Как внедрить ИИ в работу и бизнес и кто отвечает за результат
Андрей Кузьминых и Ярослав Филиппов
О чем подкаст
Андрей Кузьминых:
– 10+ лет в AI, ML, Data Science
– Опыт в бизнесе и стартапах: Сбер, Accenture, Pygma, Fasta, Twino
– Основатель Andre AI Technologies
В 1 из 3 подкастов обсудили:
– Как Андрею сожгли машину за автоматизацию
– Как внедрять ИИ
– Уровень ИИ зрелости компаний
– Три этапа внедрения ИИ
– С чего начинать внедрение ИИ
– CAIO или кто ответственный?
– Дерево метрик
– Важность создания гильдий
– Саботаж и обучение сотрудников
– ИИ Трансформация vs ИИ Революция
– Изменения в работах
– 10+ лет в AI, ML, Data Science
– Опыт в бизнесе и стартапах: Сбер, Accenture, Pygma, Fasta, Twino
– Основатель Andre AI Technologies
В 1 из 3 подкастов обсудили:
– Как Андрею сожгли машину за автоматизацию
– Как внедрять ИИ
– Уровень ИИ зрелости компаний
– Три этапа внедрения ИИ
– С чего начинать внедрение ИИ
– CAIO или кто ответственный?
– Дерево метрик
– Важность создания гильдий
– Саботаж и обучение сотрудников
– ИИ Трансформация vs ИИ Революция
– Изменения в работах
40 ключевых мыслей
Мысли гостя (Андрей Кузьминых, компания Andre AI Technologies)
Для зарубежных стартапов генерация 70-90% программного кода с помощью ИИ стала не просто модным трендом, а базовым вопросом выживания на рынке.
В крупных корпорациях ИИ-трансформация происходит сложнее: там критически важны соблюдение строгих норм безопасности и создание надежных промышленных решений.
Цифровая трансформация (структурированный сбор данных) всегда предшествует ИИ-трансформации, так как данные — это необходимое топливо для обучения любых моделей.
Современный подход «AI-first» подразумевает, что компания изначально проектируется под ИИ-агентов, а живые сотрудники становятся их операторами и учителями.
Индекс зрелости (maturity index) помогает оценить, насколько описанные процессы и текущая IT-инфраструктура компании готовы к внедрению искусственного интеллекта.
Перед внедрением ИИ необходимо провести аудит бизнес-процессов (создать их «рентгеновский снимок») и выявить операции, отнимающие больше всего ресурсов и времени.
В первую очередь автоматизировать нужно «низковисящие фрукты» — например, аналитику звонков в колл-центре, а не сами продажи, где цена ошибки выше.
Сотрудники компаний неизбежно превращаются в менеджеров ИИ-ассистентов: их новая главная задача — корректировать работу нейросетей и управлять метриками результата.
Управленческие процессы пока не поддаются полной автоматизации; ИИ используется руководителями лишь для аугментации — аналитической помощи в принятии решений.
Для малого бизнеса (например, салонов красоты или фрилансеров) уже существуют готовые «вертикальные агенты» (ИИ-рекрутеры, SMM-боты, ассистенты), которые можно использовать из коробки.
Новая должность Chief AI Officer (CAIO) — это роль внутреннего революционера, который отвечает за глобальную ИИ-трансформацию всей корпорации.
CAIO должен пронизывать все функции компании (от HR до разработки), объединяя их в единую эффективную нейросеть, где отделы работают синхронно.
На рынке появляются новые гибридные профессии, такие как AI Product Engineer — специалист, способный самостоятельно доводить ценность до клиента, используя генеративные инструменты.
Эффективное внедрение ИИ в компаниях должно происходить через создание профильных «гильдий» (например, гильдии разработчиков или HR), где унифицируются инструменты и стандарты работы.
99% людей всё ещё не умеют писать качественные промты, а рынок уже переходит в эпоху проектирования сложных когнитивных ИИ-архитектур.
Главная проблема базовых промтов — нестабильность результата (нейросеть может выдать то 9, то 12 вариантов), поэтому важно выстраивать архитектуры, дающие прогнозируемый конвейерный итог.
Игнорирование ИИ в бизнесе сегодня равносильно участию в профессиональной велогонке на обычном велосипеде против соперников, пересевших на мотоциклы.
Трансформацию нужно проводить мелкими, но частыми шагами (например, еженедельными короткими вебинарами с демонстрацией побед), чтобы снизить уровень стресса у команды.
При внедрении ИИ коллектив часто делится на два лагеря: одни прячутся из страха потерять работу, другие становятся проактивными энтузиастами и оптимизируют свою рутину.
Эффективная стратегия для руководителя — не принуждать людей использовать ИИ, а транслировать новые, более высокие метрики скорости и качества, для достижения которых ИИ является лучшим помощником.
Глобальная задача ИИ в бизнесе — свести стоимость выполнения отдельной рутинной задачи в компании практически к нулю.
Высвобождение человеческого ресурса от «обезьяньей работы» позволяет людям стать управленцами более высокого уровня — метафорическими «начальниками заводов», а не операторами станков.
Грамотное использование собственных данных и дообучение моделей позволяет сервисным бизнесам (юридическим фирмам, SMM-агентствам) превратиться в хорошо масштабируемые продуктовые IT-компании.
Когда ИИ берет на себя 80% рутины, юристу или эксперту остается 20% профильной работы; это снижает цену чека для клиента, но кратно увеличивает общий доход бизнеса за счет объема заказов.
Страх людей перед автоматизацией бывает радикальным: однажды бухгалтеры, чью многочасовую рутинную работу заменили быстрым Python-скриптом, в отчаянии попытались сжечь машину автоматизатора.
Мысли ведущего (Ярослав Филипов)
Предприниматели постоянно слышат об ИИ из медиа, но часто не видят реальных кейсов внедрения в своем ближайшем окружении, из-за чего возникает скепсис.
Основатели требуют от команд использовать ИИ, но у сотрудников банально нет времени на изучение новых технологий из-за плотной текущей загрузки дедлайнами.
Интеллектуализация компании невозможна, если в ней царит хаос: нельзя автоматизировать процессы, которых не существует или которые не регламентированы.
Полноценная ИИ-трансформация бизнеса всегда проходит три этапа: использование ИИ-ассистентов, внедрение автономных ИИ-агентов и создание гибридных человеко-агентных команд.
На начальных этапах внедрения новых инструментов люди могут тратить до 90% своего рабочего времени исключительно на проверку и исправление результатов работы нейросетей.
Для творческих профессий (например, дизайнеров) генерация 20 бракованных вариантов ради одного идеального психологически сложнее и неприятнее, чем привычная самостоятельная отрисовка с нуля.
Корпорации и IT-стартапы неизбежно найдут свой путь внедрения ИИ, но обычному традиционному малому бизнесу гораздо сложнее понять, с какой стороны подступиться к технологиям.
Нанимая специалиста по ИИ, собственникам не стоит ждать мгновенного чуда и кратного роста прибыли: внедрение — это бесконечный итеративный процесс перестройки компании.
Успешное внедрение искусственного интеллекта — это не всегда взрывной рост выручки; иногда главным результатом становится снижение выгорания сотрудников за счет уменьшения рутины.
Начинать использовать ИИ нужно как можно раньше хотя бы на уровне простых текстовых запросов, чтобы запустить эффект снежного кома в корпоративном обучении.
Современный интеллектуальный труд всё больше напоминает работу оператора станка с ЧПУ, где человек не создает деталь руками, а лишь контролирует процесс выполнения задачи машиной.
Лица, принимающие решения (например, руководители отделов продаж), часто саботируют внедрение ИИ из прямого страха потерять контроль или лишиться собственного куска работы.
Любой бизнес концептуально строится либо на уникальности, за которую платят дорого, либо на больших объемах и низкой цене массового продукта.
Искусственный интеллект лишает многие бизнес-процессы уникальности, делая их дешевыми и доступными; поэтому компаниям придется выигрывать жесткую ценовую гонку, чтобы выжить.
Негатив и сопротивление инновациям — естественная часть процесса: внедряя ИИ, нужно быть готовым к тому, что часть команды воспримет изменения как личную угрозу.
Для зарубежных стартапов генерация 70-90% программного кода с помощью ИИ стала не просто модным трендом, а базовым вопросом выживания на рынке.
В крупных корпорациях ИИ-трансформация происходит сложнее: там критически важны соблюдение строгих норм безопасности и создание надежных промышленных решений.
Цифровая трансформация (структурированный сбор данных) всегда предшествует ИИ-трансформации, так как данные — это необходимое топливо для обучения любых моделей.
Современный подход «AI-first» подразумевает, что компания изначально проектируется под ИИ-агентов, а живые сотрудники становятся их операторами и учителями.
Индекс зрелости (maturity index) помогает оценить, насколько описанные процессы и текущая IT-инфраструктура компании готовы к внедрению искусственного интеллекта.
Перед внедрением ИИ необходимо провести аудит бизнес-процессов (создать их «рентгеновский снимок») и выявить операции, отнимающие больше всего ресурсов и времени.
В первую очередь автоматизировать нужно «низковисящие фрукты» — например, аналитику звонков в колл-центре, а не сами продажи, где цена ошибки выше.
Сотрудники компаний неизбежно превращаются в менеджеров ИИ-ассистентов: их новая главная задача — корректировать работу нейросетей и управлять метриками результата.
Управленческие процессы пока не поддаются полной автоматизации; ИИ используется руководителями лишь для аугментации — аналитической помощи в принятии решений.
Для малого бизнеса (например, салонов красоты или фрилансеров) уже существуют готовые «вертикальные агенты» (ИИ-рекрутеры, SMM-боты, ассистенты), которые можно использовать из коробки.
Новая должность Chief AI Officer (CAIO) — это роль внутреннего революционера, который отвечает за глобальную ИИ-трансформацию всей корпорации.
CAIO должен пронизывать все функции компании (от HR до разработки), объединяя их в единую эффективную нейросеть, где отделы работают синхронно.
На рынке появляются новые гибридные профессии, такие как AI Product Engineer — специалист, способный самостоятельно доводить ценность до клиента, используя генеративные инструменты.
Эффективное внедрение ИИ в компаниях должно происходить через создание профильных «гильдий» (например, гильдии разработчиков или HR), где унифицируются инструменты и стандарты работы.
99% людей всё ещё не умеют писать качественные промты, а рынок уже переходит в эпоху проектирования сложных когнитивных ИИ-архитектур.
Главная проблема базовых промтов — нестабильность результата (нейросеть может выдать то 9, то 12 вариантов), поэтому важно выстраивать архитектуры, дающие прогнозируемый конвейерный итог.
Игнорирование ИИ в бизнесе сегодня равносильно участию в профессиональной велогонке на обычном велосипеде против соперников, пересевших на мотоциклы.
Трансформацию нужно проводить мелкими, но частыми шагами (например, еженедельными короткими вебинарами с демонстрацией побед), чтобы снизить уровень стресса у команды.
При внедрении ИИ коллектив часто делится на два лагеря: одни прячутся из страха потерять работу, другие становятся проактивными энтузиастами и оптимизируют свою рутину.
Эффективная стратегия для руководителя — не принуждать людей использовать ИИ, а транслировать новые, более высокие метрики скорости и качества, для достижения которых ИИ является лучшим помощником.
Глобальная задача ИИ в бизнесе — свести стоимость выполнения отдельной рутинной задачи в компании практически к нулю.
Высвобождение человеческого ресурса от «обезьяньей работы» позволяет людям стать управленцами более высокого уровня — метафорическими «начальниками заводов», а не операторами станков.
Грамотное использование собственных данных и дообучение моделей позволяет сервисным бизнесам (юридическим фирмам, SMM-агентствам) превратиться в хорошо масштабируемые продуктовые IT-компании.
Когда ИИ берет на себя 80% рутины, юристу или эксперту остается 20% профильной работы; это снижает цену чека для клиента, но кратно увеличивает общий доход бизнеса за счет объема заказов.
Страх людей перед автоматизацией бывает радикальным: однажды бухгалтеры, чью многочасовую рутинную работу заменили быстрым Python-скриптом, в отчаянии попытались сжечь машину автоматизатора.
Мысли ведущего (Ярослав Филипов)
Предприниматели постоянно слышат об ИИ из медиа, но часто не видят реальных кейсов внедрения в своем ближайшем окружении, из-за чего возникает скепсис.
Основатели требуют от команд использовать ИИ, но у сотрудников банально нет времени на изучение новых технологий из-за плотной текущей загрузки дедлайнами.
Интеллектуализация компании невозможна, если в ней царит хаос: нельзя автоматизировать процессы, которых не существует или которые не регламентированы.
Полноценная ИИ-трансформация бизнеса всегда проходит три этапа: использование ИИ-ассистентов, внедрение автономных ИИ-агентов и создание гибридных человеко-агентных команд.
На начальных этапах внедрения новых инструментов люди могут тратить до 90% своего рабочего времени исключительно на проверку и исправление результатов работы нейросетей.
Для творческих профессий (например, дизайнеров) генерация 20 бракованных вариантов ради одного идеального психологически сложнее и неприятнее, чем привычная самостоятельная отрисовка с нуля.
Корпорации и IT-стартапы неизбежно найдут свой путь внедрения ИИ, но обычному традиционному малому бизнесу гораздо сложнее понять, с какой стороны подступиться к технологиям.
Нанимая специалиста по ИИ, собственникам не стоит ждать мгновенного чуда и кратного роста прибыли: внедрение — это бесконечный итеративный процесс перестройки компании.
Успешное внедрение искусственного интеллекта — это не всегда взрывной рост выручки; иногда главным результатом становится снижение выгорания сотрудников за счет уменьшения рутины.
Начинать использовать ИИ нужно как можно раньше хотя бы на уровне простых текстовых запросов, чтобы запустить эффект снежного кома в корпоративном обучении.
Современный интеллектуальный труд всё больше напоминает работу оператора станка с ЧПУ, где человек не создает деталь руками, а лишь контролирует процесс выполнения задачи машиной.
Лица, принимающие решения (например, руководители отделов продаж), часто саботируют внедрение ИИ из прямого страха потерять контроль или лишиться собственного куска работы.
Любой бизнес концептуально строится либо на уникальности, за которую платят дорого, либо на больших объемах и низкой цене массового продукта.
Искусственный интеллект лишает многие бизнес-процессы уникальности, делая их дешевыми и доступными; поэтому компаниям придется выигрывать жесткую ценовую гонку, чтобы выжить.
Негатив и сопротивление инновациям — естественная часть процесса: внедряя ИИ, нужно быть готовым к тому, что часть команды воспримет изменения как личную угрозу.
Тайм-коды
00:00:00 О чем подкаст (1 из 3)
00:01:20 Опыт Андрея Кузьминых
00:07:40 Как внедрять ИИ
00:21:11 Уровень зрелости компаний
00:25:14 Три этапа внедрения ИИ
00:27:10 90% времени – это проверка ИИ
00:31:15 Легче сделать самому, чем обучать ИИ
00:34:38 С чего начинать внедрение
00:37:49 CAIO или кто ответственный?
00:43:44 Дерево метрик в ИИ
00:46:40 Нужно создавать гильдии
00:47:50 Как и где брать метрики
00:51:00 Важные советы
00:52:02 Саботаж и обучение сотрудников
00:55:33 Трансформация vs Революция
00:58:22 Изменения в работах
01:04:01 Два способа заработка в бизнесе
01:08:24 Поджог машины за автоматизацию
00:01:20 Опыт Андрея Кузьминых
00:07:40 Как внедрять ИИ
00:21:11 Уровень зрелости компаний
00:25:14 Три этапа внедрения ИИ
00:27:10 90% времени – это проверка ИИ
00:31:15 Легче сделать самому, чем обучать ИИ
00:34:38 С чего начинать внедрение
00:37:49 CAIO или кто ответственный?
00:43:44 Дерево метрик в ИИ
00:46:40 Нужно создавать гильдии
00:47:50 Как и где брать метрики
00:51:00 Важные советы
00:52:02 Саботаж и обучение сотрудников
00:55:33 Трансформация vs Революция
00:58:22 Изменения в работах
01:04:01 Два способа заработка в бизнесе
01:08:24 Поджог машины за автоматизацию
Транскрипция
Ярослав Филиппов: Дорогие друзья, всем привет! Только что мы записали три крутых подкаста про искусственный интеллект. В первом подкасте мы обсуждаем, как стать на «ты» с искусственным интеллектом, внедрить его в свой бизнес или работу и получить от этого реальную экономическую выгоду. Как выжить в новое время и не остаться без работы или бизнеса в будущем? Во втором подкасте разберём реальные кейсы и трансформации — от стартапов до больших компаний. А в третьем обсудим, как технарю в одиночку запустить стартап и сделать это правильно.
Меня зовут Ярослав Филиппов, я ведущий этого подкаста о бизнесе и технологиях. В гостях у нас Андрей Кузьминых — человек, которому за эффективное внедрение искусственного интеллекта чуть не сожгли машину. Он выпускник Высшей школы экономики, внедрял искусственный интеллект в Сбербанке на высшем уровне и получал за это награды. Работал с ИИ в компании Accenture, руководил разработкой в венчурной студии, а сегодня является технологическим предпринимателем и консультантом в сфере искусственного интеллекта. Андрей, привет! Расскажи, пожалуйста, о своём опыте и достижениях, чтобы зрители поняли глубину твоей экспертизы.
Андрей Кузьминых: Всем привет! Я Андрей, выпускник Высшей школы экономики. Мой профессиональный путь начался в роли дата-инженера в компании Accenture. Затем я работал директором по данным и искусственному интеллекту в Сбере, а позже — техническим директором международной стартап-студии. Сегодня я помогаю компаниям по всему миру внедрять AI-агентов, развиваю свои продукты, веду Telegram-канал и регулярно выступаю на конференциях. В целом, моя миссия — создавать решения, которые делают мир немного лучше.
Если говорить о карьере детальнее, то в Accenture я работал на банковских проектах, занимался цифровизацией: строил высоконагруженные хранилища данных, разрабатывал ETL-процессы. В Сбере я начинал с задач моделирования эффективности сотрудников. Мы обучали модели, которые прогнозировали успешность кандидатов массовых специальностей без первого собеседования. Позже я стал Chief Data Officer, строил хранилища данных для всего банка и занимался продвинутой стратегической аналитикой. Там же я внедрил более пятидесяти моделей машинного обучения с общей финансовой эффективностью более 3 миллиардов рублей.
Дальше мой опыт включает работу в стартапах. Я участвовал в бизнес-акселераторе со своим dating-сервисом на базе ИИ и победил. Мне понравилось делать стартапы, и я стал техническим директором международной венчурной студии. Мы запускали разные проекты: от цифрового двойника электросетей для поиска потерь энергии до AI-ассистента для блогеров в соцсетях. Позже я вышел из стартапа и на вырученные деньги начал строить свою компанию — Andre AI Technologies. Сейчас я занимаюсь разработкой решений на базе искусственного интеллекта как для бизнеса, так и запускаю собственные продукты (например, AI-рекрутеры, AI-SMM и бизнес-ассистенты).
Ярослав Филиппов: Давай перейдём к первому вопросу. Сегодня предприниматели из каждого утюга слышат, что мир меняется, скоро бизнес и работа станут другими, и нужно срочно внедрять ИИ. При этом реальных кейсов вокруг они часто не видят. Основатели приходят к сотрудникам и говорят: «Срочно внедряйте ChatGPT!», а у сотрудников нет на это времени — у них своей работы выше крыши. Возникает миллион вопросов: кто должен этим заниматься? Дорого ли это? С чего начать? Что бы ты посоветовал таким людям?
Андрей Кузьминых: Для начала нужно понять, кто перед нами: стартап, большая корпорация или средний/малый бизнес. Стратегии будут разными. Например, за рубежом я сейчас не знаю ни одного успешного стартапа, где бы код полностью писали люди. Везде код генерирует ИИ. Там это уже вопрос выживания.
В больших корпорациях всё сложнее из-за требований к безопасности и необходимости промышленных решений. Там проводится глубокая AI-трансформация. Изучаются текущие процессы (через BPMN-диаграммы), проводится аудит. Мы смотрим по метрикам, какие операции самые ресурсоёмкие и где участие человека тормозит процесс. Туда ИИ внедряется в первую очередь.
Сейчас подход в продвинутых компаниях такой: они стремятся стать AI-first. Это значит, что процессы проектируются сразу под AI-агентов, а люди меняют свою роль — они становятся операторами, менеджерами или учителями для этих агентов. Главное для людей сейчас — менять майндсет.
Ярослав Филиппов: Давай я тебя здесь прерву. Смотри, какая суть. Человек слушает тебя и думает: «Я 2 года назад слышал, что мой бизнес умрёт без ИИ. Прошло 2 года, я ничего не внедрил, но мы всё равно выросли. Может, это просто разговоры?». Плюс, ты говоришь про процессы и данные. Но у многих компаний (например, в небольших студиях разработки) процессы ужасные: всё обсуждается в хаотичных переписках, куча согласований. Что им интеллектуализировать, если у них хаос? ИИ доступен только зрелым компаниям?
Андрей Кузьминых: Хороший вопрос. В корпорациях есть понятие «Maturity Index» — индекс зрелости. Если процессы не устаканены, внедрять что-то системное бессмысленно. Второе обязательное условие — доступ к данным, иначе моделям не на чем обучаться.
Если в студии разработки нет выстроенных процессов, они могут использовать ИИ точечно: курсор для генерации кода, ChatGPT для текстов. Но конвейера (workflow) из этого не получится. Что касается предпринимателей, которые «и так хорошо растут» — да, они растут, но могли бы расти гораздо быстрее и с меньшими издержками. Чем больше конкурентов начнут применять ИИ на полную, тем сильнее будет разрыв. Это как приехать на соревнования по велоспорту: вы на велосипеде, а конкуренты — на мотоциклах.
Ярослав Филиппов: Окей. В исследованиях Microsoft говорится, что AI-трансформация проходит три этапа. Первый — человек использует ИИ как помощника (ChatGPT, Copilot). Второй — появляются агенты, выполняющие работу автономно. Третий — создание человеко-агентных команд. Согласен с этим?
Андрей Кузьминых: Да, абсолютно. Сначала ИИ-ассистент просто помогает человеку. На этом этапе мы собираем данные. На втором этапе, дообучив модели на этих данных, мы получаем агента, который может работать автономно. А третий этап — это AI workflow, когда отдельные операции складываются в единый конвейер. Задача AI-first компаний — перевести все бизнес-процессы на взаимодействие таких агентов.
Ярослав Филиппов: Допустим, компания выдала сотрудникам доступ к ИИ. Но статистика показывает, что сейчас люди тратят 90% времени на проверку результатов работы искусственного интеллекта. Что с этим делать?
Андрей Кузьминых: Эта цифра валидна. Это как раз про то, как меняется наша профессия. Наша задача теперь — корректировать работу ИИ и управлять им. Представьте, что у вас появились сотрудники-джуны. Вы должны уметь им делегировать и проверять их работу.
Проблема в том, что 99% людей не умеют писать промпты. Сейчас наступает эпоха проектирования когнитивных архитектур — создания цепочек промптов, которые дают стабильный результат. Этому нужно учиться: смотреть лучшие практики, экспериментировать, обмениваться опытом внутри компании.
Ярослав Филиппов: Как убедить, например, дизайнера использовать ИИ? Раньше он рисовал фон для сайта за час. Теперь ему говорят использовать нейросеть. Он генерирует 20 плохих картинок, тратит на это 10 минут, злится и говорит: «Да мне проще самому за час нарисовать, чем перебирать этот мусор!».
Андрей Кузьминых: Многие программисты говорят то же самое про генерацию кода. Но это новая реальность. На этих 20 попытках ты оттачиваешь свой промпт, ищешь правильный вектор в латентном пространстве модели. Да, поначалу непривычно. Но модели умнеют. Если вы дообучаете модель на своих качественных данных, то вам уже не придётся смотреть 20 картинок — будет подходить первая или вторая. Это просто вопрос практики и изменения мышления.
Ярослав Филиппов: Вернёмся к малому бизнесу. Салоны красоты, селлеры на маркетплейсах — с чего начать им?
Андрей Кузьминых: Им нужно понять, какие задачи отнимают больше всего времени. У малого бизнеса скоуп понятен: ведение соцсетей, бронирование встреч, общение с клиентами. Мастер маникюра должен делать только маникюр, всё остальное нужно делегировать.
Для них уже существуют готовые вертикальные ИИ-решения (SMM-агенты, AI-рекрутеры, AI-ассистенты для календаря). Берёшь коробочное решение и пользуешься.
Ярослав Филиппов: В крупных компаниях сейчас появляется должность Chief AI Officer. Кто это такой и чем он должен заниматься?
Андрей Кузьминых: Chief AI Officer — это человек, который отвечает за change-деятельность в компании, главный трансформатор. Его задача — интегрировать ИИ во все функции бизнеса (HR, юристы, разработка, маркетинг). Он строит AI-стратегию, понимает процессы, следит за безопасностью и комплаенсом. По сути, он предоставляет компании ИИ как внутренний сервис, собирая новую организационную структуру из AI-агентов и обучая людей управлять ими.
Ярослав Филиппов: Я хочу подчеркнуть для зрителей: эта работа бесконечна. Вы не просто «внедрите ИИ и сразу заработаете на 40% больше». Вы будете постоянно оптимизировать процессы. Иногда метрикой успеха будет не резкий рост прибыли, а снижение выгорания сотрудников и освобождение их времени для креативных задач.
Андрей Кузьминых: Да, главное — смотреть на дерево метрик. Во главе стоит прибыль, но мы оптимизируем процессы шаг за шагом. Например, внедрение ИИ в HR может не дать сиюминутной прибыли, но снизит текучку кадров, что стратегически полезно для компании.
Ярослав Филиппов: Как ты обучаешь сотрудников и борешься с саботажем при внедрении ИИ?
Андрей Кузьминых: Я часто сталкиваюсь с двумя лагерями: одни воспринимают меня как угрозу и прячутся, другие — энтузиасты, готовые автоматизировать всё. Я начинаю работать с энтузиастами. Мы решаем одну узкую задачу, а затем я показываю результат всей компании на коротких вебинарах.
Трансформация должна идти маленькими, но частыми шагами. На этой неделе научились генерировать тест-кейсы, на следующей — автотесты. Люди видят реальную пользу, скепсис уходит. Если пытаться внедрить 500 инструментов за раз, люди просто испугаются.
Ярослав Филиппов: Мы всё больше превращаемся в операторов ЧПУ (станков с числовым программным управлением). Некоторые руководители саботируют внедрение ИИ, боясь потерять свою значимость и работу. Что будет с их рабочими местами?
Андрей Кузьминых: Я смотрю на это с оптимизмом. У нас просто вырастает capacity — мы можем делать больше. Да, раньше человек работал руками, потом стал оператором станка, а теперь станками управляет ИИ, а человек управляет ИИ-агентами.
Если ИИ может делать рутинную работу, зачем мучить ею человека? Человек становится менеджером, он контролирует качество, следит за метриками. Задача ИИ — свести стоимость выполнения рутинной задачи почти к нулю. А люди будут заниматься контролем и управлением.
Ярослав Филиппов: Я бы зафиналил так: в бизнесе можно зарабатывать либо на абсолютной уникальности, либо на низкой себестоимости и объёмах. ИИ сейчас радикально удешевляет производство. Сервисному бизнесу придётся адаптироваться, иначе он проиграет ценовую гонку.
Андрей Кузьминых: Именно так. Например, в США появляются юридические платформы, где 80% рутины (заполнение форм) делает ИИ, а юрист занимается только сложной экспертной работой. В итоге цена для клиента падает, а юрист зарабатывает больше за счёт объёма. ИИ позволяет превратить плохо масштабируемый сервисный бизнес в масштабируемый IT-продукт.
Ярослав Филиппов: Давай на этом завершим наш первый выпуск! В следующей части мы поговорим про реальные кейсы применения. Но подожди... Мы забыли рассказать историю, как тебе сожгли машину за автоматизацию! Расскажи, пожалуйста.
Андрей Кузьминых: Да, саботаж бывает разный. Это было ещё во Владивостоке, когда я учился в университете. Я проходил практику в Газпромбанке. Там в отделе сидели бухгалтеры и каждый день делали одну и ту же рутинную работу. Мне поручили написать пару скриптов на Python, и я полностью автоматизировал их труд. В итоге от отчаяния они попытались поджечь машину, на которой я ездил.
Ярослав Филиппов: Машина не сгорела?
Андрей Кузьминых: В итоге не сгорела, вовремя вмешались люди и потушили. Но подожгли по-настоящему. Так что сопротивление инновациям бывает очень суровым!
Меня зовут Ярослав Филиппов, я ведущий этого подкаста о бизнесе и технологиях. В гостях у нас Андрей Кузьминых — человек, которому за эффективное внедрение искусственного интеллекта чуть не сожгли машину. Он выпускник Высшей школы экономики, внедрял искусственный интеллект в Сбербанке на высшем уровне и получал за это награды. Работал с ИИ в компании Accenture, руководил разработкой в венчурной студии, а сегодня является технологическим предпринимателем и консультантом в сфере искусственного интеллекта. Андрей, привет! Расскажи, пожалуйста, о своём опыте и достижениях, чтобы зрители поняли глубину твоей экспертизы.
Андрей Кузьминых: Всем привет! Я Андрей, выпускник Высшей школы экономики. Мой профессиональный путь начался в роли дата-инженера в компании Accenture. Затем я работал директором по данным и искусственному интеллекту в Сбере, а позже — техническим директором международной стартап-студии. Сегодня я помогаю компаниям по всему миру внедрять AI-агентов, развиваю свои продукты, веду Telegram-канал и регулярно выступаю на конференциях. В целом, моя миссия — создавать решения, которые делают мир немного лучше.
Если говорить о карьере детальнее, то в Accenture я работал на банковских проектах, занимался цифровизацией: строил высоконагруженные хранилища данных, разрабатывал ETL-процессы. В Сбере я начинал с задач моделирования эффективности сотрудников. Мы обучали модели, которые прогнозировали успешность кандидатов массовых специальностей без первого собеседования. Позже я стал Chief Data Officer, строил хранилища данных для всего банка и занимался продвинутой стратегической аналитикой. Там же я внедрил более пятидесяти моделей машинного обучения с общей финансовой эффективностью более 3 миллиардов рублей.
Дальше мой опыт включает работу в стартапах. Я участвовал в бизнес-акселераторе со своим dating-сервисом на базе ИИ и победил. Мне понравилось делать стартапы, и я стал техническим директором международной венчурной студии. Мы запускали разные проекты: от цифрового двойника электросетей для поиска потерь энергии до AI-ассистента для блогеров в соцсетях. Позже я вышел из стартапа и на вырученные деньги начал строить свою компанию — Andre AI Technologies. Сейчас я занимаюсь разработкой решений на базе искусственного интеллекта как для бизнеса, так и запускаю собственные продукты (например, AI-рекрутеры, AI-SMM и бизнес-ассистенты).
Ярослав Филиппов: Давай перейдём к первому вопросу. Сегодня предприниматели из каждого утюга слышат, что мир меняется, скоро бизнес и работа станут другими, и нужно срочно внедрять ИИ. При этом реальных кейсов вокруг они часто не видят. Основатели приходят к сотрудникам и говорят: «Срочно внедряйте ChatGPT!», а у сотрудников нет на это времени — у них своей работы выше крыши. Возникает миллион вопросов: кто должен этим заниматься? Дорого ли это? С чего начать? Что бы ты посоветовал таким людям?
Андрей Кузьминых: Для начала нужно понять, кто перед нами: стартап, большая корпорация или средний/малый бизнес. Стратегии будут разными. Например, за рубежом я сейчас не знаю ни одного успешного стартапа, где бы код полностью писали люди. Везде код генерирует ИИ. Там это уже вопрос выживания.
В больших корпорациях всё сложнее из-за требований к безопасности и необходимости промышленных решений. Там проводится глубокая AI-трансформация. Изучаются текущие процессы (через BPMN-диаграммы), проводится аудит. Мы смотрим по метрикам, какие операции самые ресурсоёмкие и где участие человека тормозит процесс. Туда ИИ внедряется в первую очередь.
Сейчас подход в продвинутых компаниях такой: они стремятся стать AI-first. Это значит, что процессы проектируются сразу под AI-агентов, а люди меняют свою роль — они становятся операторами, менеджерами или учителями для этих агентов. Главное для людей сейчас — менять майндсет.
Ярослав Филиппов: Давай я тебя здесь прерву. Смотри, какая суть. Человек слушает тебя и думает: «Я 2 года назад слышал, что мой бизнес умрёт без ИИ. Прошло 2 года, я ничего не внедрил, но мы всё равно выросли. Может, это просто разговоры?». Плюс, ты говоришь про процессы и данные. Но у многих компаний (например, в небольших студиях разработки) процессы ужасные: всё обсуждается в хаотичных переписках, куча согласований. Что им интеллектуализировать, если у них хаос? ИИ доступен только зрелым компаниям?
Андрей Кузьминых: Хороший вопрос. В корпорациях есть понятие «Maturity Index» — индекс зрелости. Если процессы не устаканены, внедрять что-то системное бессмысленно. Второе обязательное условие — доступ к данным, иначе моделям не на чем обучаться.
Если в студии разработки нет выстроенных процессов, они могут использовать ИИ точечно: курсор для генерации кода, ChatGPT для текстов. Но конвейера (workflow) из этого не получится. Что касается предпринимателей, которые «и так хорошо растут» — да, они растут, но могли бы расти гораздо быстрее и с меньшими издержками. Чем больше конкурентов начнут применять ИИ на полную, тем сильнее будет разрыв. Это как приехать на соревнования по велоспорту: вы на велосипеде, а конкуренты — на мотоциклах.
Ярослав Филиппов: Окей. В исследованиях Microsoft говорится, что AI-трансформация проходит три этапа. Первый — человек использует ИИ как помощника (ChatGPT, Copilot). Второй — появляются агенты, выполняющие работу автономно. Третий — создание человеко-агентных команд. Согласен с этим?
Андрей Кузьминых: Да, абсолютно. Сначала ИИ-ассистент просто помогает человеку. На этом этапе мы собираем данные. На втором этапе, дообучив модели на этих данных, мы получаем агента, который может работать автономно. А третий этап — это AI workflow, когда отдельные операции складываются в единый конвейер. Задача AI-first компаний — перевести все бизнес-процессы на взаимодействие таких агентов.
Ярослав Филиппов: Допустим, компания выдала сотрудникам доступ к ИИ. Но статистика показывает, что сейчас люди тратят 90% времени на проверку результатов работы искусственного интеллекта. Что с этим делать?
Андрей Кузьминых: Эта цифра валидна. Это как раз про то, как меняется наша профессия. Наша задача теперь — корректировать работу ИИ и управлять им. Представьте, что у вас появились сотрудники-джуны. Вы должны уметь им делегировать и проверять их работу.
Проблема в том, что 99% людей не умеют писать промпты. Сейчас наступает эпоха проектирования когнитивных архитектур — создания цепочек промптов, которые дают стабильный результат. Этому нужно учиться: смотреть лучшие практики, экспериментировать, обмениваться опытом внутри компании.
Ярослав Филиппов: Как убедить, например, дизайнера использовать ИИ? Раньше он рисовал фон для сайта за час. Теперь ему говорят использовать нейросеть. Он генерирует 20 плохих картинок, тратит на это 10 минут, злится и говорит: «Да мне проще самому за час нарисовать, чем перебирать этот мусор!».
Андрей Кузьминых: Многие программисты говорят то же самое про генерацию кода. Но это новая реальность. На этих 20 попытках ты оттачиваешь свой промпт, ищешь правильный вектор в латентном пространстве модели. Да, поначалу непривычно. Но модели умнеют. Если вы дообучаете модель на своих качественных данных, то вам уже не придётся смотреть 20 картинок — будет подходить первая или вторая. Это просто вопрос практики и изменения мышления.
Ярослав Филиппов: Вернёмся к малому бизнесу. Салоны красоты, селлеры на маркетплейсах — с чего начать им?
Андрей Кузьминых: Им нужно понять, какие задачи отнимают больше всего времени. У малого бизнеса скоуп понятен: ведение соцсетей, бронирование встреч, общение с клиентами. Мастер маникюра должен делать только маникюр, всё остальное нужно делегировать.
Для них уже существуют готовые вертикальные ИИ-решения (SMM-агенты, AI-рекрутеры, AI-ассистенты для календаря). Берёшь коробочное решение и пользуешься.
Ярослав Филиппов: В крупных компаниях сейчас появляется должность Chief AI Officer. Кто это такой и чем он должен заниматься?
Андрей Кузьминых: Chief AI Officer — это человек, который отвечает за change-деятельность в компании, главный трансформатор. Его задача — интегрировать ИИ во все функции бизнеса (HR, юристы, разработка, маркетинг). Он строит AI-стратегию, понимает процессы, следит за безопасностью и комплаенсом. По сути, он предоставляет компании ИИ как внутренний сервис, собирая новую организационную структуру из AI-агентов и обучая людей управлять ими.
Ярослав Филиппов: Я хочу подчеркнуть для зрителей: эта работа бесконечна. Вы не просто «внедрите ИИ и сразу заработаете на 40% больше». Вы будете постоянно оптимизировать процессы. Иногда метрикой успеха будет не резкий рост прибыли, а снижение выгорания сотрудников и освобождение их времени для креативных задач.
Андрей Кузьминых: Да, главное — смотреть на дерево метрик. Во главе стоит прибыль, но мы оптимизируем процессы шаг за шагом. Например, внедрение ИИ в HR может не дать сиюминутной прибыли, но снизит текучку кадров, что стратегически полезно для компании.
Ярослав Филиппов: Как ты обучаешь сотрудников и борешься с саботажем при внедрении ИИ?
Андрей Кузьминых: Я часто сталкиваюсь с двумя лагерями: одни воспринимают меня как угрозу и прячутся, другие — энтузиасты, готовые автоматизировать всё. Я начинаю работать с энтузиастами. Мы решаем одну узкую задачу, а затем я показываю результат всей компании на коротких вебинарах.
Трансформация должна идти маленькими, но частыми шагами. На этой неделе научились генерировать тест-кейсы, на следующей — автотесты. Люди видят реальную пользу, скепсис уходит. Если пытаться внедрить 500 инструментов за раз, люди просто испугаются.
Ярослав Филиппов: Мы всё больше превращаемся в операторов ЧПУ (станков с числовым программным управлением). Некоторые руководители саботируют внедрение ИИ, боясь потерять свою значимость и работу. Что будет с их рабочими местами?
Андрей Кузьминых: Я смотрю на это с оптимизмом. У нас просто вырастает capacity — мы можем делать больше. Да, раньше человек работал руками, потом стал оператором станка, а теперь станками управляет ИИ, а человек управляет ИИ-агентами.
Если ИИ может делать рутинную работу, зачем мучить ею человека? Человек становится менеджером, он контролирует качество, следит за метриками. Задача ИИ — свести стоимость выполнения рутинной задачи почти к нулю. А люди будут заниматься контролем и управлением.
Ярослав Филиппов: Я бы зафиналил так: в бизнесе можно зарабатывать либо на абсолютной уникальности, либо на низкой себестоимости и объёмах. ИИ сейчас радикально удешевляет производство. Сервисному бизнесу придётся адаптироваться, иначе он проиграет ценовую гонку.
Андрей Кузьминых: Именно так. Например, в США появляются юридические платформы, где 80% рутины (заполнение форм) делает ИИ, а юрист занимается только сложной экспертной работой. В итоге цена для клиента падает, а юрист зарабатывает больше за счёт объёма. ИИ позволяет превратить плохо масштабируемый сервисный бизнес в масштабируемый IT-продукт.
Ярослав Филиппов: Давай на этом завершим наш первый выпуск! В следующей части мы поговорим про реальные кейсы применения. Но подожди... Мы забыли рассказать историю, как тебе сожгли машину за автоматизацию! Расскажи, пожалуйста.
Андрей Кузьминых: Да, саботаж бывает разный. Это было ещё во Владивостоке, когда я учился в университете. Я проходил практику в Газпромбанке. Там в отделе сидели бухгалтеры и каждый день делали одну и ту же рутинную работу. Мне поручили написать пару скриптов на Python, и я полностью автоматизировал их труд. В итоге от отчаяния они попытались поджечь машину, на которой я ездил.
Ярослав Филиппов: Машина не сгорела?
Андрей Кузьминых: В итоге не сгорела, вовремя вмешались люди и потушили. Но подожгли по-настоящему. Так что сопротивление инновациям бывает очень суровым!
