Лишь 7% организаций полностью масштабировали ИИ, хотя 88% используют его хотя бы в одной функции, следует из глобального опроса McKinsey 2025 года. Консультант Десси Павлова считает, что разрыв возникает из-за наложения ИИ на фрагментированные операции вместо перестройки процессов. Для руководителей вывод прямой: без редизайна процессов инвестиции в ИИ ускоряют хаос, а не отдачу.
Разрозненные передачи данных за разрывом 88% и 7%
McKinsey связывает редизайн рабочих процессов с более заметным финансовым эффектом генеративного ИИ, однако большинство компаний автоматизируют отдельные задачи. Павлова описывает знакомую цепочку: клиент приходит через сайт, данные попадают в таблицу, затем в операционную платформу и обратно на сайт, а финансы получают отдельный фрагмент для поздней сверки. Каждая передача добавляет задержки, дубли и риск ошибок, даже если каждый инструмент по отдельности работает хорошо.
Многие компании пытаются связать такой набор систем через коннекторы вроде Zapier или Make, заставляя разные приложения взаимодействовать. Павлова предлагает противоположный подход: строить систему вокруг самого бизнеса, где одно решение человека запускает каскад обновлений. Ее пример — учебная компания с десятками групп, где перевод студента или смена расписания преподавателя должны отразиться на сайте, в операционной системе, планировании и финансовом учете. В такой схеме ИИ переносит обновления дальше, а сотрудники не вводят данные заново на каждом этапе.
Модель сохраняет за человеком роль архитектора, а ИИ становится операционным двигателем с явными точками контроля stopgates. Человек видит изменения, вмешивается при подозрительных отклонениях и подтверждает результат, а ИИ перемещает информацию и отмечает аномалии. Исследование 5 179 агентов поддержки подтверждает такое разделение: доступ к генеративному ИИ повысил производительность в среднем на 14%, причем у менее опытных сотрудников прирост был выше. Технология помогла людям выполнять работу, но не отменила необходимость понимать ее.
Что процессный подход к ИИ меняет в затратах
Для компаний, внедряющих ИИ, практический сдвиг состоит в картировании всего пути клиента до покупки нового софта и расширения привлечения. Павлова перечисляет контрольные точки: вход, движение данных, ответственные, результат для клиента, записи финансов и места возможных ручных ошибок. Компании, сначала укрепившие этот каркас, сокращают переделки в продажах, планировании и учете, а небольшие команды выигрывают сильнее, потому что одно решение распространяется без найма.
Ограничения заслуживают не меньшего внимания, особенно когда внедрение ИИ-агентов опережает механизмы контроля. Исследование IBM 2026 года показало, что лишь 11% опрошенных технологических руководителей чувствуют полную готовность к масштабному развертыванию ИИ-агентов. Поэтому покупателям стоит спрашивать поставщиков, где требуется одобрение человека, как выявляются аномалии, какой сохраняется журнал изменений и как проверяется финансовая сверка. Источник не обещает, что редизайн сам по себе гарантирует прибыль, а лишь указывает, что точечная автоматизация оставляет значительную ценность неиспользованной.
Маркером станет появление редизайна процессов в описаниях ИИ-проектов и кейсах поставщиков наряду с показателями внедрения. Если доля полностью масштабированных внедрений вырастет выше нынешних 7%, а точки контроля и сквозная ответственность станут нормой, процессный подход перейдет из рекомендаций в практику. Это проявится в меньшем числе ошибок сверки и более быстром цикле от заказа до оплаты.
