Почему мы оказались в ситуации, когда искусственный интеллект должен был ускорить решения, но на практике все чаще тормозит их принятия? Аналитика производится быстрее, чем ее успевают использовать, и руководители оказываются перегружены данными. Пока большинство компаний продолжает бороться за скорость, лидеры учатся ею управлять, в том числе через осознанные паузы. В колонке для Digital Business управляющий партнер и CEO KPMG Кавказ и Центральная Азия Сакен Жумашев подсветил новую проблему, которую принес ИИ в большие корпорации, а также рассказал, как ее можно решить.
«ИИ не решил проблему дефицита ресурсов»
Главный сдвиг последних лет: информации стало больше, а времени ее обдумывать меньше. На практике эти два тренда работают вместе и усиливают друг друга. Объем данных растет по экспоненте, цикл принятия решений сжимается, и руководитель оказывается в новой реальности, где ресурс «время на размышление» становится дефицитнее всех остальных.
ИИ радикально сжал то, что десятилетиями было самой ресурсоемкой частью корпоративной работы. То, что раньше требовало дней работы команды аналитиков (сбор данных, моделирование, бенчмаркинг, подготовка сценариев), сегодня занимает часы. Но цикл принятия стратегического решения сжать с той же скоростью не получается. Он упирается в человеческие процессы: формулирование вопроса, рефлексию, ответственность за последствия. Возникает асимметрия, где данные доходят до руководителя за минуты, а обдумываются по-прежнему днями.
ИИ не решил проблему дефицита ресурсов. Раньше ограничителем были данные и вычислительные мощности, а сейчас им становится внимание руководителя. Информации стало практически бесконечно много, но человеческая способность ее осмыслять по-прежнему конечна. В результате компании начинают конкурировать в первую очередь за качество управленческого внимания.
Больше данных ≠ лучше решения
По данным KPMG Global Tech Report 2026, основанного на опросе 2 500 ИТ-руководителей из 27 стран, 74% респондентов отмечают, что ИИ приносит бизнес-ценность. При этом только 24% компаний сообщают о достижении измеримого возврата инвестиций по нескольким сценариям использования ИИ. Разрыв между этими цифрами показателен: компании видят пользу от технологий, но испытывают сложности с оценкой их реального эффекта. Причина не в том, что руководители стали менее осторожными. Скорее, ИИ ускорил производство аналитики, тогда как процесс управленческой проверки – понять контекст, оценить риски, принять ответственность за решение – остался человеческим.
Раньше, если решение оказывалось ошибочным, можно было поднять документы и разобрать, где именно аналитик неправильно построил логику. С ИИ так не получается: модель часто работает как черный ящик – на входе вопрос, на выходе результат, а между ними процесс, который сложно восстановить и проверить стандартными методами. Даже когда результат выглядит убедительно, не всегда очевидно, какие данные, допущения и промежуточные связи привели модель к такому выводу. Поэтому проверять приходится не только сам ответ, но и качество вопроса, исходных данных и контекст, в котором результат будет применяться.
Здесь же срабатывает логика закона Гудхарта: когда показатель становится целью, он постепенно перестает быть хорошим показателем. ИИ и современные аналитические инструменты делают создание новых метрик почти мгновенным. Но чем проще производить показатели, тем выше риск, что компания начнет управлять не реальным результатом, а удобными для измерения цифрами. Продажи фокусируются на количестве сделок и упускают маржинальность, клиентская поддержка – на скорости закрытия обращений и упускает из виду самих клиентов. У руководителя же не всегда есть время остановиться и проверить, те ли показатели он вообще отслеживает.
Еще один индикатор того, что рынок почувствовал проблему структурно: по данным IBM Institute for Business Value, за год доля компаний с Chief AI Officer выросла в три раза – с 26% до 76%. Такой рост показывает, что бизнесу сегодня нужна отдельная точка ответственности за ИИ-трансформацию: кто-то должен задавать стандарты и удерживать разрозненные инициативы в общей логике. Но в долгосрочной перспективе ИИ вряд ли останется зоной ответственности одной функции. Работа с данными перестала быть прерогативой аналитика. Работа с ИИ также постепенно станет частью базового инструментария каждого топ-менеджера.
Консультант 2.0
Этот сдвиг от дефицита данных к дефициту управленческого внимания меняет не только работу компаний, но и роль внешних советников. Долгое время основная ценность консалтинговой работы состояла в том, чтобы найти, собрать и структурировать данные. Сегодня эту часть работы клиент в значительной степени делает сам, с помощью ИИ-инструментов и собственных дата-команд. Вопрос «зачем нам тогда консультанты?» звучит вполне законно. Ответ, на мой взгляд, в том, что появляется фигура, которую я бы назвал Консультантом 2.0.
Естественным шагом эволюции консалтинга становится переход на другую сторону того самого узкого горлышка. Там, где раньше нашей задачей было ускорить аналитику, сегодня она в том, чтобы помочь клиенту правильно работать с ее результатом: задать правильный вопрос, выстроить процесс принятия решений, обеспечить дисциплину мышления вокруг ИИ-выводов, оценить, каким из них стоит доверять, а какие требуют дополнительной проверки. Это та часть процесса, которую ИИ не закрывает по своей природе, и именно она сегодня определяет, окупаются ли инвестиции клиента в технологии.
«Последние 20 лет бизнес учился ускоряться. Возможно, следующие 20 лет будут посвящены способности осознанно замедляться»
Главным преимуществом компании в эпоху ИИ будет умение понимать, какие решения стоит ускорять, а какие намеренно замедлять. Это новая управленческая компетенция, и у нее пока нет общепринятого названия. Я бы назвал ее дизайном пауз. Это способность намеренно замедлить процесс там, где автоматическая скорость создает больше риска, чем ценности.
Последние 20 лет бизнес учился ускоряться. Возможно, следующие 20 лет будут посвящены способности осознанно замедляться. Постепенно мы начинаем понимать, что не каждое решение должно приниматься быстрее. Amazon еще задолго до бума ИИ разделяла решения на: one-way door decisions и two-way door decisions. Одни можно быстро отменить, другие практически необратимы, и именно вторые требуют паузы.
На практике дизайн пауз выглядит как управленческий алгоритм. Компания заранее решает, какие вопросы можно закрывать на автоматическом темпе, а какие требуют обязательной остановки. Быстро проходят решения, где ошибка стоит недорого и ее можно откатить: тестовые кампании, локальные операционные корректировки, эксперименты в отдельных сегментах. Пауза нужна там, где последствия трудно отменить: крупные инвестиции, стратегические партнерства, запуск ИИ-моделей в клиентские или финансовые процессы. Такая остановка встраивает в процесс момент проверки: те ли данные, тот ли вопрос, тот ли уровень ответственности.
Здесь важна одна оговорка. Дизайн пауз – это спроектированный элемент корпоративной стратегии, а не индивидуальная практика руководителя в духе «сегодня хочу подумать неделю, а завтра не хочу». В нем заранее определено, кто имеет право остановить процесс и как фиксируется ответственность. Абсолютно инженерная задача, которая решается работой с процессом.
Эпоха ИИ неожиданно возвращает ценность тому, что в предыдущие годы выглядело устаревшим: интуиция, опыт, способность видеть нюансы и «чувствовать» решение. Когда моментальная аналитика стала общедоступной, отличием между руководителями осталось то, что нельзя автоматизировать. Сегодня руководителю нужно понимать, на каких данных построен вывод и уметь отличать уверенно сформулированный ответ от обоснованного. В мире, где у всех есть ИИ, определяющей компетенцией становится способность оценивать качество аналитики.
