Внедрение ИИ в компании: не учите всех, растите ИИ-чемпионов

В одной компании, с которой мы работали, руководитель отдела сам автоматизировал работу своих сотрудников. Его не отправляли на курсы, подрядчика тоже не звали. Люди в отделе переносили данные из одной системы в другую и переводили файлы из формата в формат. На такие задачи уходили дни. Теперь они занимают минуты.

Он не программист. Он знал, где у отдела болит, получил доступ к нейросетям и время, чтобы попробовать. Таких людей мы называем ИИ-чемпионами. По нашему опыту, через них внедрение ИИ в компании идёт надёжнее всего. В статье: почему обучение «для всех» и подрядчики сами по себе не дают эффекта, что говорят исследования и как запустить программу чемпионов у себя.

Три пути внедрения ИИ в компании

Когда собственник решает «пора внедрять ИИ», у него обычно три варианта.

• Обучить всех. Купить корпоративный курс, провести вебинар, раздать подписки на ChatGPT или GigaChat.
• Позвать подрядчика. Внешняя команда разбирает процессы, строит бота или агента и сдаёт проект.
• Вырастить чемпионов. Дать всем равный шанс научиться, найти тех, у кого получается, и дать им полномочия автоматизировать свой участок.

Первые два пути понятны и легко продаются. Третий требует терпения, зато эффект от него остаётся в компании.

Почему обучение всех сотрудников не даёт эффекта

В 2025 году BCG опросила больше 10 600 сотрудников в 11 странах. Регулярно нейросетями пользуются 72% опрошенных, но среди линейных сотрудников только 51%, и эта цифра перестала расти. Достаточно обученными себя считают 36%. Только 25% линейных сотрудников говорят, что руководители дают им понятные указания по ИИ^[1].

BCG заметила и другое: регулярными пользователями чаще становятся те, кто прошёл больше пяти часов обучения, особенно очного и с наставником. Часовой вебинар с примерами промптов привычку не меняет. После вебинара сотрудник возвращается к старому порядку работы, потому что его задачи там никто не разбирал.

Есть вторая проблема. Нейросеть хорошо решает одни задачи и уверенно ошибается в других. В эксперименте Гарвардской школы бизнеса и BCG консультанты с GPT-4 выполнили на 12,2% больше задач и работали на 25,1% быстрее, но только там, где нейросеть сильна. На задаче за пределами её возможностей результат с ИИ оказался хуже, чем без него^[7]. Эту границу на лекции не выучишь. Её находят на своих задачах, методом проб.

Мы подробно писали, почему обучение сотрудников работе с ИИ часто не работает. Коротко: обучение нужно как первый шаг. Программой оно от этого не становится.

Почему подрядчик не решает задачу в одиночку

Летом 2025 года исследователи MIT разобрали больше 300 публичных проектов с генеративным ИИ, провели 52 интервью и опросили 153 руководителя. 95% организаций не получили от этих проектов измеримой отдачи. До рабочего применения доходит лишь 5% корпоративных ИИ-инструментов, которые компании заказывают под себя^[2].

Главный барьер внедрения ИИ авторы видят в том, что решения не встраиваются в ежедневную работу. Модель работает, а процесс вокруг неё остался прежним. Подрядчик видит процесс со стороны, неделю или месяц. Сотрудник видит его каждый день и знает, где теряется время: в ручной сверке двух таблиц, в переписке по согласованию, в переносе данных из почты в учётную систему.

Подрядчик нужен, и ниже мы покажем, где именно. Но если в компании никто изнутри не ищет задачи и не следит, как решение живёт после сдачи, проект часто остаётся пилотом. Подробнее о типичных провалах в статье «Проблемы внедрения ИИ».

ИИ в компании уже есть, только его скрывают

В том же исследовании MIT есть цифра, о которой говорят реже. Официальную подписку на нейросеть купили 40% компаний. При этом сотрудники больше чем в 90% компаний регулярно пользуются личными ИИ-сервисами для рабочих задач^[2]. По данным Microsoft и LinkedIn, 78% тех, кто работает с ИИ, приносят на работу свои инструменты^[4].

В России картина похожая. В опросе сервиса Speech2Text (июнь 2026, больше тысячи человек) 41% признались, что скрывают от руководства работу с ИИ^[5]. В других опросах цифры ниже: там другие формулировки и выборки. Но сам факт никто не оспаривает: часть сотрудников уже автоматизирует свою работу, а руководитель об этом не знает.

Профессор Уортонской школы бизнеса Итан Моллик называет таких людей «тайными киборгами». Он описывает четыре причины, по которым они молчат: боятся наказания, боятся потерять уважение руководителя, опасаются сокращений и ждут, что сэкономленное время превратится в новую норму выработки. Его формулировка: «У сотрудников больше причин не показывать работу с ИИ, чем показывать»^[3].

Получается, чемпионов не нужно создавать с нуля. Они уже работают у вас, только тихо. Руководителю остаётся их найти и сделать так, чтобы показывать результат стало выгодно.

Кто такой ИИ-чемпион

ИИ-чемпионом мы называем сотрудника из бизнес-подразделения, который научился решать задачи своего участка с помощью нейросетей и получил на это полномочия и время. Отдельная должность или айтишник для этого не нужны. Чемпионом становится бухгалтер, юрист, менеджер по закупкам или руководитель отдела, который лучше всех знает свою работу и уже доказал, что умеет её ускорять.

Моллик описывает удачное внедрение как связку трёх сил^[3]:

• Руководство задаёт цель и правила: что можно, что нельзя, как поощряем.
• Сотрудники пробуют нейросети на своих задачах и находят, где они работают.
• Лаборатория, небольшая группа специалистов, превращает находки в рабочие процессы, проверяет их и переносит в другие отделы.

Чемпионы связывают сотрудников и лабораторию. Они находят применение в своём отделе, показывают его коллегам и передают лучшие решения дальше.

Как запустить программу ИИ-чемпионов: шесть шагов

Шаг 1. Откройте обучение для всех на равных

Базовое практическое обучение нужно всем. Его цель в том, чтобы каждый получил шанс себя проявить. Подойдут несколько коротких занятий на задачах самих сотрудников, лекция о возможностях ИИ здесь не поможет. Сразу разрешите инструменты: корпоративную подписку или список сервисов, которыми можно пользоваться. Пока ИИ запрещён, чемпионы прячутся.

Шаг 2. Отбирайте по результату

Через три-четыре недели попросите каждого показать одну задачу, которую он ускорил. Чемпионы видны сразу: кто-то принесёт три автоматизации, кто-то ни одной. Не назначайте чемпионов приказом. Человек без интереса к теме превратит программу в отчёт для галочки.

Ориентир по числу: один-два человека на отдел. Чтобы оценить уровень всех сотрудников до старта, пригодится наша статья о том, как оценить ИИ-компетенции сотрудников.

Шаг 3. Дайте карт-бланш и время

Без этого шага программа не заработает. Чемпиону нужно официальное время в графике. Если автоматизировать приходится в свободное время, программа быстро глохнет. Зарубежные методички дают ориентир около 15 часов в месяц, это от 10 до 15% рабочего времени. Ещё нужны доступы: к данным, к таблицам, к учётной системе в режиме чтения, к бюджету на подписки.

И нужна гарантия от руководителя: экономия времени не станет поводом сократить людей в отделе. Без неё чемпион будет молчать по тем же причинам, которые описывает Моллик.

Шаг 4. Проводите срезы раз в одну-две недели

Хватит короткой встречи на 30 минут: что сделали, что не получилось, где нужна помощь. На срезах видно, у кого программа движется, а у кого застряла. Здесь же чемпион просит помощи у ИТ или у внешнего специалиста, если задача упёрлась в интеграцию.

Шаг 5. Раз в месяц устраивайте демонстрации

Чемпионы показывают коллегам из других отделов свои решения на живых задачах. Это работает лучше любого курса. Менеджер по продажам видит, как бухгалтер за 10 минут сделал сверку, и думает, что у него можно сделать так же. Хорошее решение после демонстрации забирают себе соседние отделы.

Отмечайте лучших публично и материально: премией, повышением, дополнительными выходными. Без признания чемпионы быстро теряют интерес.

Шаг 6. Считайте эффект

Три метрики на каждого чемпиона и на программу в целом:

• сколько часов в месяц сэкономили и на каких задачах;
• сколько процессов автоматизировали и сколько из них повторили в других отделах;
• куда ушло сэкономленное время: больше заявок, меньше ошибок, быстрее сделки.

Последняя метрика важнее первых двух. Сэкономленные часы ничего не стоят, пока они не превратились в деньги или качество.

Пример из России: «Самолёт» и ИИ-амбассадоры

Девелопер «Самолёт» в 2025 году запустил программу ИИ-амбассадоров. Это сотрудники во всех подразделениях, которые помогают своему отделу внедрять нейросети. Отбирали их по интересу к технологиям, профиль работы роли не играл^[6].

Результаты, которые компания назвала в мае 2026 года:

• годовой эффект около 200 млн рублей, 8 внедрённых решений и ещё 30 в разработке или пилоте;
• выдача заказов на экспертизы договоров купли-продажи занимала 4 часа в день, теперь 10 минут, это около 50 млн рублей в год;
• распознавание исков и судебных решений освобождает юристам до 30% рабочего времени, не меньше 130 млн рублей в год;
• на двухдневном хакатоне больше 35 участников собрали 14 рабочих решений, три из них идут в работу.

Компания не учила всех подряд и не отдавала задачи на сторону. Люди изнутри нашли задачи, на которых теряются часы, а хакатон собрал их в одном месте.

Риски программы и как их закрыть

Выгорание чемпионов

Самые сильные сотрудники получают двойную нагрузку: к своей работе добавляются автоматизация и вопросы коллег. Через полгода они устают или уходят. Что делать: закрепить время на программу в графике, снять часть текущих задач, платить за роль.

Страх сокращений

Если после первой автоматизации в отделе сократили человека, программа на этом закончится. Остальные чемпионы снова станут «тайными». Что делать: заранее объявить, куда пойдёт сэкономленное время, и выполнить обещание.

Утечка данных

Чемпион с энтузиазмом загружает в бесплатный чат-бот договор с паспортными данными клиента. Что делать: до старта программы утвердить правила, какие данные можно отправлять в нейросети и какие сервисы разрешены. Как написать такой документ, мы разобрали в статье о регламенте использования ИИ.

Программа без цели

Демонстрации превращаются в показ «смотрите, что умеет нейросеть», а бизнес-эффекта нет. Что делать: на каждом срезе спрашивать, сколько времени и денег дало решение, и не хвалить красивые решения, которыми никто не пользуется.

Где в этой модели нужен подрядчик

С программой чемпионов внешние специалисты остаются, но у них другая роль. Подрядчик полезен в трёх местах:

• на старте: обучает на задачах компании, помогает отобрать чемпионов, пишет правила по данным, задаёт формат срезов;
• в сложных задачах: чемпион нашёл задачу и описал процесс, но для решения нужна интеграция с учётной системой или свой ИИ-агент;
• при переносе: удачное решение одного отдела нужно сделать надёжным и развернуть на всю компанию.

Так подрядчик получает от чемпиона готовое описание процесса и человека, который будет пользоваться решением. Внедрение ИИ в работу отдела идёт через того, кто эту работу делает. Это закрывает главную причину провалов из исследования MIT: решение встроено в процесс с первого дня.

Модель чемпионов мы предлагаем как свою позицию, а не как закон. Прямых исследований, которые сравнивали бы её с обучением всех, мы не нашли. Но она согласуется со всеми данными выше: ИИ уже используют снизу, обучение без практики не работает, а проекты без людей изнутри застревают в пилоте.

Источники

1. BCG. «AI at Work 2025: Momentum Builds, but Gaps Remain», пресс-релиз 26.06.2025, опрос более 10 600 сотрудников в 11 странах. https://www.bcg.com/press/26june2025-beyond-ai-adoption-full-potential
2. MIT NANDA. «The GenAI Divide: State of AI in Business 2025», июль 2025; пересказ: Virtualization Review, 19.08.2025. https://virtualizationreview.com/articles/2025/08/19/mit-report-finds-most-ai-business-investments-fail-reveals-genai-divide.aspx
3. Ethan Mollick. «Making AI Work: Leadership, Lab, and Crowd», One Useful Thing, 22.05.2025. https://www.oneusefulthing.org/p/making-ai-work-leadership-lab-and
4. Microsoft и LinkedIn. «2024 Work Trend Index», 08.05.2024, опрос 31 000 человек в 31 стране. https://news.microsoft.com/source/2024/05/08/microsoft-and-linkedin-release-the-2024-work-trend-index-on-the-state-of-ai-at-work/
5. «Россияне замалчивают использование ИИ на работе», опрос Speech2Text, Финансы Mail, 22.06.2026. https://finance.mail.ru/article/rossiyane-zamalchivayut-ispolzovanie-ii-na-rabote-69214145/
6. ComNews. «Годовой эффект внедрения ИИ-решений в «Самолёте» составил около 200 миллионов рублей», 21.05.2026. https://www.comnews.ru/digital-economy/content/245431/2026-05-21/2026-w21/1012/godovoy-effekt-vnedreniya-ii-resheniy-samolete-sostavil-okolo-200-millionov-rubley
7. Dell’Acqua F., Mollick E. и др. «Navigating the Jagged Technological Frontier», Harvard Business School Working Paper 24-013, 2023. https://www.hbs.edu/faculty/Pages/item.aspx?num=64700