ИИ сделал каждого в 10 раз продуктивнее. Почему компании не стали в 10 раз дороже? Джордж Сивулка, CEO Hebbia, разбирает этот парадокс в свежей статье для a16z. Джордж приводит историческую параллель. В 1890-х текстильные фабрики в Новой Англии заменили паровые двигатели на электрические, но на рост производства это не повлияло. Новый мотор просто встал на место старого. Только в 1920-х, когда заводы перепроектировали целиком, с конвейерами в духе Генри Форда и отдельным мотором в каждом станке, электричество наконец дало результат. В 2026 году ситуация аналогичная. Сотрудники осваивают ChatGPT, строчат промпты в Slack, хвастаются лайфхаками в X. Ощущение продуктивности зашкаливает, но на выручку компаний это не влияет. По мнению автора, закрыть этот разрыв может только «институциональный» ИИ, встроенный в процессы организации. Джордж выделяет 7 его отличий от «индивидуального»: ◽️Координация. 100 сотрудников с личными привычками промптинга гребут в разные стороны. Без управляющего слоя ИИ создает хаос, а не порядок. ◽️Качество вместо количества. Генерировать контент может кто угодно. Задача сместилась: найти 1 бриллиант среди 50 отполированных ИИ-пустышек. ◽️Объективность. Модели натренированы соглашаться с пользователем. Для личного использования — это сомнительно, но окей. Для организации — опасно: сотрудники получают одобрение своих бредовых идей и гипотез от «самого умного мозга в истории» и перестают слушать менеджеров. ◽️Результат вместо экономии. Почти все ИИ-продукты продают сокращение затрат, но бизнес в первую очередь хочет роста выручки. Институциональный ИИ должен находить сделки, клиентов и риски, на которые никто не обращает внимания. ◽️Автономность. Самое ценное, что ИИ может сделать для организации — это работать без запроса. Пример: система отслеживает ухудшение оборотного капитала портфельной компании на протяжении 3 месяцев, сверяет показатели с ковенантами кредитного договора и предупреждает партнера фонда о риске нарушения условий до того, как кто-то из команды дойдет до отчета. Вывод: будущее корпоративного ИИ двухслойное. Первый слой — чат-боты от крупных ИИ-компаний (OpenAI, Anthropic, Google), с которыми сотрудники работают каждый день. Второй — узкоспециализированные ИИ-системы, заточенные под конкретную отрасль и встроенные в процессы компании. По отдельности оба слоя полезны, но конкурентное преимущество получит тот, кто свяжет их в единую архитектуру и перестроит под нее рабочие процессы. Как и 100 лет назад, выиграет не первый покупатель технологии, а тот, кто первым перепроектирует под нее организацию. А что в РФ? Наш эксперт Аделина Половцева отмечает, что на российском рынке картина похожая: продуктивность отдельных людей выросла, время на рутинные задачи сократилось, но сами процессы и архитектура компаний меняются медленно. Для стартапов это окно возможностей: не тащить легаси, а сразу строить AI-native-организацию, зашивать агентов в юнит-экономику, продажи и риск-менеджмент, проектировать процессы как цепочки задач с учетом ИИ. А как дела с ИИ у вас в компании? 👍 — уже перестраиваем процессы 🔥 — пока на уровне личных чат-ботов 👀 — не используем Telegram | Сайт