Yan Lukashin

Аудит: где вы сейчас — и почему большинство компаний врут себе о своём уровне ИИ

На крайнем потоке курса один руководитель рассказал историю, от которой я физически поморщился.

Его CEO вернулся с конференции и сказал: «Нам нужна RAG-система. Как у Сбера». Руководитель нашёл подрядчика, потратил два с половиной миллиона, получил прототип. Через три месяца проект закрыли. Причина была не в технологии. Причина была в том, что у компании не были описаны базовые процессы. Данные лежали в головах, в чатах и в Excel-файлах, которые никто не поддерживал. RAG-система индексировала хаос — и выдавала структурированный хаос.

Два с половиной миллиона. Три месяца. Ноль результата.

И знаете что? Это не худший случай, который я видел.

В прошлом тексте мы разобрали, что правильная последовательность — боль → процесс → категория решения → инструмент. И я закончил фразой: «чтобы выбрать правильный слой, нужно честно оценить, где вы сейчас».

Сегодня — про честность. Самый короткий и самый неприятный шаг во всей серии.

Иллюзия прогресса

88% компаний в мире «используют ИИ». Звучит победно. Но следим за руками.

Из этих 88% только 4–7% реально трансформируют бизнес с помощью ИИ. Не «попробовали ChatGPT», а перестроили процессы и видят результат в деньгах. Это данные McKinsey, BCG и Gartner — три разные методологии, одна и та же картина.

88 из 100 купили экзоскелет. 5 из 100 научились в нём ходить.

Почему? Потому что между «у нас есть AI-подписка» и «AI меняет бизнес-результат» лежит пропасть. И имя этой пропасти — зрелость. Не инструментов. Людей и процессов.

Помните формулу BCG? Успех ИИ = 10% алгоритмы + 20% данные + 70% люди и процессы. Так вот, большинство компаний тратят 90% внимания на первые 30%.

И вот что особенно больно. Исследование Wharton показало: топ-менеджеры вдвое чаще переоценивают AI-прогресс своей компании по сравнению с мидл-менеджерами. VP+ уверены, что «мы впереди всех» — в 56% случаев. Их подчинённые видят реальность — 28%.

Все врут себе. Но руководители — особенно.

Две шкалы, которые нужно знать

В моей модели аудит — это не анкета из 50 вопросов и не консультант за миллион. Это две простые шкалы.

Первая — ты как специалист. Уровни L0–L4 (L5–L6 — горизонт, не для этого текста).

Вторая — твоя компания. Уровни C0–C3 (C4–C5 — горизонт).

Они связаны, но не совпадают. Можно быть архитектором (L4), работая в компании на уровне «витринный ИИ» (C1). Или наоборот — компания на C3, а ты как специалист застрял на L1. Оба варианта — проблема.

Давайте разбираться.

Где ты? Шкала специалиста

Не читай описания — читай маркеры. Найди себя.

L0. Наблюдатель.
Читаешь про ИИ. Обсуждаешь. Может, даже подписан на 5 каналов. Но в работе — ноль.
Маркер: ты ни разу за последнюю неделю не открывал AI-инструмент для рабочей задачи.

L1. Пользователь.
Заходишь в ChatGPT или Claude, спрашиваешь, получаешь ответ. Иногда полезно. Иногда — галлюцинации. Закрываешь вкладку и забываешь.
Маркер: ты используешь AI, но каждый раз начинаешь с нуля. Нет шаблонов, нет системы, нет сохранённых промптов.

L2. Оператор.
ИИ — часть ежедневной работы. Есть свои промпты, свои приёмы. Ускоряешь ручную работу в 2–3 раза. Но результат всё ещё держится на тебе — ИИ помогает кусками.
Маркер: у тебя есть «свои» промпты, но если завтра все AI-инструменты исчезнут — ты просто будешь работать медленнее. Процесс не изменился.

L3. Делегатор.
Управляешь результатом, а не просто получаешь ответы. Задаёшь контекст, ограничения, критерии качества. ИИ делает крупные смысловые блоки, ты — ревьюер.
Маркер: ты можешь объяснить коллеге не «какой промпт написать», а «как поставить задачу ИИ, чтобы получить нужный результат». Разница — как между «нажми кнопку» и «спроектируй интерфейс».

L4. Архитектор.
Главный карьерный перелом. Ты вышел за пределы чата. У тебя есть workflow, автоматизации, может быть — агентные сценарии. Ты не используешь ИИ. Ты проектируешь систему, которая использует ИИ.
Маркер: у тебя есть хотя бы один процесс, который работает без твоего постоянного участия. Вход → обработка → проверка → выход. Ты — архитектор, не оператор.

Стоп. Не спеши ставить себе L3 или L4. Перечитай маркеры ещё раз. Большинство людей, которые приходят на курс и считают себя «продвинутыми пользователями» — на L1, реже на L2. Это нормально. Ненормально — не знать.

Где твоя компания? Шкала организации

Тут сложнее, потому что компания — это не ты один. Это процессы, данные, люди, правила. И часто — зоопарк мнений о том, «где мы».

C0. Отрицание
AI-тема заблокирована или вытеснена. «Это не для нас», «у нас специфика», «сначала закроем квартал». Сотрудники используют ChatGPT втихую — руководство об этом не знает или делает вид.
Маркер: нет ни одного решения об использовании ИИ. Ни «да», ни «нет». Тишина.

C1. Витринный ИИ.
Отдельные энтузиасты пробуют AI-инструменты. Кто-то написал пресс-релиз через ChatGPT. Кто-то генерит картинки для соцсетей. Руководство не против, но и не управляет.
Маркер: если спросить «кто у вас отвечает за ИИ?» — тишина или «ну, Вася из маркетинга чего-то делает».

C2. Фрагментированный ИИ.
Несколько отделов используют разные AI-сервисы. Маркетинг — своё, продажи — своё, аналитика — своё. Локальная польза есть. Общей архитектуры — нет. Данные разрознены. AI-policy отсутствует. Shadow AI цветёт.
Маркер: больше трёх AI-подписок на компанию, но никто не может сказать, сколько именно и на что.

C3. Оркестрированный ИИ.
Компания мыслит процессами, а не инструментами. Есть единый контур: данные → модели → workflow → контроль качества → метрики. Есть AI-policy. Есть владелец процесса. Пилоты масштабируются.
Маркер: вы можете назвать три процесса, где ИИ даёт измеримый результат. И показать цифры.

Большинство компаний, с которыми я работаю — между C1 и C2. Это 80%+ рынка. На C3 — единицы. И это те самые 4–7% из данных McKinsey.

C4 (агентная операционная модель) и C5 (инфраструктурная позиция) — это горизонт. Важно знать, что они существуют. Не нужно туда бежать прямо сейчас.

Перекрёстная карта: ты × компания

Самое интересное начинается, когда совмещаешь две шкалы. Потому что разрыв между личным уровнем и уровнем компании — это источник большинства конфликтов, которые я вижу на курсе.
Узнали себя?

Если ты на L3–L4, а компания на C0–C1 — это не значит, что ты крутой, а они тупые. Это значит, что твоя энергия уходит не туда. И это нужно менять — либо компанию, либо свою роль в ней.

Если ты на L0–L1, а компания на C2–C3 — это не значит, что всё хорошо. Это значит, что скоро от тебя начнут ожидать навыки, которых у тебя нет.

Быстрый аудит: найди себя

Не считай баллы. Просто прочитай и остановись там, где узнаешь себя.

Ты как специалист

Если за последнюю неделю ты ни разу не открывал AI для рабочей задачи — ты L0. Наблюдатель.

Если открывал, но каждый раз с чистого листа, без шаблонов и системы — ты L1. Пользователь.

Если у тебя есть свои промпты, свои приёмы, ты ускоряешь работу в 2–3 раза, но процесс по сути тот же — ты L2. Оператор.

Если ты можешь поставить AI задачу на крупный блок работы — не «перепиши абзац», а «подготовь аналитику по этим данным с такими ограничениями» — ты L3. Делегатор.

Если у тебя есть хотя бы один workflow, который работает без твоего постоянного участия: вход → обработка → проверка → выход — ты L4. Архитектор.

Большинство людей, которые считают себя «продвинутыми пользователями», при честном ответе оказываются на L1–L2. Это нормально. Главное — знать.

Твоя компания

Если в компании нет ни одного решения об ИИ — ни «да», ни «нет», тишина — это C0. Отрицание.

Если отдельные энтузиасты что-то пробуют, но на вопрос «кто у вас отвечает за ИИ?» — молчание — это C1. Витрина.

Если AI-подписок больше трёх, но никто не скажет сколько именно и кто за что платит — это C2. Фрагментация.

Если вы можете назвать три процесса, где ИИ даёт измеримый результат, и показать цифры — это C3. Оркестрация. Поздравляю, вы в 4–7%.

Чек на честность

Помни: топ-менеджеры переоценивают прогресс вдвое. Если при чтении ты колебался между двумя уровнями — бери нижний.

Нашёл свой уровень? Вот твой следующий шаг

Один. Не план на год. Не стратегия. Одно действие на этой неделе.

Если ты специалист

Если ты руководитель или собственник

Серия подошла к концу

Четыре текста. Одна логика.

Статья 01— что происходит. Когнитивный труд трансформируется, старые правила ломаются.

Статья 02 — что существует. Четыре слоя экзоскелета, от чат-ассистента до собственной инфраструктуры.

Статья 03 — что нужно именно тебе. Не инструменты, а задачи. Боль → процесс → решение.

Эта статья — где ты сейчас. Две шкалы. 15 минут честности. Один следующий шаг.

Четыре текста — первый шаг. Карта, задачи, стартовая точка. Но знание без действия — это просто тревога с контекстом.

Аудит пройден. Если вы честно ответили — вы знаете свой уровень. Большинство из вас сейчас на L1–L2 и C1–C2. Это не приговор. Это стартовая координата. Но между «знать координату» и «дойти до следующей точки» — разница в том, идёшь ты на ощупь или по маршруту.

Я для этого построил [AI Architect]. Программа, где каждый шаг из этой серии превращается в рабочий артефакт:
- Аудит → карта AI-возможностей в вашем бизнесе
- Выбор слоя → scorecard модели под вашу задачу
- Workflow → работающая автоматизация
- Стратегия → дорожная карта внедрения на 6 месяцев
- Риски → AI-policy и регламент

60 часов. 70% практики на ваших задачах. Удостоверение КемГУ в ФИС ФРДО. Не учу промптить — учу проектировать.

Фигачим 🔥

Источники и данные

- BCG, AI adoption surveys 2024–2025 — формула 10-20-70
- McKinsey, "The State of AI in 2025" — pilot purgatory, разрыв adoption vs transformation
- Dell'Acqua et al., "Navigating the Jagged Technological Frontier", HBS/BCG, 2023 — зубчатая граница ИИ
- Paul David, "The Dynamo and the Computer", *American Economic Review*, 1990 — аналогия с электричеством
- PwC, "2025 Global AI Jobs Barometer" — рост продуктивности при перестройке процессов, зарплатная премия за AI-навыки
- UpGuard / Gartner / WalkMe, 2025 — shadow AI
- ГК «Солар», 2026 — утечки через нейросети
- Andrej Karpathy, 2025 — «context engineering»

Исследования AI Architect

Актуальные исследования внедрения ИИ в процессы бизнеса и отдельно человека
Хочешь разобраться системно?
AI Architect — программа менторства для тех, кто строит ИИ-системы, а не промпты. От индивидуального использования к институциональному внедрению.
Made on
Tilda