Архитектура лидерства в эпоху искусственного интеллектаК началу 2026 года управленческая дискуссия о том, «заменит ли искусственный интеллект рабочие места», постепенно уходит на периферию профессионального разговора. В крупных компаниях вопрос формулируется иначе: кто и каким образом несёт ответственность за решения, которые искусственный интеллект ускоряет, масштабирует и всё чаще помогает принимать.
По данным Boston Consulting Group, уже 72% CEO называют себя ключевыми лицами, принимающими решения по вопросам внедрения искусственного интеллекта в своих компаниях.[1] При этом бюджеты на ИИ растут быстрее, чем способность организаций управлять результатами этих инвестиций. BCG отмечает, что доля расходов на искусственный интеллект в крупных корпорациях за последние два года приблизилась к 1,7% выручки, тогда как ранее она составляла около 0,8%.[1]
Однако за этими цифрами скрывается управленческий разрыв. Исследование McKinsey показывает, что более 70% компаний уже используют генеративный искусственный интеллект хотя бы в одной бизнес-функции, но лишь небольшая часть организаций смогла масштабировать эти решения на уровень всей компании и связать их с устойчивым экономическим эффектом.[2]
Этот парадокс показывает: проблема внедрения искусственного интеллекта лежит не столько в технологической плоскости, сколько в плоскости управленческой. Компании приобретают схожие технологические платформы, используют одни и те же модели и работают с одними и теми же консультантами - однако получают принципиально разные результаты.
Наш вывод, сформулированный в исследованиях Лаборатории «Лидерство + ИИ» бизнес-школы ИМИСП, состоит в том, что конкурентное преимущество эпохи искусственного интеллекта формируется не в IT-архитектуре, а в архитектуре лидерства.
Эта колонка не про технологииСегодня искусственный интеллект постепенно превращается в инфраструктурную технологию. Модели и платформы быстро распространяются по рынку, выравнивая технологический уровень компаний. В этих условиях различие возникает не на уровне алгоритмов, а на уровне того, как руководители способны встроить ИИ в систему управленческих решений и корпоративной ответственности.
Именно поэтому в бизнес-школе ИМИСП мы создали Лабораторию «Лидерство + ИИ». Наша исследовательская задача состоит в том, чтобы перенести фокус дискуссии с вопроса «как работает модель» на вопрос «каким должен быть лидер, чтобы искусственный интеллект усиливал организацию, а не разрушал её управляемость».
Мы изучаем не алгоритмы как таковые, а человека, взаимодействующего с алгоритмами. Чем больше рутинных операций делегируется машине, тем выше требования к человеческим качествам лидера – способности формировать смысл, принимать решения в условиях неопределённости и удерживать этическую рамку.
Будущее искусственного интеллекта решается не в серверных комнатах, а в советах директоров и управленческих командах, где определяются границы допустимого, распределяется ответственность и формируются стратегические приоритеты. [7]
Конец «лидера-эксперта»На протяжении десятилетий корпоративное управление строилось вокруг фигуры лидера-эксперта. Руководитель обладал наибольшим объёмом информации и опыта, что позволяло ему быстрее других принимать решения.
Однако в условиях искусственного интеллекта эта модель начинает трансформироваться.
Ещё в 2017 году CEO Google Сундар Пичаи отмечал, что в сложных технологических компаниях управленческая система может опираться на тысячи аналитических сигналов, однако для принятия стратегических решений руководителю требуется значительно более компактный набор ключевых индикаторов. В его случае рабочая панель была сокращена примерно до 17 метрик, агрегирующих тысячи операционных параметров.[3]
Этот пример хорошо иллюстрирует фундаментальное изменение роли руководителя. Задача лидера заключается не в обработке растущего массива данных, а в способности определить ограниченный набор сигналов, по которым принимаются решения. В эпоху искусственного интеллекта именно алгоритмы берут на себя обработку сложности, тогда как человек отвечает за выбор смысловых ориентиров.
На смену лидеру-эксперту приходит лидер-архитектор - руководитель, который не соревнуется с алгоритмами в скорости анализа, а проектирует систему взаимодействия человека и машины, то есть выстраивает архитектуру лидерства в новой технологической реальности.
Что мы называем архитектурой лидерства в эпоху ИИ Когда мы говорим об архитектуре лидерства в эпоху искусственного интеллекта, мы имеем в виду не индивидуальный стиль управления, а системное устройство управленческого контура организации. Это способ, которым распределяются решения, ответственность, компетенции и метрики между людьми и алгоритмами.
Во‑первых, это архитектура решений. Лидеру приходится явно отвечать на вопрос: какие решения остаются исключительно в человеческом контуре, какие принимаются человеком при поддержке ИИ, а какие могут быть полностью делегированы алгоритмам. На практике это означает переход от интуитивного «посмотрим, где пригодится ИИ» к осознанному картированию типов задач и режимов взаимодействия с ним.
Во‑вторых, это архитектура ответственности. Появление ИИ не снимает ответственности с руководителя, а усложняет её. Совет директоров и топ-команда должны определить, кто отвечает за постановку задач алгоритмам, за выбор моделей, за качество данных, за интерпретацию результатов и за последствия решений, принятых с участием ИИ.
В‑третьих, это архитектура компетенций. Модель MELDS описывает, какие именно компетенции должны быть у лидера и его команды, чтобы такая архитектура была жизнеспособной: от мышления и готовности экспериментировать до работы с данными и повседневных навыков использования ИИ. Без этого любая технологическая трансформация превращается в набор разрозненных пилотов.
В‑четвёртых, это архитектура метрик. Переход к Human Elevation Metrics («метрики возвышения человеческого капитала») означает, что лидер перестраивает систему оценки успеха ИИ: от учёта «сэкономленных часов» к измерению качества решений, скорости стратегических циклов и влияния на человеческий потенциал. Иначе искусственный интеллект останется дорогой игрушкой, а не управленческим активом.
Именно в этой совокупности - решений, ответственности, компетенций и метрик - и проявляется подлинная архитектура лидерства в эпоху искусственного интеллекта.
Архитектура «кентавров» и «киборгов»Одним из наиболее известных эмпирических исследований взаимодействия человека и искусственного интеллекта стал полевой эксперимент Harvard Business School и MIT, проведённый на базе 758 консультантов Boston Consulting Group.[4]
Результаты исследования показали, что использование генеративного искусственного интеллекта позволило:
- увеличить скорость выполнения задач примерно на 25%;
- повысить количество выполненных проектов примерно на 12%;
- увеличить качество решений примерно на 40%.
Однако главный вывод исследования заключался не столько в самих цифрах, сколько в том, как именно специалисты взаимодействовали с алгоритмами.
Исследователи выделили два продуктивных режима.
Модель «кентавра» (Centaur) предполагает разделение труда между человеком и машиной. Часть задач, например, анализ данных, передаётся алгоритмам, тогда как человек концентрируется на интерпретации и стратегических выводах.
Модель «киборга» (Cyborg) предполагает более глубокую интеграцию. В этом случае человек и искусственный интеллект работают в режиме постоянного взаимодействия: гипотеза > уточнение > проверка > синтез.
Третий режим - полная передача задач алгоритму - оказался значительно менее эффективным. [5]
Кейс Ping An: масштабирование эффективностиХорошей иллюстрацией организационного эффекта искусственного интеллекта является опыт китайской экосистемы Ping An.
В отчётности за 1H 2025 группа показывает масштаб применения ИИ: большие модели были вызваны 818 млн раз и использованы более чем в 650 сценариях; 94% полисов по страхованию жизни
обрабатываются за секунды а 59% страховых выплат проходят через ускоренный контур урегулирования.[8]
Это не «замена врача» или «замена менеджера», а перераспределение труда: ИИ берёт массовые повторяемые операции, высвобождая людям пространство для экспертных, риск-нагруженных и этически сложных решений. По сути, ИИ расширяет пропускную способность организации, а не «вычёркивает» человека из процесса. Это прямое следствие продуманной
модели лидерства нового типа, а не только зрелости технологий
Новые метрики возвышения человеческого потенциалаПереход к архитектуре лидерства в эпоху искусственного интеллекта требует пересмотра управленческих метрик. Оценивать эффект искусственного интеллекта через «сэкономленные часы» - управленческая близорукость. Подобные показатели фиксируют лишь первый уровень автоматизации, но не отражают реальную трансформацию качества решений.
Исследование Harvard Business School и MIT на базе 758 консультантов Boston Consulting Group показало, что генеративный ИИ увеличивает скорость выполнения задач примерно на 25%, однако наиболее значимый эффект проявляется в росте качества решений, которое в эксперименте увеличилось примерно на 40%.[4]
Поэтому ведущие компании постепенно переходят к иной системе оценки - Human Elevation Metrics, метрикам возвышения человеческого потенциала. Их задача - измерять не то, сколько часов сэкономил алгоритм, а то, как изменилось качество управленческого труда.
К таким метрикам начинают относить:
· Decision Quality Index - точность стратегических решений, измеряемая через последующий ROI и отклонение фактических результатов от прогнозов;
· Strategic Cycle Time - время от формулирования гипотезы до управленческого решения;
· Innovation Throughput - количество новых гипотез, прототипов и пилотных проектов, которые организация способна запускать за единицу времени;
· Cognitive Load Index - снижение когнитивной перегрузки сотрудников;
· Human Judgment Share - доля решений, в которых человек остаётся архитектором смысла.
Такой подход отражает фундаментальное изменение роли искусственного интеллекта в организации: его ценность состоит не в том, что он заменяет человека, а в том, что увеличивает масштаб человеческого решения.
