можно вспомнить Джерома К Джерома, герой книги - мужчина который изучая медицинский сборник обнаружил у себя симптомы абсолютно всех болезней исключая "родильную горячку"!:)
Достижения ИИ уровня компетентного аспиранта это перспективно иметь под рукой даже высококвалифицированному специалисту.
Илон Маск заявляет, что в его ИИ находится целая команда аспирантов!:)
Академические базы данных можно базово применять ИИ как помощника для специалистов, затем упрощая работу специалиста автоматизацией ряда процессов дообучать ИИ.
Изучение диагностики болезней лучше делать не "под ковром" автоматизации, а под руководством специалистов.
Под специалистами в данном случае и в первую очередь нужно понимать специалистов в каждой предметной области, а не специалистов по пограммированию, которые тоже участвуют в этом.
Мой опыт подсказывает мне, что некоторые специалисты высокого профиля начнут понимать, что квалифиципованных специалистов не хватает для большого количества людей - и начнут делиться своими знаниями, умениями и навыками.
Вероятно поэтому преподаватели из Масачусется оцифровали все свои лекции и выложили их в открытый доступ.
На мой взгляд их цель - сохранить и передать хотя бы академические знания о технических и социальных технологиях.
На этом ресурсе не так давно была долгая и поучительная дискуссия о командах и соответствующей терминологии.
Я бы не согласился с тем, что этот термин придумали консультанты. Можно посмотреть несколько классических статей о командах и командообразовании, группах, групповой динамике в организациях и прочем, там всё вполне серьёзно. Но не на бытовом уровне.
Увы, в наших и не только наших условиях термину "команда" придаются совершенно другие смыслы, обычно для создания некого заведомо позитивного отношения к обсуждаемому и - часто - для маскировки истинных целей. А ненужные отсылки к AI и GAI только усложняют понимание.
Такого рода асимметрии - слишком важная часть нашей жизни.
Где-то тепло, где-то холодно. Где-то ветер дует налево, где-то направо, где-то полный штиль. Где-то работает ускоритель, где-то люди ищут новые объекты в космосе, испытывают будущие лекарства, а где-то другие пашут землю или ставят новый балет. И каждый раз при этом появляются новые данные и затем информация. Иногда - новые знания.
Если предложить сузить тему и подальше отойти от самого широкого смысла - а какая, собственно, информация действительно необходима для принятия решений, если мы всё еще о бизнесе?
У информации, в отличие от сырых данных, есть качественные и стоимостные параметры. И совершенно нормально (для меня) то, что обычно нам нужно относительно немного информации, чтобы сделать выводы и двигаться вперёд.
А уровни знаний (!) и возможности и способы доступа к информации всегда будут различаться по вполне естественным причинам.
Я-то как раз имела в виду другое, Борис )) Недостаток данных и знаний часто приводит к нерелевантным прогнозам.
И удивительное человеческое свойство ) если какой-то факт колеблет нашу устоявшуюся картину мира, то сразу возникают утверждения – что-то там не так, что-то подделали с этими роботами )))
Да, даже лицо у нас не симметрично ) Но я о другом говорила.
Для обыденных решений информации вполне может хватать ) А вот для того, чтобы выстраивать тренды и догосрочные прогнозы нужна хорошая база данных.