После десятилетий разработки, интеграций и борьбы с унаследованными системами наступает момент, когда можно наконец заняться программированием смыслов, а не борьбой с багами и техническим долгом. Разбираемся, как меняется цифровая трансформация в эпоху ИИ и что это означает для бизнеса. От автоматизации к цифровым продуктам Эволюция IT-систем Путь развития информационных технологий в бизнесе прошёл несколько ключевых этапов. Первое поколение — это тяжёлая автоматизация, когда к работающему бизнес-подразделению добавлялась команда разработчиков, что делало процессы дороже и медленнее. Цикл от запроса бизнеса до реализации растягивался на годы. В крупных компаниях вроде Газпрома описывались тысячи бизнес-процессов, а обновления накатывались раз в два года. Это была неизбежная боль, с которой бизнес вынужден был мириться. Многие руководители до сих пор несут травму того периода: "Сделайте так, чтобы я этих людей не видел" — типичная реакция собственников на упоминание IT. Продуктовая эра Следующий этап — цифровые продукты. Когда в решение закладывается логика ценности и появляется повторяемость использования, экономика начинает сходиться совершенно по-другому. Главное преимущество: себестоимость внедрения продукта низкая, а каждая новая лицензия — это "неразменный грош". Именно поэтому продукт-менеджмент стал популярным. В отличие от производства автомобилей, где переменные издержки значительны, в IT можно продавать одну и ту же лицензию бесконечно. Это создало естественную базу для цифровой трансформации. Цифровые активы Дальнейшее развитие привело к концепции цифровых активов — частей бизнес-процесса, основанных на цифровых технологиях, которые при масштабировании не требуют пропорционального роста затрат. Классический пример: в Сбербанке андеррайтингом занимались 11 тысяч человек, после цифровой трансформации осталось меньше 100 специалистов вместе с разработчиками. Это принципиально изменило расстановку сил. Рутинные операции "белых воротничков" начали давать основу для создания реальной ценности в бизнесе. Проблемы современной цифровизации Вечная гонка Главная проблема: нужно быстро бежать, чтобы оставаться на месте. Рынок ускоряется, эффективность разработки растёт, информация о новых фичах распространяется мгновенно. Существует три стадии ценности любой фичи. Первая: ты создаёшь её первым и вовремя — снимаешь сливки, получаешь новых клиентов, повышаешь лояльность. Вторая: это уже не привлекает новых клиентов, но удерживает существующих на вендор-локе. Третья: если ты не сделаешь то, что уже стало нормой рынка, клиенты начнут тебя хейтить. Возникает продуктовый долг — когда компания гонялась за второстепенными историями, а необходимое для рынка не делала. Догонять придётся за свой счёт, и прибыли это не принесёт. Многие компании сходят с дистанции именно на этом этапе. Разрыв между IT и бизнесом Бизнес никогда не слышит от IT то, что может реально принести деньги сейчас. Вместо этого предлагается оптимизация издержек, актуальных в прошлом году. Айтишники приносят "прошлогодний снег". Обратная проблема: бизнес просит не то, что ему нужно, хочет не то, что просит. Это выносит мозг всем участникам процесса. Интеграционный кошмар Чем зрелее становится система, тем больше времени уходит на интеграцию. На ранних этапах автоматизации 90% времени уходило на новый функционал и 10% на интеграцию. В зрелых системах пропорция обратная: 70% уходит на интеграцию с существующими решениями. У Oracle цикл тестирования релиза составлял шесть месяцев нон-стоп. Представьте: вы как руководитель проекта получаете информацию о том, пофиксили баг или нет, через полгода. Это как муха, попавшая в янтарь. Low-code: спасение или иллюзия? Реальное преимущество Многие думают, что лоу-код сокращает время создания нового функционала. На самом деле главное преимущество — сокращение издержек на интеграцию. Базовая обвязка становится гораздо более гибкой и настраиваемой. Раньше бизнес-аналитик рисовал процесс, его валидировали все участники, затем распихивали по кусочкам систем и программировали. Лоу-код позволил части специалистов делать это быстрее, но управление осталось не у заказчика, а у технических специалистов. Скрытые издержки Парадокс: автоматизация начинает съедать время вместо того, чтобы его экономить. Написать новый скрипт на лоу-коде — час работы. Но потом меняется API у Google, затем обновляется платформа лоу-кода, и каждый скрипт требует по 10 минут в день на поддержку. А какой-то из них раз в неделю становится полностью нерабочим и требует четырёх часов аврала. В теории всё красиво, на практике нужен отдельный человек для поддержки. Точно так же, как у команд разработчиков появились DevOps-инженеры. Искусственный интеллект как всадник апокалипсиса Поддерживающая технология С одной стороны, ИИ — это поддерживающая технология. Можно оптимизировать работу каждого сотрудника или подразделения, добавив немного искусственного интеллекта. Исследования показывают прирост эффективности от 15% до 50%. Это абсолютно правильная и полезная история. Но искусственный интеллект обладает и потенциалом к разрушению существующих рынков. Стоимость решения близка к нулю ИИ — это всадник апокалипсиса, который делает стоимость принятия решения близкой к нулю. Раньше персонализация была дорогой: один семинар — 250 лендингов, каждый нужно собрать, оттестировать, под него сделать воронку. Сейчас в США десятки стартапов занимаются персонализацией коммуникации. Сколько стоит заточить дизайн страницы лично под каждого пользователя с учётом его любимого цвета? Практически ничего. Сегодня показали чёрный, завтра посмотрели его соцсети и предложили розовый. Идея настраиваемых порталов умерла — пользователи не хотят тратить время на кастомизацию. А делать это через людей дорого. ИИ решает эту проблему кардинально. Данные вместо маркетинга Уже сейчас трафик и лидогенерация с нейросетей больше, чем с SEO-оптимизации. В ближайшие два года появятся персональные рекомендательные системы, основанные не на обработке посадочных страниц для людей, а на работе с эмбедингами — описаниями смыслов продуктов и данными об их эффективности. Представьте: перед покупкой BPMS-системы ваш ассистент запрашивает у вендеров обезличенную статистику по тому, насколько эффективно работает их решение. Затем сравнивает платформы не по красивым веб-страницам, а по реальной производительности. Сегмент прагматиков, выбирающих по кейсам и эффективности, очень скоро переселится на принятие решений на основе объективных данных. Это кардинально изменит логику взаимодействия в индустрии. Фильтрация информационного шлака Через 2-3 года 90% людей не будут смотреть видео вживую. ИИ проанализирует контент, превратит его в смысловой ряд и адаптирует под конкретного пользователя. "Расскажи, о чём они там говорили? Из того, что я не знал, покажи 1-2-3 пункта. Объясни попроще". Главная боль современного мира — как переварить весь информационный шлак и найти зерно смысла. Персональный ассистент, фильтрующий инфопоток на наличие здравого смысла, — это одна из ключевых идей ближайшего будущего. Три слоя бизнеса и распределение ресурсов Комодити: не трогай, если работает Первый слой — процессы, в которых ничего не меняется. Это комодити вроде бухгалтерии, где всё жёстко регламентировано. Работает — не трогай. В лучшем случае это кандидат на оптимизацию. Рост: новые деньги Второй слой — изменения в бизнесе, которые могут принести новые деньги. Зона роста: отделы продаж, продуктовые команды, работа с воронками, инновации. Многоканальное обслуживание тоже сюда. Важный нюанс: сервис — это гигиенический фактор. Люди приходят в компанию на продукт, а уходят из-за сервиса. Хороший сервис не приведёт новых клиентов, но значительно снизит стоимость привлечения. Трансформация: изменение бизнес-модели Третий слой — области, которые нужно изменить. Например, цифровизация отдела продаж. Многие думают логикой старой школы: дать продажнику инструменты, и он будет больше продавать. Но цифровые продукты строятся по PLG-модели (Product-Led Growth), когда продукт продаёт себя сам. Продажник нужен только в энтерпрайз-сегменте. Для малого бизнеса и физлиц длинные обзвоны и танцы с бубнами — это мовитон. Видели продажника в Zoom? В Miro? Нет. Это потому что там PLG. В Salesforce есть — потому что энтерпрайз-продажа. Четвёртый слой: от чего отказаться Есть ещё процессы, от которых нужно отказаться. То, что работало 30 лет, с ростом прозрачности рынка стало неактуальным. Если раньше в консалтинге и кибербезе были "серые" механизмы мотивации закупщиков, то сейчас это наоборот — риск. Распределение бюджета "Большая четвёрка" консалтинговых компаний даёт стандартные рекомендации. Для обычного бизнеса (не цифровой компании): 70% бюджета на операционные расходы (OPEX), 20% на рост и изменения, 10% на трансформационные инициативы. Для технологического или инновационного лидера: 30% на операционку, 30% на развитие, 30% на трансформацию, 10% остаётся акционерам. Центры компетенций: что развивать самим Три уровня центров компетенций Первый уровень: своя уникальная экспертиза. То, чем вы хотите быть лучшими на рынке. Здесь нужно развивать собственные знания, данные, лоу-код решения и агентов. Делиться этой компетенцией с конкурентами нельзя никогда. Второй уровень: поддерживающие технологии. Если вы вместе с конкурентами развиваете технологию, вы оба выигрываете. Телеком-провайдеры сдают друг другу мощности и обмениваются трафиком — ставить четыре базовые станции там, где четыре пользователя, ценности не создаёт. Третий уровень: комодити. Не приходит в сознание разрабатывать свой мессенджер. Это стандартные сервисы, где конкуренция идёт за то, кто сделает дешевле. Выгоднее зашарить расходы с другими участниками и превратить это в продукт. Зеркало заднего вида Искусственный интеллект — это зеркало заднего вида. ChatGPT расскажет, как в прошлом году рационально строился email-маркетинг или отдел продаж. Это good enough и часто лучше, чем предложит удалённый специалист. Но если у всех одинаковые отделы продаж, одинаковый контент-маркетинг и одинаковая целевая аудитория — чем вы отличаетесь? Это можно сделать за пять минут. Здесь критически важен центр компетенций. Нужен свой или можно подключиться к экспертному сообществу? Это ключевой вопрос стратегии. Скорость распространения экспертизы ChatGPT набрал миллион пользователей за два месяца. Если кто-то развивает центр компетенций в определённой области и за счёт опыта, проходящего через его агентов, его экспертиза станет актуальнее. Когда вы спрашиваете общую сетку, она отвечает: "В прошлом году делали вот так. Как делают ваши конкуренты — не знаю". Центр компетенций, который ваш — с IT-решениями, AI-решениями и людьми, умеющими этим пользоваться, — это ваша основная ценность. AI-агенты: что работает, а что нет Универсальные агенты — провал Сейчас огромное количество разочарований. Множество людей без профильного образования предлагают научить делать правильных агентов. Если вам что-то предлагают, и у вас нигде не возникает сопротивления или возражений, не предупреждают о негативных последствиях — проверьте, не инфобиз ли это. Недавно закрылся стартап, обещавший персонального ассистента, который будет слушать всё, что вы говорите, и станет личным психологом, коучем, советником. Обещали слишком много, чтобы получить инвестиции, но в итоге не смогли реализовать и закрылись. Идеальный секретарь из агента сейчас не получится. Даже AI-компаньон от Zoom в английском работает сносно, но нормальных эмбедингов для русского у него нет, и как ассистент он объективно не работает. Специализированные агенты — будущее Отдельные моменты, которые можно вытащить из коммуникативного поля и дать рекомендации психологу, секретарю или коучу, — это работает. Найти толкового секретаря для топ-менеджмента почти невозможно. Нужны хорошо развитые мозги для жонглирования переменными, но при этом нулевые амбиции. За один шаг эту проблему не преодолеть, но постепенное развитие даст результат. Управление командами с агентами Искусственный интеллект вместе с человеком гораздо эффективнее, чем по отдельности. AI Augmented Team — это не ситуация, где вы жонглируете двумя десятками агентов и раздаёте задачи. Ваша задача — наблюдать, какие задачи раздают оркестраторы-агенты. У вас всё равно должны быть команды из людей, которые понимают, не делает ли агент ерунду. Точно так же, как с любым подчинённым. Задача руководителя — сделать так, чтобы ошибка конкретного исполнителя была нефатальной. Никто не рассчитывает, что можно избежать ошибок полностью. В конце любой цепочки агентов находится человек, который управляет или контролирует и обладает нужной компетенцией. Устаревание знаний Проблема устаревания знаний агентов такая же, как у людей. Базовая технология меняется каждые три месяца. Раскатать своё решение поверх Open AI несложно. Но через три месяца оно поменяется, ещё через два — снова. Может оказаться, что новая модель Open AI не поддерживает то, что вы нарабатывали годами. На несколько месяцев все API-запросы превратились в тыкву — регресс на несколько поколений. Представьте, что сотрудник-продажник внезапно откатился с опытного уровня до среднего школьника. Поэтому нужна возможность работать одновременно с Open AI, отечественными системами и чем-то из Китая. Выбор вендора в эпоху ИИ Долгосрочное партнёрство под вопросом Раньше энтерпрайз-компании выбирали партнёров надолго. Некоторые вендоры развивали модель "под ключ": не продажа постройки ЦОДа, а партнёрство в строительстве с разделением ответственности за эффективность. Сейчас даже эта история требует переосмысления. Долгосрочное партнёрство должно основываться на наличии экспертизы. Три уровня вендоров Фундаментальные технологии. Партнёр, развивающий базовые вещи: операционные системы, базы данных, application-серверы. То, на основе чего вы строите инфраструктуру. Это enabler, а не оркестратор в экосистеме. Чтобы не случилось вендор-лока, такой вендор должен быть заменяемым. Должна существовать принципиальная возможность пересесть на другую базу данных — дорого, но возможно. Чем меньше якорей вендор цепляет для удержания, тем лучше сделка. Интеграторы и экспертиза. Здесь вы докупаете не только базовую технологию, но и опыт. Классно работают AI-enabled специалисты: ваш ведущий эксперт работает с обученным мидлом-маркетологом, которому раз в три месяца платите за апгрейд прошивки. Если он учится на ваших данных — 10 долларов в месяц. Не учится — 100. Не учится и работает лучше белкового маркетолога — 500. Готовые агенты. Нужен фактчекинг. Если предлагают медицинского агента, расшифровывающего кардиограммы, узнайте: на основе каких данных тренировалась модель и как её дальше развивают. Если предлагают универсальное решение для всех отраслей без специализированной экспертизы — ни копейки. Нет бенчмарков, нет возможности погонять в вашем контуре — до свидания. Выводы Цифровая трансформация вошла в новую фазу. Искусственный интеллект радикально меняет стоимость принятия решений и персонализации. Но универсальных чудо-решений не существует — только специализированная экспертиза в конкретных областях даёт результат. Ключевая задача бизнеса — определить свои центры компетенций и решить, что развивать самим, что покупать, а от чего отказаться. Те, кто не сделает этого в ближайший год-два, окажутся в вечной гонке, где все ресурсы уходят на догонку рынка без создания реальной ценности.