И вижу счёты.

Деревянные. С костяшками. Два человека в отделе считают на них. Виртуозно — пальцы летают, костяшки щёлкают, цифра готова за секунды. Красиво даже. Итоговую цифру вбивают в Axapta — это ERP-система от Microsoft, которая стоила фабрике миллионы. Если нужен Excel — считают на счётах, записывают число в ячейку.

На бумаге у «Рот Фронта» всё красиво. Внедрена Microsoft Dynamics (тогда ещё называлась Axapta). Автоматизация. Современное предприятие. Отчёт для руководства: «ERP-система развёрнута, сотрудники работают». А внутри — счёты. Потому что никто не спросил этих сотрудников, что им нужно. Никто не обучил. Никто не объяснил, зачем это всё.

Реакция людей в отделе была предсказуемая: «Опять руководство дичь ненужную внедрило. Прекрасно работали и без этого. Просто кто-то наверху на этом хорошо заработал». Может, они были правы. Может, нет. Я этого не знаю. Но знаю точно одно: ERP стояла, лицензии оплачивались, а работа делалась на счётах.

Мне тогда было скорее смешно. Ну счёты и счёты. 2008 год, кондитерская фабрика, чего ты ожидал.

А потом прошло 18 лет. И я вижу ровно ту же историю — только вместо счётов теперь ChatGPT, а вместо ERP — «AI-трансформация».

Fortune и 6 000 руководителей

Листаю Telegram на днях, натыкаюсь на статью в Fortune. Исследователи из National Bureau of Economic Research опросили 6 000 руководителей в США, Великобритании, Германии и Австралии. Результаты:

• Две трети используют AI на работе. В среднем — полтора часа в неделю

• Четверть не используют вообще

• 90% сказали, что AI не повлиял ни на продуктивность, ни на занятость. За три года

• При этом корпорации вложили в AI $250 млрд только за 2024 год

Четверть триллиона долларов. Ноль в статистике.

Экономист из Apollo сформулировал это красиво: «AI виден повсюду — кроме макроэкономических данных». Звучит знакомо? Должно. В 1987 году нобелевский лауреат Роберт Солоу сказал то же самое про компьютеры: «Компьютерную эпоху можно увидеть повсюду — кроме статистики продуктивности». Тогда компании тоже тратили миллионы на новую технологию, а толку было ноль. Компьютеры стояли на столах и генерировали горы ненужных отчётов.

Прошло 10–15 лет, прежде чем компании перестали использовать компьютеры как дорогие печатные машинки и начали реально перестраивать процессы. Тогда продуктивность пошла вверх. С AI будет так же — только, скорее всего, быстрее. Прогресс сейчас ускоряется на глазах.

Но пока — счёты и Axapta. Просто в новой обёртке.

Золотая лихорадка для продавцов, головная боль для покупателей

Рынок AI сейчас — это золотая лихорадка. Покупатель не понимает, что покупает. Продавец продаёт всё, на что можно наклеить слово «AI». На каждой конференции — «AI-платформа», «AI-трансформация», «AI-first стратегия». Слова красивые. Результатов — ноль.

«AI-аналитика продаж» — а внутри дашборд, который мог бы работать на обычных SQL-запросах. «AI-рекрутинг» — парсер резюме с ChatGPT, который путает Python-разработчика с зоологом, потому что в резюме было слово «питон». Утрирую, но не сильно.

Помнишь, как в 2000-х всё было «в облаке»? Даже если «облако» — FTP-сервер в шкафу под столом бухгалтера. С AI сейчас та же инфляция термина. Любая контора, которая отправляет запрос к API OpenAI — уже «AI-powered».

«Потрясающий продавец 24/7», он же пожиратель лидов

Вот конкретный сценарий, который я видел не раз. Компания покупает AI-чат для продаж. Обещание: «бот квалифицирует лиды и продаёт круглосуточно». На деле — промпт поверх нейросети, который галлюцинирует характеристики продукта, выдумывает скидки, которых нет, и легко уводится клиентом в сторону. Клиент за минуту понимает, что общается с идиотом, и уходит.

Из «потрясающего продавца» получается пожиратель лидов. Каждый упущенный лид — конкретные деньги. А дальше — классика: сначала уволили трёх менеджеров, заменили ботом. Потом наняли пятерых — трёх на прежние позиции и двух на «контроль качества AI». Экономия.

И после этого руководитель на конференции говорит: «AI не повлиял на продуктивность». Ещё бы.

Регулярно вижу похожие истории на том же Пикабу. Людей увольняют, заменяют ботом, бот ломает всё, людей зовут обратно. Или не зовут — и нанимают новых, подороже.

Никто не спрашивает работяг

А теперь к главному. Помнишь «Рот Фронт»? Проблема была не в Axapta. Axapta — нормальная система. Проблема в том, что никто не спросил людей, которым с ней работать. Не объяснил зачем. Не обучил. Не синхронизировал то, что нужно бизнесу, с тем, что нужно отделу. Для отчёта — внедрили. Для работы — бесполезно.

С AI сейчас ровно то же. Руководитель покупает подписку на ChatGPT, раздаёт сотрудникам и ждёт чуда. А сотрудники сидят и думают: «Что это? Зачем мне это? Меня заменят? Нас сократят?» И правильно думают — потому что им никто ничего не объяснил.

Людей не обучают. Не говорят, что конкретно изменится в их работе. Не снимают тревогу. Не спрашивают, какие у них реальные проблемы. Руководство хочет «AI-трансформацию» для красивой презентации — а люди внизу боятся за свои рабочие места.

Это не новые луддиты (хотя слово модное). Луддиты — ткачи в Англии, начало XIX века — ломали станки не потому, что были тупые. А потому что их навыки обесценились, а новым никто не научил. Выгоду получали владельцы фабрик, а рабочие — ни с чем. Звучит знакомо?

Сейчас серверы никто не ломает. Но саботаж тихий — это реальность. Игнорируют инструменты. Делают «как раньше». Считают на счётах, вбивают в ERP.

Так что делать-то?

Если ты сотрудник, которому начальство объявило «мы теперь AI-first» — не паникуй. Скорее всего, через полгода про это забудут. Если не забудут — требуй конкретики: что именно изменится в твоей работе, чему тебя научат, какие задачи снимут.

Если ты руководитель, который думает про AI — вот что я предлагаю:

Спроси людей внизу. Не директора по продажам, а менеджера, который каждый день отвечает на 50 однотипных звонков. У него одна боль, у директора — другая. Обе важны. Решение должно учитывать обе.

Поставь конкретную задачу. Не «хотим AI», а «хотим сократить время обработки заявки с 4 часов до 40 минут». Без метрики ты никогда не поймёшь, работает внедрение или нет.

Обучи людей. И не только «куда нажимать». Объясни зачем. Покажи, что это не замена, а инструмент. Сними тревогу. Помнишь «Рот Фронт»? Axapta стояла мёртвым грузом, потому что людей не научили и не объяснили зачем. С AI будет ровно то же самое.

Не верь тем, кто обещает кнопку «бабло». Нормальная команда внедрения приходит с вопросами: покажите процесс, где узкое место, какие данные. А не с обещаниями, что волшебная нейросеть решит все проблемы.

Личный опыт: матрёшка для брокеров

У нас в команде был проект — брокерская компания, AI-квалификация клиентов. Звучало просто: бот задаёт вопросы, собирает ответы, передаёт менеджеру. «Чат-бот на пару месяцев».

Ага. Щас.

Быстрые дешёвые нейросети — не хватает знаний. Дорогие — тормозят, клиент уходит. Нужна комбинация. Клиент пишет одно сообщение и в нём отвечает на три вопроса, которые бот ещё не задавал. Модель должна это распознать, не переспрашивать. Клиент уводит разговор в сторону — нужно ответить по-человечески, но вернуть в пайплайн. И помнить, на каком этапе квалификация.

Проект-матрёшка. Внутри простого — сложное. Внутри сложного — ещё три сложных. Сработали в убыток. Но доделали.

А снаружи — тот же «чат-бот». Только один стабильно квалифицирует 80% лидов, а другой выдумывает тарифы. На вид — одно и то же. На практике — пропасть.

В сухом остатке

Парадокс Солоу повторяется. $250 млрд вложено, эффекта нет. Но не потому что AI не работает — а потому что большинство путает «купить подписку на ChatGPT» с «внедрить AI». Как «Рот Фронт» путал «купить Axapta» с «автоматизировать работу».

AI станет фундаментальной технологией. Но только когда перестанут внедрять сверху для отчётов — и начнут внедрять снизу, от реальных задач реальных людей.

А пока — счёты и ERP. Только в 2026 году.

Статья Fortune, которая это спровоцировала: Thousands of CEOs just admitted AI had no impact on employment or productivity

Пишу про AI, нейросети и автоматизацию — иногда спорно, но честно. Канал: t.me/maslennikovigor. Исходники бесплатно: GitHub. Вопросы — @maslennikovig.

Мне довелось поработать с первой группой, во главе с Надеждой. Чувствовалось, что она специалист опытный. Умеет рулить и отстаивать перед заказчиком свою точку зрения. В принципе, так и должен действовать руководитель. Где-то сломать процесс, который был, и сделать его более правильным с точки зрения учёта, где-то оставить как было и доработать — но всё должно увязываться в единую систему. С ней работал опытный разработчик, с которым я быстро нашёл общий язык, и девушка Александра. Александра была отличным аналитиком-методистом, у нее был хорошо подвешен язык, и на этом проекте она только начинала пробовать себя в разработке.

Мне поставили задачу контролировать код разрабатываемых модулей на 1С. Тогда в 1С не существовало тестов и devops. Всё ручками. Ну а я же максималист / правдоруб :)

Сказали проверяй код какого-то готового блока. Да без проблем! Открываю конфигуратор и погнали. И что-то с первых строчек как-то стало не очень... Я открыл Word и начал добавлять замечания. 1, 2, 3, 4, а я всё добавляю и добавляю. В какой-то момент пункты перевалили за 20. Причём некоторые ошибки прям, ну совсем от джуна. Запросы в цикле для высоконагруженной системы, какие-то нелепости, мёртвый код, который никогда не выполнится, обилие закомментированных кусков и т.п.

Провёл ревью и в конце написал что-то в духе:

Вы крупный интегратор, вы занимаетесь автоматизацией и обслуживаете крупных клиентов. Непозволительно использовать в продакшн такой код. Это непрофессионально.

Сейчас бы я так никогда не сделал. Я бы встретился с руководителем, обсудил, поговорил. Попытался бы оценить насколько там вменяемый человек и после этого принял бы решение как быть дальше. Идти к руководству, или мы бы поговорили и они бы исправили все замечания, и дело с концом.

Но тогда я не видел проблемы. Искренне думал: раз наша компания платит (немалые деньги), то я, как представитель заказчика, имею полное право требовать от исполнителей качества.

Эх, что после моих последних строк началось! Надежда была в ярости:

Виталий! Александра написала заявление на увольнение — это она делала этот код! Зачем ты так написал?! Что теперь делать с внедрением? Человек плачет, хочет уволиться. Она преподавала, но решила пойти в разработку, а ты так унизительно отозвался о её профессиональных качествах.

Я тоже не остался в долгу и спросил зачем они поставили писать код человека, который совсем нулевой? Почему опытный разработчик, который был с ними в команде, не провёл своё ревью? Мы разругались тогда с ней очень серьёзно. Вплоть до того, что потом не разговаривали.

А дальше опытный разработчик с их стороны всё поправил и проект поехал дальше. Но шёл с огромным скрипом. А через время я уволился.

Всё было бы просто, если бы это был конец истории. Но нет.

Моя супруга была учителем математики и информатики и хорошо общалась со своей бывшей учительницей Ириной Александровной, или просто Ириной, а теперь уже коллегой. А как известно, муж и жена - одна сатана. Мы поехали на учительский сбор, там я познакомился с ней и с тех пор как-то завязалось наше общение. Она была лет на 10 старше, но молода душой. Любила турпоходы и готовила прекрасные торты. То в гости пришли, то в кафе встретились, как-то так поддерживали связь.

Через время Ира родила дочь и в годик решила её покрестить. Позвала меня крёстным. Я между прочим спросил, кто будет крёстной? Но внятного ответа не получил, да и не обратил тогда на это особого внимания. Чувствуете куда катится история? )))

Да. В день крещения, та-да-ам! Надежда будет крёстной! Я прям запомнил этот момент. Мы оба стоим и смотрим друг на друга. Немая пауза и не озвученный вопрос с обеих сторон: "ты что здесь делаешь?" :)

Но всё обошлось. Мы позже поговорили. Время и неловкость момента сбили весь тот негатив, который между нами был. Всё стало нормально.

К чему эта история? ИТ-мир тесный. А Земля и вовсе круглая. Сегодня ты разносишь чей-то код, а через пару лет стоишь с этим человеком у купели.

После той ситуации я стал по-другому подходить к ревью. Не то чтобы стал добрее, просто понял, что за каждым куском кода стоит живой человек. Можно написать "запрос в цикле, исправить" - и получить тот же результат. А можно написать "непрофессионально" и получить заявление на увольнение и испорченные отношения на годы.

Если вижу слабый код от подрядчика, стараюсь сначала поговорить с руководителем. Обсудить, понять контекст. Замечания — к коду, не к человеку. Звучит банально, но мне потребовался скандал и случайная встреча на крестинах, чтобы это до меня дошло.

Объяснение — не “дополнительный шаг”, а часть самого внедрения.
Это мост между инструментом и человеком.

Польза “для меня лично”

Слова вроде «повышение эффективности» и «оптимизация затрат» звучат красиво, но далеки от повседневности.
Людей включает конкретика:

• «Отчёт появится за минуту.»
  
  

• «Не нужно вручную пересчитывать.»
  
  

• «Согласование займет один клик.»
  
  

Когда сотрудник видит личную выгоду, сопротивление уходит само.

Простота объяснения

Не все любят инструкции и сложные термины.
Важно объяснять коротко, наглядно, через реальные примеры “до/после”.
Живые демонстрации, короткие видео, общие чаты с ответами — всё это снижает страх перед новым.

Чем проще объяснение — тем быстрее включаются пользователи.

Разговор, а не рассылка

Объяснить — не значит “показать презентацию”.
Это разговор:
— Что изменится в моей работе?
— Как это поможет мне?
— Что делать, если не получится?

Когда обе стороны слышат друг друга, технология перестает быть чужой.

Вместо вывода

Систему можно внедрить за месяц — и потом полгода объяснять, почему ей не пользуются.
А можно неделю посвятить объяснению — и система заработает сама.

Хорошее внедрение — это не тогда, когда всё работает,
а когда люди понимают, зачем оно нужно.

РИА Новости