Когда в офисах 1980-х появились первые персональные компьютеры, компании годами не видели роста производительности. Сейчас то же самое происходит с искусственным интеллектом. Разница в том, что мы уже знаем, чем закончилась та история – и можем не повторять ее ошибок
Заощаджуйте, отримуючи 6 журналів за ціною 4
Купуйте річну передплату на шість журналів Forbes Ukraine за 1 799 грн замість 2 400 грн. Читайте головні історії українського бізнесу, ексклюзивні рейтинги та глибоку аналітику в кожному номері.
В 1987 году Роберт Солоу, экономист и Нобелевский лауреат, написал в статье для New York Times крылатую фразу: «Компьютерную эпоху можно увидеть везде, кроме статистики производительности». В 2026-м тот же парадокс происходит с ИИ. Но теперь мы знаем, как он решается.
Искусственный интеллект заходит в компании так же, как когда-то персональные компьютеры – стихийно и быстрее, чем появляются корпоративные правила. Чтобы понять глубину, риски и последствия ИИ-трансформации, обратимся к прецеденту – массовой компьютеризации 1980–1990-х.
ИИ уже есть в вашей компании, даже если его никто не внедрял
1984 год: менеджер среднего звена приносит в офис собственный IBM PC – на нем удобнее вести таблицы. Через неделю так же делают двое коллег, а IT-служба узнает об этом только через месяц. Этот сценарий воспроизводился в тысячах американских офисов с 1981 по 1989 год. Технология шла впереди корпоративных правил – именно так, как сейчас с ИИ.
По данным Upguard: более 80% сотрудников, включая почти 90% специалистов по безопасности, используют несанкционированные ИИ-инструменты. Главный парадокс, что именно руководители отделов безопасности делают это чаще всего.
Запреты не решают проблему. По данным Salesforce, 85% сотрудников, имеющих корпоративно одобренные ИИ-инструменты, все равно параллельно используют несанкционированные. Полезнее рассматривать теневой ИИ как организационный сигнал: если люди массово обходят официальные инструменты, причина либо в их низком качестве, либо в слишком медленном процессе одобрения, либо в отсутствии четких правил. Компания Intellias разработала корпоративного ассистента для 2000 сотрудников и закрыла вопрос теневого ИИ одним решением.
Эффект на производительность: почему сначала ничего не растет
Парадокс Солоу разрешился только в 1990-х. Производительность выросла только тогда, когда компании осознали опасность разрозненных систем, ввели стандарты, перестали накладывать компьютеры на старые процессы и начали строить новые процессы вокруг возможностей новой технологии.
Рассылка Forbes AI: искусственный интеллект глазами тех, кто рискует деньгами
То же самое касается ИИ. Как стандартизация ПК когда-то решила проблему совместимости, так же сегодня возникает потребность в общих платформах для ИИ – стандартах обмена данными и протоколах интеграции. Компании, достигшие наивысшего ROI от ИИ, рассматривают его как инструмент переосмысления бизнес-модели: 50% называют главным результатом рост доходов, 43% – трансформацию самой модели (Deloitte).
Каких ошибок избегать
Отсутствие политики = отсутствие контроля. Менеджер, использующий Claude для аналитики, или маркетолог с личным ChatGPT уже влияют на решения компании с помощью ИИ. Отсутствие корпоративной политики этого не меняет – она лишь максимизирует риски.
Изолированные пилоты без системной логики. Чат-бот для HR, генератор текстов для маркетинга и аналитика для продаж без общей архитектуры данных – это островной сценарий 1980-х. Именно системная интеграция давала компаниям конкурентное преимущество на десятилетия.
Автоматизация хаоса вместо переосмысления процессов. Программа Lotus 1-2-3 в 1983 году умела считать, строить графики и вести базу данных одновременно. Компании, которые просто перевели бумажные таблицы в Lotus, получили дорогостоящее копирование бумаги. Те, которые перестроили финансовое планирование вокруг сценарного анализа, получили принципиально новую аналитическую способность. McKinsey подтверждает: компании, которые полностью перепроектировали процессы до выбора ИИ-инструмента, получают лучший финансовый эффект. Фармкомпания «Дарница», например, перестроила весь процесс конкурентной разведки вокруг двух ИИ-чат-ботов и 200 специалистов получили доступ к аналитике в реальном времени.
Игнорирование обучения. Lotus вкладывал обучающее ПО в каждую коробку, потому что без обучения продукт не давал результата. Без системного обучения и развития критического мышления инвестиции в ПО превращаются в убытки. MacPaw провела двухнедельный внутренний эксперимент: 402 специалиста запустили 355 проектов автоматизации – результатом стало системное ИИ-мышление в командах, а не только точечные инструменты.
Практические рекомендации
Фаза аудита: выясните, какие инструменты сотрудники уже используют, с какими данными они взаимодействуют и какие процессы пытаются усовершенствовать.
Безопасность: разработайте политику для публичных ИИ-моделей и предоставьте безопасную корпоративную альтернативу, которая гарантирует приватность данных.
Межфункциональный центр инноваций: объедините операционных директоров, руководителей направлений, специалистов по безопасности, юристов и HR, чтобы приоритезировать проекты с учетом их бизнес-ценности и обеспечить баланс между рисками и инновациями.
Пилоты с метриками: выберите один-два процесса, непосредственно влияющих на стоимость или качество услуг, зафиксируйте текущие показатели и определите критерии успеха до старта.
Инвестиции в людей: запустите программы ИИ-грамотности для всех уровней. Люди должны понимать природу галлюцинаций, правила промптинга и принципы валидации результатов.
Три стадии, через которые мы пройдем
Стихийное проникновение. Теневой ИИ, отсутствие политик, первые громкие утечки (Samsung, Disney), первые запреты – так же, как несанкционированные ПК в 1983–1985 годах.
Консолидация вокруг стандартов. ПК-рынок консолидировался вокруг IBM-совместимого стандарта. В ИИ аналогичную роль будут играть агентные платформы. Компании, которые к 2028 году построят собственную агентную архитектуру – когда несколько человек присматривают за десятками специализированных ИИ-агентов, – займут позицию первых интеграторов сетевых ПК конца 1980-х.
Новые роли, которых сейчас не существует. ПК создал массовые новые категории, такие как системный администратор, сетевой инженер, веб-разработчик. По данным WEF, к 2030 году появится 170 млн новых рабочих мест и исчезнет 92 млн. Никто точно не знает, как будут выглядеть эти новые роли – так же, как в 1985-м никто не знал, что такое веб-разработчик.
Революции ПК понадобилось почти десятилетие, чтобы дать реальный рост производительности. ИИ не будет исключением. Компании, инвестирующие не только в инструменты, а в процессы, людей и культуру решений на основе данных, получат преимущество, которое конкуренты будут догонять годами.
