EY и Sigma Healthcare трансформировали аптечную цепочку поставок с помощью SAP
Внедрение решения SAP Integrated Business Planning за шесть месяцев повысило доступность лекарств и сократило запасы в сети аптек.
Ernst & Young в Австралии (EY) и оптово-распределительная компания Sigma Healthcare объявили о совместном внедрении платформы SAP Integrated Business Planning (SAP IBP) для оптимизации планирования и управления цепочкой поставок в сети аптек Sigma. Партнёрство, оформленное как пресс-релиз EY 14 августа 2024 года, описано как масштабная трансформация процессов снабжения и планирования.
В результате интеграции SAP IBP с существующей ERP-системой Sigma — SAP S/4HANA — компания получила более точное прогнозирование спроса и автоматизацию ручных операций: команда планирования теперь тратит на рутинные задачи всего 2–3 часа в день, запасы уменьшились на 20%, а доступность товаров выросла примерно на 5%. Точность прогнозов улучшилась на 5–10%. Эти показатели, отмеченные в пресс-релизе, привели к снижению потерь и повышению уровня обслуживания аптек.
Проект охватывает значительный ассортимент и международную сеть поставщиков: Sigma обрабатывает заказы более чем на 16 000 наименований от почти 400 поставщиков по всему миру. По словам CIO Sigma Мартина Хокинса (Martin Hawkins), модуль Response and Supply в SAP IBP помог «снизить запасы, повысить доступность и оптимизировать работу» операционной команды.
Руководитель направления технологий EY в Океании Кэтрин Бойчиук (Katherine Boiciuc) охарактеризовала переход на SAP IBP как «переломный момент», подчёркнув, что объединение технологий и практик внедрения EY задало новый стандарт операционного качества в фармацевтической дистрибуции. Аналогичную точку зрения высказала в своем выступлении на мероприятии SAP NOW ANZ глава SAP Australia & New Zealand Анджела Колантуоно (Angela Colantuono), отметив, что улучшенное планирование помогает уменьшать излишние запасы и поддерживать устойчивость цепочки поставок.
Значение проекта выходит за пределы коммерческих показателей: по мнению авторов пресс-релиза, оптимизированная логистика и повышение доступности препаратов укрепляют доверие со стороны аптек и позволяют более эффективно обеспечивать население необходимыми лекарствами в Австралии. Указанные изменения также освободили ресурсы сотрудников для работы над улучшением процессов и сервисов сети.
==========
Внедрение решения SAP Integrated Business Planning за шесть месяцев повысило доступность лекарств и сократило запасы в сети аптек.
Ernst & Young в Австралии (EY) и оптово-распределительная компания Sigma Healthcare объявили о совместном внедрении платформы SAP Integrated Business Planning (SAP IBP) для оптимизации планирования и управления цепочкой поставок в сети аптек Sigma. Партнёрство, оформленное как пресс-релиз EY 14 августа 2024 года, описано как масштабная трансформация процессов снабжения и планирования.
В результате интеграции SAP IBP с существующей ERP-системой Sigma — SAP S/4HANA — компания получила более точное прогнозирование спроса и автоматизацию ручных операций: команда планирования теперь тратит на рутинные задачи всего 2–3 часа в день, запасы уменьшились на 20%, а доступность товаров выросла примерно на 5%. Точность прогнозов улучшилась на 5–10%. Эти показатели, отмеченные в пресс-релизе, привели к снижению потерь и повышению уровня обслуживания аптек.
Проект охватывает значительный ассортимент и международную сеть поставщиков: Sigma обрабатывает заказы более чем на 16 000 наименований от почти 400 поставщиков по всему миру. По словам CIO Sigma Мартина Хокинса (Martin Hawkins), модуль Response and Supply в SAP IBP помог «снизить запасы, повысить доступность и оптимизировать работу» операционной команды.
Руководитель направления технологий EY в Океании Кэтрин Бойчиук (Katherine Boiciuc) охарактеризовала переход на SAP IBP как «переломный момент», подчёркнув, что объединение технологий и практик внедрения EY задало новый стандарт операционного качества в фармацевтической дистрибуции. Аналогичную точку зрения высказала в своем выступлении на мероприятии SAP NOW ANZ глава SAP Australia & New Zealand Анджела Колантуоно (Angela Colantuono), отметив, что улучшенное планирование помогает уменьшать излишние запасы и поддерживать устойчивость цепочки поставок.
Значение проекта выходит за пределы коммерческих показателей: по мнению авторов пресс-релиза, оптимизированная логистика и повышение доступности препаратов укрепляют доверие со стороны аптек и позволяют более эффективно обеспечивать население необходимыми лекарствами в Австралии. Указанные изменения также освободили ресурсы сотрудников для работы над улучшением процессов и сервисов сети.
==========
Как готовить лидеров XXI века: ключевые идеи McKinsey о «фабрике лидеров»
Что требуется руководителям сегодня и как компании могут системно вырастить управленцев
В новой статье McKinsey, опубликованной 22 октября 2024 года и подписанной ведущими партнёрами фирмы, описаны личные качества, практики и организационная модель — так называемая «фабрика лидеров» — которые помогут компаниям готовить управленцев в условиях высокой неопределённости и быстрых перемен.
Почему лидерство стало другим
Современные руководители сталкиваются с множеством одновременно возникающих вызовов: последствия пандемии, геополитическая нестабильность, быстрое появление прорывных технологий (включая генеративный ИИ), переход на новые энергетические модели и запросы работников на гибкость и смысл. По оценке авторов, количество критических вопросов в фокусе топ‑команд примерно удвоилось за последние десять лет, что повышает требования к глубине кадрового резерва.
Какие личные качества нужны лидеру XXI века
McKinsey выделяет шесть ключевых черт, которые особенно важны теперь: запас энергии и личный баланс; служащее (servant) и бескорыстное отношение; установка на непрерывное обучение и смирение; упорство и устойчивость; умение разряжать напряжение юмором; и бережное, долгосрочное отношение к организации (стюардшип). Эти качества помогают лидерам удерживать команду в кризисах и мобилизовать её на долгосрочные цели.
Из ремесла — в фабрику лидеров
Понятие «фабрика лидеров» — модель, когда опытные менеджеры целенаправленно обучают и развивают коллег через наставничество, ротацию, практические проекты и постоянную обратную связь. McKinsey отмечает, что лучшие практики этого подхода включают: чёткое определение нужных лидерских атрибутов; быстрое привлечение талантов к самым трудным задачам с сопровождением наставников; персонализированные погружения, управляемые старшими руководителями, а не только HR; и системную передачу опыта через модели, тренинги и цифровые инструменты.
Практические шаги для организаций
Авторы предлагают несколько конкретных действий: немедленно давать высокопотенциальным менеджерам «трудные» задания с поддержкой; формализовать набор желательных конкурентных качеств и критериев отбора; строить операционные модели, обеспечивающие скорость принятия решений; и культивировать культуру доверия через прозрачность, надёжность и низкую самореференцированность руководителей. Такие меры повышают шансы компании на устойчивость и успешный переход через будущие потрясения.
Короткий итог
Лидерство XXI века — это сочетание личной стойкости и организованного, масштабируемого подхода к развитию управленцев. Организации, которые превратят развитие лидеров в системную компетенцию и начнут действовать уже сейчас, получат значительное преимущество в условиях постоянных изменений.
Что требуется руководителям сегодня и как компании могут системно вырастить управленцев
В новой статье McKinsey, опубликованной 22 октября 2024 года и подписанной ведущими партнёрами фирмы, описаны личные качества, практики и организационная модель — так называемая «фабрика лидеров» — которые помогут компаниям готовить управленцев в условиях высокой неопределённости и быстрых перемен.
Почему лидерство стало другим
Современные руководители сталкиваются с множеством одновременно возникающих вызовов: последствия пандемии, геополитическая нестабильность, быстрое появление прорывных технологий (включая генеративный ИИ), переход на новые энергетические модели и запросы работников на гибкость и смысл. По оценке авторов, количество критических вопросов в фокусе топ‑команд примерно удвоилось за последние десять лет, что повышает требования к глубине кадрового резерва.
Какие личные качества нужны лидеру XXI века
McKinsey выделяет шесть ключевых черт, которые особенно важны теперь: запас энергии и личный баланс; служащее (servant) и бескорыстное отношение; установка на непрерывное обучение и смирение; упорство и устойчивость; умение разряжать напряжение юмором; и бережное, долгосрочное отношение к организации (стюардшип). Эти качества помогают лидерам удерживать команду в кризисах и мобилизовать её на долгосрочные цели.
Из ремесла — в фабрику лидеров
Понятие «фабрика лидеров» — модель, когда опытные менеджеры целенаправленно обучают и развивают коллег через наставничество, ротацию, практические проекты и постоянную обратную связь. McKinsey отмечает, что лучшие практики этого подхода включают: чёткое определение нужных лидерских атрибутов; быстрое привлечение талантов к самым трудным задачам с сопровождением наставников; персонализированные погружения, управляемые старшими руководителями, а не только HR; и системную передачу опыта через модели, тренинги и цифровые инструменты.
Практические шаги для организаций
Авторы предлагают несколько конкретных действий: немедленно давать высокопотенциальным менеджерам «трудные» задания с поддержкой; формализовать набор желательных конкурентных качеств и критериев отбора; строить операционные модели, обеспечивающие скорость принятия решений; и культивировать культуру доверия через прозрачность, надёжность и низкую самореференцированность руководителей. Такие меры повышают шансы компании на устойчивость и успешный переход через будущие потрясения.
Короткий итог
Лидерство XXI века — это сочетание личной стойкости и организованного, масштабируемого подхода к развитию управленцев. Организации, которые превратят развитие лидеров в системную компетенцию и начнут действовать уже сейчас, получат значительное преимущество в условиях постоянных изменений.
Генеральные директора удвоили ставку на ИИ и набор персонала, несмотря на экономические трудности
Опрос KPMG показал: компании увеличивают инвестиции в искусственный интеллект и планируют рост штата, хотя доверие руководителей к мировой экономике упало до пятиклетнего минимума.
По результатам ежегодного исследования KPMG 2025 Global CEO Outlook, опубликованного 7 октября 2025 года, руководители более 1 300 компаний сообщили о снижении уверенности в мировой экономике и одновременном смещении приоритетов в пользу инвестиций в ИИ, талант и устойчивость.
Ключевые находки исследования: 69% генеральных директоров планируют выделить 10–20% бюджетов на ИИ в ближайшие 12 месяцев; уверенность в мировой экономике опустилась до 68% — самого низкого уровня с 2021 года; 92% руководителей намерены увеличить штат в течение трёх лет.
Руководители отмечают, что внедрение ИИ теперь рассматривается как стратегический драйвер роста, однако оно сопряжено с новыми рисками: 70% обеспокоены конкуренцией за специалистов по ИИ, 77% указывают на проблемы с повышением квалификации сотрудников, а 59% выражают опасения по этическим последствиям технологий. По мнению участников опроса, успешное применение ИИ потребует чётких правил корпоративного управления и улучшенной подготовки данных.
Несмотря на экономические и геополитические сложности, многие лидеры сохраняют осторожный оптимизм: 61% теперь уверены в выполнении целей по достижению «чистого нуля» (net‑zero) к 2030 году — рост по сравнению с 51% годом ранее — и большинство рассчитывают на повышение прибыли и активность в сфере слияний и поглощений.
Авторы отчёта отмечают, что управленческие практики меняются: 72% уже пересмотрели планы роста компании, а на первый план выходят такие компетенции, как гибкость принятия решений, прозрачность коммуникаций и управление рисками. В условиях нестабильности лидеры выбирают сбалансированный подход между инновациями и ответственностью.
Комментарий от руководства KPMG: Билл Томас, глобальный председатель и генеральный директор KPMG International, подчеркнул, что компании находят возможности в условиях разрушений, инвестируя в технологии, инновации и таланты, и что именно те организации, которые сбалансируют новаторство и ответственность, смогут обеспечить устойчивый рост.
Методика. 11‑е издание опроса KPMG проводилось с 5 августа по 10 сентября 2025 года; в нём приняли участие 1 350 генеральных директоров компаний с выручкой свыше 500 млн долларов из 11 рынков и 12 отраслей. Результаты отражают мнение руководителей крупных компаний и дают ориентиры для бизнес‑стратегий на ближайшие годы.
Опрос KPMG показал: компании увеличивают инвестиции в искусственный интеллект и планируют рост штата, хотя доверие руководителей к мировой экономике упало до пятиклетнего минимума.
По результатам ежегодного исследования KPMG 2025 Global CEO Outlook, опубликованного 7 октября 2025 года, руководители более 1 300 компаний сообщили о снижении уверенности в мировой экономике и одновременном смещении приоритетов в пользу инвестиций в ИИ, талант и устойчивость.
Ключевые находки исследования: 69% генеральных директоров планируют выделить 10–20% бюджетов на ИИ в ближайшие 12 месяцев; уверенность в мировой экономике опустилась до 68% — самого низкого уровня с 2021 года; 92% руководителей намерены увеличить штат в течение трёх лет.
Руководители отмечают, что внедрение ИИ теперь рассматривается как стратегический драйвер роста, однако оно сопряжено с новыми рисками: 70% обеспокоены конкуренцией за специалистов по ИИ, 77% указывают на проблемы с повышением квалификации сотрудников, а 59% выражают опасения по этическим последствиям технологий. По мнению участников опроса, успешное применение ИИ потребует чётких правил корпоративного управления и улучшенной подготовки данных.
Несмотря на экономические и геополитические сложности, многие лидеры сохраняют осторожный оптимизм: 61% теперь уверены в выполнении целей по достижению «чистого нуля» (net‑zero) к 2030 году — рост по сравнению с 51% годом ранее — и большинство рассчитывают на повышение прибыли и активность в сфере слияний и поглощений.
Авторы отчёта отмечают, что управленческие практики меняются: 72% уже пересмотрели планы роста компании, а на первый план выходят такие компетенции, как гибкость принятия решений, прозрачность коммуникаций и управление рисками. В условиях нестабильности лидеры выбирают сбалансированный подход между инновациями и ответственностью.
Комментарий от руководства KPMG: Билл Томас, глобальный председатель и генеральный директор KPMG International, подчеркнул, что компании находят возможности в условиях разрушений, инвестируя в технологии, инновации и таланты, и что именно те организации, которые сбалансируют новаторство и ответственность, смогут обеспечить устойчивый рост.
Методика. 11‑е издание опроса KPMG проводилось с 5 августа по 10 сентября 2025 года; в нём приняли участие 1 350 генеральных директоров компаний с выручкой свыше 500 млн долларов из 11 рынков и 12 отраслей. Результаты отражают мнение руководителей крупных компаний и дают ориентиры для бизнес‑стратегий на ближайшие годы.
Как превратить проекты с искусственным интеллектом в реальную прибыль — практическое руководство для руководителей
Почему большинство инициатив по ИИ дорогие и непродуктивные — и что делать, чтобы это изменилось
Статья компании Roland Berger, опубликованная 18 марта 2025 года и подготовленная Филиппом Лойтигером, предупреждает: ИИ обещает масштабные трансформации, но на практике внедрения часто обходятся дорого и не приносят ощутимой прибыли — организации должны выстраивать стратегию так, чтобы проекты связывались с реальной прибылью и ключевыми бизнес‑целями.
Почему проекты с ИИ часто не окупаются
Многие компании запускают «красивые» или нишевые демонстрации — так называемые vanity‑проекты — которые впечатляют технически, но не меняют P&L. Без связи с операционной моделью и без понимания, как процентные улучшения превратить в денежную выгоду, инвестиции остаются «витриной», а не источником роста.
Куда направлять усилия: четыре приоритета
1) Искать «невскрытые» области — задачи, где ещё не исчерпаны улучшения, например оптимизация маршрутов или логистики.
2) Браться за проекты, влияющие на устойчивость бизнеса — такие инициативы сложнее реализовать, но они дают высокий эффект при успешной интеграции.
3) Автоматизировать крупные ручные процессы — искусственный интеллект особенно эффективен там, где значительные ресурсы тратятся на рутинные операции.
4) Анализировать ранее неучтённые процессы — использование ИИ для понимания поведения клиентов или внутренней аналитики часто открывает новые источники ценности.
Как измерять успех: считать не только проценты
Важно не ограничиваться заявлением «улучшение на X%». Нужно уточнять, какие именно изменения в процессах приведут к денежной выгоде: появятся ли дополнительные продажи, сократятся ли накладные расходы, уменьшится ли время простоя. Оценка должна связывать метрики эффективности с реальным экономическим эффектом.
Как запустить цепочку побед и масштабировать
Стратегия должна включать быстрые, управляемые победы — проекты с возможностью быстрой демонстрации экономии или роста. Такие ранние успехи создают доверие в организации, упрощают привлечение ресурсов и открывают путь к масштабированию более амбициозных инициатив. Параллельно нужны чёткие приоритеты, готовность отказаться от бесполезных пилотов и план по интеграции ИИ‑решений в операционные процессы.
Что значит это для руководителя
Если вы управляете инвестициями в ИИ, фокусируйтесь на проектах с ясной бизнес‑логикой, рассчитывайте перевод процентных улучшений в денежную выгоду и планируйте первые быстрые победы. Только сочетание правильного отбора задач, мер по фиксации экономического эффекта и последовательного масштабирования превращает ИИ из дорогостоящего эксперимента в источник устойчивой ценности.
Почему большинство инициатив по ИИ дорогие и непродуктивные — и что делать, чтобы это изменилось
Статья компании Roland Berger, опубликованная 18 марта 2025 года и подготовленная Филиппом Лойтигером, предупреждает: ИИ обещает масштабные трансформации, но на практике внедрения часто обходятся дорого и не приносят ощутимой прибыли — организации должны выстраивать стратегию так, чтобы проекты связывались с реальной прибылью и ключевыми бизнес‑целями.
Почему проекты с ИИ часто не окупаются
Многие компании запускают «красивые» или нишевые демонстрации — так называемые vanity‑проекты — которые впечатляют технически, но не меняют P&L. Без связи с операционной моделью и без понимания, как процентные улучшения превратить в денежную выгоду, инвестиции остаются «витриной», а не источником роста.
Куда направлять усилия: четыре приоритета
1) Искать «невскрытые» области — задачи, где ещё не исчерпаны улучшения, например оптимизация маршрутов или логистики.
2) Браться за проекты, влияющие на устойчивость бизнеса — такие инициативы сложнее реализовать, но они дают высокий эффект при успешной интеграции.
3) Автоматизировать крупные ручные процессы — искусственный интеллект особенно эффективен там, где значительные ресурсы тратятся на рутинные операции.
4) Анализировать ранее неучтённые процессы — использование ИИ для понимания поведения клиентов или внутренней аналитики часто открывает новые источники ценности.
Как измерять успех: считать не только проценты
Важно не ограничиваться заявлением «улучшение на X%». Нужно уточнять, какие именно изменения в процессах приведут к денежной выгоде: появятся ли дополнительные продажи, сократятся ли накладные расходы, уменьшится ли время простоя. Оценка должна связывать метрики эффективности с реальным экономическим эффектом.
Как запустить цепочку побед и масштабировать
Стратегия должна включать быстрые, управляемые победы — проекты с возможностью быстрой демонстрации экономии или роста. Такие ранние успехи создают доверие в организации, упрощают привлечение ресурсов и открывают путь к масштабированию более амбициозных инициатив. Параллельно нужны чёткие приоритеты, готовность отказаться от бесполезных пилотов и план по интеграции ИИ‑решений в операционные процессы.
Что значит это для руководителя
Если вы управляете инвестициями в ИИ, фокусируйтесь на проектах с ясной бизнес‑логикой, рассчитывайте перевод процентных улучшений в денежную выгоду и планируйте первые быстрые победы. Только сочетание правильного отбора задач, мер по фиксации экономического эффекта и последовательного масштабирования превращает ИИ из дорогостоящего эксперимента в источник устойчивой ценности.
ServiceNow представила экосистему партнёров для автоматизации рабочих процессов с ИИ и функции автономного ИТ
На конференции Knowledge 2025 компания анонсировала Workflow Data Network — открытую сеть интеграций для работы ИИ с корпоративными данными — и набор новых AI‑агентов для автономного управления ИТ.
На мероприятии ServiceNow сообщила, что Workflow Data Network уже доступна и объединяет более 100 интеграций, позволяя связать структурированные и неструктурированные данные, данные в реальном времени и исторические источники для действий ИИ в рамках платформы ServiceNow AI.
Компания уточнила, что сеть не требует копирования данных и поддерживает коннекторы к таким платформам, как Amazon Redshift, Databricks, Google Cloud BigQuery, Microsoft SQL Server, Snowflake, Cloudera и Teradata, а также нативные подключения к RaptorDB Pro и более чем 50 open‑source базам данных. Партнёры включают Adobe, Boomi, Microsoft и Oracle, что даёт доступ к готовым шаблонам и интеграциям.
Помимо этого ServiceNow расширила возможности своей ServiceNow AI Platform набором AI‑агентов для ключевых направлений: управление ИТ‑услугами (ITSM), управление ИТ‑операциями (ITOM), управление ИТ‑активами (ITAM), стратегическое портфельное управление (SPM), операционные технологии (OT) и «фундамент данных». Агенты выполняют рутинные операции — от триажа инцидентов и поиска корневых причин до автономной закупки ПО/оборудования и мониторинга выполнения проектов.
ServiceNow также представила функцию для безопасности и управления рисками: новые агенты дают «самовосстанавливающие» и «самозащитные» возможности в жизненном цикле безопасности, что, по словам главного директора по инновациям Дейва Райта, означает эволюцию агентного ИИ, который не просто автоматизирует задачи, но и развивает способности систем.
Для бизнеса компания вывела Core Business Suite — набор приложений для автоматизации HR, закупок, финансов, инфраструктуры и юридических процессов — и отдельный модуль Finance Case Management для помощи финансовым командам (создание центров затрат, проверка статусов счетов, эскалация проблем с оплатой). ServiceNow заявляет, что эти решения уже доступны.
Контекст: материал опубликован на CIO.com 7 мая 2025 года автором Тором Олавсрудом (Thor Olavsrud).
На конференции Knowledge 2025 компания анонсировала Workflow Data Network — открытую сеть интеграций для работы ИИ с корпоративными данными — и набор новых AI‑агентов для автономного управления ИТ.
На мероприятии ServiceNow сообщила, что Workflow Data Network уже доступна и объединяет более 100 интеграций, позволяя связать структурированные и неструктурированные данные, данные в реальном времени и исторические источники для действий ИИ в рамках платформы ServiceNow AI.
Компания уточнила, что сеть не требует копирования данных и поддерживает коннекторы к таким платформам, как Amazon Redshift, Databricks, Google Cloud BigQuery, Microsoft SQL Server, Snowflake, Cloudera и Teradata, а также нативные подключения к RaptorDB Pro и более чем 50 open‑source базам данных. Партнёры включают Adobe, Boomi, Microsoft и Oracle, что даёт доступ к готовым шаблонам и интеграциям.
Помимо этого ServiceNow расширила возможности своей ServiceNow AI Platform набором AI‑агентов для ключевых направлений: управление ИТ‑услугами (ITSM), управление ИТ‑операциями (ITOM), управление ИТ‑активами (ITAM), стратегическое портфельное управление (SPM), операционные технологии (OT) и «фундамент данных». Агенты выполняют рутинные операции — от триажа инцидентов и поиска корневых причин до автономной закупки ПО/оборудования и мониторинга выполнения проектов.
ServiceNow также представила функцию для безопасности и управления рисками: новые агенты дают «самовосстанавливающие» и «самозащитные» возможности в жизненном цикле безопасности, что, по словам главного директора по инновациям Дейва Райта, означает эволюцию агентного ИИ, который не просто автоматизирует задачи, но и развивает способности систем.
Для бизнеса компания вывела Core Business Suite — набор приложений для автоматизации HR, закупок, финансов, инфраструктуры и юридических процессов — и отдельный модуль Finance Case Management для помощи финансовым командам (создание центров затрат, проверка статусов счетов, эскалация проблем с оплатой). ServiceNow заявляет, что эти решения уже доступны.
Контекст: материал опубликован на CIO.com 7 мая 2025 года автором Тором Олавсрудом (Thor Olavsrud).
Как лидировать в 2025 году: 10 практических советов, которые работают
Короткий набор приёмов от экспертов MIT Sloan Management Review для тех, кто хочет улучшить коммуникацию и культуру в команде.
Статья опубликована в MIT Sloan Management Review 6 января 2025 года; её автор — Лорианн Маклафлин. Материал сокращён и переработан: здесь — ключевые выводы и практические шаги, которые можно применить сразу.
Почему сейчас важнее всего коммуникация и культура
Редко какой год приносит столь много внимания вопросам общения и организационной культуры. MIT SMR отмечает: сильная культура невозможна без чёткой коммуникации, и наоборот — именно эти две области оказываются препятствием для роста многих команд.
Десять практических советов
Ниже — суть рекомендаций, адаптированная для российского читателя. Все они взяты и пересформулированы по материалу MIT SMR.
1. Чётко сформулируйте свои лидерские ценности и следуйте им. Напишите короткую памятку о принципах и метриках, которые должны руководить командой в ваше отсутствие; используйте её как ориентир для решений.
2. Делегируйте с учётом уровня доверия — к людям и к процессам. Оцените не только сотрудника, но и стабильность процесса, в который вы его включаете; это снизит срыв исполнительности.
3. Создавайте условия для честной обратной связи. Поощряйте обсуждение «неудобных тем» и используйте простые вопросы, которые позволяют людям высказаться без самоцензуры.
4. Используйте средних менеджеров для укрепления культуры. Они транслируют «малую» культуру повседневных норм — работайте с ними как с агентами изменений.
5. Формируйте привычку непрерывного обучения. Обучение должно включать мета‑умение — думать о том, как мы учимся, а не только чему.
6. Оговаривайте границы работы. Проводите «диалог о границах»: когда можно прерывать, а когда — нет; это снижает недопонимание и выгорание.
7. Делайте встречи инклюзивными и продуктивными. Давайте людям время подумать, используйте приемы (например, заметки перед обсуждением), чтобы все могли внести вклад.
8. Прекратите прославлять занятость — говорите о результатах. Смените риторику с «я очень занят» на «что мы достигли»; это меняет фокус команды на эффект, а не на активность.
9. Будьте менеджером, а не рупором вышестоящих. Говорите своими словами: объясняйте решения и их логику, а не только транслируйте указания — это сохраняет авторитет и доверие.
10. Открыто коммуницируйте о том, как принимаются решения. Регулярно рассказывайте, почему и каким образом решения были приняты — это помогает людям понять, как влиять на будущее.
Как внедрять — короткий план действий
Выберите 1–2 совета из списка, протестируйте их в течение месяца и измерьте эффект (например, с помощью опроса удовлетворённости команды или числа конструктивных предложений). Последовательность важнее количества: лучше системно внедрять одно изменение, чем одновременно менять всё.
Источник и рекомендации собраны и адаптированы по материалу MIT Sloan Management Review (январь 2025). Для полноты и примеров упражнений обратитесь к оригинальной статье и связанным материалам на сайте редакции.
Короткий набор приёмов от экспертов MIT Sloan Management Review для тех, кто хочет улучшить коммуникацию и культуру в команде.
Статья опубликована в MIT Sloan Management Review 6 января 2025 года; её автор — Лорианн Маклафлин. Материал сокращён и переработан: здесь — ключевые выводы и практические шаги, которые можно применить сразу.
Почему сейчас важнее всего коммуникация и культура
Редко какой год приносит столь много внимания вопросам общения и организационной культуры. MIT SMR отмечает: сильная культура невозможна без чёткой коммуникации, и наоборот — именно эти две области оказываются препятствием для роста многих команд.
Десять практических советов
Ниже — суть рекомендаций, адаптированная для российского читателя. Все они взяты и пересформулированы по материалу MIT SMR.
1. Чётко сформулируйте свои лидерские ценности и следуйте им. Напишите короткую памятку о принципах и метриках, которые должны руководить командой в ваше отсутствие; используйте её как ориентир для решений.
2. Делегируйте с учётом уровня доверия — к людям и к процессам. Оцените не только сотрудника, но и стабильность процесса, в который вы его включаете; это снизит срыв исполнительности.
3. Создавайте условия для честной обратной связи. Поощряйте обсуждение «неудобных тем» и используйте простые вопросы, которые позволяют людям высказаться без самоцензуры.
4. Используйте средних менеджеров для укрепления культуры. Они транслируют «малую» культуру повседневных норм — работайте с ними как с агентами изменений.
5. Формируйте привычку непрерывного обучения. Обучение должно включать мета‑умение — думать о том, как мы учимся, а не только чему.
6. Оговаривайте границы работы. Проводите «диалог о границах»: когда можно прерывать, а когда — нет; это снижает недопонимание и выгорание.
7. Делайте встречи инклюзивными и продуктивными. Давайте людям время подумать, используйте приемы (например, заметки перед обсуждением), чтобы все могли внести вклад.
8. Прекратите прославлять занятость — говорите о результатах. Смените риторику с «я очень занят» на «что мы достигли»; это меняет фокус команды на эффект, а не на активность.
9. Будьте менеджером, а не рупором вышестоящих. Говорите своими словами: объясняйте решения и их логику, а не только транслируйте указания — это сохраняет авторитет и доверие.
10. Открыто коммуницируйте о том, как принимаются решения. Регулярно рассказывайте, почему и каким образом решения были приняты — это помогает людям понять, как влиять на будущее.
Как внедрять — короткий план действий
Выберите 1–2 совета из списка, протестируйте их в течение месяца и измерьте эффект (например, с помощью опроса удовлетворённости команды или числа конструктивных предложений). Последовательность важнее количества: лучше системно внедрять одно изменение, чем одновременно менять всё.
Источник и рекомендации собраны и адаптированы по материалу MIT Sloan Management Review (январь 2025). Для полноты и примеров упражнений обратитесь к оригинальной статье и связанным материалам на сайте редакции.
Как победители превращают ИИ в реальный рост: разбор доклада Bain по Commercial Excellence, 2025
Исследование Bain показывает: компании с высоким ростом масштабируют искусственный интеллект за пределы пилотов и добиваются вдвое большей экономии по сравнению с отстающими.
В новом материале Bain & Company авторы Саньин Бичанич, Дэвид Валентайн, Алекс Бенджамин и Йенс Фрис Хьортегаард анализируют, как бизнес‑клиенты (B2B) переходят от отдельных экспериментов с искусственным интеллектом (ИИ) к масштабным внедрениям, приносящим ощутимые выгоды. Отчёт опубликован в апреле 2025 года и опирается на опрос примерно 1,300 коммерческих руководителей и специальный опрос Bain по коммерческой эффективности.
Ключевая мысль: масштаб важнее идеи
Компании с высоким темпом роста не столько находят «лучший» кейс, сколько масштабируют несколько рабочих применений ИИ, встроенных в ключевые процессы — продажи, маркетинг и сервис. Такие победители инвестируют в технологический стек и качество данных, чтобы извлечь эффект от каждой реализации.
Что показал опрос Bain
Более 90% опрошенных сообщили, что масштабировали хотя бы один кейс с ИИ; у «победителей» в среднем 4,5 рабочих кейса против 3,3 у отстающих. При прочих равных победители получают почти вдвое большую экономию затрат для каждой конкретной задачи. Источники данных — опрос Commercial Excellence Survey, январь 2025.
Основные препятствия на пути масштабирования
Байерами называют низкое качество данных и плохую интеграцию систем: разрозненные записи клиента, дубли и несвязанная инфраструктура сводят на нет преимущество ИИ. Также встречается неправильная конфигурация инструментов и избыток разрозненных платформ, которые не интегрируются с рабочими процессами. В результате примерно четверть пилотов по продажам и маркетингу терпят неудачу, среди пилотов одна пятая не оправдывает ожиданий, а у 12% развёртывание вообще не приносит результата.
Чему учатся победители — практики, которые работают
Сильные команды следуют системному подходу: строят надёжный технологический и дата‑фонд, выбирают кейсы по бизнес‑приоритету, интегрируют ИИ в операционные процессы и сотрудничают с фронт‑офисом при внедрении (cocreating with the front line). Они обеспечивают спонсорство со стороны старшего руководства, формируют чёткий бизнес‑кейс, взвешивают «покупать или строить» и инвестируют в обучение сотрудников. По оценке авторов, победители в среднем применяют три проверенные практики против двух у отстающих.
Практические шаги для руководителя коммерции
1) Инвентаризовать и приоритизировать кейсы по ожидаемой прибыли и скорости отдачи.
2) Укрепить технологический стек и связать источники данных для создания единого профиля клиента.
3) Обеспечить оперативную интеграцию ИИ‑решений в повседневные процессы, а не оставлять их в «песочнице» пилота.
4) Назначить спонсора среди топ‑менеджмента и инвестировать в обучение фронт‑лайна — именно совместная адаптация даёт устойчивую выгоду. Эти рекомендации вытекают из наблюдений Bain о том, какие практики отличают компании‑лидеры.
Короткий вывод
ИИ перестал быть чистой экспериментальной историей — для B2B‑компаний ключ к росту в ближайшие годы лежит через масштабирование рабочих кейсов, надёжную базу данных и интеграцию технологий в операционные процессы. Компании, которые не решат проблемы данных и интеграции сейчас, рискуют остаться в стороне от ускоряющихся экономических выгод.
Авторы: Sanjin Bicanic, David Valentine, Alex Benjamin, Jens Friis Hjortegaard. Полный материал и методология исследования доступны на сайте Bain & Company.
Исследование Bain показывает: компании с высоким ростом масштабируют искусственный интеллект за пределы пилотов и добиваются вдвое большей экономии по сравнению с отстающими.
В новом материале Bain & Company авторы Саньин Бичанич, Дэвид Валентайн, Алекс Бенджамин и Йенс Фрис Хьортегаард анализируют, как бизнес‑клиенты (B2B) переходят от отдельных экспериментов с искусственным интеллектом (ИИ) к масштабным внедрениям, приносящим ощутимые выгоды. Отчёт опубликован в апреле 2025 года и опирается на опрос примерно 1,300 коммерческих руководителей и специальный опрос Bain по коммерческой эффективности.
Ключевая мысль: масштаб важнее идеи
Компании с высоким темпом роста не столько находят «лучший» кейс, сколько масштабируют несколько рабочих применений ИИ, встроенных в ключевые процессы — продажи, маркетинг и сервис. Такие победители инвестируют в технологический стек и качество данных, чтобы извлечь эффект от каждой реализации.
Что показал опрос Bain
Более 90% опрошенных сообщили, что масштабировали хотя бы один кейс с ИИ; у «победителей» в среднем 4,5 рабочих кейса против 3,3 у отстающих. При прочих равных победители получают почти вдвое большую экономию затрат для каждой конкретной задачи. Источники данных — опрос Commercial Excellence Survey, январь 2025.
Основные препятствия на пути масштабирования
Байерами называют низкое качество данных и плохую интеграцию систем: разрозненные записи клиента, дубли и несвязанная инфраструктура сводят на нет преимущество ИИ. Также встречается неправильная конфигурация инструментов и избыток разрозненных платформ, которые не интегрируются с рабочими процессами. В результате примерно четверть пилотов по продажам и маркетингу терпят неудачу, среди пилотов одна пятая не оправдывает ожиданий, а у 12% развёртывание вообще не приносит результата.
Чему учатся победители — практики, которые работают
Сильные команды следуют системному подходу: строят надёжный технологический и дата‑фонд, выбирают кейсы по бизнес‑приоритету, интегрируют ИИ в операционные процессы и сотрудничают с фронт‑офисом при внедрении (cocreating with the front line). Они обеспечивают спонсорство со стороны старшего руководства, формируют чёткий бизнес‑кейс, взвешивают «покупать или строить» и инвестируют в обучение сотрудников. По оценке авторов, победители в среднем применяют три проверенные практики против двух у отстающих.
Практические шаги для руководителя коммерции
1) Инвентаризовать и приоритизировать кейсы по ожидаемой прибыли и скорости отдачи.
2) Укрепить технологический стек и связать источники данных для создания единого профиля клиента.
3) Обеспечить оперативную интеграцию ИИ‑решений в повседневные процессы, а не оставлять их в «песочнице» пилота.
4) Назначить спонсора среди топ‑менеджмента и инвестировать в обучение фронт‑лайна — именно совместная адаптация даёт устойчивую выгоду. Эти рекомендации вытекают из наблюдений Bain о том, какие практики отличают компании‑лидеры.
Короткий вывод
ИИ перестал быть чистой экспериментальной историей — для B2B‑компаний ключ к росту в ближайшие годы лежит через масштабирование рабочих кейсов, надёжную базу данных и интеграцию технологий в операционные процессы. Компании, которые не решат проблемы данных и интеграции сейчас, рискуют остаться в стороне от ускоряющихся экономических выгод.
Авторы: Sanjin Bicanic, David Valentine, Alex Benjamin, Jens Friis Hjortegaard. Полный материал и методология исследования доступны на сайте Bain & Company.
Как управляют миллиардами закрытые семьи — кейсы из сборника Deloitte «The Fireside» (2025)
Сборник интервью с руководителями крупнейших семейных офисов даёт редкое практическое руководство по управлению состоянием, рисками и преемственностью.
В новом сборнике Deloitte Private «The Fireside: A Family Office Case Study Collection, 2025» собраны интервью с топ‑менеджерами ряда всемирно известных семейных офисов. Это не академический обзор, а практическая подборка реальных кейсов — от решения о перераспределении благосостояния до реакций на кибератаки и способов вовлечения «следующего поколения».
О чём сборник
Коллекция содержит короткие, но содержательные кейсы: история семьи, решившей передать состояние на благотворительность; пример масштабирования офисной структуры в крупной много‑поколенной семье; ситуации с провалами в планировании преемственности и с принятием решения о разделении офиса на несколько ветвей; а также подробные рассказы о киберинцидентах и мерах по восстановлению. Это подборка интервью, в которых руководители делятся конкретными практиками и ошибками.
Ключевые уроки из кейсов
- Планирование преемственности — первоочередная задача: отсутствие плана часто приводит к кризису после ухода основателя.
- Модель «build, buy, partner» помогает семьям масштабировать инфраструктуру и управлять большими портфелями.
- Киберриски и репутационный ущерб — реалии для публично известных семей; успешные оффисы инвестируют в превентивные меры и инцидент‑менеджмент.
- Вовлечение следующих поколений и формальное выстраивание связей между семьёй и офисом критичны для долговечности наследия.
Практические рекомендации
- Разработайте и регулярно обновляйте стратегию преемственности с участием ключевых стейкхолдеров.
- Тестируйте модель управления (централизованная vs ветвящаяся) на предмет долгосрочной устойчивости и семейной гармонии.
- Инвестируйте в кибербезопасность и репутационное планирование; готовьте планы реагирования на инциденты.
- Формализуйте образование и вовлечённость «Next Gens»: менторство, ротация ролей, совместные проекты помогают сохранить ценности и ответственность.
Где взять и кому полезно
Отчёт доступен для скачивания на странице Deloitte Private — полезен семьям‑учредителям, руководителям семейных офисов, советникам по преемственности и специалистам по рискам.
Коротко
«The Fireside» — не набор теорий, а набор практических историй с прямыми рекомендациями: планируйте наследие, укрепляйте кибер‑и управленческие барьеры и активно вовлекайте следующую генерацию.
Сборник интервью с руководителями крупнейших семейных офисов даёт редкое практическое руководство по управлению состоянием, рисками и преемственностью.
В новом сборнике Deloitte Private «The Fireside: A Family Office Case Study Collection, 2025» собраны интервью с топ‑менеджерами ряда всемирно известных семейных офисов. Это не академический обзор, а практическая подборка реальных кейсов — от решения о перераспределении благосостояния до реакций на кибератаки и способов вовлечения «следующего поколения».
О чём сборник
Коллекция содержит короткие, но содержательные кейсы: история семьи, решившей передать состояние на благотворительность; пример масштабирования офисной структуры в крупной много‑поколенной семье; ситуации с провалами в планировании преемственности и с принятием решения о разделении офиса на несколько ветвей; а также подробные рассказы о киберинцидентах и мерах по восстановлению. Это подборка интервью, в которых руководители делятся конкретными практиками и ошибками.
Ключевые уроки из кейсов
- Планирование преемственности — первоочередная задача: отсутствие плана часто приводит к кризису после ухода основателя.
- Модель «build, buy, partner» помогает семьям масштабировать инфраструктуру и управлять большими портфелями.
- Киберриски и репутационный ущерб — реалии для публично известных семей; успешные оффисы инвестируют в превентивные меры и инцидент‑менеджмент.
- Вовлечение следующих поколений и формальное выстраивание связей между семьёй и офисом критичны для долговечности наследия.
Практические рекомендации
- Разработайте и регулярно обновляйте стратегию преемственности с участием ключевых стейкхолдеров.
- Тестируйте модель управления (централизованная vs ветвящаяся) на предмет долгосрочной устойчивости и семейной гармонии.
- Инвестируйте в кибербезопасность и репутационное планирование; готовьте планы реагирования на инциденты.
- Формализуйте образование и вовлечённость «Next Gens»: менторство, ротация ролей, совместные проекты помогают сохранить ценности и ответственность.
Где взять и кому полезно
Отчёт доступен для скачивания на странице Deloitte Private — полезен семьям‑учредителям, руководителям семейных офисов, советникам по преемственности и специалистам по рискам.
Коротко
«The Fireside» — не набор теорий, а набор практических историй с прямыми рекомендациями: планируйте наследие, укрепляйте кибер‑и управленческие барьеры и активно вовлекайте следующую генерацию.
AI‑агенты признали ключевыми для ритейла в ближайший год, показал отчет Salesforce
Данные шестого отчета Salesforce «Connected Shoppers Report», опрошены 8 350 покупателей и 1 700 руководителей ритейла; многие компании уже увеличивают инвестиции в агентные модели ИИ.
В отчете Connected Shoppers Report говорится, что три из четырёх ритейлеров считают, что AI‑агенты — автономные программы, которые могут автоматически выполнять действия в бизнес‑системах — станут жизненно важными для конкурентоспособности в течение года. Методология отчета основана на двух двойных анонимных опросах, проведённых с 27 ноября по 26 декабря 2024 года; в них участвовали 8 350 покупателей и 1 700 представителей ритейла по всему миру.
Что именно изменилось
- 76% ритейлеров сообщили, что планируют увеличить инвестиции в ИИ в ближайший год, и многие рассматривают AI‑агентов как инструмент для сокращения затрат и повышения эффективности.
- Клиентская поддержка названа главным кейсом применения агентов: автоматический ответ на запросы, отслеживание заказов и обработка возвратов позволят людям сосредоточиться на более сложных задачах. Одновременно ритейлеры ожидают, что агенты расширят роль в маркетинге, управлении запасами и обучении сотрудников.
Почему для агентов важны «унифицированная коммерция» и данные
- AI‑агентам нужен доступ к объединённым данным из онлайн‑ и офлайн‑каналов, чтобы давать персонализированные и своевременные ответы; в отчёте отмечают, что многие системы ритейлеров разрознены, и это мешает эффективности. 81% руководителей заявили, что неэффективные процессы и технологии снижают производительность сотрудников. При этом 86% компаний уже реализуют инициативы по «унифицированной коммерции», чтобы собрать данные и сделать агентов полезными.
Готовность покупателей и условия доверия
- Потребители тоже готовы к вовлечению ИИ: 39% респондентов используют ИИ для поиска товаров, а среди поколения Z таких — 54%. Молодые покупатели более готовы позволить агентам действовать от их имени: 63% поколения Z заинтересованы в том, чтобы агенты сами оформляли покупки. Вместе с тем ритейлеры и покупатели выделяют ключевые условия доверия к агентам: защита данных и безопасности, простая опция выключения, требование одобрения перед покупкой и прозрачность использования данных, а также доступ к живому сотруднику при необходимости.
Динамика внедрения агентов в 2025 году
- Другие исследования Salesforce показывают быстрый рост создания и использования агентов: в первой половине 2025 года число созданных агентов и их действий существенно увеличилось, а наиболее активные сферы — продажи и сервис. Это указывает на то, что агенты переходят от пилотов к повседневным процессам бизнеса.
Что это означает для ритейлеров
AI‑агенты дают ритейлерам потенциал уменьшить рутинную нагрузку на сотрудников, ускорить обслуживание и увеличить конверсию при фрагментированном клиентском пути. Но реализация этих выгод требует двух вещей: надёжной, объединённой платформы данных и четкой политики доверия и управления данными, которую покупатели смогут увидеть и контролировать.
Источники: отчет Salesforce Connected Shoppers Report и сопутствующие материалы Salesforce о внедрении Agentforce и показателях агентной автоматизации.
Данные шестого отчета Salesforce «Connected Shoppers Report», опрошены 8 350 покупателей и 1 700 руководителей ритейла; многие компании уже увеличивают инвестиции в агентные модели ИИ.
В отчете Connected Shoppers Report говорится, что три из четырёх ритейлеров считают, что AI‑агенты — автономные программы, которые могут автоматически выполнять действия в бизнес‑системах — станут жизненно важными для конкурентоспособности в течение года. Методология отчета основана на двух двойных анонимных опросах, проведённых с 27 ноября по 26 декабря 2024 года; в них участвовали 8 350 покупателей и 1 700 представителей ритейла по всему миру.
Что именно изменилось
- 76% ритейлеров сообщили, что планируют увеличить инвестиции в ИИ в ближайший год, и многие рассматривают AI‑агентов как инструмент для сокращения затрат и повышения эффективности.
- Клиентская поддержка названа главным кейсом применения агентов: автоматический ответ на запросы, отслеживание заказов и обработка возвратов позволят людям сосредоточиться на более сложных задачах. Одновременно ритейлеры ожидают, что агенты расширят роль в маркетинге, управлении запасами и обучении сотрудников.
Почему для агентов важны «унифицированная коммерция» и данные
- AI‑агентам нужен доступ к объединённым данным из онлайн‑ и офлайн‑каналов, чтобы давать персонализированные и своевременные ответы; в отчёте отмечают, что многие системы ритейлеров разрознены, и это мешает эффективности. 81% руководителей заявили, что неэффективные процессы и технологии снижают производительность сотрудников. При этом 86% компаний уже реализуют инициативы по «унифицированной коммерции», чтобы собрать данные и сделать агентов полезными.
Готовность покупателей и условия доверия
- Потребители тоже готовы к вовлечению ИИ: 39% респондентов используют ИИ для поиска товаров, а среди поколения Z таких — 54%. Молодые покупатели более готовы позволить агентам действовать от их имени: 63% поколения Z заинтересованы в том, чтобы агенты сами оформляли покупки. Вместе с тем ритейлеры и покупатели выделяют ключевые условия доверия к агентам: защита данных и безопасности, простая опция выключения, требование одобрения перед покупкой и прозрачность использования данных, а также доступ к живому сотруднику при необходимости.
Динамика внедрения агентов в 2025 году
- Другие исследования Salesforce показывают быстрый рост создания и использования агентов: в первой половине 2025 года число созданных агентов и их действий существенно увеличилось, а наиболее активные сферы — продажи и сервис. Это указывает на то, что агенты переходят от пилотов к повседневным процессам бизнеса.
Что это означает для ритейлеров
AI‑агенты дают ритейлерам потенциал уменьшить рутинную нагрузку на сотрудников, ускорить обслуживание и увеличить конверсию при фрагментированном клиентском пути. Но реализация этих выгод требует двух вещей: надёжной, объединённой платформы данных и четкой политики доверия и управления данными, которую покупатели смогут увидеть и контролировать.
Источники: отчет Salesforce Connected Shoppers Report и сопутствующие материалы Salesforce о внедрении Agentforce и показателях агентной автоматизации.
SAP внедрила в Signavio новые Process AI‑возможности и предложила мгновенные персональные рекомендации
Новые инструменты — «рекомендатель процессов» и «рекомендатель показателей эффективности» — автоматически подбирают шаблоны процессов и ключевые метрики, опираясь на большие базы практик.
SAP добавила в состав SAP Signavio Process Transformation Suite две генеративные AI‑функции, которые моментально дают персонализированные предложения по моделям процессов и метрикам для их мониторинга; об этом компания рассказала 13 августа 2024 года на корпоративном новостном портале SAP.
Новое: быстрый подбор готовых моделей и релевантных метрик
- AI‑ассистент «рекомендатель процессов» предлагает владельцам процессов преднастроенные шаблоны из базы более чем 5 000 лучших практик SAP, что позволяет сократить этапы сбора требований и длительные рабочие встречи.
- «Рекомендатель показателей эффективности» (performance indicators recommender) мгновенно советует, какие процесс‑ориентированные метрики (PPI — показатели эффективности процесса) и KPI (KPI — ключевые показатели эффективности) подходят для конкретного процесса, опираясь на тысячи записанных метрик. Это помогает быстрее определить, как измерять успех и где оптимизировать операции.
Чему это помогает организациям
Новые возможности призваны ускорить проектирование моделей процессов и формирование стратегии мониторинга, снизить входной порог для анализа процессов и дать аналитикам и владельцам процессов «точку старта», на базе которой можно быстро сохранять, редактировать и адаптировать решения под свои нужды. По словам руководителя Market Impact SAP Signavio Ди Хаучен, генеративный ИИ расширяет возможности специалиста и одновременно выступает «мультипликатором знаний», облегчая масштабирование практик внутри компании.
Что дальше — ко‑пилот для процессного майнинга
Компания также анонсировала, что ко‑пилот для process mining (AI‑assisted process analyzer, «text‑to‑insights») сейчас находится в бета‑тестировании и планируется к выпуску в ноябре 2024 года. Этот инструмент позволит извлекать глубокие инсайты из данных о процессах через обычный язык и режим вопросов‑ответов, что должно дополнительно демократизировать процессный анализ внутри организаций.
Контекст и интеграция
SAP Signavio и решения SAP LeanIX являются ключевыми элементами портфеля Business Transformation Management и используют общую платформу SAP Business AI — набор инициатив и технологий SAP, ориентированных на применение генеративного ИИ в мире процессов и трансформаций. Встраивание таких возможностей в уже существующий стек продуктов SAP призвано упростить внедрение автоматизации и ускорить получение практической пользы.
Коротко о терминах
- Генеративный ИИ — класс систем машинного обучения, которые создают тексты, модели или рекомендации на основе больших наборов данных.
- KPI (key performance indicators) — ключевые показатели эффективности; PPI (process performance indicators) — показатели эффективности процесса, ориентированные именно на измерение результата и качества бизнес‑процессов.
Автор и дата публикации исходного анонса: Лукас де Бур (Lucas de Boer), 13 августа 2024 года.
Новые инструменты — «рекомендатель процессов» и «рекомендатель показателей эффективности» — автоматически подбирают шаблоны процессов и ключевые метрики, опираясь на большие базы практик.
SAP добавила в состав SAP Signavio Process Transformation Suite две генеративные AI‑функции, которые моментально дают персонализированные предложения по моделям процессов и метрикам для их мониторинга; об этом компания рассказала 13 августа 2024 года на корпоративном новостном портале SAP.
Новое: быстрый подбор готовых моделей и релевантных метрик
- AI‑ассистент «рекомендатель процессов» предлагает владельцам процессов преднастроенные шаблоны из базы более чем 5 000 лучших практик SAP, что позволяет сократить этапы сбора требований и длительные рабочие встречи.
- «Рекомендатель показателей эффективности» (performance indicators recommender) мгновенно советует, какие процесс‑ориентированные метрики (PPI — показатели эффективности процесса) и KPI (KPI — ключевые показатели эффективности) подходят для конкретного процесса, опираясь на тысячи записанных метрик. Это помогает быстрее определить, как измерять успех и где оптимизировать операции.
Чему это помогает организациям
Новые возможности призваны ускорить проектирование моделей процессов и формирование стратегии мониторинга, снизить входной порог для анализа процессов и дать аналитикам и владельцам процессов «точку старта», на базе которой можно быстро сохранять, редактировать и адаптировать решения под свои нужды. По словам руководителя Market Impact SAP Signavio Ди Хаучен, генеративный ИИ расширяет возможности специалиста и одновременно выступает «мультипликатором знаний», облегчая масштабирование практик внутри компании.
Что дальше — ко‑пилот для процессного майнинга
Компания также анонсировала, что ко‑пилот для process mining (AI‑assisted process analyzer, «text‑to‑insights») сейчас находится в бета‑тестировании и планируется к выпуску в ноябре 2024 года. Этот инструмент позволит извлекать глубокие инсайты из данных о процессах через обычный язык и режим вопросов‑ответов, что должно дополнительно демократизировать процессный анализ внутри организаций.
Контекст и интеграция
SAP Signavio и решения SAP LeanIX являются ключевыми элементами портфеля Business Transformation Management и используют общую платформу SAP Business AI — набор инициатив и технологий SAP, ориентированных на применение генеративного ИИ в мире процессов и трансформаций. Встраивание таких возможностей в уже существующий стек продуктов SAP призвано упростить внедрение автоматизации и ускорить получение практической пользы.
Коротко о терминах
- Генеративный ИИ — класс систем машинного обучения, которые создают тексты, модели или рекомендации на основе больших наборов данных.
- KPI (key performance indicators) — ключевые показатели эффективности; PPI (process performance indicators) — показатели эффективности процесса, ориентированные именно на измерение результата и качества бизнес‑процессов.
Автор и дата публикации исходного анонса: Лукас де Бур (Lucas de Boer), 13 августа 2024 года.
101 архитектурных схем для Gen‑AI: практическое руководство от Google Cloud
Набор из 101 технического шаблона по внедрению генеративного ИИ — от идеи до стека для реализации.
В блоге Google Cloud (опубликовано 21 августа 2025 года) команда представила коллекцию из 101 архитектурного blueprint’а — наглядных шаблонов, объясняющих, как собрать решения на основе генеративного ИИ для реальных задач бизнеса. Авторы — Richard Seroter и Andrea Sanin.
Что включает сборник
Шаблоны сгруппированы по 10 отраслям и для каждого предлагают: бизнес‑задачу, рекомендуемый стек Google Cloud и схематичный поток данных. В примерах используются такие компоненты, как Vertex AI (включая возможности генеративных моделей и Vision), BigQuery, Google Kubernetes Engine (GKE), Cloud Run, Vector Search и инструменты для интеграции (Apigee, Cloud CDN и т. п.).
Короткие примеры сценариев
Набор иллюстрирует практики для розницы (объединение онлайн и офлайн, рекомендации, визуальный поиск), автоматизации документации (суммаризация и сравнение предложений в Gmail), генерации описаний товаров в масштабе и др. Каждый пример показывает путь от источников данных до сервиса, который отвечает пользователю.
Кому и зачем это нужно
Blueprint’ы ориентированы на разработчиков, архитектора и продукт‑менеджеров, которые хотят быстро перейти от концепта к рабочему прототипу: они сокращают неопределённость, подсказывая, какие компоненты нужны для конкретной функции и как их связать.
О чём помнить перед применением
Шаблоны — отправная точка, а не «готовое к запуску» решение. При внедрении нужно оценивать требования к данным, приватности, контролю качества генерируемого контента и MLOps‑процессы (версионирование моделей, мониторинг и безопасность). Архитектуры следует адаптировать под конкретный объем данных и регуляторные ограничения.
Используйте коллекцию как практический чеклист: она помогает сориентироваться в технологическом наборе и быстрее подготовить архитектуру для конкретного Gen‑AI кейса.
Набор из 101 технического шаблона по внедрению генеративного ИИ — от идеи до стека для реализации.
В блоге Google Cloud (опубликовано 21 августа 2025 года) команда представила коллекцию из 101 архитектурного blueprint’а — наглядных шаблонов, объясняющих, как собрать решения на основе генеративного ИИ для реальных задач бизнеса. Авторы — Richard Seroter и Andrea Sanin.
Что включает сборник
Шаблоны сгруппированы по 10 отраслям и для каждого предлагают: бизнес‑задачу, рекомендуемый стек Google Cloud и схематичный поток данных. В примерах используются такие компоненты, как Vertex AI (включая возможности генеративных моделей и Vision), BigQuery, Google Kubernetes Engine (GKE), Cloud Run, Vector Search и инструменты для интеграции (Apigee, Cloud CDN и т. п.).
Короткие примеры сценариев
Набор иллюстрирует практики для розницы (объединение онлайн и офлайн, рекомендации, визуальный поиск), автоматизации документации (суммаризация и сравнение предложений в Gmail), генерации описаний товаров в масштабе и др. Каждый пример показывает путь от источников данных до сервиса, который отвечает пользователю.
Кому и зачем это нужно
Blueprint’ы ориентированы на разработчиков, архитектора и продукт‑менеджеров, которые хотят быстро перейти от концепта к рабочему прототипу: они сокращают неопределённость, подсказывая, какие компоненты нужны для конкретной функции и как их связать.
О чём помнить перед применением
Шаблоны — отправная точка, а не «готовое к запуску» решение. При внедрении нужно оценивать требования к данным, приватности, контролю качества генерируемого контента и MLOps‑процессы (версионирование моделей, мониторинг и безопасность). Архитектуры следует адаптировать под конкретный объем данных и регуляторные ограничения.
Используйте коллекцию как практический чеклист: она помогает сориентироваться в технологическом наборе и быстрее подготовить архитектуру для конкретного Gen‑AI кейса.
Как TUI объединила данные и включила AI — опыт мировой туристической компании с Snowflake и Cortex AI
Кейс опубликован на сайте Snowflake: как крупнейшая в мире туристическая группа перевела аналитику в единую AI-платформу и ускорила доступ к данным для всей компании.
TUI Group, одна из крупнейших мировых компаний в сфере отдыха и туризма, перенесла свою аналитику в Snowflake — AI Data Cloud, запущенный на Amazon Web Services — и построила на его основе AI-инструменты для поиска и работы с данными, что упростило доступ к аналитике для сотен пользователей и отделов.
Почему TUI понадобилась единая платформа
TUI управляет большим портфелем: авиакомпании, отели, турагентства и круизные линии — у каждой части бизнеса свои источники данных и потребности. Разрозненность мешала быстро получать ответы на бизнес-вопросы и требовала от специалистов много ручной работы. Чтобы упростить это и масштабировать аналитику, команда TUI выбрала Snowflake.
Что именно внедрили
TUI построила два ключевых решения на базе Snowflake и инструментов Cortex AI:
- TACO (Technology Analytics Companion) — помощник для аналитики, который позволяет задавать вопросы к данным на естественном языке и получать ответы.
- Индексация метаданных с помощью Cortex Search — полный поиск и обнаружение данных по компании, включая семантическую модель.
Как быстро появились результаты
Команда TUI продемонстрировала прототип AI-решения очень быстро: создание семантической модели на основе имеющейся схемы данных заняло порядка часа. В ранних тестах более 500 сложных запросов были успешно обработаны в естественном языке, что подчеркнуло масштабируемость подхода.
Какие выгоды получили
Первые эффекты — ускорение поиска данных, повышение качества метаданных и сокращение «тёртого времени» специалистов. TUI оценивает, что автоматизация поиска и работы с данными может сэкономить командам десятки дней человеко-часов (в отдельных сценариях — месяцы). Кроме того, улучшение качества данных позволило уменьшить объёмы обработки и энергопотребление при аналитических вычислениях, что позитивно сказывается на устойчивости операций.
Почему это важно для других компаний
Ключевой урок — объединение данных в единую платформу с поддержкой семантики и поиска на естественном языке значительно расширяет круг пользователей, которые могут самостоятельно получать инсайты, — от аналитиков до непрофильных сотрудников. Такой подход ускоряет принятие решений и снижает нагрузку на централизованные команды данных.
Чего ждать дальше
TUI продолжает эксперименты с Cortex AI, планируя строить семантический каталог, раскрывающий, где хранятся таблицы, какие данные чувствительны и кто отвечает за доступ — то есть «веб» по данным компании, доступный всем уровням сотрудников. По мнению команды, это шаг к тому, чтобы аналитика стала интуитивной и доступной даже для тех, кто ранее с ней не работал.
Короткая памятка для внедрения по мотивам кейса TUI
- Объедините данные в единой платформе, чтобы убрать разрозненность.
- Начните с индексирования метаданных — это быстро даёт эффект по обнаружению и качеству данных.
- Добавьте слой семантики и natural language интерфейс, чтобы расширить аудиторию пользователей.
- Измеряйте экономию времени и влияние на качество данных — это помогает обосновать дальнейшие инвестиции.
Авторские материалы и факты взяты из кейса Snowflake «TUI Takes its Data to Exciting New Destinations With Snowflake and Cortex AI» (страница клиентов Snowflake).
Кейс опубликован на сайте Snowflake: как крупнейшая в мире туристическая группа перевела аналитику в единую AI-платформу и ускорила доступ к данным для всей компании.
TUI Group, одна из крупнейших мировых компаний в сфере отдыха и туризма, перенесла свою аналитику в Snowflake — AI Data Cloud, запущенный на Amazon Web Services — и построила на его основе AI-инструменты для поиска и работы с данными, что упростило доступ к аналитике для сотен пользователей и отделов.
Почему TUI понадобилась единая платформа
TUI управляет большим портфелем: авиакомпании, отели, турагентства и круизные линии — у каждой части бизнеса свои источники данных и потребности. Разрозненность мешала быстро получать ответы на бизнес-вопросы и требовала от специалистов много ручной работы. Чтобы упростить это и масштабировать аналитику, команда TUI выбрала Snowflake.
Что именно внедрили
TUI построила два ключевых решения на базе Snowflake и инструментов Cortex AI:
- TACO (Technology Analytics Companion) — помощник для аналитики, который позволяет задавать вопросы к данным на естественном языке и получать ответы.
- Индексация метаданных с помощью Cortex Search — полный поиск и обнаружение данных по компании, включая семантическую модель.
Как быстро появились результаты
Команда TUI продемонстрировала прототип AI-решения очень быстро: создание семантической модели на основе имеющейся схемы данных заняло порядка часа. В ранних тестах более 500 сложных запросов были успешно обработаны в естественном языке, что подчеркнуло масштабируемость подхода.
Какие выгоды получили
Первые эффекты — ускорение поиска данных, повышение качества метаданных и сокращение «тёртого времени» специалистов. TUI оценивает, что автоматизация поиска и работы с данными может сэкономить командам десятки дней человеко-часов (в отдельных сценариях — месяцы). Кроме того, улучшение качества данных позволило уменьшить объёмы обработки и энергопотребление при аналитических вычислениях, что позитивно сказывается на устойчивости операций.
Почему это важно для других компаний
Ключевой урок — объединение данных в единую платформу с поддержкой семантики и поиска на естественном языке значительно расширяет круг пользователей, которые могут самостоятельно получать инсайты, — от аналитиков до непрофильных сотрудников. Такой подход ускоряет принятие решений и снижает нагрузку на централизованные команды данных.
Чего ждать дальше
TUI продолжает эксперименты с Cortex AI, планируя строить семантический каталог, раскрывающий, где хранятся таблицы, какие данные чувствительны и кто отвечает за доступ — то есть «веб» по данным компании, доступный всем уровням сотрудников. По мнению команды, это шаг к тому, чтобы аналитика стала интуитивной и доступной даже для тех, кто ранее с ней не работал.
Короткая памятка для внедрения по мотивам кейса TUI
- Объедините данные в единой платформе, чтобы убрать разрозненность.
- Начните с индексирования метаданных — это быстро даёт эффект по обнаружению и качеству данных.
- Добавьте слой семантики и natural language интерфейс, чтобы расширить аудиторию пользователей.
- Измеряйте экономию времени и влияние на качество данных — это помогает обосновать дальнейшие инвестиции.
Авторские материалы и факты взяты из кейса Snowflake «TUI Takes its Data to Exciting New Destinations With Snowflake and Cortex AI» (страница клиентов Snowflake).
Accenture приобрела NeuraFlash и усилила свои возможности в Salesforce и генеративном ИИ
Сделка, анонсированная 27 августа 2025 г., была закрыта 29 сентября 2025 г.; Accenture получила команду и технологии для расширения агентных (agentic) решений и выхода в сегмент среднего бизнеса.
Accenture объявила о приобретении компании NeuraFlash — консультанта по внедрению Salesforce и генеративного искусственного интеллекта — чтобы ускорить масштабирование агентных (agentic) AI‑решений для продаж, сервисных операций и полевого сервиса и усилить присутствие в сегменте среднего бизнеса.
Сделка пополнила подразделение Accenture Salesforce примерно 510 специалистами с более чем 2 000 сертификатов; у NeuraFlash на счету свыше 1 000 внедрений для более чем 400 клиентов по миру. Компания также приносит сильные компетенции в Amazon Web Services (AWS) в части персонализации клиентского опыта с помощью машинного и генеративного ИИ.
NeuraFlash базируется в Берлингтоне, штат Массачусетс; фирма была основана в 2016 году и специализируется на автоматизации сложных бизнес‑процессов, оптимизации агентных программ и управляемых сервисах для цифровых и голосовых каналов. Интеграция позволит клиентам быстрее развертывать и масштабировать «интеллектуальные» решения, сочетая отраслевые знания Accenture и экспертизу NeuraFlash в agentic‑функциях.
«Это приобретение существенно укрепит наши агентные возможности в области ИИ и позволит нам лучше обслуживать сегмент среднего бизнеса в соответствии со стратегией Salesforce», — заявила Стефани Садовски, старший управляющий директор и глобальный руководитель группы Accenture по Salesforce. Т. Бретт Чизолм, со‑генеральный директор NeuraFlash, отметил, что в составе Accenture компания сможет масштабировать решения и расширить глобальное влияние.
Accenture не раскрыла финансовые условия сделки; до официального закрытия в пресс‑релизе указывалось, что завершение зависит от стандартных условий, включая антимонопольные согласования — эти требования, по информации компании, были выполнены к моменту закрытия 29 сентября 2025 года.
О компании‑покупателе: Accenture — глобальная профессиональная сервисная компания с приблизительно 791 000 сотрудниками и представительства в более чем 120 странах; фирма соединяет облачные, данные и ИИ‑решения с отраслевыми компетенциями для ускорения цифровой трансформации клиентов.
Сделка, анонсированная 27 августа 2025 г., была закрыта 29 сентября 2025 г.; Accenture получила команду и технологии для расширения агентных (agentic) решений и выхода в сегмент среднего бизнеса.
Accenture объявила о приобретении компании NeuraFlash — консультанта по внедрению Salesforce и генеративного искусственного интеллекта — чтобы ускорить масштабирование агентных (agentic) AI‑решений для продаж, сервисных операций и полевого сервиса и усилить присутствие в сегменте среднего бизнеса.
Сделка пополнила подразделение Accenture Salesforce примерно 510 специалистами с более чем 2 000 сертификатов; у NeuraFlash на счету свыше 1 000 внедрений для более чем 400 клиентов по миру. Компания также приносит сильные компетенции в Amazon Web Services (AWS) в части персонализации клиентского опыта с помощью машинного и генеративного ИИ.
NeuraFlash базируется в Берлингтоне, штат Массачусетс; фирма была основана в 2016 году и специализируется на автоматизации сложных бизнес‑процессов, оптимизации агентных программ и управляемых сервисах для цифровых и голосовых каналов. Интеграция позволит клиентам быстрее развертывать и масштабировать «интеллектуальные» решения, сочетая отраслевые знания Accenture и экспертизу NeuraFlash в agentic‑функциях.
«Это приобретение существенно укрепит наши агентные возможности в области ИИ и позволит нам лучше обслуживать сегмент среднего бизнеса в соответствии со стратегией Salesforce», — заявила Стефани Садовски, старший управляющий директор и глобальный руководитель группы Accenture по Salesforce. Т. Бретт Чизолм, со‑генеральный директор NeuraFlash, отметил, что в составе Accenture компания сможет масштабировать решения и расширить глобальное влияние.
Accenture не раскрыла финансовые условия сделки; до официального закрытия в пресс‑релизе указывалось, что завершение зависит от стандартных условий, включая антимонопольные согласования — эти требования, по информации компании, были выполнены к моменту закрытия 29 сентября 2025 года.
О компании‑покупателе: Accenture — глобальная профессиональная сервисная компания с приблизительно 791 000 сотрудниками и представительства в более чем 120 странах; фирма соединяет облачные, данные и ИИ‑решения с отраслевыми компетенциями для ускорения цифровой трансформации клиентов.
«Инвестиции в ИИ и таланты как щит от нестабильности» — что показал KPMG 2025 Global CEO Outlook
Глобальное исследование руководителей от KPMG: лидеры повышают ставку на искусственный интеллект и удержание ключевых сотрудников.
В новом, 11‑м по счёту опросе KPMG руководители крупнейших компаний заявляют о сохраняющейся экономической неопределённости, но при этом демонстрируют уверенность в собственных перспективах и готовность вкладываться в ИИ и людей как в основные драйверы роста. Ключевые выводы исследования — рост инвестиций в ИИ, масштабное увеличение штата у большинства компаний и ускорение ожиданий возврата инвестиций от технологий.
Что показал опрос — ключевые цифры
Большинство CEO остаются оптимистичными в отношении своих организаций (79%), при этом 71% называют инвестиции в искусственный интеллект одной из главных приоритетных статей расходов. Почти все опрошенные планируют наращивать численность персонала, а значительная доля компаний уже выделяет на ИИ до 10–20% бюджета. Эти показатели отражают сдвиг от пассивного наблюдения к активному внедрению технологий и перестройке кадровой стратегии.
Экономический фон и стратегии выживания
Хотя уверенность в мировой экономике упала до минимальных за пять лет значений, руководители по‑прежнему прогнозируют рост выручки и увеличение штата в ближайшие три года. В ответ на структурные риски CEO фокусируются на трёх основных направлениях: инвестиции в людей, ИИ и сделки по слияниям и поглощениям.
ИИ: быстрее, шире, с оглядкой на риски
ИИ смещается из разряда эксперимента в ядро стратегии: 71% делают его приоритетом, а 67% ожидают возврата инвестиций в срок 1–3 года — гораздо быстрее, чем годом ранее. Руководители подчёркивают важность качественных данных, готовности персонала и ответственного управления ИИ: эти аспекты называются главными барьерами на пути к успешной интеграции. Под прозрачностью и открытой коммуникацией о влиянии ИИ на роли сотрудников видят ключ к масштабированию инноваций.
Таланты — ограничивающий фактор роста
Переобучение и удержание кадров выходят на первый план: 71% говорят о фокусе на сохранении и переподготовке высокопотенциальных сотрудников, 61% активно нанимают специалистов с навыками в области ИИ и технологий. Руководители отмечают риск дефицита AI‑талантов и необходимость трансформации программ обучения внутри компаний.
ESG и декарбонизация — реалии с прагматичным подходом
Руководители становятся увереннее в достижении климатических целей: 61% считают себя на пути к целям по нулевым выбросам к 2030 году. В то же время главные препятствия — декарбонизация цепочек поставок и нехватка специалистов по внедрению устойчивых решений. Интересно, что многие видят в ИИ инструмент для улучшения качества данных по устойчивости и оптимизации ресурсов.
Короткий вывод для практики
Лидерам стоит сочетать активные инвестиции в ИИ с программами подготовки и удержания персонала, одновременно выстраивая прозрачное управление рисками (этика ИИ, кибербезопасность, комплаенс). Те компании, которые сумеют комбинировать технологические вложения с человеческим капиталом и устойчивыми операциями, имеют лучшие шансы трансформировать неопределённость в конкурентное преимущество.
Глобальное исследование руководителей от KPMG: лидеры повышают ставку на искусственный интеллект и удержание ключевых сотрудников.
В новом, 11‑м по счёту опросе KPMG руководители крупнейших компаний заявляют о сохраняющейся экономической неопределённости, но при этом демонстрируют уверенность в собственных перспективах и готовность вкладываться в ИИ и людей как в основные драйверы роста. Ключевые выводы исследования — рост инвестиций в ИИ, масштабное увеличение штата у большинства компаний и ускорение ожиданий возврата инвестиций от технологий.
Что показал опрос — ключевые цифры
Большинство CEO остаются оптимистичными в отношении своих организаций (79%), при этом 71% называют инвестиции в искусственный интеллект одной из главных приоритетных статей расходов. Почти все опрошенные планируют наращивать численность персонала, а значительная доля компаний уже выделяет на ИИ до 10–20% бюджета. Эти показатели отражают сдвиг от пассивного наблюдения к активному внедрению технологий и перестройке кадровой стратегии.
Экономический фон и стратегии выживания
Хотя уверенность в мировой экономике упала до минимальных за пять лет значений, руководители по‑прежнему прогнозируют рост выручки и увеличение штата в ближайшие три года. В ответ на структурные риски CEO фокусируются на трёх основных направлениях: инвестиции в людей, ИИ и сделки по слияниям и поглощениям.
ИИ: быстрее, шире, с оглядкой на риски
ИИ смещается из разряда эксперимента в ядро стратегии: 71% делают его приоритетом, а 67% ожидают возврата инвестиций в срок 1–3 года — гораздо быстрее, чем годом ранее. Руководители подчёркивают важность качественных данных, готовности персонала и ответственного управления ИИ: эти аспекты называются главными барьерами на пути к успешной интеграции. Под прозрачностью и открытой коммуникацией о влиянии ИИ на роли сотрудников видят ключ к масштабированию инноваций.
Таланты — ограничивающий фактор роста
Переобучение и удержание кадров выходят на первый план: 71% говорят о фокусе на сохранении и переподготовке высокопотенциальных сотрудников, 61% активно нанимают специалистов с навыками в области ИИ и технологий. Руководители отмечают риск дефицита AI‑талантов и необходимость трансформации программ обучения внутри компаний.
ESG и декарбонизация — реалии с прагматичным подходом
Руководители становятся увереннее в достижении климатических целей: 61% считают себя на пути к целям по нулевым выбросам к 2030 году. В то же время главные препятствия — декарбонизация цепочек поставок и нехватка специалистов по внедрению устойчивых решений. Интересно, что многие видят в ИИ инструмент для улучшения качества данных по устойчивости и оптимизации ресурсов.
Короткий вывод для практики
Лидерам стоит сочетать активные инвестиции в ИИ с программами подготовки и удержания персонала, одновременно выстраивая прозрачное управление рисками (этика ИИ, кибербезопасность, комплаенс). Те компании, которые сумеют комбинировать технологические вложения с человеческим капиталом и устойчивыми операциями, имеют лучшие шансы трансформировать неопределённость в конкурентное преимущество.
Почему HR отстают и что с этим делать — ключевые выводы отчёта McKinsey «HR Monitor 2025»
Новый отчёт McKinsey (3 июля 2025) выявил пять системных проблем в HR — от слабого стратегического планирования кадров до медленного внедрения генеративного ИИ.
Отчёт McKinsey «HR Monitor 2025», опубликованный 3 июля 2025 года, обобщает результаты большого опроса и даёт срез состояния HR в Европе и США: авторы — Юлиан Кирхерр и Винсент Берюбе с командой People & Organizational Performance Practice — выделяют пять ключевых трендов, которые мешают HR стать стратегическим партнёром бизнеса. Среди заметных фактов — примерно 36% сотрудников недовольны своим работодателем и лишь небольшая доля HR на полном масштабе использует генеративный ИИ.
Почему отчёт важен
McKinsey собрала данные, позволяющие сравнить практики HR по широкому набору показателей — от планирования рабочей силы до эффективности найма, развития сотрудников и степени цифровизации HR‑процессов. Отчёт служит бенчмарком для руководителей HR, которым нужно закрывать разрыв между ожиданиями бизнеса, потребностями сотрудников и текущими возможностями функции HR.
Пять ключевых проблем
1. Стратегическое планирование рабочей силы остаётся слабо развитым: хотя 73% организаций проводят оперативное планирование, мало кто связывает его с долгосрочными потребностями в компетенциях; в США лишь около 12% HR строят планирование с горизонтом не меньше трёх лет.
2. Привлечение талантов усложнилось: уровень принятия офферов — ~56% в изученных странах; 18% новых сотрудников уходят в испытательный срок; общая успешность найма в Европе — ~46%.
3. Развитие сотрудников фрагментировано: почти треть критических ролей не имеют планов преемственности, значительная доля сотрудников не получает годовой обратной связи, а объёмы обучения минимальны.
4. Опыт сотрудников (employee experience) недоработан: хотя текучесть по явным планам ухода невысока, десатисфакция растёт — риск «тихого увольнения» высок; для многих важнее безопасность работы, баланс и коллегиальные отношения, а не только компенсация.
5. Технологии — недоиспользуемый ресурс: только 19% ключевых HR‑процессов в Европе усилены генеративным ИИ, а центры общих услуг (SSC) распространены лишь у 18% крупных организаций; при этом 13% компаний планируют сокращать HR‑штат.
Что HR должны сделать прямо сейчас
- Перестроить планирование рабочей силы: перейти от оперативных прогнозов к сценариным моделям и связать планы с будущими навыками.
- Скоординировать найм, L&D и управление эффективностью: объединить развитие, оценку и преемственность в единую стратегию.
- Сфокусироваться на опыте сотрудников через данные: измерять то, что действительно мотивирует сотрудников, и персонализировать вмешательства.
- Акселерация цифровизации: масштабировать SSC, автоматизацию и применение генеративного ИИ в ключевых процессах HR, чтобы повысить скорость и стратегический вклад функции.
Что это значит для бизнеса
HR, не выравнивающий свои практики под стратегические потребности, рискует стать узким местом при трансформации и адаптации к новым условиям рынка труда и технологий. Инвестиции в зрелые процессы планирования, непрерывное развитие навыков и целевое применение ИИ — прямой путь к повышению устойчивости организации.
Короткая памятка для HR‑руководителя
- Проверьте: есть ли у вас план по навыкам на 3+ года.
- Измерьте: долю ключевых процессов, усиленных ИИ; цель — быстрый рост с пилотов к масштабам.
- Интегрируйте: объедините L&D, управление эффективностью и преемственность.
- Климат сотрудников: регулярно опрашивайте и действуйте по результатам — безопасность и баланс важнее всё чаще.
Отчёт McKinsey «HR Monitor 2025» — оперативный чек‑лист и призыв к действию: HR‑команды, которые соединят стратегию, технологии и опыт сотрудников, будут создателями конкурентного преимущества при быстром изменении рынка труда.
Новый отчёт McKinsey (3 июля 2025) выявил пять системных проблем в HR — от слабого стратегического планирования кадров до медленного внедрения генеративного ИИ.
Отчёт McKinsey «HR Monitor 2025», опубликованный 3 июля 2025 года, обобщает результаты большого опроса и даёт срез состояния HR в Европе и США: авторы — Юлиан Кирхерр и Винсент Берюбе с командой People & Organizational Performance Practice — выделяют пять ключевых трендов, которые мешают HR стать стратегическим партнёром бизнеса. Среди заметных фактов — примерно 36% сотрудников недовольны своим работодателем и лишь небольшая доля HR на полном масштабе использует генеративный ИИ.
Почему отчёт важен
McKinsey собрала данные, позволяющие сравнить практики HR по широкому набору показателей — от планирования рабочей силы до эффективности найма, развития сотрудников и степени цифровизации HR‑процессов. Отчёт служит бенчмарком для руководителей HR, которым нужно закрывать разрыв между ожиданиями бизнеса, потребностями сотрудников и текущими возможностями функции HR.
Пять ключевых проблем
1. Стратегическое планирование рабочей силы остаётся слабо развитым: хотя 73% организаций проводят оперативное планирование, мало кто связывает его с долгосрочными потребностями в компетенциях; в США лишь около 12% HR строят планирование с горизонтом не меньше трёх лет.
2. Привлечение талантов усложнилось: уровень принятия офферов — ~56% в изученных странах; 18% новых сотрудников уходят в испытательный срок; общая успешность найма в Европе — ~46%.
3. Развитие сотрудников фрагментировано: почти треть критических ролей не имеют планов преемственности, значительная доля сотрудников не получает годовой обратной связи, а объёмы обучения минимальны.
4. Опыт сотрудников (employee experience) недоработан: хотя текучесть по явным планам ухода невысока, десатисфакция растёт — риск «тихого увольнения» высок; для многих важнее безопасность работы, баланс и коллегиальные отношения, а не только компенсация.
5. Технологии — недоиспользуемый ресурс: только 19% ключевых HR‑процессов в Европе усилены генеративным ИИ, а центры общих услуг (SSC) распространены лишь у 18% крупных организаций; при этом 13% компаний планируют сокращать HR‑штат.
Что HR должны сделать прямо сейчас
- Перестроить планирование рабочей силы: перейти от оперативных прогнозов к сценариным моделям и связать планы с будущими навыками.
- Скоординировать найм, L&D и управление эффективностью: объединить развитие, оценку и преемственность в единую стратегию.
- Сфокусироваться на опыте сотрудников через данные: измерять то, что действительно мотивирует сотрудников, и персонализировать вмешательства.
- Акселерация цифровизации: масштабировать SSC, автоматизацию и применение генеративного ИИ в ключевых процессах HR, чтобы повысить скорость и стратегический вклад функции.
Что это значит для бизнеса
HR, не выравнивающий свои практики под стратегические потребности, рискует стать узким местом при трансформации и адаптации к новым условиям рынка труда и технологий. Инвестиции в зрелые процессы планирования, непрерывное развитие навыков и целевое применение ИИ — прямой путь к повышению устойчивости организации.
Короткая памятка для HR‑руководителя
- Проверьте: есть ли у вас план по навыкам на 3+ года.
- Измерьте: долю ключевых процессов, усиленных ИИ; цель — быстрый рост с пилотов к масштабам.
- Интегрируйте: объедините L&D, управление эффективностью и преемственность.
- Климат сотрудников: регулярно опрашивайте и действуйте по результатам — безопасность и баланс важнее всё чаще.
Отчёт McKinsey «HR Monitor 2025» — оперативный чек‑лист и призыв к действию: HR‑команды, которые соединят стратегию, технологии и опыт сотрудников, будут создателями конкурентного преимущества при быстром изменении рынка труда.
Как частный капитал превращает генеративный ИИ в источник прибыли — уроки из отчёта Bain
Лидеры private equity активно внедряют сгенеративный ИИ в портфель — от пилотов до коммерческих кейсов, а те, кто выигрывает, масштабируют практики и центры экспертизы.
В обзоре Bain & Company, опубликованном 3 марта 2025 года как часть глобального отчёта по private equity, авторы фиксируют, что индустрия уже находится во «втором году спринта» по внедрению сгенеративного ИИ и анализируют, какие подходы дают реальные финансовые эффекты.
Почему это важно для рынка private equity
Согласно опросу инвесторов с совокупными активами под управлением $3,2 трлн (сентябрь 2024), большинство портфельных компаний тестируют сгенеративный ИИ, а около 20% заявляют о внедрённых кейсах с измеримой отдачей. Это означает, что технология быстро переходит из стадии эксперимента в практическую ценность для сделок и операций.
Какие модели работы оказываются эффективными
Бэнчмарк‑компании действуют по одной схеме: системная оценка возможностей и рисков по каждой компании, быстрые пилоты с фокусом на ключевые приоритеты бизнеса, централизованное наращивание навыков (AI‑талант, говернанс, консультанты) и обмен практиками между портфельными предприятиями. Важный элемент — управление сопротивлением персонала и привязка ИИ‑инициатив к конкретной экономической выгоде.
Примеры из практики: Vista и Hg
Vista Equity Partners, специалист по софтверным активам, добилась результата, требуя от компаний целей и прогнозируемой выгоды от ИИ‑проектов, проводя хакатоны и масштабируя успешные решения; ряд проектов, начатых менее двух лет назад, уже стали коммерческими продуктами. Vista также отмечает значительный рост производительности разработчиков при использовании инструментов генеративного кода (до ~30% для продвинутых пользователей). Примеры включают Avalara, где ИИ‑инструмент ускорил реакцию торговых представителей, и LogicMonitor, использующую ИИ‑подходы для мониторинга и предсказания сбоев.
Hg применяет ИИ для «рефакторинга» устаревшего кода и создания слоёв интеллекта поверх существующего ПО, что меняет пользовательский опыт и повышает ценность продуктов сразу в нескольких портфельных компаниях.
Как внедрять сгенеративный ИИ в портфеле — практическая дорожная карта
- Оцените потенциал и риски для каждой компании: где ИИ решает стратегические приоритеты, а где — лишь автоматизирует рутинные задачи.
- Начинайте с малого, измеряйте KPI и только затем масштабируйте успешные решения.
- Инвестируйте в кадры и говернанс: централизованные команды экспертов и ясно прописанные политики ускоряют распространение лучших практик.
- Поощряйте «внутрипортфельное» сотрудничество: решения, которые работают в одном активе, часто применимы и в других.
Вывод
Генеративный ИИ перестал быть только предметом экспериментов: там, где private equity системно инвестирует в навыки, говернанс и фокус на стратегические приоритеты портфеля, уже возникают измеримые источники дополнительной стоимости. Время тестов уходит — выигрывают те, кто умеет быстро переводить пилоты в масштабируемые продукты и бизнес‑процессы.
Лидеры private equity активно внедряют сгенеративный ИИ в портфель — от пилотов до коммерческих кейсов, а те, кто выигрывает, масштабируют практики и центры экспертизы.
В обзоре Bain & Company, опубликованном 3 марта 2025 года как часть глобального отчёта по private equity, авторы фиксируют, что индустрия уже находится во «втором году спринта» по внедрению сгенеративного ИИ и анализируют, какие подходы дают реальные финансовые эффекты.
Почему это важно для рынка private equity
Согласно опросу инвесторов с совокупными активами под управлением $3,2 трлн (сентябрь 2024), большинство портфельных компаний тестируют сгенеративный ИИ, а около 20% заявляют о внедрённых кейсах с измеримой отдачей. Это означает, что технология быстро переходит из стадии эксперимента в практическую ценность для сделок и операций.
Какие модели работы оказываются эффективными
Бэнчмарк‑компании действуют по одной схеме: системная оценка возможностей и рисков по каждой компании, быстрые пилоты с фокусом на ключевые приоритеты бизнеса, централизованное наращивание навыков (AI‑талант, говернанс, консультанты) и обмен практиками между портфельными предприятиями. Важный элемент — управление сопротивлением персонала и привязка ИИ‑инициатив к конкретной экономической выгоде.
Примеры из практики: Vista и Hg
Vista Equity Partners, специалист по софтверным активам, добилась результата, требуя от компаний целей и прогнозируемой выгоды от ИИ‑проектов, проводя хакатоны и масштабируя успешные решения; ряд проектов, начатых менее двух лет назад, уже стали коммерческими продуктами. Vista также отмечает значительный рост производительности разработчиков при использовании инструментов генеративного кода (до ~30% для продвинутых пользователей). Примеры включают Avalara, где ИИ‑инструмент ускорил реакцию торговых представителей, и LogicMonitor, использующую ИИ‑подходы для мониторинга и предсказания сбоев.
Hg применяет ИИ для «рефакторинга» устаревшего кода и создания слоёв интеллекта поверх существующего ПО, что меняет пользовательский опыт и повышает ценность продуктов сразу в нескольких портфельных компаниях.
Как внедрять сгенеративный ИИ в портфеле — практическая дорожная карта
- Оцените потенциал и риски для каждой компании: где ИИ решает стратегические приоритеты, а где — лишь автоматизирует рутинные задачи.
- Начинайте с малого, измеряйте KPI и только затем масштабируйте успешные решения.
- Инвестируйте в кадры и говернанс: централизованные команды экспертов и ясно прописанные политики ускоряют распространение лучших практик.
- Поощряйте «внутрипортфельное» сотрудничество: решения, которые работают в одном активе, часто применимы и в других.
Вывод
Генеративный ИИ перестал быть только предметом экспериментов: там, где private equity системно инвестирует в навыки, говернанс и фокус на стратегические приоритеты портфеля, уже возникают измеримые источники дополнительной стоимости. Время тестов уходит — выигрывают те, кто умеет быстро переводить пилоты в масштабируемые продукты и бизнес‑процессы.
Как компании переводят генеративный ИИ в реальную пользу: 34 примера из экосистемы Google Cloud
Подборка реальных кейсов партнёров и заказчиков Google Cloud, показанная в корпоративном блоге, — от борьбы с мошенничеством до автоматизации поддержки.
В публикации Google Cloud от 10 апреля 2025 года вице‑президент по работе с ISV Стивен Орбан собрал 34 реальные примера того, как клиенты и партнёры применяют генеративный ИИ в продуктах и бизнес‑процессах — от ускорения аудиторских проверок до масштабных чат‑агентов и персонализации e‑commerce.
Почему это важно сейчас
Тот масштаб внедрения, который демонстрируют компании в подборке, показывает, что генеративный ИИ перешёл из прототипов в промышленные решения: организации оптимизируют операционную эффективность, повышают скорость решения задач и создают новые клиентские сценарии. Это не только эксперимент — это изменение рабочих процессов и продуктов.
Яркие примеры из подборки
В посте приведены разнообразные кейсы: AES использует агенты на базе Vertex AI и моделей Claude для перестройки аудиторских процессов; Airwallex применяет стеки Google Cloud для обнаружения и предотвращения мошенничества в реальном времени; L’Oréal внедряет декларативные API для масштабного доступа к ген‑ИИ; Quora и Wayfair строят пользовательские чат‑опыты и персонализацию на базе Gemini и Vertex AI. Эти примеры иллюстрируют спектр задач — от безопасности до клиентского опыта.
Какие технологии чаще всего задействуют
В подборке чаще всего упоминают Vertex AI, модельный слой Gemini, BigQuery для аналитики и Google Kubernetes Engine для развёртывания масштабируемых агентных решений; также встречаются интеграции с внешними партнёрскими моделями (например, Claude от Anthropic). Такой стек позволяет сочетать большие модели, данные компании и операционную надёжность облака.
Что это даёт бизнесу и как начать
Из кейсов видно два практических вывода: 1) начинать с узкой бизнес‑задачи и готовых интеграций (агенты, чат‑интерфейсы, детекция мошенничества), 2) комбинировать мощную аналитику данных с возможностями LLM‑слоя для безопасного масштабирования. Подборка Google Cloud также служит справочником партнёров и архитектурных подходов для тех, кто планирует пилот или масштабирование.
Подборка реальных кейсов партнёров и заказчиков Google Cloud, показанная в корпоративном блоге, — от борьбы с мошенничеством до автоматизации поддержки.
В публикации Google Cloud от 10 апреля 2025 года вице‑президент по работе с ISV Стивен Орбан собрал 34 реальные примера того, как клиенты и партнёры применяют генеративный ИИ в продуктах и бизнес‑процессах — от ускорения аудиторских проверок до масштабных чат‑агентов и персонализации e‑commerce.
Почему это важно сейчас
Тот масштаб внедрения, который демонстрируют компании в подборке, показывает, что генеративный ИИ перешёл из прототипов в промышленные решения: организации оптимизируют операционную эффективность, повышают скорость решения задач и создают новые клиентские сценарии. Это не только эксперимент — это изменение рабочих процессов и продуктов.
Яркие примеры из подборки
В посте приведены разнообразные кейсы: AES использует агенты на базе Vertex AI и моделей Claude для перестройки аудиторских процессов; Airwallex применяет стеки Google Cloud для обнаружения и предотвращения мошенничества в реальном времени; L’Oréal внедряет декларативные API для масштабного доступа к ген‑ИИ; Quora и Wayfair строят пользовательские чат‑опыты и персонализацию на базе Gemini и Vertex AI. Эти примеры иллюстрируют спектр задач — от безопасности до клиентского опыта.
Какие технологии чаще всего задействуют
В подборке чаще всего упоминают Vertex AI, модельный слой Gemini, BigQuery для аналитики и Google Kubernetes Engine для развёртывания масштабируемых агентных решений; также встречаются интеграции с внешними партнёрскими моделями (например, Claude от Anthropic). Такой стек позволяет сочетать большие модели, данные компании и операционную надёжность облака.
Что это даёт бизнесу и как начать
Из кейсов видно два практических вывода: 1) начинать с узкой бизнес‑задачи и готовых интеграций (агенты, чат‑интерфейсы, детекция мошенничества), 2) комбинировать мощную аналитику данных с возможностями LLM‑слоя для безопасного масштабирования. Подборка Google Cloud также служит справочником партнёров и архитектурных подходов для тех, кто планирует пилот или масштабирование.
Как страховая компания перевела данные с мейнфрейма в облако и превратила цифры в бизнес‑ценность
Кейс Deloitte: многоступенчатая облачная платформа помогла финансам быстро получать и анализировать данные
Компания заказчика столкнулась с тем, что критичная финансовая информация «сидела» в устаревших мейнфреймах: данные было трудно извлечь, почти невозможно проанализировать, и это мешало принимать управленческие решения. На основе кейса, опубликованного на сайте Deloitte, был разработан стратегический много‑летний план по строительству облачной платформы данных, которая дала финансам возможность получать, управлять и анализировать информацию быстрее и удобнее.
В чем была главная проблема
Насколько важна оперативность данных: отдел финансов не мог своевременно получить ключевые показатели из наследуемых систем, отчёты строились с задержками, а решения нередко принимались «на основе предположений». Источником трудностей были как технологические ограничения мейнфрейма, так и процесса доступа к данным.
Как формировали решение
Проект начался с разбора корневых причин: улучшить процессы, навести порядок в данных и перенести их в облачную среду. Deloitte помог сформулировать бизнес‑кейсы для отдельных инициатив и составил дорожную карту реализации — поэтапный план внедрения платформы, рассчитанный на несколько лет. В команду вошли специалисты по финансам, аналитике, актуарной науке и технологиям.
Что сделали технически
Решение предполагало централизовать данные в облаке, выстроить процессы их управления и обеспечить инструменты для аналитики и отчетности. Пакет мер включал реинжиниринг процессов доступа, стандартизацию источников и развёртывание платформенных компонентов, которые поддерживают извлечение, подготовку и визуализацию данных для финансовых пользователей.
Какие получили результаты
После реализации дорожной карты у финансового блока появились полноценный доступ к данным, возможности для углублённого анализа и готовая база для внедрения продвинутых решений — например, машинного обучения и монетизации данных. Компания стала более «data‑driven»: решения стали опираться на факты, а не на догадки.
Выводы для других компаний
Если бизнес испытывает дефицит оперативной информации из наследуемых систем, правильная стратегия — не пытаться «латать» старые процессы, а построить поэтапную платформу данных в облаке: начать с диагноза проблем, сформировать бизнес‑кейсы и дорожную карту, затем привлечь к реализации междисциплинарную команду. Такой подход позволяет постепенно снижать риски и одновременно быстро получать первые управленческие выигрыши.
Кейс Deloitte: многоступенчатая облачная платформа помогла финансам быстро получать и анализировать данные
Компания заказчика столкнулась с тем, что критичная финансовая информация «сидела» в устаревших мейнфреймах: данные было трудно извлечь, почти невозможно проанализировать, и это мешало принимать управленческие решения. На основе кейса, опубликованного на сайте Deloitte, был разработан стратегический много‑летний план по строительству облачной платформы данных, которая дала финансам возможность получать, управлять и анализировать информацию быстрее и удобнее.
В чем была главная проблема
Насколько важна оперативность данных: отдел финансов не мог своевременно получить ключевые показатели из наследуемых систем, отчёты строились с задержками, а решения нередко принимались «на основе предположений». Источником трудностей были как технологические ограничения мейнфрейма, так и процесса доступа к данным.
Как формировали решение
Проект начался с разбора корневых причин: улучшить процессы, навести порядок в данных и перенести их в облачную среду. Deloitte помог сформулировать бизнес‑кейсы для отдельных инициатив и составил дорожную карту реализации — поэтапный план внедрения платформы, рассчитанный на несколько лет. В команду вошли специалисты по финансам, аналитике, актуарной науке и технологиям.
Что сделали технически
Решение предполагало централизовать данные в облаке, выстроить процессы их управления и обеспечить инструменты для аналитики и отчетности. Пакет мер включал реинжиниринг процессов доступа, стандартизацию источников и развёртывание платформенных компонентов, которые поддерживают извлечение, подготовку и визуализацию данных для финансовых пользователей.
Какие получили результаты
После реализации дорожной карты у финансового блока появились полноценный доступ к данным, возможности для углублённого анализа и готовая база для внедрения продвинутых решений — например, машинного обучения и монетизации данных. Компания стала более «data‑driven»: решения стали опираться на факты, а не на догадки.
Выводы для других компаний
Если бизнес испытывает дефицит оперативной информации из наследуемых систем, правильная стратегия — не пытаться «латать» старые процессы, а построить поэтапную платформу данных в облаке: начать с диагноза проблем, сформировать бизнес‑кейсы и дорожную карту, затем привлечь к реализации междисциплинарную команду. Такой подход позволяет постепенно снижать риски и одновременно быстро получать первые управленческие выигрыши.
Microsoft представила автономных агентов и другие крупные обновления Copilot Studio в марте 2025 года
В марте Microsoft сделала общедоступными автономных агентов и ряд новых инструментов в Copilot Studio — от «глубокого рассуждения» до интеграции Model Context Protocol.
В блоге Microsoft Copilot, в публикации от 31 марта 2025 года, команда описала основную порцию нововведений в Copilot Studio, предназначенных для ускорения автоматизации бизнес‑процессов и упрощения интеграции внешних данных и сервисов.
Ключевое изменение: автономные агенты стали generally available — теперь агентам можно задавать триггеры и инструкции на естественном языке, чтобы они автоматически отслеживали события и выполняли набор действий без постоянного вмешательства человека. Это позволяет компаниям автоматизировать реагирование на критические события — от пополнения запасов до оповещения команд продаж.
Microsoft также выпустила превью функции «глубокое рассуждение» (deep reasoning) для агентов, анонсированное 25 марта. Эта возможность позволяет агентам использовать продвинутые модели рассуждения вместе с корпоративными данными для анализа сложных задач — например, оценки продажных возможностей или подготовки тендерных ответов.
Параллельно стали доступны «agent flows» — структурированные, правил‑ориентированные рабочие процессы, которые выполняют предсказуемые последовательности действий. Agent flows, общедоступные с 31 марта, подходят для задач, где важна воспроизводимость и соответствие правилам, и могут работать отдельно или как часть более крупных агентов.
Функция generative orchestration (тоже в GA для английской локали) позволяет агентам генерировать контекстные ответы и динамически формировать вопросы или уточнения, вместо того чтобы опираться на заранее прописанные сценарии, что сокращает число эскалаций и повышает качество взаимодействия с пользователями.
Для разработчиков открыли публичное превью Model Context Protocol (MCP) — способ упростить подключение серверов знаний и внешних инструментов к агентам. MCP‑коннекторы автоматически импортируют действия и описания из серверов, что уменьшает ручную синхронизацию и ускоряет масштабирование интеграций.
В Copilot Studio появился новый раздел «Tools», где на уровне приложения можно создавать и назначать переиспользуемые элементы: в первую очередь — Prompts (подготовленные подсказки для моделей). Промпты можно тестировать в интерфейсе, сохранять и назначать нескольким агентам, что повышает согласованность и ускоряет разработку.
Ещё одно важное новшество — интеграция открытого веб‑поиска (Open web search) в превью: агенты получили возможность при необходимости доставать актуальную публичную информацию из интернета, расширяя ответы вне рамок заранее настроенных источников знаний.
Администраторам стал доступен каталог агентов, созданных и сертифицированных Microsoft — их можно просматривать и устанавливать прямо из Copilot Studio, а затем адаптировать под свои процессы. Кроме того, Microsoft предложила частный превью для тестирования GPT‑4.5 внутри Copilot Studio.
Что это значит для бизнеса: компании получают более гибкий набор инструментов для автоматизации рутинных и сложных задач с сохранением контроля и прозрачности (логи действий агентов, возможность комбинировать «потоки» и «рассуждающие» агенты). Разработчики — более простые пути интеграции внешних API и знаний благодаря MCP и каталогу готовых агентов.
Автор обзора — Омар Афтаб, вице‑президент по conversational AI в Microsoft. Подробности и руководства по началу работы с каждой функцией опубликованы в исходной заметке Microsoft Copilot Blog.
В марте Microsoft сделала общедоступными автономных агентов и ряд новых инструментов в Copilot Studio — от «глубокого рассуждения» до интеграции Model Context Protocol.
В блоге Microsoft Copilot, в публикации от 31 марта 2025 года, команда описала основную порцию нововведений в Copilot Studio, предназначенных для ускорения автоматизации бизнес‑процессов и упрощения интеграции внешних данных и сервисов.
Ключевое изменение: автономные агенты стали generally available — теперь агентам можно задавать триггеры и инструкции на естественном языке, чтобы они автоматически отслеживали события и выполняли набор действий без постоянного вмешательства человека. Это позволяет компаниям автоматизировать реагирование на критические события — от пополнения запасов до оповещения команд продаж.
Microsoft также выпустила превью функции «глубокое рассуждение» (deep reasoning) для агентов, анонсированное 25 марта. Эта возможность позволяет агентам использовать продвинутые модели рассуждения вместе с корпоративными данными для анализа сложных задач — например, оценки продажных возможностей или подготовки тендерных ответов.
Параллельно стали доступны «agent flows» — структурированные, правил‑ориентированные рабочие процессы, которые выполняют предсказуемые последовательности действий. Agent flows, общедоступные с 31 марта, подходят для задач, где важна воспроизводимость и соответствие правилам, и могут работать отдельно или как часть более крупных агентов.
Функция generative orchestration (тоже в GA для английской локали) позволяет агентам генерировать контекстные ответы и динамически формировать вопросы или уточнения, вместо того чтобы опираться на заранее прописанные сценарии, что сокращает число эскалаций и повышает качество взаимодействия с пользователями.
Для разработчиков открыли публичное превью Model Context Protocol (MCP) — способ упростить подключение серверов знаний и внешних инструментов к агентам. MCP‑коннекторы автоматически импортируют действия и описания из серверов, что уменьшает ручную синхронизацию и ускоряет масштабирование интеграций.
В Copilot Studio появился новый раздел «Tools», где на уровне приложения можно создавать и назначать переиспользуемые элементы: в первую очередь — Prompts (подготовленные подсказки для моделей). Промпты можно тестировать в интерфейсе, сохранять и назначать нескольким агентам, что повышает согласованность и ускоряет разработку.
Ещё одно важное новшество — интеграция открытого веб‑поиска (Open web search) в превью: агенты получили возможность при необходимости доставать актуальную публичную информацию из интернета, расширяя ответы вне рамок заранее настроенных источников знаний.
Администраторам стал доступен каталог агентов, созданных и сертифицированных Microsoft — их можно просматривать и устанавливать прямо из Copilot Studio, а затем адаптировать под свои процессы. Кроме того, Microsoft предложила частный превью для тестирования GPT‑4.5 внутри Copilot Studio.
Что это значит для бизнеса: компании получают более гибкий набор инструментов для автоматизации рутинных и сложных задач с сохранением контроля и прозрачности (логи действий агентов, возможность комбинировать «потоки» и «рассуждающие» агенты). Разработчики — более простые пути интеграции внешних API и знаний благодаря MCP и каталогу готовых агентов.
Автор обзора — Омар Афтаб, вице‑президент по conversational AI в Microsoft. Подробности и руководства по началу работы с каждой функцией опубликованы в исходной заметке Microsoft Copilot Blog.
В 2024 году PE в Азиатско‑Тихоокеанском регионе вернулся к росту — $138 млрд сделок и сдвиг в стратегиях: разбор альманаха Deloitte
Альманах Deloitte за 2025 год фиксирует восстановление рынка private equity в АТР, изменение географии сделок и рост роли частного кредита.
Аналитический обзор Deloitte, опубликованный 27 марта 2025 года, подводит итоги 2024 года и выделяет ключевые тренды для рынка private equity (частного капитала, PE) в Азиатско‑Тихоокеанском регионе — от роста объёма buyout‑сделок до изменения предпочтений инвесторов и усиления частного кредита.
Что показали цифры
В 2024 году объём PE‑buyout‑инвестиций в регионе достиг приблизительно US$138 млрд — это на 8,1% больше, чем в 2023‑м, и второй лучший год по объёму сделок за последнее десятилетие. При этом крупные сделки (примерно 2% по счёту сделок) дали значительную долю стоимости рынка — около 42% в 2024 году.
Главные рыночные темы
Deloitte выделяет несколько драйверов дальнейшей активности: сближение оценок активов и ожидание снижения процентных ставок, рост интереса к крупным сделкам и bolt‑on‑поглощениям, а также географическая перераспределённость портфелей и усиление выхода компаний‑портфелей на региональные рынки. Экзиты в сторону стратегических покупателей (trade sales) увеличились, в то время как давление на выходы ради привлечения капитала ослабло.
Фокус на структуре фондов и «зомби‑фондах»
Авторы предсказывают консолидацию пейзажа фондов — меньше, но крупнее; одновременно часть мелких и средних фондов может перейти в состояние «заморозки» (так называемые «zombie funds»), когда менеджеры не могут или не хотят собирать новый фонд и потому удерживают активы дольше. Это меняет динамику выхода и стимулирует операционную трансформацию внутри портфелей.
Юго‑Восточная Азия: где концентрируются сделки
Для Юго‑Восточной Азии Deloitte отмечает устойчивый рост: регион ожидает ВВП около 4,7% в 2024 году; ключевые сектора — потребительский рынок, TMT (технологии, медиа, телеком) и здравоохранение. Сингапур остаётся центром активности — на него приходится около 48% числа сделок и 56% их стоимости в регионе; за ним идёт Индонезия с 17% и 24% соответственно. Кроме того, в 2024 году объём выходов вырос на 50% по сравнению с 2023‑м, хотя число сделок сократилось. Наметилось также ускорение развития сегмента private credit — примером служит учреждение Temasek S$10 млрд кредитного подразделения в декабре 2024 года.
Короткие практические выводы для участников рынка
- Инвесторам и управляющим фондам стоит усиливать операционную экспертизу в портфелях (operation‑oriented buyouts), чтобы повышать привлекательность активов при выходе.
- Ожидается, что крупные стратегические игроки продолжат доминировать в объёме рынка; фондам среднего размера полезно искать нишевые bolt‑on‑возможности.
- Учитывая рост private credit, фонды и компании‑портфели могут получить альтернативные источники финансирования помимо банковских заимствований.
Альманах Deloitte за 2025 год фиксирует восстановление рынка private equity в АТР, изменение географии сделок и рост роли частного кредита.
Аналитический обзор Deloitte, опубликованный 27 марта 2025 года, подводит итоги 2024 года и выделяет ключевые тренды для рынка private equity (частного капитала, PE) в Азиатско‑Тихоокеанском регионе — от роста объёма buyout‑сделок до изменения предпочтений инвесторов и усиления частного кредита.
Что показали цифры
В 2024 году объём PE‑buyout‑инвестиций в регионе достиг приблизительно US$138 млрд — это на 8,1% больше, чем в 2023‑м, и второй лучший год по объёму сделок за последнее десятилетие. При этом крупные сделки (примерно 2% по счёту сделок) дали значительную долю стоимости рынка — около 42% в 2024 году.
Главные рыночные темы
Deloitte выделяет несколько драйверов дальнейшей активности: сближение оценок активов и ожидание снижения процентных ставок, рост интереса к крупным сделкам и bolt‑on‑поглощениям, а также географическая перераспределённость портфелей и усиление выхода компаний‑портфелей на региональные рынки. Экзиты в сторону стратегических покупателей (trade sales) увеличились, в то время как давление на выходы ради привлечения капитала ослабло.
Фокус на структуре фондов и «зомби‑фондах»
Авторы предсказывают консолидацию пейзажа фондов — меньше, но крупнее; одновременно часть мелких и средних фондов может перейти в состояние «заморозки» (так называемые «zombie funds»), когда менеджеры не могут или не хотят собирать новый фонд и потому удерживают активы дольше. Это меняет динамику выхода и стимулирует операционную трансформацию внутри портфелей.
Юго‑Восточная Азия: где концентрируются сделки
Для Юго‑Восточной Азии Deloitte отмечает устойчивый рост: регион ожидает ВВП около 4,7% в 2024 году; ключевые сектора — потребительский рынок, TMT (технологии, медиа, телеком) и здравоохранение. Сингапур остаётся центром активности — на него приходится около 48% числа сделок и 56% их стоимости в регионе; за ним идёт Индонезия с 17% и 24% соответственно. Кроме того, в 2024 году объём выходов вырос на 50% по сравнению с 2023‑м, хотя число сделок сократилось. Наметилось также ускорение развития сегмента private credit — примером служит учреждение Temasek S$10 млрд кредитного подразделения в декабре 2024 года.
Короткие практические выводы для участников рынка
- Инвесторам и управляющим фондам стоит усиливать операционную экспертизу в портфелях (operation‑oriented buyouts), чтобы повышать привлекательность активов при выходе.
- Ожидается, что крупные стратегические игроки продолжат доминировать в объёме рынка; фондам среднего размера полезно искать нишевые bolt‑on‑возможности.
- Учитывая рост private credit, фонды и компании‑портфели могут получить альтернативные источники финансирования помимо банковских заимствований.