ИИ-стратегию нельзя делегировать: Итан Моллик из Wharton о главных ошибках управления — 11 июня 2026 г. в 08:06:03.570
ИИ-стратегию нельзя делегировать: Итан Моллик из Wharton о главных ошибках управления Главная управленческая ошибка в работе с генеративным ИИ — попытка вписать его в существующие корпоративные процедуры: назначить ответственное подразделение, поставить KPI по adoption'у, отдать на откуп IT. Итан Моллик, профессор Wharton и соруководитель Generative AI Labs, в колонке для The Economist формулирует жестче: технология, которая предсказывает следующее слово и при этом умеет писать код, давать стратегические советы и проявлять эмпатию, несовместима с рамкой «ещё один enterprise-софт». Стратегия ИИ не делегируется Ответственность за то, как технология меняет не операции, а саму конфигурацию компании, лежит на первом уровне менеджмента. Передача вопроса в middle management или IT структурно невозможна: у них нет мандата переопределять бизнес. Руководитель, который не пользуется системами сам, не может сформулировать осмысленную стратегию их внедрения. Adoption-метрики вредны Требование «90% сотрудников должны использовать ИИ каждую неделю» выполняется предсказуемо — появляются: ❌ дополнительные меморандумы, ❌ лишние презентации, ❌ автоматические транскрипты встреч. Моллик называет это workslop — формальное закрытие метрики без создания ценности. Привычные механики раскатки enterprise-софта применительно к генеративному ИИ дают обратный эффект. Арифметика +30%/−30% — интеллектуальная капитуляция Типичный сценарий: руководитель видит исследование о приросте продуктивности и рассчитывает пропорциональное сокращение штата — вполне простой и понятный расчет. Но есть вопрос — что значит перестроить компанию вокруг того, что один инженер пишет в 100 раз больше кода, и какие продукты и рынки это открывает. Ответ нельзя купить у вендора или консультанта — его можно только построить внутри. IT не должно быть единственным владельцем Мандат IT-подразделения — минимизация рисков Мандат ИИ-трансформации — управляемые эксперименты в условиях высокой неопределенности Совмещение этих функций в одном центре ответственности приводит к тому, что технология превращается в контролируемый, но безвредный инструмент. Экспертность распределена Лучшие сценарии использования рождаются у практиков в конкретных доменах, а не у AI-команды и не у внешних консультантов Задача руководства — обеспечить этим практикам доступ к инструментам и реальное, а не декларативное разрешение на эксперимент. Стимулы определяют видимость Когда сотрудники не уверены, что прирост продуктивности разделят с ними, они начинают скрывать использование ИИ. Это не дисциплинарная проблема, а рациональное поведение при плохо настроенных стимулах Следствие — менеджмент теряет сигнал снизу и строит стратегию на вендорских демо вместо реальных данных о том, что уже происходит в компании Альтернатива: модель Leadership + Crowd + Lab Моллик предлагает модель из трех компонентов: 1️⃣ Leadership — направление задается сверху 2️⃣ Crowd — use-case'ы рождаются в массе сотрудников-экспертов 3️⃣ Lab — отдельная команда из технических и нетехнических специалистов работает с генеративным ИИ full-time, развивая workflow и возвращая находки в организацию Рамка концептуальная, но она задает распределение ролей, при котором технология не упирается в границы одного подразделения. Общий вывод Сопротивление нормализации ИИ не гарантирует хороший результат, но нормализация гарантирует плохой. Компания, сглаживающая странные углы технологии, по определению видит только путь в сторону автоматизации и сокращений — ничего другого в рамке «обычный софт» разглядеть невозможно. #радар_трендов