Я большой любитель коллекционировать истории о том, как на самом деле происходит AI-адопшен. Недавно я разбирал гайд от OpenAI. Там говорилось, что успех зависит не от моделей, а от способности организации учиться, повторять, адаптироваться и интегрировать AI во все процессы. Все по классике: делайте много экспериментов с дешёвыми ошибками и масштабируйте то, что работает. Это bottom-up подход, когда adoption происходит снизу вверх.

Недавно в Harvard Business Review я наткнулся на статью Stop Running So Many AI Pilots и на первый взгляд она показалась мне немного противоречащей, но это просто дополнительный уровень рассмотрения.

Поэтому сегодня про Bottom-up vs. Top-down (ну и если хотите adoption vs стратегия).

Если говорить по-честному, то большинство AI-пилотов вообще не про трансформацию. Это уже приевшиеся всем нам презентации, саммари встреч, чат-боты, автоматизация саппорта. Да, это экономит время и даёт быстрый ROI, но важно то, что это совершенно не меняет бизнес и легко копируется конкурентами.

Часто это выглядит так: «Давайте Запустим десяток AI пилотов в маркетинге, финансах, HR, саппорте и посмотрим, что взлетит», но это довольно плохая стратегия, потому что по сути это работа над офисной продуктивностью и автоматизацией рутины, и по факту получается:
🟣AI используется в 5–10% задач
🟣Никто не готов перестраивать процессы
🟣Возникает усталость от инициатив
🟣Сотрудники разочаровываются

Главный тезис статьи в HBR: Проблема не в том, что компании мало экспериментируют с AI. Проблема в том, что они экспериментируют не там и не глубоко
🔜 Хорошая стратегия выглядит так: «Мы выберем один критичный домен и перестроим его работу вокруг AI»

Лучше один AI-проект, который меняет бизнес и приводит к глубокой трансформации чем 50 пилотов, которые создают иллюзию прогресса.

Давайте взглянем на этот пирог:
🟡 Офисная продуктивность. Здесь нет конкурентного преимущества. Очень мелкие и, по-сути, не влияющие на бизнес изменения.
🟡 Доменные процессы и трансформация - это устойчивый источник конкурентного преимущества, позволяющий изменять ключевые бизнес-процессы, а не его косметика
🟡 Новые бизнес-модели. Да, изменения становятся труднокопируемыми для конкурентов, но они уже более рискованны

Хороший вопрос для любой компании, который стоит задать для диагностики: Если убрать этот AI-кейс станет ли бизнес снова прежним?Если ответ «да», то это не трансформация.

Вместо Shallow & Broad предлагается подход Deep & Narrow, с выводами на примере кейсов Reckitt (маркетинг), L’Oréal (customer journey, IKEA (дизайн интерьеров) и ипотечный процесс целиком на примере одного банка, который не раскрывается.

1️⃣ Step 1: Identify the most promising opportunity.
Выбрать один стратегически важный домен: функцию (маркетинг, дизайн, риск-менеджмент) или end-to-end процесс (ипотека, supply chain, onboarding клиента), который имеет наиболее перспективную возможность и сильнее всего влияет ли на выручку / маржу / удержание

2️⃣Step 2: Identify areas of lasting advantage.
Нужно выбрать такую область, в которой есть долгосрочные преимущества в виде данных, экспертизы и возможностей масштабирования. Так, чтобы внутри было много связанных друг с другом задач, использующую информацию полученную из одних и тех же данных, данных о клиентах и маркетинговых исследованиях.

3️⃣ Step 3: Choose the right sequence.
Чтобы составить правильную последовательность действий нужно как-то приоритизировать инициативы. В статье предлагается разложить их по двум осям: степень возможной автоматизации и размер возможностей для компании, да хоть классическим Impact vs Effort. Важно, что на этом этапе нормально делать эксперименты, но главное чтобы они были сфокусированы.

4️⃣ Step 4: Monitor the competitive landscape.
Базовый принцип ИИ должен усиливать существующее конкурентное преимущество или создавать новое, труднокопируемое.

Успех будет, если держать фокус на единой цели одного домена, имеющего много взаимосвязанных задач, общие данные и контекст. В таком случае AI усиливает саму систему, создавая рычаг, а не оптимизирует отдельные шаги.