Когда у всех есть ИИ, но компания по-прежнему ничему не учится: грязная середина внедрения корпоративного ИИ

В статье обсуждается болезненная фаза внедрения ИИ, когда лицензии на Copilot, ChatGPT Enterprise, Claude, Gemini или Cursor уже предоставлены, но компания в целом почти ничему не учится. Приводится модель Итана Моллика «Лидерство, Лаборатория и Толпа»: Лидерство задает направление, Толпа находит варианты использования, а Лаборатория должна превращать находки в общие практики — но обучение редко распространяется.

Ключевые проблемы текущего внедрения ИИ

• Первая фаза выглядит как стандартные корпоративные развертывания: купить места, определить допустимое использование, провести обучение, создать сеть лидеров мнений, попросить людей делиться примерами использования в Teams-канале (который становится мертвым хранилищем).
• Вторая фаза более хаотична: одна команда использует Copilot как автодополнение, другая запускает Claude Code с плотными циклами и проверками, владелец продукта прототипирует реальное ПО вместо фигмовских макетов, старший инженер делегирует агенту анализ корневых причин и получает валидное решение менее чем за час (ранее занимало две недели), джуниор выдает отполированный код без понимания архитектурных последствий, а служба поддержки незаметно превращает повторяющиеся тикеты в автоматизацию рабочих процессов, потому что никто из Центра компетенций не задал правильного вопроса.
• Единица внедрения — уже не организация и даже не команда, а цикл внутри работы.

Почему традиционные механизмы изменений не работают

Сообщества практик, ланчевые сессии, сети лидеров мнений, презентации для обучения, ежемесячные демо, опросы — всё это слишком медленно. Интересная работа с ИИ происходит внутри код-ревью, коммерческого предложения, исследовательской задачи, прототипа продукта, инцидента продакшна, тестовой стратегии или вопроса о соответствии. К моменту, когда история становится слайдом с лучшей практикой, обучение теряет остроту. Что делало её полезной — это сопротивление: отсутствующий контекст, не пройденный тест, странное поведение API, момент, когда агент ушел в бессмыслицу, и кому-то пришлось его остановить.

Фреймворк эластичного цикла

Автор предлагает продумать «эластичный цикл»: сотрудничество с ИИ не однородно. Оно простирается от тесного синхронного коворкинга до более свободного асинхронного делегирования. Настоящий вопрос внедрения — не «используют ли люди ИИ?», а: знают ли команды, какой размер цикла использовать? Где им нужно сопротивление? Какие артефакты должны пережить цикл? Как эти артефакты становятся тем, из чего организация может учиться? Это намного сложнее, чем использование инструментов или подсчет токенов.