Формирование AI‑команды: роли и компетенции

Что меняем: бизнес, команду или процессы?

Один человек просто не может внедрить ИИ в компанию так же, как один программист не может в одиночку внедрить ERP‑систему: для этого недостаточно просто подключить некий внешний сервис и провести обучение. Искусственный интеллект при грамотном использовании может помочь компании пробить так называемый «стеклянный потолок», изменив бизнес процессы и открыв новые возможности.

Представьте себе: компания в сфере EdTech, но с устаревшей операционной моделью. Огромный штат, много задач и сотни операционных менеджеров, которые работают с таблицами Excel вручную внося данные и отслеживая статусы. В подобных случаях начинать нужно не с ИИ, а с бизнес‑анализа — поиска самой затратной по времени, ресурсам и финансов операции, которую можно усовершенствовать с ИИ. Именно поэтому первый навык, который должен быть у членом команды AI‑преобразования — это не умение писать хорошие промпты, а умение находить те точки, где нужно приложить ИИ.

AI‑преобразование — это не проект одного разработчика и не зона ответственности исключительно IT‑отдела. В нем должны участвовать люди, которые понимают бизнес‑процессы, владеют предметной экспертизой, умеют работать с данными, проверять результат и сопровождать организационные изменения. Причем далеко не для каждой из этих функций потребуется отдельная должность: особенно в небольшой компании один сотрудник может совмещать несколько ролей. Поэтому, успешная ИИ‑трансформация начинается с понимания того, как компания собирается менять свою работу и кто сможет провести эти изменения от первого эксперимента до устойчивого результата.

AI‑команду нельзя просто купить

Этот пример иллюстрирует одну из главных ошибок, которую совершают компании в начале AI‑преобразований. Руководителю кажется, что нужно снять технические барьеры: приобрести подписки, открыть доступ к моделям, провести обучение и, возможно, нанять человека, который «разбирается в ИИ». После этого сотрудники якобы сами начнут применять новые инструменты и постепенно изменят работу компании. На практике доступ к технологии — это необходимое, но далеко не достаточное условие. Любой новый инструмент без понятной задачи остается игрушкой для энтузиаста, обучение без последующего сопровождения быстро забывается, а отдельные эксперименты, не встроенные в ежедневную работу, редко переживают первоначальный интерес. Поэтому формула «купить подписки плюс нанять специалиста по ИИ» почти никогда не приводит к настоящему преобразованию. Компания получает набор инструментов, но не систему, которая умеет ими пользоваться.

Я уже много раз говорил о том, что ИИ затрагивает не только технологии. Он меняет распределение работы между людьми, способы принятия решений, требования к данным, ответственность за результат и привычные границы между подразделениями. Такие изменения не может провести один приглашенный эксперт — даже очень сильный. Для этого нужна команда, встроенная в компанию и понимающая одновременно бизнес, процессы, людей и технологические возможности. И чаще всего, такую команду нельзя просто купить на рынке в готовом виде. Ее приходится постепенно строить и выращивать внутри организации.

Какие роли нужны в AI‑команде

Когда речь заходит об AI‑команде, многие представляют отдельный департамент из разработчиков, аналитиков данных и специалистов по машинному обучению. Но большинству компаний не нужен такой большой штат, для них важно закрыть несколько ключевых функций и один человек здесь может совмещать две или даже три роли. Именно поэтому правильнее говорить не о должностях, а о ролях, то есть о тех задачах, которые сотрудник должен взять на себя, чтобы преобразование состоялось.

Более того, в небольшой команде один человек закрывает несколько ролей.

Ролевая модель может быть значительно расширена — методологии ролей, которые нужно закрыть, значительно больше. Можно выделить отдельные команды под ИИ‑инфраструктуру (платформа, данные, знания) и центр ИИ‑компетенций (обучение, продвижение), но они могут появляться по мере роста компании. Для первого шага достаточно малой рабочей группы: владелец, продуктовый разработчик и контроль качества, опирающиеся на бизнес‑заказчика.

Такой сжатый состав мы сейчас проверяем на практике — это рабочая гипотеза, а не финальный канон.

Важно понимать, что «чистые» роли в любой компании встречаются крайне редко: собственник может одновременно быть владельцем преобразования и продукта, аналитик — проектировать процесс и собирать автоматизацию, а руководитель подразделения — выступать предметным экспертом и контролером качества. Поэтому минимальная AI‑команда может состоять всего из двух‑трех человек.

Например, в проекте для сети медицинских клиник численностью около 200 сотрудников в которыми мы работаем, AI‑трансформацию ведут собственник и проектный офис из двух человек. Они подключают врачей, администраторов, маркетологов и разработчиков только на тех этапах, где нужна их экспертиза. Компания не создавала большой «отдел ИИ», но закрыла все необходимые роли. Чуть позже в этой компании мы провели специальное обучение (ориентированное на практику и основанное на кейсах) для 4х ТОП менеджеров и для них теперь одним из основных рабочих инструментов стал Claude — это поддержало проект ИИ‑преобразования изнутри.

Главное — это не количество людей, а полнота ответственности. В команде должен быть тот, кто понимает бизнес‑задачу, тот, кто проектирует и собирает решение, тот, кто проверяет качество, и тот, кто помогает встроить новый инструмент в ежедневную работу. Без любой из этих функций AI‑проект рискует остаться экспериментом.

Компетенции важнее должностей

При этом — повторю еще раз — что название роли в штатном расписании вторично, важно, чтобы команда закрывала необходимые компетенции и потому логично, что часть ролей закрывают люди, уже работающие внутри команды: те, кто уже знает процессы, клиентов и ограничения.

За время моей работы с искусственным интеллектом, я пришел к выводу, что участники AI‑команды должны обладать определенными компетенциями или качествами (именно качествами, а не навыками или знаниями), чтобы ИИ‑трансформация успешно состоялась.

Первое — это склонность к системному мышлению. Участник AI‑команды должен видеть не отдельную задачу, а процесс целиком: от входных данных и действий сотрудников до результата для клиента и бизнеса. Без этого ИИ может начать масштабировать ошибки или делать ненужный процесс еще быстрее.

Важно умение любить процесс, а не идею. Поясню, что именно я имею ввиду: AI‑команда должна оценивать, насколько тот или иной процесс в бизнесе готов к изменениям: стандартизирован ли он, оцифрованы ли данные, часто ли повторяется, допустимы ли ошибки и какую бизнес‑ценность даст автоматизация.

Третья компетенция — итеративность и терпимость к неопределенности. AI‑решения редко строятся по принципу «один раз написали техническое задание и получили идеальный результат». Могут потребоваться проверки и доработки, поэтому команде нужно уметь работать короткими циклами, быстро собирать обратную связь и спокойно относиться к тому, что первая версия может быть несовершенной.

И, конечно, регулярный контроль реализации! Важно помнить, что ИИ тоже может ошибаться и делает это, как правило, очень убедительно. Поэтому важно понимать, кто и как проверяет процессы, какие ошибки допустимы и в каких случаях решение обязательно передается человеку.

И, наконец, AI‑команде нужны люди, которые умеют работать с сопротивлением. Техническая часть внедрения часто оказывается проще человеческой. Недостаточно показать сотрудникам новый инструмент — нужно объяснить, зачем меняется их работа, что они от этого выиграют и как изменится их ответственность. Умение слышать людей, переводить между бизнесом и техникой и сопровождать изменения не менее важно, чем навык собирать интеграции.

При этом базовая AI‑грамотность должна постепенно становиться нормой не только для ядра команды, но и для остальных сотрудников. Даже человек, который не участвует в разработке решений, должен понимать возможности и ограничения ИИ, уметь ставить ему задачи, проверять результат и работать рядом с ним.

По мере роста зрелости компания может переходить от готовых чат‑сервисов к собственным утилитам, агентам и встроенным AI‑функциям. Но это последняя, а не первая ступень. Сначала нужно выстроить среду, процессы, правила работы с данными и знаниями — и только потом создавать собственные продукты. Иначе компания рискует получить дорогую технологию, которая не встроена в ее реальную работу.

Как AI‑команда взрослеет вместе с бизнесом

Условно этот путь можно разделить на пять этапов:

Большинство компаний среднего бизнеса сегодня находятся на первом или втором уровне: у них уже есть эксперименты, иногда назначен ответственный и даже создан комитет, но ИИ еще не встроен в ежедневные процессы и систему принятия решений. Здесь важно не пытаться сразу перепрыгнуть на четвертый уровень — организация может формально скопировать роли зрелой компании, но это не сделает ее зрелой. Если у новых сотрудников нет полномочий, процессов и поддержки бизнеса, они превратятся в еще один изолированный отдел.

Ближайшая цель для большинства компаний гораздо практичнее: превратить инициативы отдельных энтузиастов в управляемую функцию, назначить внутреннего владельца изменений, дать ему мандат и постепенно сформировать устойчивые роли.

На третьем уровне обычно возникает еще один выбор: собрать централизованный центр компетенций, назначить AI‑чемпионов внутри каждого подразделения или использовать гибридную модель? Универсального решения нет. Центр компетенций лучше удерживает стандарты и накапливает экспертизу, распределенные чемпионы быстрее встраивают ИИ в реальные процессы, а гибрид позволяет совместить оба подхода. Главное помнить, что зрелость AI‑команды определяется не количеством специалистов в штатном расписании. Она проявляется в том, насколько четко распределены ответственность и полномочия, связаны ли проекты с задачами бизнеса и стал ли ИИ частью обычного способа работы компании.

Что будет с людьми, которые уже работают в компании?

На самом деле, именно этот вопрос определяет отношение команды к любым изменениям: если люди воспринимают ИИ как технологию, которая должна заменить их работу, сопротивление возникает еще до начала проекта, но если они видят в нем инструмент, который помогает работать быстрее и снимает рутинную нагрузку — ситуация меняется кардинально. Я уже много раз говорил, что задача руководителя состоит не только в том, чтобы внедрить новую технологию, но и в том, чтобы изменить восприятие этой технологии внутри компании.

Одна из самых распространенных ошибок состоит в том, чтобы пытаться строить AI‑команду полностью с нуля, заменяя существующих сотрудников новыми специалистами. На практике именно люди, которые уже работают в компании, часто становятся лучшими кандидатами для новых ролей. Они знают процессы, понимают клиентов, чувствуют внутреннюю кухню бизнеса и видят проблемы, которые невозможно обнаружить со стороны. Технологиям можно научиться за несколько месяцев. Пониманию конкретного бизнеса иногда приходится учиться годами.

Поэтому AI‑преобразование — это прежде всего рескиллинг, а не замена людей. Конечно, некоторые роли будут меняться. Например, часть функций среднего управленческого звена, связанная исключительно с передачей информации между подразделениями, постепенно станет менее востребованной. Но это вовсе не означает, что эти сотрудники становятся ненужными. Напротив, именно они часто становятся сильными аналитиками процессов, владельцами AI‑продуктов, консультантами по внедрению или экспертами предметной области. Их опыт остается ценным, просто меняется характер работы.

Не менее важно не навязывать ИИ сверху. Вовлечение должно строиться не через давление, а через интерес. Лучше всего работают простые вещи: показать, как ИИ экономит один рабочий день в неделю, дать возможность попробовать решение на собственной задаче, позволить первым энтузиастам поделиться своими результатами с коллегами. Такие изменения распространяются значительно быстрее, чем любые приказы или KPI.

Есть хороший образ, который помогает объяснить место искусственного интеллекта в компании. Представьте, что у каждого сотрудника появился очень способный стажер. Он быстро читает документы, готовит черновики, ищет информацию, анализирует данные и берет на себя повторяющиеся операции. Но окончательные выводы, сложные решения и ответственность по‑прежнему остаются за человеком. Именно так, на мой взгляд, и стоит воспринимать AI‑преобразование. Его цель — не заменить сотрудников, а сделать каждого из них сильнее. А значит, главная инвестиция компании — это не только новые технологии, но и развитие людей, которым предстоит работать вместе с ними.

С чего начать: практический чек‑лист

Если вы только начинаете AI‑преобразование, достаточно сделать пять последовательных шагов, чтобы начать!

Назначьте владельца преобразования. Это должен быть человек внутри компании, который понимает стратегические цели бизнеса и обладает полномочиями менять процессы. Не стоит полностью отдавать эту роль внешнему подрядчику или «спускать» ее исключительно в IT. AI‑преобразование — это прежде всего управленческая задача.

Выберите один процесс для первого проекта. Не пытайтесь автоматизировать все и сразу. Гораздо эффективнее найти процесс, который часто повторяется, уже хорошо описан, использует структурированные данные и занимает у сотрудников много времени. Другими словами, сначала выбирайте процесс, а уже потом технологию.

Соберите минимальную команду. На старте не нужен большой отдел. В большинстве случаев достаточно владельца преобразования, аналитика‑автоматизатора и инженера решений. При этом функцию контроля качества стоит предусмотреть с самого начала, а не после запуска системы.

Сделайте небольшой пилот. Первый проект должен продемонстрировать сотрудникам практическую пользу. Если команда увидит, что новый инструмент экономит несколько часов работы в неделю или снимает наиболее рутинные задачи, вовлекать людей в дальнейшие изменения станет значительно проще.

Развивайте команду постепенно. Не пытайтесь сразу построить сложную организационную структуру или нанять «идеальную AI‑команду». Новые роли должны появляться тогда, когда в них действительно возникает необходимость. Вместе с ростом зрелости компании будет расти и команда.

Помните, что сами по себе ни технологии, ни новые должности не меняют организацию: настоящее преобразование начинается тогда, когда компания перестает воспринимать ИИ как отдельный инструмент и начинает перестраивать способы совместной работы людей и технологий!

AI‑команду нельзя купить готовой, ее выращивают постепенно: вместе с процессами, корпоративной культурой и зрелостью организации. И именно поэтому главным конкурентным преимуществом компаний будущего станут не лицензии на ChatGPT и не количество внедренных сервисов, а люди, которые умеют превращать возможности искусственного интеллекта в реальные изменения бизнеса.