Что такое advisory

Я - Павел Воробьёв© , партнёр «Пятый элемент», директор стратегических проектов Центра «Проектный офис» в РАНХиГС.
Меня давно занимает один парадокс. Цифровые компании тратят миллионы на промышленный ИИ, цифровые двойники и предиктивную аналитику. Производственники, в свою очередь, честно пытаются во всё это «въехать» — открывают бюджеты, нанимают data scientist’ов, запускают пилоты. А результат очень часто один и тот же: цифра «сдаётся» тяжёлой промышленности. Не потому, что заводы «неповоротливые». И не потому, что айтишники «игрушечные». Причина глубже — она спрятана там, куда редко заглядывают при цифровизации.
Мир софта долго рос в очень мягкой среде. Не получилось — переписали код. Ошиблись — откатили релиз. Масштабироваться — нажали copy paste. Это породило иллюзию, что реальность пластична и её всегда можно догнать вычислением. Но тяжёлые отрасли — строительство, переработка, машиностроение, энергетика — живут по другим законам. Здесь ошибка остаётся в бетоне, металле, логистике, безопасности. Она не исчезает после обновления. И цена её — не баг-репорт, а остановленный завод или испорченная партия сырья.
Именно поэтому искусственный интеллект, попадая в цех, вдруг начинает "буксовать". Дело не в моделях и не в данных. Дело в том, что ИИ, сам того не желая, наступает на три скрытые грани организации, которые классический менеджмент не видит. Эти грани я называю «скрытыми линзами» — они-то и решают, приживётся технология или будет отторгнута.

Линза первая: разорванная цепь
Представьте маслозавод. Цифровой двойник исправно предсказывает, что линия розлива встанет через два дня из-за задержки бутылки. Красиво. Но предсказание упирается в реальность: сигнал от закупа к производству и так идёт трое суток, потому что стык между отделами ничей. Информация о дефекте этикетки тонет в сменном журнале. И предиктивная аналитика, какой бы совершенной она ни была, превращается в дорогой монитор, на который никто не смотрит. ИИ бессилен не потому, что глуп, а потому что поток уже был разорван задолго до его появления.

Линза вторая: засохшая инструкция
Цифровизация часто натыкается на правила, которые никто не отменял, но все обходят. На мясокомбинате лаборатория годами работала по ускоренной схеме приёмки сырья от проверенных фермеров — в обход официального регламента. Это работало. Когда пришли внедрять ИИ-контроль качества, алгоритм начал требовать полный цикл тестов, как в регламенте 1990 года. Результат — саботаж системы и возврат к «теневым» практикам. ИИ не учёл, что инструкция уже мертва, а люди давно живут по здравому смыслу. Здесь технология столкнулась не с сопротивлением людей, а с засохшей инструкцией, которую никто не решился легализовать.

Линза третья: перегруженный пульт
На заводе по переработке овощей запустили пилотную автономку: команда могла менять параметры сушки в заданных рамках без согласования с технологом. Это сработало. Но как только проект попытались масштабировать, включился «перегруженный пульт»: каждое изменение требовало трёх подписей, включая директора по производству, который и без того задыхался от оперативки. ИИ-помощник, призванный разгрузить руководителя, наоборот, добавил ещё один слой согласования. Сложность системы превысила способность центра принимать решения — и технологию откатили обратно в пилот.

Почему ИИ — это катализатор, а не волшебная таблетка
Все три примера объединяет одно: искусственный интеллект не создаёт эти сбои, он их подсвечивает. Он как контрастное вещество на рентгене: разорванные потоки становятся видны сразу, мёртвые правила — тоже, а перегруженный центр принятия решений перестаёт справляться окончательно. Именно поэтому одни компании получают от цифровизации прорыв, а другие — разочарование. Вторые пытаются натянуть ИИ на систему с незалеченными внутренними разрывами.

Куб Воробьева. Три классические грани — менеджмент, экономика предприятия, data-driven маркетинг — отлично изучены. Но есть ещё три скрытые: потоки, правила и сложность. И пока руководитель смотрит на бизнес только через первые три, цифра будет буксовать. Потому что она требует зрелости именно скрытых граней.

Что делать: от разочарования к устойчивой модели
Ответ — не в отказе от ИИ и не в найме ещё пяти дата-сайентистов. Ответ — в том, чтобы перед цифровизацией провести ревизию трёх скрытых линз.

1. Диагностируйте разрывы. Где сигнал о проблеме идёт дольше суток? У какого стыка нет хозяина? Воткните туда «красный флажок» — простую автоматическую эскалацию, которую люди примут, потому что она имитирует здравый смысл.
2. Легализуйте теневое. Найдите, что люди уже делают «не по инструкции» с пользой для дела. Сделайте это официальным регламентом. И только потом запускайте ИИ-контроль, который будет учиться на живых, а не на мёртвых правилах.
3. Разгрузите пульт осознанно. Дайте подразделениям «зелёные зоны» — перечни ситуаций, где они действуют сами, а не ждут подписи начальника. ИИ-ассистент должен работать в этих зонах, а не штамповать эскалации наверх.

Когда я обсуждаю это с собственниками, часто звучит одна и та же мысль: «Павел, а можно просто купить хорошую цифровую платформу, и оно само?» Нельзя. Потому что реальность, как любит говорить один мой уважаемый коллега, тяжелее, медленнее и упрямее, чем нам кажется. Она не обязана подстраиваться под нашу модель — ни управленческую, ни цифровую. Но именно в этом стыке, где вычисление учится жить в мире материи и необратимых последствий, и рождается настоящая зрелость. Зрелость бизнеса, который перестаёт «цифровизироваться ради отчёта» и начинает собирать свой кубик Рубика из шести граней. А ИИ становится не заменой здравому смыслу, а его самым точным и преданным союзником.

Хотите понять, какие скрытые линзы мешают цифровизации именно в вашей компании?

Давайте организуем диагностическую сессию.