Опыт внедрения искусственного интеллекта в корпоративное управление

DOI:

В последние два десятилетия искусственный интеллект (ИИ) стал одной из ключевых технологий, влияющих на развитие бизнеса, образования и государственных систем управления. Компании активно внедряют алгоритмы машинного обучения и интеллектуальные системы для автоматизации процессов, повышения производительности и снижения издержек. Практика показывает, что первые результаты применения ИИ почти всегда оказываются положительными: повышается скорость и точность операций, снижается человеческий фактор, увеличивается масштабируемость процессов.

Однако одновременно с этим возникает стратегическая проблема: зависимость организации от алгоритмов снижает уровень самостоятельных компетенций сотрудников, а процессы принятия решений постепенно стандартизируются и теряют гибкость. В результате компания может оказаться в ситуации, когда система, обеспечив краткосрочный рост, перестаёт адаптироваться к изменениям внешней среды и становится фактором деградации.

Особый интерес представляет опыт внедрения ИИ в розничных сетях, где скорость принятия решений и качество управления определяют конкурентоспособность. Российский кейс внедрения интеллектуальной системы управления (ИСУ) в крупной торговой сети позволяет проанализировать не только положительные эффекты автоматизации, но и выявить скрытые риски, связанные с утратой адаптационных функций руководителей.

Цель исследования - на основе локального кейса проследить эволюцию внедрения ИИ в управленческие процессы, выявить закономерности перехода от роста к деградации и сформулировать стратегические рекомендации для компаний, планирующих интеграцию самообучающихся алгоритмов в управление

ТЕОРЕТИЧЕСКАЯ БАЗА

В научной литературе ИИ рассматривается как ключевой фактор трансформации предпринимательской и управленческой деятельности. Его применение связывают с возможностью автоматизации бизнес-процессов, сокращения транзакционных издержек и повышения точности управленческих решений.

Так, Бринолфссон и Макафи указывают, что внедрение алгоритмов машинного обучения позволяет компаниям масштабировать деятельность и добиваться роста производительности при снижении влияния человеческого фактора (Brynjolfsson, McAfee, 2017) [1].

Аналогичные выводы делает Дэвенпорт, отмечая, что интеллектуальные системы существенно повышают качество управленческих решений в условиях высокой неопределенности. В отечественной литературе Хаддур (2024) также подчёркивает, что ИИ становится драйвером инновационного развития организаций, однако сопровождается рисками утраты адаптивности управленческих структур [2, 3].

Вместе с тем ряд авторов обращают внимание на угрозы чрезмерной зависимости от интеллектуальных систем. Сбруева и Даниелян (2022) отмечают, что алгоритмизация управленческих функций приводит к стандартизации решений и постепенной деградации компетенций руководителей [4].

Значительное внимание уделяется также вопросам применения ИИ в производстве. Ходжаева, Алиева и Курбанова (2021) показывают, что интеллектуальные технологии позволяют решать широкий спектр задач: от выявления дефектов продукции с использованием машинного зрения до прогнозирования технического обслуживания оборудования и генеративного проектирования изделий. При этом авторы подчеркивают, что ИИ не способен полностью заменить человека, так как необходим контроль, предотвращение ошибок и обеспечение защиты интеллектуальной собственности [5].

Наконец, в современной литературе активно обсуждается концепция «надсистем» (meta-AI), предполагающая интеграцию внешних источников знаний - изменений законодательства, динамики потребительских предпочтений, научно-технического прогресса - в интеллектуальные комплексы управления. Однако и такие системы подвержены риску утраты адаптивности при отсутствии регулярного притока новых данных (Хаддур, 2024) [3].

Таким образом, теоретическая база исследования строится с учетом четырёх основных направлений:

• •    Экономический подход - повышение эффективности, снижение издержек и автоматизация бизнес-процессов [2,3].

• •    Организационно-психологический подход -анализ деградации компетенций и снижения адаптивности персонала [4].

• •    Технологический подход - применение ИИ в производстве:      машинное      зрение,

генеративный    дизайн,    предиктивное обслуживание [5].

• •    Правовой и этико-правовой подход -регулирование,              распределение

ответственности и защита данных [4].

Комплексное рассмотрение этих направлений позволяет трактовать искусственный интеллект не только как инструмент оптимизации процессов, но и как фактор институциональных и когнитивных        преобразований        в предпринимательской деятельности.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

“Успех” в деградации

Внедрение систем искусственного интеллекта в управленческие      процессы      показало двойственный эффект. На раннем этапе наблюдался значительный рост эффективности и улучшение показателей, однако по мере развития стало проявляться явление скрытой стагнации и постепенной     деградации     компетенций управленцев. Этот опыт является стратегически важным: он показывает, что первый успех внедрения ИИ почти неизбежно сменяется падением, если не создать механизмы постоянного притока внешнего опыта и сохранения человеческой инициативы.

Работа с искусственным интеллектом началась в 2006 году. В тот период ключевой проблемой для сети стал разрыв между темпами роста инфраструктуры и скоростью подготовки управленческих кадров. Строительство и открытие новых торговых объектов шло значительно быстрее, чем обучение и стажировка директоров. Были осуществлены поиски решений,     которые     позволили     бы систематизировать     накопленный     опыт, передавать лучшие практики и тем самым снижать зависимость от индивидуальных особенностей руководителей.

Однако практика показала амбивалентный результат. Опытные директора сопротивлялись новым инструментам, не желая отказываться от привычных управленческих методов. Новые управленцы, напротив, быстро осваивали систему и выходили на средний уровень компетентности. В результате все директора постепенно «усреднялись»: сильные переставали развиваться, а новые не могли превзойти алгоритм. Это обеспечивало управляемость внутри сети, но делало руководителей слабо конкурентоспособными вне неё.

Первый опыт автоматизации

Первым этапом алгоритмизации стал внедрённый в 2006 году автозаказ (АЗ). До этого времени формирование заявок полностью входило в обязанности директора магазина. Он должен был учитывать продажи, складские остатки, сезонность и множество иных факторов. Ошибка в прогнозах приводила либо к дефициту товара, либо к избыточным запасам.

Введение АЗ означало переход от субъективного управленческого опыта к алгоритмическому учёту большого количества параметров. На уровне конкретного магазина столкнулись с проблемами: качество заказов снизилось. Это вызвало недовольство опытных директоров, которые обратились в центральный офис. Ответ был показателен: «Вы работали выше среднего, но в целом для компании внедрение алгоритма дало значительное улучшение».

Таким образом, система обеспечила оптимизацию в масштабах всей сети: большинство директоров не могли самостоятельно учитывать столько факторов, сколько алгоритм. В то же время произошло нивелирование индивидуальных компетенций: сильные управленцы утратили свои преимущества, а средний уровень в компании повысился.

Этот опыт подтвердил общий вывод: интеллектуальные системы эффективно повышают качество «среднего уровня» деятельности, но делают это ценой ограничения уникального человеческого опыта и индивидуальной инициативы.

Масштабирование и создание ИСУ как «экзоскелета директора»

К 2008 году сеть «Магнит» находилась в фазе интенсивного роста: научились быстро строить новые гипермаркеты, устанавливать оборудование и запускать процессы. Однако главным ограничением стала подготовка управленцев для сложных объектов, таких как гипермаркет. Чтобы вырастить директора гипермаркета, требовался примерно год: нужно было обучить, провести стажировку и сопровождать его на новом месте работы. Темпы развития компании не соответствовали столь длительному циклу, следовательно, это стратегическое «узкое горлышко».

Предполагалось решение, которое заключалось в создании системы, способной компенсировать нехватку опыта у новых директоров и одновременно поддерживать стабильность процессов. Так появилась ИСУ, задуманная как «экзоскелет директора», усиливающий его управленческие возможности.

Функции, требующие длительного обучения, были переведены в алгоритмы, а сама система:

• •    давала рекомендации директору, как действовать в типичных ситуациях;

• •    указывала на отклонения в работе магазина;

• •    формировала рекомендации по устранению проблем заранее.

Главным преимуществом ИСУ стала её самообучаемость: лучшие практики собирались круглосуточно и распространялись по всей сети. Там, где возникали новые или нестандартные ситуации, система обращалась в Центр управления, где аналитики находили оптимальное решение, после чего оно вносилось в ИСУ и становилось доступным для всех директоров.

Эта инновация радикально изменила процесс подготовки кадров. Если раньше становление директора гипермаркета «Магнит» занимало около года, то с ИСУ сократился срок до трёх недель. Достаточно было взять заместителя директора или руководителя небольшого магазина, обучить его работе с системой, и он был готов выполнять функции директора гипермаркета.

Однако внедрение системы встретило сопротивление. Опытные руководители «Магнита» воспринимали ИСУ как угрозу своей автономии и профессиональному статусу. Чтобы минимизировать конфликт, было решено предоставить право выбора: рекомендации ИСУ не были обязательными, они могли использовать систему как помощника, а в случае наличия лучшего решения действовать по-своему.

Эта стратегия снизила уровень напряжённости. Постепенно даже скептически настроенные управленцы стали использовать ИСУ. На первых этапах внедрения наблюдался заметный рост качества выполнения задач, ускоренный выход начинающих сотрудников на «средний уровень» управления и повышение общей производительности сети.

Наступление  предела:  стагнация и

СКРЫТАЯ ДЕГРАДАЦИЯ

Через несколько лет после внедрения ИСУ в гипермаркетах сети «Магнит» появился тревожный симптом:   система перестала демонстрировать    дальнейшее    развитие.

Показатели оставались стабильными, но запросов на обновление алгоритмов практически не поступало. На первый взгляд, система достигла состояния функциональной стабильности, характеризующегося выходом на оптимальный уровень функционирования и отсутствием необходимости во внесении дальнейших корректировок. Однако при внимательном анализе стало ясно: это было не совершенство, а стагнация.

Обнаружилось, что опытные директора, которые ранее активно обучали систему, передавая ей лучшие управленческие практики, постепенно перестали генерировать новые решения. Вместо того чтобы самостоятельно анализировать и предлагать нововведения, они всё чаще полагались на подсказки ИСУ.

Причина этого заключалась в особенностях психофизиологии:

• •    самостоятельное принятие решений требует мыслительных    усилий    и    несёт

ответственность;

• •    использование рекомендаций системы снимает когнитивную нагрузку и переносит ответственность на алгоритм.

Таким образом, руководители начали действовать    по    пути    наименьшего сопротивления:  всё чаще они принимали решения, продиктованные ИСУ, и всё реже проявляли инициативу.

Через некоторое время обнаружилось, что навыки даже самых опытных директоров снижались. Те, кто раньше генерировал оригинальные    управленческие    решения, постепенно «опускались» до среднего уровня. В итоге произошло то, что можно назвать эффектом усреднения:

• •    начинающие      сотрудники      быстро

подтягивались к «среднему» уровню;

• •    опытные руководители утратили свою уникальность;

• •    ИСУ перестала развиваться, так как не получала новых качественных данных для обучения.

Из системы, задуманной как инструмент обучения и развития управленцев, ИСУ превратилась    в    справочно-контрольный механизм, транслирующий стандарты и фиксированные регламенты. Она обеспечивала стабильность, но перестала быть источником инноваций и не адаптировалась к внешней среде.

Для «Магнита» это означало, что кадровый состав был стабилен и управляем, но развитие сети гипермаркетов начало замедляться. Директора, выросшие в системе, оказывались компетентными лишь в рамках внутренних алгоритмов и теряли конкурентоспособность за пределами компании.

Когда система ИСУ перестала развиваться через практику самих директоров, все нововведения постепенно сосредоточились в Центре управления (ЦУП). В данном центре работала узкая группа экспертов, которые анализировали новые ситуации, формулировали решения и программировали обновления для ИСУ. Фактически развитие всей сети «Магнит» было централизовано и замкнуто на небольшую команду специалистов.

С точки зрения управляемости это выглядело как идеальная модель. Все задачи, спускаемые сверху, выполнялись точно и без отклонений. Самодеятельность директоров исчезла: теперь они строго следовали инструкциям и алгоритмам, которые транслировала система. Для компании это обеспечивало высокий уровень контроля, снижение издержек и предсказуемость результатов.

Наблюдалось несколько позитивных эффектов:

• •    снижение текучести кадров: директора не испытывали постоянного стресса от необходимости принимать сложные решения;

• •    снижение порога входа: для подготовки нового управленца хватало минимального опыта, так как основные компетенции были встроены в систему;

• •    сокращение затрат на персонал: требования к уровню кандидатов снизились, что позволяло расширить кадровый резерв.

Однако одновременно проявились и долгосрочные    негативные    последствия.

Во-первых, функции развития, поиска решений и адаптации оказались сконцентрированы в узкой группе ЦУПа, тогда как на местах управленцы перестали выполнять эти задачи.

Во-вторых, уровень профессионализма директоров стабилизировался на «среднем», а затем начал постепенно снижаться, так как многие функции ушли под контроль ИСУ.

В-третьих, кадровая мобильность внутри компании резко упала: директор гипермаркета «Магнит» мог работать эффективно только в рамках системы, но оказывался неконкурентоспособным в других структурах, где требовалась самостоятельность и инициативность.

Таким образом, баланс сместился: компания получила высокоорганизованную, предсказуемую и дешёвую модель управления, но утратила гибкость и способность к самообновлению. В долгосрочной перспективе это создало угрозу стратегической устойчивости, так как развитие стало зависеть не от широкой базы управленцев, а от узкой группы специалистов в ЦУПе.

Поиск оптимального баланса и возможные решения для сети «Магнит»

Эффективность внедрения цифровых технологий, включая искусственный интеллект, никогда не является линейной. На начальном этапе организации обычно фиксируют быстрый рост производительности за счёт автоматизации и снятия рутинной нагрузки. Однако в дальнейшем эффективность может выйти на стабильное плато, а при чрезмерной централизации - даже начать снижаться из-за утраты гибкости и инициативы управленцев. Для более наглядного представления этой динамики мы предлагаем рассмотреть условную модель, отражающую три ключевые фазы внедрения ИИ.

Кривая на Рисунке 1 демонстрирует три фазы развития: резкий рост эффективности на этапе автоматизации («Автозаказ»), выход на плато стабильности при внедрении ИСУ и последующую скрытую деградацию, связанную с утратой адаптивности управленцев в условиях централизации.

Рисунок 1. Динамика эффективности внедрения ИИ в управленческие процессы.

Figure 1. Dynamics of efficiency of AI implementation in management processes.

Ретроспективный анализ внедрения ИСУ в сети «Магнит» позволил установить, что максимальная эффективность наблюдалась в фазе, когда система функционировала в качестве инструмента ускоренного выхода начинающих сотрудников на базовый управленческий уровень, а более опытные директора сохраняли способность к самостоятельному генерированию и апробации новых практик. В этот период обеспечивался синергетический эффект: операционная эффективность повышалась за счёт стандартизации и алгоритмизации типовых процессов, в то время как потенциал инновационного развития подпитывался инициативами и творческими решениями управленцев.

Однако данное состояние носило временный и нестабильный характер. В условиях массового перехода директоров на использование подсказок системы произошла деградация когнитивных функций управленцев: самостоятельное принятие решений утратило ценность, а ИСУ из инструмента развития превратилась в инструмент контроля и унификации. В результате снизилась адаптивность всей организации к изменяющимся внешним условиям.

На основе выявленных закономерностей выделился ряд стратегически значимых направлений,      способных      обеспечить поддержание устойчивого баланса между автоматизацией и развитием человеческого капитала:

• 1.    Формирование        экспериментальных

• 2.    Институционализация      бенчмаркинга.

• 3.    Моделирование    и    прогнозирование

• 4.    Сохранение человеческого интеллекта как института       «второго       мнения».

управленческих               полигонов.

Необходимо сохранять зоны, в которых управленцы принимают решения без вмешательства ИСУ. Такая среда поддерживает когнитивную активность, развитие критического мышления и навыков адаптации к нестандартным ситуациям.

Важнейшей      задачей      является систематическая интеграция в ИСУ лучших практик внешних акторов отрасли. Это предотвращает эффект замкнутости системы и обеспечивает постоянный приток нового управленческого опыта.

сценариев. Для устойчивого развития необходимо создавать надсистемный уровень - мета-ИИ, способный моделировать гипотетические сценарии развития внешней среды (изменения в потребительском поведении,              законодательстве, технологических трендах). Таким образом, обучение ИСУ будет базироваться не только на ретроспективных данных, но и на прогнозных моделях.

При любых уровнях автоматизации принципиально     важно     сохранять независимые экспертные центры. Их задача - критическая верификация решений ИСУ, генерация новых управленческих подходов и обеспечение стратегической гибкости компании.

В совокупности эти направления позволяют сформировать динамическое равновесие: ИСУ обеспечивает      масштабируемость      и стандартизацию, в то время как управленцы остаются источником инноваций и адаптивности. Только в условиях такого баланса возможно долгосрочное развитие организации, основанное на сочетании алгоритмической эффективности и человеческого творческого потенциала.

Опыт внедрения ИСУ в сети «Магнит» показал, что искусственный интеллект способен радикально повысить средние показатели эффективности за счёт стандартизации процессов и сокращения срока подготовки управленцев. Однако этот же процесс сопровождается рисками когнитивной деградации: опытные руководители постепенно перестают генерировать собственные управленческие      решения,      полагаясь исключительно на алгоритмы, и в результате выравниваются   на   «среднем»   уровне компетенций.

Эта закономерность согласуется с выводами Дэвенпорта, который отмечает, что внедрение ИИ в бизнес-практику ведет к «повышению средней температуры по больнице», но одновременно снижает роль уникального опыта и индивидуальной экспертизы руководителей [2]. Аналогичную мысль развивают Фрэнк, Рериг и Принг,    указывая,    что    автоматизация перераспределяет компетенции:    передача функций алгоритмам облегчает работу, но делает человека менее способным к самостоятельному решению сложных задач [6]. Более того, исследования Самаркандского государственного университета фиксируют, что ИИ может превосходить специалистов среднего уровня, однако без системного контроля человеком организации теряют способность к адаптации и инновационному развитию [7].

ЗАКЛЮЧЕНИЕ

Таким образом, стратегический урок заключается в том, что корпоративное управление в эпоху искусственного интеллекта должно строиться на принципе баланса. Системы ИИ могут и должны выполнять функцию «экзоскелета    управления»,     обеспечивая масштабируемость и эффективность, но они не должны заменять критическое мышление управленцев.

Для устойчивого развития необходимо:

• •    институционализировать      человеческое

«второе мнение» как обязательный элемент управленческих решений;

• •    создавать экспериментальные площадки, где управленцы действуют вне алгоритмов;

• •    интегрировать в системы ИИ внешний опыт, альтернативные сценарии и результаты моделирования.

Таким образом, можно сделать вывод о том, что устойчивость     корпоративных     структур обеспечивается не тотальной передачей функций алгоритмам, а динамическим сотрудничеством человека и ИИ, где технологии формируют операционную базу, а человек сохраняет стратегическую способность к инновациям.