Когда интеллект стал дешёвым. Том 2: Бизнес в эпоху ИИ-агентов. Как создавать ценность, когда меняются команды, компании, клиенты и рынок труда

Хребет: точка, приложение, система

У этой истории есть строгий экономический каркас. Его дали Аджай Агравал, Джошуа Ганс и Ави Голдфарб, экономисты, изучающие ИИ больше десяти лет, в книге с показательным названием «Power and Prediction», «От предвидения к власти».17 Они раскладывают любое внедрение технологии на три уровня. Переведу их на язык завода.

Точечное решение. Вы улучшаете один шаг и ничего вокруг не трогаете. Это и есть «поставить электромотор вместо парового двигателя». В мире ИИ — кнопка «сгенерировать текст» в старой форме заявки. Риск низкий, внедряется в одиночку, начальник доволен, эффект на прибыль близок к нулю.

Прикладное решение. Появляется новая процедура, но система вокруг прежняя. Отдельному станку дали свой мотор — а цех ещё не перепланировали.

Системное решение. Пересобрана сама система вокруг новой возможности. Завод построен под электричество с нуля. Вот здесь кратный рост. И здесь же настоящий риск: меняются роли, метрики, ответственность, смежные процессы. Авторы называют это риском системного изменения: чтобы получить большую выгоду, кто-то должен решиться перестроить всё.

Вся ценность живёт на третьем уровне. Первые два — разминка, которая сама по себе денег не приносит. И теперь видно, почему 95% пилотов проходят мимо прибыли: подавляющее большинство — точечные решения. ИИ воткнули в один шаг старого процесса и удивляются, что система не дрогнула.

Этот тезис требует одной честной оговорки. Книга вышла в 2022 году, до волны генеративного ИИ, и «ИИ» в ней — прежде всего удешевление прогноза. Сегодня дешевеет шире: не только предсказание, но и само производство — текст, код, дизайн, расчёт. Это ровно то, что в Томе 1 мы назвали удешевлением output,18 всего, что можно произвести и показать. Но логика «ценность только на системном уровне» от этого не слабеет, а крепнет. Чем дешевле произвести, тем меньше платят за производство — и тем важнее, как пересобрана система вокруг.

Косметика или реконструкция: как отличить

Отсюда простой и неприятный тест. Большинство «ИИ-трансформаций» — косметика: ИИ наложили поверх старого, как краску. Настоящая реконструкция выглядит иначе, и отличить одно от другого можно по конкретным признакам.

Договоримся о словах. Косметический ИИ — модель, добавленная поверх старого процесса без изменения ролей, метрик, ответственности и контроля. AI-native — процесс или бизнес, пересобранный вокруг ИИ. Это не ускорение старой схемы. Это новая схема работы («Не лошадь побыстрее, а другой способ передвижения»).

Реконструкция произошла, если:

• изменилась карта работы — кто что делает в каком порядке, а не просто «добавили помощника»;

• изменились роли — появились те, кто отвечает за ИИ-процесс, а не только пользуется им;

• изменились метрики — измеряют не «сколько документов сгенерировали», а скорость, качество, риск и тот самый outcome;

• встроена проверка качества — есть способ понять, можно ли доверять результату, а не «вроде нормально»;

• человек остался в критической точке — подтверждает, подписывает, останавливает там, где ошибка дорогая;

• есть измеримый результат — что-то реально изменилось для клиента или в деньгах.

Если ни один пункт не про вас — у вас косметика. Неважно, сколько закуплено лицензий и сколько раз произнесено слово «трансформация». Машину поставили в паровую планировку.

Я нарочно не превращаю это в чек-лист на двадцать пунктов. Бизнесу нужен не аудит, а зеркало. Шесть вопросов — это зеркало.

Шесть уровней: где сейчас ваша компания

Зеркало показывает, косметика у вас или нет. Но между «ничего нет» и «бизнес заново собран вокруг ИИ» лежит несколько ступеней, и важно понимать, на какой стоит компания. Не чтобы выставить оценку, а чтобы увидеть следующий шаг. Прыгать через ступень бессмысленно.

Вот лестница зрелости — шесть уровней, от нуля до пяти.

Большинство компаний, которые искренне считают, что внедрили ИИ, сидят на уровне 2. Сотрудники готовы — личная продуктивность правда выросла. А организация осталась прежней. Помните Deloitte: доступ к ИИ почти у 60%, зрелое управление — у 21%. Это и есть разрыв между вторым уровнем и четвёртым, выраженный в цифрах. Между «людям стало удобнее» и «компания работает иначе».

Граница, за которой начинается эффект на прибыль, проходит между уровнями 2 и 3 — там, где меняется уже не личная привычка, а сам процесс. Косметика живёт на уровнях 1—2. Реконструкция начинается с третьего.

И здесь главный тезис лестницы, который стоит запомнить дословно:

Компания проигрывает не тогда, когда у неё нет самой новой модели. Она проигрывает, когда продолжает управлять работой по старым правилам, хотя стоимость выполнения задач уже изменилась.

Задача не в том, чтобы прыгнуть на пятый уровень. Задача — честно понять, где вы, и сделать шаг на следующий.

Почему 95% — это механизм, а не приговор

Сложим всё вместе, и страшная цифра перестанет быть страшной.

95% пилотов не дают эффекта на прибыль не потому, что ИИ не работает. А потому, что это точечные решения — мотор в старой планировке. Они и не могли дать эффекта: его дают только системные решения, а на них решаются единицы. Разрыв обучения у MIT, разрыв в управлении у Deloitte, нижняя часть J-кривой у Бриньолфссона — всё про одно.19 Технология обогнала организацию. Между ними легла дистанция, и пока её не пройдёшь, в отчёте о прибылях будет пусто.

Это не повод выдохнуть: значит, можно не торопиться. Скорее наоборот. Из той же логики следует кое-что неприятное.

Раз дело не в модели, а в перестройке, покупка лучшей модели вас не спасёт. Базовый доступ к сильным моделям быстро перестаёт быть редкостью, поэтому сама лицензия даёт всё меньше отличия. Но данные, интеграция, контроль, доверие клиента и умение изменить процесс не стали ни бесплатными, ни одинаковыми. Именно там всё чаще возникает преимущество.

Те немногие, у кого получилось, отличаются не умом моделей. Модель у них часто такая же. Они отличаются тем, что прошли дистанцию: переделали процесс, а не украсили старый.

Кто пересобирает первым — забирает рынок

И вот тут глава перестаёт быть про эффективность и становится про власть.

«Пересобрать процесс» звучит как внутренняя кухня: переставят столы, перепишут регламенты. Но у Агравала, Ганса и Голдфарба есть второй тезис, гораздо жёстче, — он и дал название книге. Системная перестройка перетасовывает власть между старыми и новыми игроками. Кто первым и надёжно пересобрал систему, забирает рынок. Не тот, у кого лучшая модель. Тот, кто рискнул перестроить завод, пока остальные меняли моторы.

Старые лидеры попадают в ловушку, которую экономисты называют дилеммой новатора. У успешной компании система уже работает и приносит деньги. Ломать то, что кормит, ради непонятной перестройки — против всякой логики и против интересов всех, кому хорошо сейчас. Поэтому лидеры тянут до последнего, делают косметику и отчитываются о внедрении. А новичок, которому нечего терять, собирает работу с нуля под дешёвый интеллект — и в какой-то момент оказывается, что он делает то же самое кратно дешевле, быстрее или лучше. Преимущество, на котором держался лидер, исчезает.

Откуда новичок знает, что момент настал? Из понятия, которое авторы называют порогом надёжности.20 Перестройку запускает не то, что ИИ поумнел вообще, а то, что в конкретной задаче прогноз стал достаточно надёжным, чтобы на нём пересобрать процесс. Пока надёжность ниже порога — система не меняется, и это разумно. Как только перешла — медлить опасно: кто-то уже считает, что порог пройден, и строит новый завод.

Это и есть мост ко всему второму тому. В «От автора» я обещал образ, который проведёт нас насквозь: дешёвый двигатель есть у многих, машину ещё надо собрать, а рельсы, по которым она поедет, кто-то прокладывает заранее и берёт плату за проезд. Эта глава — про сборку машины. Кто соберёт её первым, тот выедет раньше других. А про рельсы — кто теперь владеет поиском, выбором, оплатой и доступом к клиенту — речь впереди.

Что меняется, когда перестраиваешь по-настоящему

Договоримся, чего эта глава не обещала. Она не учит, как пересобирать процесс — это следующая глава, про путь от output к outcome: процессы, проверку качества, управление. Здесь — диагноз и ставка: почему косметика не работает и почему медлить дорого. Но один практический контур нужен уже здесь, иначе реконструкция останется красивым словом.

Когда перестройка настоящая, меняются три вещи — те же, что на электрической фабрике.

Роли. Появляется тот, кто отвечает не за «я сделал документ», а за результат процесса целиком, вместе с работой ИИ внутри него. Из исполнителя — во владельца результата. На фабрике это было новое поколение управляющих, не побоявшихся выкинуть вал.

Метрики. Перестают считать output — сколько писем, документов, строк кода. Начинают считать outcome: за какое время клиент получил решение, насколько снизился риск, что реально изменилось в деньгах. Если вы измеряете количество сгенерированного — вы всё ещё меряете обороты мотора, а не движение завода.

Устройство работы. Процесс перерисовывают под дешёвый интеллект, а не приклеивают ИИ к старым шагам. Где-то целый этап исчезает. Где-то появляется проверка, которой не было. Где-то человек уходит с механической работы туда, где нужно суждение и ответственность, — как операционист из Тома 1, переставший считать деньги и начавший разговаривать с клиентом о деньгах.

Чтобы это не висело в воздухе, вернусь к истории, которую я рассказал в конце первого тома, — теперь с деловой стороны. Долгие годы у нас в компании договор шёл по одному маршруту: команда собирала вопросы, пакет уходил во внешнюю юридическую фирму, мы ждали правок — в среднем четыре-пять дней. Через этот круг постепенно пошло всё подряд, включая типовое: знакомую формулировку, замечание, которое разбирали полгода назад.

Косметический ход напрашивался сам — дать договорному отделу ИИ-помощника, чтобы комментарии писались быстрее. Это не изменило бы ничего: договоры всё так же ждали бы очереди во внешнем круге, просто комментарии готовились бы шустрее. Точечное решение, мотор в старой планировке. Мы сделали другое — перерисовали маршрут. Собрали не замену юристам, а внутреннюю память для первого разбора: базу типовых проблем, частые замечания, наши правила, примеры прошлых правок. Команда обращается к ней до внешнего круга: где здесь риск, на что это похоже, что обычно правили. Финальное юридическое слово осталось за человеком, данные — обезличенные или разрешённые правилами.

И сошлись все три сдвига разом. Устройство работы: типовое перестало уходить во внешнюю очередь и проходит первый разбор за пятнадцать-двадцать минут вместо нескольких дней. Роли: юристы перестали тратить время на знакомое и ушли туда, где без человека нельзя — нетиповой риск, переговоры, спор, цена ошибки. Метрика: мы считали не «сколько комментариев написали», а сократившийся цикл и долю обращений к внешним юристам по типовым вопросам — она упала больше чем на девяносто процентов.21 Тот же дешёвый интеллект начал работать не внутри старой схемы, а как часть пересобранного процесса. Вот разница между плагином и реконструкцией, на одном договоре.

С этого начинается практический ход, короткий и честный. Прежде чем покупать ещё одну лицензию, ответьте на один вопрос: вы прикручиваете ИИ к старому процессу — или меняете сам процесс? Если в вашем проекте не двигаются роли, метрики и устройство работы, вы запускаете ещё один пилот из тех 95%, что не дают измеримого эффекта.

Электрификация дала полный эффект лишь после того, как фабрики перестроили вокруг нового источника энергии (на разрешение парадокса Солоу ушло почти 30 лет). Компьютерный парадокс тоже начал ослабевать не от количества компьютеров, а вместе с дополнительными вложениями в процессы, навыки и организацию.22 С ИИ точный срок никто не знает. Но ждать, что следующая модель сама переделает старую работу, — не стратегия.

Новый мотор уже купили многие. Преимущество получит не тот, у кого он громче, а тот, кто раньше остальных перестроит вокруг него работу и докажет это не числом лицензий, а изменившейся экономикой процесса.

Практикум к книге

В Практикуме к этой главе лежат:

• Тест зрелости процесса — проверить один процесс и понять, это косметика поверх старой работы или настоящая реконструкция.

• Лестница уровней AI-native — увидеть текущий уровень процесса и следующий ход: от хаотичных проб к новой операционной модели.

• Промпт «Переизобрести компанию с нуля» — посмотреть на бизнес как на единую функцию, а не как на набор старых отделов.

Открыть Практикум:

https://cheap-intelligence.vercel.app/

Глава 2. Больше сделано — не значит больше пользы

Почему ИИ умножает сделанное, но не создаёт результат без проверки.

Ценность создаёт не сделанное, а сделанное и проверенное.

«Эффективность — это делать вещи правильно. Результативность — это делать правильные вещи».

— Питер Друкер, основоположник современного менеджмента23

Вот сцена, которую легко узнает любой, кто работал с аналитикой. Аналитик готовит клиенту обзор — раньше на него уходил день, теперь пятнадцать минут. Текст ровный, графики на месте, выводы звучат уверенно. Никто не стал проверять: выглядит ведь безупречно. Обзор уходит клиенту. А внутри — одна цифра, которую модель не взяла из данных, а правдоподобно достроила сама. Клиент принимает решение, опираясь на неё.

Беда не в том, что ИИ ошибся. Беда в том, что между «сделано» и «верно» не оказалось ни человека, ни проверки. Раньше этот зазор частично закрывался самим трудом: пока аналитик день собирал обзор руками, он сто раз спотыкался о собственные числа. Дешёвый и быстрый артефакт убрал не только труд — он убрал и часть встроенной проверки, которая в этом труде пряталась.

В прошлой главе был диагноз: ИИ редко меняет экономику бизнеса, пока его прикручивают к старой работе вместо того, чтобы переделать саму работу. Эта глава — о том, как работу переделать. И начинается она с неприятного: ИИ резко увеличивает количество сделанного, а вот полезного результата само по себе не прибавляется. Больше писем, отчётов, черновиков и слайдов — это ещё не больше результата. Чтобы из вала сделанного получился результат, вокруг ИИ нужно собрать процесс, проверку и правила. Иначе вы просто быстрее производите то, что потом придётся переделывать.