ИИ-трансформация офиса автохолдинга

Ситуация

К нам обратился крупный автомобильный холдинг с офисом в несколько сотен сотрудников. У руководства был запрос: «Как нам внедрить ИИ так, чтобы это не закончилось ещё одним мёртвым пилотом». Контекст рынка известен — по данным MIT, 95% организаций не получают отдачи от пилотов генеративного ИИ. Причина, как правило, не в технологии и не в бюджете, а в неправильно поставленной модели внедрения.

Типовой провал, который мы хотели исключить: отмашка сверху, внедрение снизу, лидеры не используют ИИ лично — остальные видят поручение, а не направление. Холдинг уже сталкивался с этим в предыдущих волнах цифровизации.

Диагностика и подход

Мы предложили не сразу масштабировать инструменты, а пройти первую фазу — управляемый вход в трансформацию. Логика: сначала личная практика лидеров и базовая ИИ-культура, потом — отбор сценариев с проверкой ценности, и только затем промышленное внедрение и пересборка процессов.

Опорная модель — ADKAR: осознание, желание, знание, способность, закрепление. Это не теория из учебника — это операционный контур, который удерживает изменения от затухания на среднем слое организации.

Решение

Сверху вниз: лидеры используют ИИ лично

Генеральный директор и вице-президенты получают индивидуальное сопровождение под реальные рабочие задачи: подготовку к комитету, разбор отчётности, работу с документами. Цель — не «обучить ИИ», а закрепить привычку: для конкретной задачи сначала открой ИИ-помощник, потом действуй.

Помощники для ассистентов и ключевых специалистов

Ассистенты руководителей — естественная точка внедрения: они и так работают с информационными потоками первых лиц. Дальше — юристы, финансы, коммерческий блок, HR. У каждой функции — свои сценарии и своя планка качества.

Карта возможных сценариев применения

Параллельно с обучением мы собираем диагностическую воронку по 8 функциям офиса: юридическая работа (проверка договоров, мониторинг регуляторики), коммерция и дилерская сеть, кадры и обучение, финансы и контроллинг, закупки, маркетинг, поддержка руководителей, ИТ. По каждой — реальные боли, владельцы эффекта, ограничения данных и ИБ.

Один пример — проверка договоров с поставщиками

Было: юрист вручную читает договор, сверяет с внутренней методичкой по памяти, выписывает отклонения, по нетиповым формулировкам консультируется с партнёром. Типовая продолжительность — 1–2 рабочих дня на договор. Время партнёра уходит на проверку даже типовых вещей.

Стало: договор загружается в ИИ-помощник, который сверяет его с методичкой компании, выдаёт список отклонений и предложенные правки. Юрист принимает решения, дорабатывает, выпускает финальную версию. Типовая продолжительность падает с 1–2 дней до нескольких часов. Партнёр подключается только к нетиповому. Единство позиции теперь держит методичка, а не отдельные эксперты.

Безопасные правила и российский ИТ-контур

Отдельный блок работы — правила использования ИИ с учётом 152-ФЗ, требований ИБ, корпоративного комплаенса. Какие данные допустимы в каких контурах, какие модели можно использовать, где обязательна анонимизация. Без этой рамки любая личная практика быстро упирается в стоп-сигнал юристов.

Что вошло в первую фазу

• Сопровождение первых руководителей и их команд под реальные задачи
• Помощники для ассистентов первых лиц и ключевых старших специалистов
• Дисциплина внедрения изменений: спонсорство, евангелисты на каждом уровне, закрепление практик
• Карта источников ценности и сценариев — ориентир для приоритизации, а не обещание эффекта
• Диагностические интервью с руководством — поиск реальных болей, ограничений и владельцев эффекта
• Правила работы с ИИ в российском контуре: 152-ФЗ, ИБ, комплаенс, допустимые модели и среды

Что осталось вне первой фазы

Сознательно не брали в первую фазу: промышленное внедрение ИИ-агентов и автономных процессов, заказные интеграции с 1С/CRM, захват производственного периметра, разработку собственных моделей. Это следующие фазы — после того, как руководство освоило инструменты и сформулировало, где ценность.

Результат первой фазы

Холдинг получает: AI-readiness руководства (умеют ставить задачи, проверять качество, видеть ограничения), карту приоритизированных сценариев, программу освоения ИИ для четырёх контуров (руководители, бизнес-заказчики, ассистенты, ключевые специалисты), модель изменений, которая снижает риск остаться в режиме пилотов.

На этом основании запускается фаза 2 — отбор и пилоты сценариев через три линзы: желанность, техническая осуществимость, экономическая устойчивость. С ТЗ, baseline-метриками, владельцем эффекта и решением «делать или купить».