оходит эта граница, приходит только из практики. Не из тестов и не из бенчмарков, а из ... — 27 июля 2026 г. в 12:28:03.732
оходит эта граница, приходит только из практики. Не из тестов и не из бенчмарков, а из месяцев работы в продакшене с живыми пользователями, которые жалуются, когда что-то ломается. Кто закрывает эти четыре проблемы Человек, которого я бы назвал ИИ-философом. Он работает до того, как написана первая строка кода. Он объясняет руководству, где в их бизнесе лежат деньги и время, съедаемые рутиной, и переводит абстрактное "внедрить ИИ" в список задач с измеримым результатом. Он работает с сотрудниками, и это самая тяжёлая часть. Не убеждает, что бояться нечего, потому что это ложь. Показывает, что именно изменится в их работе, какую рутину они перестанут делать руками, и почему человек, умеющий работать с ИИ, ценнее человека, которого ИИ заменяет. Разница между этими двумя позициями определяет, состоится внедрение или нет. Он вырабатывает стратегию под конкретное предприятие: с чего начать, что автоматизировать первым, что оставить людям, что не трогать вообще. Он знает границы доступных моделей. Не абстрактно "ИИ может всё", а конкретно: эта задача решается на суверенной модели надёжно, эта требует другой архитектуры, а эта в текущих условиях не решается и её не надо начинать. И он решает проблему, которая после вчерашнего прецедента станет главной. Запрещать внешние ИИ бесполезно: сотрудники всё равно будут ими пользоваться, просто аккуратнее. Запрещать без альтернативы означает саботаж производительности. Значит нужен третий путь: легальный инструмент внутри контура, согласованный со службой безопасности, который закрывает те же задачи, ради которых люди рискуют работой. Почему это не CTO и не data scientist CTO отвечает за то, чтобы система работала. Data scientist за то, чтобы модель предсказывала. Ни тот, ни другой не отвечает за то, чтобы люди в компании захотели этим пользоваться. А ломается всё именно на этом. Роль ближе к внутреннему консультанту по изменениям, но с техническим бэкграундом. Он должен одинаково понимать, как устроен конвейер обработки данных и почему начальник отдела саботирует проект. Первое без второго даёт красивую систему, которой никто не пользуется. Второе без первого даёт презентации без результата. Кстати, роль эта не выдумана. На западном рынке она уже существует под названиями AI Transformation Lead и AI Enablement Lead, с подчинением напрямую операционному или цифровому директору, с вилками от 130 тысяч долларов в год. Формулировки в вакансиях знакомые: перевести компанию из состояния "у нас есть доступ к ИИ-инструментам" в состояние "мы действительно ими трансформированы". Разница в том, что западной версии этой роли не приходится отвечать на вопрос, что делать, когда фронтирные модели недоступны по закону, а за загрузку файла в чат увольняют по статье. Поэтому копировать чужую методологию бесполезно. Что дальше Такой роли почти нет на российском рынке труда. Её не готовят в вузах, по ней нет сертификаций, в вакансиях её маскируют под руководителя направления ИИ. При этом с сентября она нужна каждой компании, которая всерьёз собралась внедрять ИИ, а не отчитываться о внедрении. Технологии в 2026 году перестали быть узким местом. Узкими местами стали люди и ограничения контура. Первое решается разговором, второе архитектурой. Обе задачи лежат вне зоны ответственности технических руководителей, и обе определяют, состоится внедрение или пополнит статистику замороженных проектов. Сергей Игнатенко, основатель VibePilot. ИИ-платформа для документов на суверенных моделях, партнёр Yandex Cloud Marketplace.