2) Про AI трансформацию от Harvard Busines Review Опубликовали исследование профессора Гарварда Карима Лахани, главы направления AI at Work в Microsoft Джареда Спатаро и директора института D3 Джен Стейв. Пишут, что компании вложили миллиарды в AI-инструменты, раскатили сотни пилотов, но ожидаемая революция продуктивности так и не случилась. И проблема не в качестве моделей и даже не в данных. Проблема в организационном дизайне. Нашли 7 причин, почему AI-трансформация буксует: – Размножение пилотов без масштабирования. Один банк создал 250+ приложений на базе LLM, компания из фэшн-индустрии автоматизировала 18 000 финансовых процессов - но выигрыш остался локальным, лучше сделать 1, которое расширяется на всю компанию. – Разрыв продуктивности. Платежная сеть отчитывается о 99% использовании Copilot сотрудниками, а финансовый отдел не может показать улучшение ни по одной метрике. Нужно обучение всей компании и реорганизация процессов, чтобы освободившееся время не сжиралось очередными митингами и почтой. – Процессный долг. Устаревшие процессы, поверх которых накладывают AI - вместо того чтобы проектировать с нуля. Нужны бизнес-технологи, которые понимают обе стороны, чтобы нормально все запустить на новом уровне. – Ловушка «племенных знаний». Критическая экспертиза заперта в головах сотрудников и недоступна AI-системам. Тут простого решения нет, надо как-то другие элементы иерархии предлагать людям (которые раньше носили корону, потому что знали, как правильно). Предлагаю разный цвет штанов :) – Отсутствие управления агентами. Нет централизованных дашбордов для контроля AI-агентов как управляемой рабочей силы. Тут как бы все нормально работает при десятках, но жестко ломается на сотнях и тысячах, а ведь процессы меняются, нужно агентов тоже онбордить и "увольнять". – Архитектурная сложность. Инфраструктура не готова к интеграции AI в повседневную работу. Там самый большой ужас, когда несколько систем больших надо интегрировать и чтоб работало все нормально. – Ловушка эффективности. Компании оптимизируют мелкие задачи вместо переосмысления целых процессов. Тут хорошо бы прям провести стратегическую сессию, чтобы понять, какие задачи приносят максимальную ценность, а не оптимизируют время сотрудников за 20 долларов в час. Что делать предлагают: Проектировать процессы с чистого листа, а не натягивать AI на существующие Создавать роли типа «AI-архитектор процессов», чтобы старшие эксперты оцифровывали свои знания Строить «плоскости управления агентами» - контроль, мониторинг, безопасность для AI-агентов как для сотрудников Короче, все по-серьезному. https://hbr.org/2026/03/the-last-mile-problem-slowing-ai-transformation