Зачем ИИ-лицензиям мозг компании
Большинство компаний купили лицензии на ИИ. Немногие дали им знания, правила и системы, благодаря которым компания работает. Что меняется, когда это происходит.
Почти у каждой компании уже есть лицензии на ИИ, и люди, которые ими пользуются, в некоторых делах работают быстрее, чем год назад. В опросе McKinsey за 2026 год почти девять из десяти респондентов сообщили о регулярном использовании ИИ хотя бы в одной бизнес-функции, а восемь из десяти сказали, что он повысил их личную продуктивность.
Сама компания в большинстве случаев изменилась гораздо меньше. Тот же опрос показал, что доля респондентов, которые связывают с ИИ хоть какое-то влияние на EBIT, осталась на прежнем уровне в 37 процентов. В США, по данным, опубликованным ФРБ Сент-Луиса, ко второму кварталу 2026 года 39,2 процента работающих взрослых в течение отдельно взятой недели использовали генеративный ИИ в работе, а сэкономленное им время составляло 2,2 процента всех рабочих часов.
Мы считаем, что у этого разрыва простая причина. Лицензии знают интернет. Они не знают компанию.
Почему лицензии дают черновики
Попросите ассистента составить предложение, и он напишет хорошее предложение для компании, которой не существует. Он не знает ваших цен, ваших условий, истории клиента, того, как ваша компания строит предложения, и той скидки, которую никто не вправе давать. Поэтому он пишет черновик, а человек копирует, вставляет и исправляет. Качество зависит от того, кто написал промпт и сколько он знал.
Экономические исследования Anthropic выявили ту же закономерность в том, как компании используют её модели: применение ИИ для сложных задач может ограничиваться скорее доступом к информации, чем возможностями модели. Инициатива NANDA при MIT в прошлом году сказала об этом резче. По словам ведущего автора её доклада о генеративном ИИ в бизнесе, универсальные инструменты буксуют в компаниях, потому что не учатся тому, как выполняется работа, и не подстраиваются под это.
Даже провайдеры говорят, что работа не закончена. Исследование ChatGPT Enterprise, проведённое исследователями OpenAI и обновлённое в августе, приходит к выводу, что компании всё ещё учатся встраивать ИИ в свои рабочие процессы и что долгосрочная ценность зависит от того, вырастет ли разрозненное индивидуальное использование в способность организации.
Что хранит мозг компании
Мозг компании и есть тот недостающий слой, и он хранит четыре вещи. Знания: документы, письма, предложения, договоры, продукты, цены, прошлые проекты и голос компании, всё актуальное и с источником в каждом ответе. Правила: что может видеть и делать каждая роль, что ждёт одобрения и что может выполняться само. Системы: подключения к bexio, Microsoft 365, CRM, календарю и собственным инструментам компании, чтобы мозг мог находить информацию и записывать изменения. И навыки: то, как каждый отдел выполняет свою регулярную работу, записанное так, чтобы ассистент мог этому следовать.
Это и есть Twin. Он живёт в ассистенте, которым ваши люди уже пользуются, в Claude, ChatGPT или Codex, или на частной модели, когда данные не должны покидать компанию: на Eigna, созданной нашим партнёром Eigna Labs, обученной на собственной работе компании и работающей в её собственном облаке или на её собственных серверах. Twin поставляется в виде исходного кода, которым владеет компания, поэтому мозг остаётся у компании, когда меняются модели.
Отдел за отделом
В продажах предложение по итогам вчерашнего звонка приходит уже составленным по структуре компании, а письмо с продолжением написано её голосом. И то и другое утверждает человек. В поддержке ответ уходит вместе с фрагментом руководства, на который он опирается, возврат оформляется по записанной политике, а всё, в чём мозг не уверен, передаётся человеку.
В финансах частичный счёт готовится в bexio через Kontor, по открытым позициям вовремя отправляются напоминания, а закрытие месяца приходит подготовленным к проверке. В маркетинге посты на следующую неделю приходят в стиле бренда, а отчёт о кампании заканчивается тремя следующими шагами. Владелец получает в понедельник сводку по продажам, денежным средствам и открытым позициям и записку для принятия решения с источником для каждой цифры.
Больше всего выигрывают новые сотрудники. В исследовании 5'179 сотрудников службы поддержки Эрик Бриньолфссон, Даниэль Ли и Линдси Рэймонд выяснили, что ИИ-ассистент увеличил число решённых за час вопросов в среднем на 14 процентов, а у новичков и менее квалифицированных сотрудников на 34 процента. Авторы предполагают, что эффект возник благодаря тому, что знания самых сильных сотрудников передавались новым. Мозг компании делает это намеренно: знания лучшего коллеги на каждом рабочем месте с первого дня.
Качество, скорость, затраты и нагрузка
Первое изменение касается качества: единый стандарт на каждом рабочем месте и источник в каждом ответе вместо результата, который зависит от того, кто спросил. Следом приходит скорость, потому что работа, занимавшая часы, начинается с готового черновика. Затраты снижаются за счёт меньшего количества рутины, переделок и инструментов, выполняющих одну и ту же работу. И меняется нагрузка. Люди перестают переносить текст между окнами и возвращаются к работе, которую могут сделать только они.
Последний пункт для нас важен. Мозг берёт на себя копирование, поиск информации и первый черновик. Суждение, разговор с клиентом, проверка и ответственность за то, что уходит из компании, остаются за людьми, и именно туда должно уходить их время.
Мы не называем цифры этих выгод, пока не знаем компанию. Они зависят от того, какая часть её работы повторяется, записана и проверяется, а именно это и выясняет предварительный анализ.
Сначала лучшие процессы, потом автоматизация
Исследования сходятся в том, где лежит ценность. BCG, опираясь на собственную работу с клиентами, делит её так: около 10 процентов ценности ИИ-трансформации даёт само приложение, 20 процентов дают данные и технологии, а 70 процентов приходятся на перестройку рабочих процессов, культуру, управление и то, как люди и ИИ работают вместе. В опросе McKinsey почти три четверти небольшой группы лидеров коренным образом перестроили рабочие процессы из-за ИИ против четверти всех остальных. Отчёт Deloitte за 2026 год показал, что 37 процентов организаций используют ИИ поверхностно, почти не меняя то, как выполняется работа.
Поэтому мы начинаем с предварительного анализа, а не с программного обеспечения: люди, инструменты, данные и работа, которая всё ещё делается вручную. Затем мы оттачиваем процесс, прежде чем учить ему машину. Шаблон предложения, о котором никто не может договориться, согласование, которое ждёт неделю, отчёт, который собирают дважды в двух отделах. Исправление таких вещей часто даёт самый большой выигрыш и делает последующую автоматизацию проще и безопаснее.
С чего начать
Компания может начать уже на этой неделе без нового инструмента. Составьте список десяти документов, которые ваша компания пишет чаще всего. Запишите правила, которые живут только в чьей-то голове: цены, скидки, тон, кто что подписывает. Отметьте, через какие системы идёт работа и где люди копируют данные из одной в другую. Этот список и есть набросок мозга компании.
Затем выберите один отдел и одну рутину, подключите знания и систему, которые за ней стоят, и оставьте человека в той точке, где что-либо покидает компанию. Когда черновики перестанут требовать исправлений, переходите к следующей рутине. Лицензии, за которые вы уже платите, начнут работать на компанию, а не только на человека за столом.
