Открыть учебник Записаться

AI Для Менеджеров

Поглотить, перестроить, разрушить: три фазы AI в компании

11 мин чтения

Большинство компаний считают, что внедряют AI. На самом деле они просто ускоряют то, что делали раньше.

Это ключевой тезис Бенедикта Эванса из его майской презентации «AI eats the world» – одного из лучших аналитических обзоров состояния рынка в 2026 году. Эванс предлагает простую, но неудобную классификацию: три фазы внедрения AI, на первой из которых застряло подавляющее большинство организаций. Неудобную – потому что попасть в первую фазу очень легко и при этом искренне верить, что ты «активно используешь AI».

Читать полностью
Поглотить, перестроить, разрушить: три фазы AI в компании
Задача vs профессия: что на самом деле автоматизирует ИИ
13 мин

Задача vs профессия: что на самом деле автоматизирует ИИ

В мае 2026 года Бенедикт Эванс обновил свою ежегодную презентацию «AI eats the world» – и в ней есть один слайд, который стоит разобрать отдельно. Не потому что он новый. А потому что он объясняет то, что большинство дискуссий об автоматизации упорно игнорируют.

Вопрос простой: почему ИИ уничтожит одни профессии – и сделает другие более ценными? Ответ, как оказывается, зависит от одного различия, которое кажется очевидным только после того, как его формулируют.

$700 млрд на ИИ: гонка, которую нельзя остановить
8 мин

$700 млрд на ИИ: гонка, которую нельзя остановить

Бенедикт Эванс – аналитик, который раньше других замечает сдвиги в технологической индустрии, – в мае 2026 года выпустил презентацию AI eats the world. Первое, с чего он начинает – с денег. С очень больших денег.

В 2026 году крупнейшие технологические компании мира потратят на ИИ-инфраструктуру больше, чем стоит весь мировой рынок полупроводников. Apple, Google, Microsoft, Meta и Amazon вместе направляют порядка $700 млрд на дата-центры, чипы и сопутствующую инфраструктуру. Для сравнения: вся мировая полупроводниковая отрасль зарабатывает около $600 млрд в год. Инфраструктура для потребителя ИИ-чипов теперь больше, чем рынок самих чипов.

Это заставляет задуматься: что происходит, когда инвестиции такого масштаба вкладываются в одну технологию за несколько лет?

Токены в договоре: кто платит за ИИ в IT-консалтинге
11 мин

Токены в договоре: кто платит за ИИ в IT-консалтинге

Клиент смотрит в счёт и видит строку «AI API usage – $3 200». Вопрос немедленный: «Это что вообще такое?» Консультант объясняет: токены, запросы к Claude API, стоимость инференса. Клиент кивает и уходит разбираться с финансовым директором. Через неделю юрист присылает письмо: «В договоре такой статьи расходов нет».

Именно так начинается большинство конфликтов вокруг AI-затрат в IT-консалтинге. Договор писался до того, как токены стали реальными деньгами – и ни одна из сторон не подумала зафиксировать эту статью расходов.

Как внедрить ИИ на производстве: пошаговый план для руководителя
23 мин

Как внедрить ИИ на производстве: пошаговый план для руководителя

Начальник смены Ленинградского металлургического завода тратит 40 минут каждое утро на заполнение сменного отчёта. Вручную переносит показатели оборудования в шаблон Word, описывает инциденты своими словами, сверяет с журналом ОТБ. Эта работа существует с 1970-х и не изменилась ни на минуту. ИИ может сократить её до десяти минут. Сложная часть – не технология. Сложная часть – с чего начать.

$20 или $400 в месяц: сколько реально стоит AI для dev-команды
10 мин

$20 или $400 в месяц: сколько реально стоит AI для dev-команды

На прошлой неделе один из читателей описал разговор с финансовым директором. «Cursor стоит $20 на разработчика, у нас команда из десяти человек – $200 в месяц. Можем заложить в бюджет». Когда пришёл первый реальный счёт, там было $2 800.

Финансовый директор попросил объяснений.

Это не исключение. Это типичный сценарий 2026 года, когда подписочная цена AI-инструментов и их реальная стоимость расходятся в 10–20 раз. Статья для тех, кому нужно объяснить эту разницу финансовому департаменту – или просто поставить на неё правильную цифру при бюджетировании.

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера
11 мин

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера

Допустим, вы уже решили попробовать ИИ с командой. Читали исследования, видели демо, слышали истории успеха коллег. Понедельник. Что конкретно делать?

Именно здесь большинство менеджеров застревает. Общих советов «начните с простых задач» и «экспериментируйте» хватает. Конкретного плана – нет. Эта статья – для IT-менеджеров, проектных менеджеров и продуктовых руководителей: примеры, промпты и ссылки ниже – из мира проектов, спринтов, отчётности и работы с командами разработки. Если вы управляете производством, логистикой или продажами – общая структура из пяти шагов применима, но конкретные задачи и инструменты будут другими.

GigaChat для работы: как выжать максимум из того, что есть
16 мин

GigaChat для работы: как выжать максимум из того, что есть

Если вы читаете эту статью – скорее всего, GigaChat уже есть в вашем рабочем арсенале. Может, компания развернула Enterprise на закрытом контуре. Может, вы в госструктуре и зарубежные сервисы недоступны. Может, просто привыкли к интерфейсу Сбера. Причина не важна – важно, что инструмент у вас есть, и вы хотите получать от него нормальный результат.

Microsoft WTI 2026: сотрудники готовы к ИИ, а компании – нет
9 мин

Microsoft WTI 2026: сотрудники готовы к ИИ, а компании – нет

В мае 2026 года Microsoft выпустил четвёртый ежегодный Work Trend Index – исследование на основе триллионов сигналов продуктивности Microsoft 365 и опроса 20 000 сотрудников в десяти странах. Главный вывод не про технологии. Он про разрыв между людьми, которые готовы работать с AI, и организациями, которые не готовы это поддержать.

Срыв сроков строительства: 5 причин задержек, которые видны в данных до того, как станет поздно
33 мин

Срыв сроков строительства: 5 причин задержек, которые видны в данных до того, как станет поздно

Субподрядчик по фасадам обещал выйти в понедельник. Сегодня среда – на площадке никого. Звоните: «Будем на следующей неделе, у нас другой объект затянулся». А у вас приёмка через месяц.

Знакомо? Срыв сроков строительства почти никогда не случается внезапно. За две-три недели до того, как прораб скажет «мы отстаём», в данных уже видны конкретные сигналы. Проблема в том, что эти данные лежат в 1С, в КС-формах и в еженедельных сводках – и никто не смотрит на них в комплексе.

В этой статье – пять конкретных причин задержек и способ увидеть каждую из них до того, как она станет проблемой. Не теория управления проектами, а практические вопросы, которые можно задать ChatGPT или DeepSeek прямо сейчас, подставив свои данные из 1С.