Нейросеть может проанализировать сделку, оценить кандидата и предложить стратегию. Но чем больше решений CEO отдает ИИ, тем сложнее ответить на вопрос: а в чем тогда работа самого руководителя? Объясняет Геннадий Ванин (Birge)
Искусственный интеллект все глубже входит в работу руководителей - от анализа данных до стратегических и кадровых решений. Но возникает новый риск: не передает ли менеджер машине ту часть работы, которая составляет суть его роли? Где проходит граница между помощью ИИ и делегированием решения?
Еще недавно ИИ был быстрым помощником: собирал информацию, сокращал пятидесятистраничный документ до двух страниц, сравнивал рынки, готовил тезисы к встрече. Теперь с ним обсуждают стратегию, кадровые назначения, инвестиции и переговорные позиции. Руководитель может загрузить материалы по проекту и спросить, стоит ли входить в сделку, кого из кандидатов выбрать или как изменить оргструктуру. Но между советом и передачей права на решение проходит тонкая граница - и она становится новым управленческим риском.
По данным глобального исследования McKinsey за 2025 год, 88% опрошенных организаций использовали ИИ хотя бы в одной бизнес-функции, 79% - генеративный ИИ, но полностью масштабировать технологию удалось лишь 7%. Другой опрос McKinsey показал, что уже во второй половине 2024 года 53% руководителей C-level регулярно использовали генеративный ИИ в работе. Поэтому вопрос уже не в том, будут ли топ-менеджеры пользоваться ИИ, а в том, что именно они готовы ему делегировать. Знать больше - еще не значит лучше решать
У ИИ есть преимущество, с которым человеку бессмысленно соревноваться: за секунды он обрабатывает огромные объемы информации, находит аналогии и исследования, предлагает сценарии, сопоставляет аргументы и кейсы разных отраслей и стран. Но знание и решение не одно и то же.
Языковая модель обучена на огромном массиве созданных людьми данных и аккумулирует зафиксированный человеческий опыт. Но собственного опыта у нее нет. Она не закрывала предприятие, понимая, что за сокращениями стоят конкретные семьи, не выводила бизнес из кассового разрыва, не назначала директора, который прекрасно прошел интервью, а через год разрушил команду. Не выбирала между двумя плохими вариантами перед акционером. Модель может описать последствия таких решений, руководитель проживает их.
Именно поэтому компании годами выращивают будущих гендиректоров, строят succession planning, проводят assessment и нанимают executive search-консультантов. Руководителя выбирают не за объем знаний, а за способность принимать решения, когда информации мало, она противоречива или быстро устаревает.
Управленческое решение редко становится последней строчкой идеального анализа. Инвестировать сейчас или подождать? Уволить результативного, но разрушительного для культуры руководителя? Продолжать проект, в который вложены миллиарды, или признать ошибку? Для каждого варианта можно собрать данные, но они не избавят от необходимости выбирать. Поэтому ИИ может расширять знания руководителя, но решение должно оставаться его собственной работой. Самый опасный ответ - тот, который хорошо звучит
Ошибка нейросети не всегда выглядит как ошибка. Это показало исследование Harvard Business School и Boston Consulting Group на 758 консультантах. В задачах, соответствовавших возможностям GPT-4, участники с ИИ выполняли на 12,2% больше заданий, работали примерно на 25% быстрее и показывали более чем на 40% лучший результат по качеству. Но на более сложной управленческой задаче за пределами возможностей модели пользователи ИИ на 19 п.п. реже находили правильный ответ. Авторы назвали это "рваной технологической границей": внешне похожие задачи могут находиться по разные стороны возможностей ИИ, а пользователь не всегда понимает, где проходит эта граница.
При этом ошибочная рекомендация нейросети может быть изложена уверенным деловым языком, подкреплена аргументами, таблицей рисков и аккуратным executive summary. В отличие от сотрудника, который может признать неуверенность, ИИ не всегда дает руководителю повод усилить проверку. Убедительность формы легко принять за надежность содержания.
И проблема не только в "галлюцинациях": неверную дату или выдуманную ссылку сравнительно легко обнаружить. Сложнее заметить ошибку в логике - неудачную аналогию, недооцененный контекст или предположение, разумное в среднем, но неприменимое к конкретной компании. В исследовании University of Melbourne и KPMG 2025 года среди более 48 тыс. человек из 47 стран 66% признавали, что полагались на результаты ИИ без проверки точности, а 56% сталкивались с вызванными его использованием ошибками в работе. ИИ резко увеличивает способность производить ответы, но не способность отличать хорошие ответы от плохих. Российский парадокс: ИИ усиливает сильную сторону руководителя - и одновременно угрожает ей
В России у этой проблемы есть свой контекст. По исследованию "Яков и Партнеры" и "Яндекса", к концу 2025 года генеративный ИИ хотя бы в одной функции применяли 71% крупных компаний - на 17 п.п. больше, чем годом ранее. Все крупнейшие организации выборки провели хотя бы один пилот с ключевыми AI-технологиями, но эффект свыше 5% EBITDA подтвердили лишь 9%. ИИ распространяется быстрее, чем меняется система управления.
Последние годы приучили российских руководителей действовать в условиях высокой неопределенности: быстро менялись цепочки поставок, рынки, технологии и доступность специалистов. Исследование "Сколково" и ЭКОПСИ 2025 года также фиксировало запрос топ-менеджеров на операционную эффективность и управляемость в условиях дефицита кадров и высокой турбулентности. В результате сильной стороной российского менеджмента стала способность быстро мобилизоваться, принимать решения при недостатке информации и брать ответственность на себя.
Но есть обратная сторона. Исследование ЭКОПСИ на данных около 200 тыс. сотрудников из 70 компаний России и СНГ показало: руководителей чаще считают эффективными за личную результативность, чем за управление людьми и системами. Исследователи также отмечали ориентацию компаний на быстрый результат и относительно низкую самостоятельность сотрудников в постановке целей и принятии решений.
ИИ способен усилить эту модель. Руководитель, привыкший многое держать на себе, получает почти неограниченного интеллектуального помощника. То, для чего раньше требовались аналитик, функциональный директор, несколько совещаний и неделя, теперь частично можно сделать самостоятельно за вечер. Это повышает личную эффективность, но одновременно может еще сильнее централизовать управление.
Если CEO способен за двадцать минут разобрать рынок, проверить финансовую модель, придумать оргструктуру и подготовить вопросы коммерческому директору, появляется соблазн меньше вовлекать команду в поиск решения. Возникает новая версия ручного управления, усиленная ИИ: руководитель становится быстрее, но организация - необязательно. Более того, он может генерировать идеи, проекты и поручения быстрее, чем компания способна их реализовывать. Производительность первого лица растет, а пропускная способность системы остается прежней.
Есть и долгосрочный риск. Если начальник приходит с уже готовой и хорошо структурированной с помощью ИИ гипотезой, команда постепенно переходит от совместного поиска решения к его доработке и исполнению. В результате компания хуже выращивает будущих руководителей.
Управленческий опыт появляется, когда человек сам формулирует гипотезы, ошибается, сталкивается с последствиями и корректирует решения. Если значительную часть этого пути за молодого руководителя проходит ИИ, сегодня он работает быстрее. Но остается вопрос, сможет ли он через десять лет самостоятельно принимать решения там, где готового ответа нет. Как пользоваться ИИ и не отдавать ему собственную работу
Запрещать руководителям советоваться с ИИ бессмысленно. Важнее научиться замечать момент, когда помощь превращается в передачу решения. Для этого полезны несколько правил.
Сначала сформулируйте свою позицию. Перед запросом к ИИ запишите, какой вариант считаете наиболее вероятным, какие факты на это указывают и в чем сомневаетесь. Иначе первый убедительный ответ нейросети может стать психологическим якорем, относительно которого вы будете оценивать остальные варианты.
Просите ИИ предлагать варианты, а не выбирать. Вместо "кого назначить?" спросите, какие риски каждого кандидата вы недооцениваете; вместо "стоит ли покупать компанию?" - при каких условиях сделка разрушит стоимость. Задача ИИ - расширять пространство выбора, а не делать его за руководителя.
Учитывайте цену ошибки. Новый формат отчета или эксперимент легко отменить. Приобретение бизнеса, назначение CEO-1, закрытие направления, крупная инвестиция или изменение мотивации топ-команды могут влиять на компанию годами. В таких случаях ИИ может помогать с анализом, но решение требует независимой человеческой проверки и конкретного владельца.
Поощряйте несогласие с ИИ. При обсуждении важных вопросов спрашивайте команду, где нейросеть может ошибаться, чего не знает о ситуации и какой контекст не попал в запрос. Умение критически оценивать машинный ответ важнее умения писать идеальные промпты.
Не заменяйте ИИ реальный опыт. Освободившиеся благодаря нейросети часы лучше потратить не только на новые запросы, но и на разговоры с клиентами и сотрудниками, поездки на производство или разбор провалов с командой. Такой опыт формирует способность принимать решения, для которых нет готовой инструкции.
Не превращайте команду в исполнителей готовых решений. Даже если ИИ помог быстро найти ответ, иногда полезнее дать сотрудникам самостоятельно провести анализ, сравнить варианты и обсудить расхождения. Компании важна не только скорость сегодняшнего решения, но и способность команды принимать решения самостоятельно в будущем.
Оставляйте ответственность человеку. "Так рекомендовала модель" или "ИИ посчитал" не должны быть финальным аргументом. У каждого значимого решения должен быть человек, который понимает аргументы и риски и готов отвечать за выбор и его последствия. Чем умнее становится ИИ, тем важнее становится руководитель
Развитие ИИ может обесценить значительную часть привычной управленческой работы: пересказ информации, подготовку справок и презентаций, первичный анализ, поиск очевидных вариантов, а со временем - возможно, и контроль цепочек стандартных решений. Машина знает больше, анализирует быстрее, не устает и стоит дешевле.
Но одновременно становится понятнее настоящая ценность руководителя. Она проявляется там, где правильного ответа заранее нет: заметить изменение раньше других, выбрать между двумя несовершенными вариантами, сказать "нет" вопреки расчетам, довериться человеку или отказаться от формально блестящего решения благодаря накопленному опыту. А затем объяснить свой выбор и отвечать за последствия.
ИИ может стать сильнейшим интеллектуальным партнером руководителя: знать больше, находить незамеченные варианты и даже оказываться правым, когда человек ошибается. Но совет и решение - разные вещи. ИИ ничем не рискует, а руководитель рискует капиталом, карьерой, репутацией, доверием команды и будущим бизнеса. В этом и остается ключевая граница: знание можно масштабировать, решение - нельзя делегировать.