КПЭ для ИИ: как сделать внедрение прибыльным

В Правительстве РФ разрабатывают национальный план по внедрению искусственного интеллекта. В нем пропишут ключевые показатели эффективности для отраслей — сейчас их список обсуждается. Чуть ранее КПЭ получили 20 органов исполнительной власти и их подведомственные организации. Например, в 2026 году их будут оценивать по количеству сотрудников, имеющих доступ к сервисам генеративного ИИ, доле организаций, в которых применяется искусственный интеллект, удовлетворенности сотрудников.

Что это значит для бизнеса? Компаниям, которые только присматриваются к ИИ, нужно активизироваться — стимулировать и контролировать его внедрение планируют на высшем уровне.

Если верить цифрам, бизнес довольно активно осваивает технологию. Так, 71% крупных российских компаний используют генеративный ИИ хотя бы в одной функции, говорится в исследовании «Яков и Партнёры» и Яндекс. Недавний опрос «СКБ Контур» показал, что половина предприятий крупного и среднего бизнеса применяют ИИ, а у 14% он встроен в ключевые бизнес‑процессы.

Одним из основных барьеров внедрения компании называют дефицит специалистов по ИИ. Однако на практике распространению технологии мешает совершенно другое.

Так ли критична проблема кадров?

Во‑вторых, ИИ вышел за рамки ИТ‑компаний. Банки, телеком, промышленность, ритейл, медицина, логистика, государственный сектор одновременно формируют спрос на один и тот же пул специалистов.

В‑третьих, компании ищут «швейцарский нож»: человека, который одновременно будет архитектором, ML‑инженером, руководителем продукта, евангелистом технологии и менеджером внедрения. По сути, речь идет о попытке заменить целую команду одним специалистом — но это невозможно. Во многих случаях кадровый дефицит оказывается следствием не отсутствия людей на рынке, а завышенных ожиданий работодателей.

Но называть дефицит кадров стопором ИИ все же не стоит — дело в другом. Типичный сценарий: компания решила стать AI Native. Наняли лучших специалистов, открыли ИИ‑лаборатории. Команда создает впечатляющие решения, экспериментирует с моделями и запускает новые продукты. Но вдруг выясняется, что остальные департаменты живут по старым правилам. Продакт‑менеджеры не понимают, как использовать новые инструменты. Бизнес‑подразделения не меняют процессы. ИТ‑департамент воспринимает происходящее как нечто внешнее по отношению к своей работе.

Возник остров инноваций, который практически не влияет на организацию в целом. Но настоящий эффект появляется там, где большинство сотрудников используют технологию в своей ежедневной деятельности. Производительность бизнеса меняется только тогда, когда он начинает экономить время критической массе специалистов компании одновременно.

Если менеджер по продажам тратит на подготовку материалов не два часа, а двадцать минут, специалист поддержки обрабатывает в два раза больше обращений, а аналитик быстрее готовит отчеты, компания получает желаемый эффект. Поэтому самое важно для получения реального бизнес‑эффекта — сместить фокус с найма профильных специалистов на обучение сотрудников использованию ИИ‑инструментов.

Как и чему учить сотрудников

Центральный навык связан с постановкой задач. Например, если попросить модель «напиши текст про ЦИПР», результат, скорее всего, окажется посредственным. Но проблема не в модели. Если аналогичную задачу поставить сотруднику, не уточнив аудиторию, цели публикации, требования к содержанию и критерии качества, итог с высокой вероятностью окажется таким же. По сути, ИИ лишь сделал более заметной старую проблему управления: неумение формулировать задачи и описывать ожидаемый результат.

Навыки работы с ИИ должны стать частью корпоративных матриц компетенций. Речь идет не только о владении конкретными инструментами. Важно умение формулировать контекст, структурировать информацию, описывать процессы, работать с данными и оценивать качество результата. Эти компетенции определяют, насколько эффективно сотрудники смогут использовать новые технологии в своей работе.

Как ИИ помогает увидеть проблемы в рабочих процессах

Но как только организация пытается встроить ИИ в ежедневную работу, выясняется, что проблема связана не с технологией. Чтобы автоматизировать процесс, нужно четко понимать, что подается «на вход», что должно получиться «на выходе», кто отвечает за результат и как измеряется качество работы. Поэтому внедрение ИИ стало тестом на зрелость внутренних процессов. Не случайно все более востребованными оказываются не только ML‑инженеры, но и люди с системным мышлением.

На практике различия становятся заметны очень быстро. Компаниям, в которых процессы описаны и роли определены, ИИ удается встроить в работу значительно быстрее. Остальным же приходится начинать внедрение с описания и стандартизации процесса, сталкиваясь с проблемами практически на каждом этапе. В конечном счете ключевым становится не мощность модели или качество промптов, а способность компании формализовать свою работу и превратить накопленный опыт сотрудников в понятные и воспроизводимые процессы.

Как оценить реальный эффект от ИИ

Если вернуться к КПЭ, которые разрабатывают на государственном уровне, важно учитывать их назначение. Они помогают понять, насколько широко ИИ распространяется в организациях. Однако для управления эффективностью внедрения компаниям стоит дополнять эти показатели собственными метриками.

Прежде всего имеет смысл измерять встроенность ИИ в рабочие процессы. Важно понимать не только, сколько сотрудников используют технологию, но и насколько регулярно результаты этой работы доходят до практического применения. Любую метрику использования стоит связывать с метрикой эффекта: сокращением времени выполнения задач, ростом производительности, снижением затрат или повышением качества сервиса. Также важно заранее зафиксировать базовую точку отсчета, чтобы оценивать изменения по принципу «было — стало».

Еще один важный критерий — зрелость процесса, в котором применяется ИИ. Если он плохо описан, нестабилен или неуправляем, автоматизация лишь усилит существующий хаос. Поэтому перед внедрением важно определить, где применение технологии будет действительно оправдано.

Наконец, у проекта ИИ‑цифровизации должен быть владелец со стороны бизнеса. Часто внедрение технологий остается задачей только ИТ‑команды и оказывается незаметным для бизнеса. Если же целью управляет бизнес‑заказчик, внедрение будет напрямую связано с изменениями в процессах и показателях бизнеса.

Почему внедрение ИИ — это управленческая задача

Поначалу использование ИИ воспринимали как технологическую гонку: кто быстрее адаптирует новый инструмент, наймет сильную ML‑команду или получит доступ к более мощной модели. Однако опыт компаний показывает, что решающую роль играют не технологии. Гораздо важнее оказывается способность организации перестраивать процессы, менять подходы к работе и помогать сотрудникам осваивать новые навыки.

Так что внедрение ИИ — прежде всего задача управления изменениями. И при оценке таких проектов имеет смысл смотреть на всю цепочку: описанный процесс, регулярность использования ИИ, изменение процесса с помощью ИИ, измеримый эффект для бизнеса.