Ещё недавно искусственный интеллект в бизнесе обсуждали преимущественно как технологический тренд: какие нейросети попробовать, как написать хороший промпт и сможет ли ИИ заменить сотрудников.

Теперь вопрос становится более практическим. ИИ всё чаще обсуждают не только в контексте технологий, но и на уровне корпоративного управления, ответственности бизнеса и регулирования.

В России с 1 сентября 2026 года вступил в силу Федеральный закон № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации». Он устанавливает правовые основы регулирования отношений в сфере разработки, внедрения и применения больших фундаментальных моделей ИИ. При этом отдельные положения закона начинают действовать позднее.

В США 29 сентября 2026 года руководители ряда крупных технологических и ИИ-компаний подписали добровольное соглашение о дополнительных мерах контроля безопасности ИИ. Документ предусматривает внутренние механизмы контроля, внутренний надзор, работу с независимыми внешними аудиторами и контроль со стороны советов директоров. Соглашение не является законом и не содержит обязательного механизма правоприменения.

Для руководителя из этого следует простой вывод: вопрос уже не только в том, нужно ли компании заниматься ИИ.

Вопрос в другом:

Какие задачи компании можно передать ИИ уже сейчас, насколько автономным может быть такой инструмент и где решение обязательно должно оставаться за человеком?

Здесь полезно отказаться от слишком простого деления на «автоматизировать» и «не автоматизировать».

Гораздо практичнее определить уровень автономности.

Сначала определите уровень автономности

Условно можно выделить четыре уровня:

1. Аналитическая помощь — ИИ ищет информацию, анализирует данные и предлагает варианты. Решение принимает человек.
2. Подготовка результата — ИИ создаёт отчёт, документ, протокол или другой результат, который проверяет сотрудник.
3. Выполнение с контролем — ИИ самостоятельно выполняет типовую операцию, но действует по заранее заданным правилам и передаёт человеку нестандартные случаи.
4. Самостоятельное выполнение — ИИ выполняет заранее определённую цепочку действий без постоянного подтверждения человека.

Какой уровень допустим, зависит не от того, насколько впечатляюще работает модель, а от характеристик самого процесса.

Главные факторы:

повторяемость задачи + качество данных + проверяемость результата + цена ошибки.

Чем больше в задаче структурированных данных, понятных критериев и повторяющихся операций, тем выше потенциал автоматизации.

Чем выше цена ошибки и чем сложнее проверить результат, тем больше контроля должно оставаться у человека.

Главный принцип:

передавать ИИ стоит не ответственность, а повторяемую работу вокруг ответственности.

10 задач, которые уже можно передавать ИИ

1. Подготовку управленческих отчётов

Одна из самых очевидных задач для ИИ — превратить массивы информации в понятную руководителю картину.

Например, алгоритм может:

• собрать данные из нескольких источников;
• сравнить план и факт;
• найти отклонения;
• выделить аномалии;
• сформировать краткое резюме;
• подготовить вопросы для обсуждения на совещании.

Руководителю не обязательно читать 50 страниц отчёта. Он может получить несколько ключевых выводов: где возникло отклонение, насколько оно существенно и какие данные стоит проверить.

Что остаётся человеку: интерпретация результата и решение о действиях.

Важно не путать автоматическую подготовку отчёта с автоматическим принятием решения. ИИ может ускорить путь от данных к управленческому вопросу, но неподтверждённая гипотеза не должна автоматически превращаться в управленческий факт.

2. Подготовку совещаний

ИИ способен заметно сократить служебную работу вокруг встреч.

До совещания он может собрать предыдущие протоколы, статус проектов, переписку и список нерешённых вопросов. После — превратить запись встречи в протокол с ответственными и сроками.

Ещё полезнее использовать ИИ для контроля договорённостей:

решили → назначили ответственного → установили срок → проверили исполнение.

Так совещание становится частью управленческого процесса, а не отдельным событием.

Финальный протокол стоит проверять человеком: модель может неверно определить, кто что обещал, перепутать срок или придать обсуждаемой идее статус принятого решения.

3. Анализ клиентской обратной связи

Отзывы, обращения в поддержку, результаты опросов и комментарии клиентов — большой массив неструктурированной информации.

ИИ может:

• группировать сообщения по темам;
• находить повторяющиеся жалобы;
• отслеживать изменения тональности;
• выявлять новые проблемы;
• обнаруживать связь между обращениями и конкретными продуктами или процессами.

Например, десять разных клиентов могут по-разному описывать одну и ту же проблему. Человек увидит десять сообщений. Алгоритм способен увидеть одну системную тему.

Это особенно полезно для руководителей, которые физически не могут прочитать всю клиентскую обратную связь.

Если же на основе классификации принимается решение о возврате денег, компенсации, изменении условий обслуживания или прекращении отношений с клиентом, результат модели должен проходить дополнительную проверку.

4. Первичный анализ документов

Договоры, технические задания, коммерческие предложения, регламенты, отчёты и тендерная документация — ещё одна зона, где ИИ уже может брать на себя значительный объём работы.

Он способен:

• сравнивать версии документов;
• находить расхождения;
• выделять потенциально важные пункты;
• составлять краткие резюме;
• извлекать конкретные параметры;
• проверять документ по заданному чек-листу.

Но здесь особенно важно разделять анализ и утверждение.

ИИ может сказать:

«Вот пять пунктов, на которые стоит обратить внимание».

Но это не означает:

«Документ можно подписывать».

Для юридически или финансово значимых документов результат ИИ должен проверяться по первоисточнику компетентным сотрудником.

5. Подготовку первых версий деловых текстов

Письма, служебные записки, презентации, описания проектов, внутренние объявления, ответы клиентам — задачи с высокой долей шаблонности.

Руководитель может сформулировать несколько тезисов, а ИИ подготовит структуру и первый вариант текста.

Экономия возникает не потому, что человек перестаёт писать, а потому, что ему больше не приходится каждый раз начинать с пустого документа.

ИИ создаёт черновик. Руководитель задаёт смысл, тон и финальную версию.

Для внешних коммуникаций дополнительно важно проверять факты, цифры, обязательства компании и формулировки, которые могут иметь юридические последствия.

6. Мониторинг показателей и поиск отклонений

Если у компании есть KPI, бюджетные показатели, сроки проектов или операционные метрики, ИИ можно использовать как дополнительный аналитический слой.

Вместо вопроса:

«Что произошло за неделю?»

руководитель получает:

«Вот три показателя, которые вышли за нормальный диапазон. Вот возможные причины. Вот данные, подтверждающие каждую гипотезу».

ИИ здесь не заменяет BI-систему, а помогает быстрее интерпретировать информацию.

Особенно важно разделять факт и гипотезу. Если система говорит, что причиной падения продаж стало изменение поведения клиентов, руководитель должен иметь возможность открыть исходные данные и проверить это утверждение.

7. Управление типовыми задачами проектов

В проектной работе много операций, которые требуют дисциплины, но не уникального управленческого решения.

Например:

• контроль дедлайнов;
• напоминания;
• подготовка статусов;
• сверка задач;
• поиск просроченных действий;
• обновление проектной документации;
• формирование еженедельного отчёта;
• создание типовых задач в корпоративных системах.

Такие операции особенно хорошо подходят для автоматизации, потому что их результат можно проверить по объективным критериям.

На следующем уровне ИИ может не только сообщить о проблеме, но и выполнить заранее разрешённое действие:

Именно здесь появляется переход от ИИ-помощника к ИИ-исполнителю.

Для такого сценария заранее определяют:

• какие действия разрешены;
• какие требуют подтверждения;
• какие данные доступны системе;
• что происходит при нестандартной ситуации.

Руководитель проекта в результате освобождает время для работы с ресурсами, приоритетами, конфликтами и изменениями.

8. Первичную сегментацию клиентов и заявок

ИИ может распределять обращения и лиды по заданным категориям:

• срочность;
• тип запроса;
• продукт;
• регион;
• потенциальная ценность;
• этап воронки.

Это позволяет быстрее направлять запрос в нужный процесс.

Но важно не путать сегментацию с окончательным решением о клиенте.

Если от классификации зависит цена, доступ к услуге, кредитный лимит, приоритет обслуживания или другое существенное решение, нужен дополнительный контроль.

Чем серьёзнее последствия классификации для человека или клиента, тем меньше оснований превращать результат модели в автоматическое решение.

9. Поиск внутренних знаний

В крупных компаниях информация часто уже существует — просто находится в разных местах.

Регламенты лежат в одной системе, инструкции — в другой, презентации — в третьей, а практический опыт сотрудников вообще может находиться только в переписке.

ИИ может стать интерфейсом к корпоративным знаниям: сотрудник задаёт вопрос обычным языком и получает ответ со ссылками на соответствующие документы.

Это особенно полезно для онбординга, поддержки сотрудников и стандартизации процессов.

Корпоративный ИИ при этом должен:

• работать с актуальной базой знаний;
• показывать, на какие документы опирается ответ;
• учитывать версии и даты документов;
• уметь сообщить, что подтверждённой информации нет.

Иначе компания автоматизирует не знания, а распространение устаревших версий собственных документов.

10. Поиск вариантов и подготовку сценариев

Сильная сторона ИИ — не столько принятие решений, сколько подготовка пространства для решения.

Например, руководитель может попросить:

«Предложи пять вариантов сокращения сроков проекта на 20% без увеличения бюджета».

Алгоритм способен разобрать ограничения, предложить несколько сценариев, показать их возможные плюсы и минусы и указать, какие данные нужно дополнительно проверить.

Это полезнее, чем просто спросить нейросеть:

«Что нам делать?»

5 типов решений, где целесообразно сохранять обязательный человеческий контроль

Есть решения, где ИИ может быть очень полезен, но его автономность должна быть существенно ниже.

Здесь важны три фактора: цена ошибки, сложность контекста и возможность реально проверить результат.

1. Стратегические решения

ИИ может анализировать рынок, конкурентов, финансовые показатели и сценарии.

Но стратегия — это не только анализ информации.

Она включает выбор между неопределёнными вариантами, готовность принять риск и понимание того, какую компанию руководитель хочет построить.

Алгоритм способен подготовить карту местности. Но выбор маршрута остаётся управленческим решением.

При этом ИИ может участвовать практически на каждом предыдущем этапе: собирать информацию, моделировать сценарии, искать слабые сигналы и проверять предположения руководства.

2. Кадровые решения с высокой ценой ошибки

ИИ можно использовать для анализа вакансий, подготовки вопросов для интервью, структурирования обратной связи и поиска закономерностей в HR-данных.

Но решения об увольнении, назначении, продвижении или оценке конкретного человека не следует превращать в безусловную рекомендацию алгоритма.

Причина не только в возможной ошибке модели. Исторические данные могут содержать уже существовавшие перекосы. Если модель учится на таких данных, она способна воспроизводить закономерность, которая неприемлема с точки зрения компании или законодательства.

Кроме того, в кадровых решениях важны человеческие обстоятельства, контекст и ответственность работодателя.

Поэтому в HR ИИ лучше использовать прежде всего для структурирования информации и подготовки анализа, а не как окончательный источник кадрового решения.

3. Кризисные решения

Во время кризиса информации обычно мало, ситуация быстро меняется, а цена ошибки высока.

ИИ может быть полезен как аналитический инструмент:

• собрать доступные данные;
• предложить сценарии;
• смоделировать последствия;
• составить список рисков;
• выявить противоречия в поступающей информации.

Но решение о том, какой сценарий принять, должен контролировать руководитель.

Особенно опасна иллюзия точности: хорошо оформленный ответ нейросети может выглядеть гораздо увереннее, чем позволяют реальные данные.

В таких ситуациях полезно разделять:

что известно → что предполагается → чего мы пока не знаем.

4. Переговоры, где важны отношения и доверие

ИИ может подготовить аргументы, собрать информацию о контрагенте и смоделировать возможные позиции сторон.

Но передача ему переговоров целиком — совсем другая история.

В сложных переговорах значение имеют не только слова. Важны доверие, история отношений, невербальные сигналы, репутация и способность изменить позицию в нужный момент.

ИИ может быть сильным инструментом подготовки, но в переговорах с высокой ценой ошибки человек должен сохранять контроль над существенными решениями и изменением позиции компании.

5. Финальные решения, за последствия которых отвечает компания

Принцип здесь простой:

Если за результат отвечает компания или руководитель, у руководителя должна оставаться реальная возможность проверить и отменить действие ИИ.

Это особенно важно в юридических, финансовых, кадровых и клиентских процессах.

Само использование ИИ не означает автоматического переноса ответственности на поставщика технологии. Её распределение зависит от конкретной ситуации, законодательства, договорных отношений и роли каждого участника процесса.

Поэтому до запуска автоматизации нужно определить:

• кто утверждает результат;
• кто контролирует систему;
• какие действия ИИ может выполнять самостоятельно;
• какие действия требуют подтверждения;
• кто вмешивается при ошибке;
• как фиксируются решения и результаты контроля.

Автоматизировать нужно управляемый процесс

Главная ошибка — автоматизировать процесс целиком только потому, что технически это возможно.

Надёжная автоматизация чаще выглядит не как «робот вместо сотрудника», а как управляемая цепочка:

человек формулирует задачу → ИИ собирает и анализирует информацию → ИИ предлагает результат или действие → человек принимает решение там, где это необходимо → система фиксирует результат → ИИ контролирует исполнение.

Это надёжнее, чем поставить нейросеть в конец всей цепочки и сказать:

«Теперь решай сама».

Кроме того, автоматизация плохого процесса не делает его хорошим. Напротив, ИИ способен многократно ускорить существующие ошибки.

Поэтому перед внедрением стоит сначала спросить:

Почему этот процесс вообще устроен именно так?

Возможно, его нужно сначала упростить, убрать лишние согласования или изменить последовательность действий — и только потом автоматизировать.

Шесть рисков, которые руководителю нужно проверить заранее

1. Качество исходных данных

Плохие данные не становятся хорошими после обработки нейросетью.

Если в системе устаревшие, неполные или противоречивые данные, ИИ может сделать ошибочный вывод гораздо быстрее человека.

2. Конфиденциальность и безопасность

Перед передачей данных ИИ нужно определить:

• какие сведения разрешено передавать внешнему сервису;
• где они обрабатываются;
• как хранятся;
• используются ли они для обучения модели;
• какие требования действуют для персональных, коммерческих и иных чувствительных данных.

Особенно внимательно нужно подходить к клиентской информации, HR-данным, договорам, финансовой информации и внутренним документам.

3. Ошибки модели и отсутствие проверяемости

Уверенный тон модели не является доказательством правильности результата.

Для критичных задач должна существовать процедура проверки по исходным данным или документам.

Если модель сообщает цифру или делает вывод, руководитель должен иметь возможность понять, на каких данных и документах он основан.

4. Предвзятость данных

Модель может воспроизводить закономерности, которые исторически существовали в данных, но не должны использоваться для принятия решений.

Особенно важно учитывать этот риск в HR, кредитовании, оценке клиентов и других процессах, где автоматическая классификация может влиять на людей.

5. Формальный human in the loop

Проблема не в том, есть ли человек в процессе формально.

Проблема в том, способен ли он заметить ошибку ИИ и реально отменить его результат.

Если сотрудник перестаёт понимать предметную область и только нажимает кнопку «одобрить», человеческий контроль становится формальностью.

Поэтому human in the loop должен означать:

человек понимает предметную область, видит основания для результата и имеет полномочия вмешаться.

6. Экономика автоматизации

Автоматизация не бесплатна.

Кроме стоимости самого инструмента могут появиться расходы на:

• интеграцию;
• настройку;
• контроль качества;
• информационную безопасность;
• обучение сотрудников;
• поддержку;
• исправление ошибок.

Поэтому правильный вопрос:

Не «можно ли это автоматизировать?», а «будет ли эффект от автоматизации выше совокупной стоимости и риска?»

Как руководителю определить, что отдавать ИИ

Вместо общего вопроса «можно ли это автоматизировать?» используйте семь критериев.

1. Процесс или задача повторяется?

Если задача возникает каждый день или каждую неделю, потенциал автоматизации выше.

2. Есть понятный результат?

Если качество можно проверить по заранее заданным критериям, ИИ легче контролировать.

3. Достаточно ли качественны исходные данные?

Если данные неполные или устаревшие, сначала нужно решить проблему с ними.

4. Что произойдёт при ошибке?

Если ошибка означает потерю нескольких минут — автоматизация может быть практически полностью автономной.

Если она означает потерю клиента, денег, данных или репутации — нужен более высокий уровень контроля.

5. Может ли человек реально проверить результат?

Не формально поставить галочку, а понять, правильно ли сработал алгоритм.

6. Окупается ли автоматизация?

Сравните экономию времени и ресурсов с затратами на внедрение, поддержку и контроль.

7. Можно ли встроить контроль прямо в процесс?

Лучше, если система сама блокирует рискованное действие до проверки, чем если компания рассчитывает, что кто-то «потом посмотрит».

В результате руководитель должен определять не просто «автоматизировать или нет», а уровень автономности:

аналитическая помощь → подготовка результата → выполнение с контролем → самостоятельное выполнение по заданным правилам.

FAQ

Какие задачи руководитель может передать ИИ уже сейчас?

В первую очередь — повторяемые задачи с понятным результатом и проверяемыми критериями: подготовку отчётов, анализ документов и клиентской обратной связи, мониторинг показателей, контроль типовых проектных задач, поиск внутренних знаний и подготовку сценариев.

Может ли ИИ самостоятельно принимать управленческие решения?

Для некоторых процессов технически возможно достаточно высокое количество автономных действий. Но допустимый уровень автономности зависит от цены ошибки, сложности контекста и возможности проверить результат. В решениях с существенными финансовыми, юридическими, кадровыми или репутационными последствиями целесообразно сохранять реальный человеческий контроль, а в отдельных случаях это может прямо требоваться законодательством или внутренними правилами компании.

Как определить допустимый уровень автономности?

Оцените повторяемость задачи, качество исходных данных, цену ошибки и проверяемость результата. Чем ниже риск и выше проверяемость, тем больше операций можно передать ИИ.

Какие решения не стоит полностью отдавать ИИ?

Прежде всего — решения, где высока цена ошибки и требуется сложная оценка контекста: стратегический выбор, значимые кадровые решения, кризисные решения, важные переговоры и другие действия, за последствия которых компания несёт существенную ответственность.

Можно ли использовать ИИ для работы с договорами и другими юридическими документами?

Да — для первичного анализа, сравнения версий, поиска расхождений, извлечения условий и подготовки вопросов. Но результат не следует автоматически воспринимать как юридическое заключение или основание для подписания документа без проверки компетентным специалистом.

Какие данные нельзя бездумно передавать внешнему ИИ-сервису?

Перед использованием сервиса необходимо проверить правила обработки и хранения данных, требования к персональным и коммерчески чувствительным сведениям, условия поставщика и внутренние политики компании. Для каждого процесса следует заранее определить, какие данные разрешено передавать модели.

С чего начать внедрение ИИ в компании?

Начните не с выбора нейросети, а с инвентаризации процессов. Найдите повторяемые операции с понятным результатом, оцените экономический эффект и риск ошибки, определите допустимый уровень автономности и только после этого выбирайте технологию и способ интеграции.

Резюме

ИИ уже можно использовать не только для генерации текстов, но и для выполнения значительной части повторяемой управленческой работы: подготовки отчётов, анализа документов и клиентской обратной связи, мониторинга показателей, контроля типовых проектных задач, поиска внутренних знаний и подготовки сценариев.

Однако передавать ИИ стоит прежде всего работу вокруг управленческого решения, а не ответственность за само решение.

При выборе задачи руководителю стоит оценить семь факторов:

1. насколько процесс повторяется;
2. насколько понятен ожидаемый результат;
3. насколько качественны исходные данные;
4. какова цена ошибки;
5. может ли человек проверить результат;
6. окупается ли автоматизация;
7. можно ли встроить контроль непосредственно в процесс.

В зависимости от этих факторов выбирается уровень автономности:

аналитическая помощь → подготовка результата → выполнение с контролем → самостоятельное выполнение по заданным правилам.

Чем выше цена ошибки и сложнее проверить результат, тем больше полномочий должно оставаться у человека.

Поэтому задача руководителя — не определить, можно ли вообще автоматизировать процесс, а определить, какую часть процесса можно безопасно передать ИИ и где должна проходить граница человеческого решения.

Практический следующий шаг — выбрать 10 повторяемых задач, оценить для каждой риск, экономический эффект и проверяемость результата, а затем назначить допустимый уровень автономности.

Именно такой подход позволяет внедрять ИИ не как отдельный технологический эксперимент, а как управляемое изменение бизнес-процессов.