Четыре текста, после которых понятно, где ИИ сейчас

Автор собирал подборку для своих рабочих задач: отобрал 19 проектов 2023–2026 годов, сверил с публикациями компаний и оставил 13 — только те, где раскрыты масштаб и результат. Остальные выкинул, и это главное достоинство текста.

Самое полезное для руководителя — шкала из четырёх уровней: чат → ассистент по базе знаний → помощник специалиста → агент, который сам делает разрешённое действие в системе. По ней видно, что самый зрелый сценарий сегодня — обработка обращений сотрудников (ИТ-поддержка, кадровые вопросы), и почему во всех рабочих проектах человек остаётся в контуре. Читается без технического фона.

Честный срез «где технология сейчас» на середину 2026 года. Способности моделей растут быстрее, чем ожидали, и это измерено, а не почувствовано: лучшие системы уже выполняют с одного запроса работу на часы и дни. При этом граница остаётся рваной: в одних задачах ИИ силён, в соседних слаб, и узнать это можно только проверкой на своих задачах.

Главная мысль — меняется сам способ работы: от переписки с чат-ботом к раздаче задач агентам, которые работают долго и сами исправляют ошибки. И ключевой вывод для руководителя: успех с агентами зависит не от профессии, а от опыта в предмете. Лучший способ работать с ИИ — думать как менеджер.

Самый цитируемый текст для руководителей из всего, что написано про ИИ в компаниях. Отправная точка — четыре факта, которые не сходятся: ИИ повышает производительность отдельного человека, пользуются им уже многие, системы могут больше, чем от них берут, а компании эффекта почти не видят. Разгадка: личный выигрыш не превращается в организационный сам по себе.

Дальше — формула из трёх сил. Лидерство задаёт картину будущего и снимает страх. Сотрудники находят применения, потому что только они знают свою работу. Лаборатория превращает находки в продукты и меряет модели на задачах компании, а не на публичных тестах. Отдельно — почему люди скрывают, что пользуются ИИ, и что с этим делать руководителю.

Консультанты разобрали 30 продуктов и 65 публичных внедрений в России и мире по шести признакам настоящего агента: умеет ли система сама разбить цель на шаги, действовать во внешних системах, проверять себя и доводить задачу до конца. Полноценными оказались меньше половины международных решений; среди российских публичных продуктов — ни одного, четыре зрелых — это платформы, из которых агента ещё надо собрать.

Вторая половина — почему массовое использование генеративного ИИ не превращается в финансовый эффект: ускорили один этап, остальные звенья процесса прежние, узкое место просто переехало. Практический вывод: начинать не с лицензии, а с одного повторяемого сценария, владельца со стороны бизнеса, исходной метрики и изменения КПЭ вместе с процессом.