В разговоре с Кирой Лапиной была затронута тема роста управленца, которая идет параллельно смене логики мышления.

Когда компания вырастает с нескольких десятков до двух тысяч сотрудников, руководитель больше не может опираться исключительно на личное участие и интуицию, а вместо этого появляется системный подход.

Важно отметить, что управленческая зрелость в данном случае формируется из практики, а менеджмент — не набор концепций, а способ упорядочить работу и сделать результат воспроизводимым. Интерес, амбиции, ощущение движения вперёд становятся ключевыми драйверами роста.

#globus_короткий_разговор

В условиях стремительного развития технологий и изменения бизнес-среды, управленцы сталкиваются с необходимостью трансформации своих компаний. В интервью с Кирой Лапиной, генеральным директором «Северсталь-ЦЕС»,обсудили как руководитель, стремящийся к масштабированию и повышению эффективности, может вырастить компанию – внутреннего подразделения до самостоятельного бизнеса.

Ключевые мысли

- Постоянное развитие, адаптация к новым вызовам и оптимизация процессов позволили компании вырасти с 60 до 2000 сотрудников за 15 лет и выйти на глобальный российский рынок
- Важным фактором успеха стало создание системы управления знаниями, которая позволяет быстро обучать новых сотрудников и поддерживать высокий уровень сервиса
- Компания активно исследует возможности искусственного интеллекта для автоматизации процессов и повышения эффективности, что особенно важно в условиях конкуренции

Успех «Северсталь-ЦЕС» основан на сочетании стратегического мышления, гибкости и готовности к изменениям. Это не про «как внедрить технологию», а как не потерять управляемость, когда решений, команд и инициатив становится слишком много. Такой опыт особенно релевантен для руководителей, которые сейчас проходят фазу роста или перестройки операционной модели и ищут не вдохновение, а рабочие ориентиры.

Для более глубокого погружения в тему рекомендую посмотреть полное интервью по ссылкам (таймкоды - в описании под каждым видео):

✔️ ВКонтакте
✔️ YouTube
✔️ RUTUBE

—
Подписаться на канал
Рубрика: #интервью

Промышленность всё активнее переходит к системному внедрению Data Science и машинного обучения как управляемой части цифровой трансформации. Этот сдвиг – операционная потребность крупных предприятий в оптимизации процессов, снижении рисков и повышении точности принятия решений. В РУСАЛе такой подход уже встроен в ядро текущих стратегий развития ИТ и ИИ, что делает опыт компании релевантным для других промышленных лидеров.

Ключевые мысли

- ИИ и Data Science служат инструментом прогнозирования, контроля качества, безопасности и логистики. Их внедрение идёт через стандартизированные процессы, а не ad-hoc проекты
- В промышленности важна не технология как таковая, а её интеграция в процессы. Глубокие модели, LLM и CV-решения рассматриваются как часть инфраструктуры, где стандартизация и управление жизненным циклом моделей становятся ключевыми элементами
- Компании оценивают, где выгоднее использовать корпоративные платформы DSML и собственные разработки, а где — готовые модели. Это не только технологическое, но и управленческое решение, влияющее на скорость внедрения и степень контроля над результатом.

Результат цифровой трансформации определяется не числом ИИ-инициатив и не показателями «инновационности», а тем, насколько аналитика и модели встроены в операционные процессы. Такой подход требует глубокого взгляда на стратегию, работу с командами и инвестиционные приоритеты.

Смотрите интервью с Иваном Казариным, руководительем направления Data Science Operations Департамента технологий ИИ компании РУСАЛ, по ссылкам (таймкоды - в описании под каждым видео):

✔️ ВКонтакте
✔️ YouTube
✔️ RUTUBE

—
Подписаться на канал
Рубрика: #интервью

В интервью чётко звучит управленческая мысль: ИИ-продукты не масштабируются без стандартизированного процесса.

Поэтому в РУСАЛе был внедрён AI DevTrack. Его задача — обеспечить управляемость и предсказуемость результата.

Бизнес-требования перерабатываются в конкретный артефакт (definition of done), чтобы у data science-специалистов и разработчиков было единое понимание эффекта, который должен быть достигнут. Далее — кроссфункциональная проработка с внутренним заказчиком, канвас продукта, проверка гипотез, MVP, вывод в эксплуатацию и поддержка.

Для управленца это важный сигнал: эффективность ИИ определяется наличием последовательности действий, встроенной в корпоративный контур.