Компания может купить подписки на ChatGPT, провести обучение сотрудников и получить десятки впечатляющих примеров. Это полезное начало. Но само по себе оно ещё не означает, что бизнес научился работать с ИИ.
Разница проявляется после первого удачного ответа. Сможет ли другой сотрудник повторить результат? Использует ли система актуальные данные? Кто проверяет вывод? Что произойдёт при ошибке? Сохранится ли контекст к следующему запуску? Если ответы каждый раз приходится собирать заново, перед нами сильный инструмент в руках отдельных людей, а не зрелая рабочая система.
Коротко
- Владение ChatGPT показывает доступ к инструменту, а не зрелость бизнеса.
- Удачный ответ ещё не создаёт повторяемый процесс.
- Зрелость начинается с конкретной функции: понятного входа, процесса, контроля, результата и состояния.
- Человек не исчезает: он задаёт границы, проверяет важные решения и отвечает за последствия.
- Первый полезный шаг — выбрать одну регулярную работу и сделать её наблюдаемой.
Доступ к инструменту — это только исходная возможность
ChatGPT резко снижает стоимость первого действия. Можно быстро подготовить письмо, получить структуру презентации, разобрать документ или найти варианты решения. Для отдельного человека это уже существенное усиление.
Однако бизнес работает не отдельными ответами. Он работает через повторяющиеся обязательства: готовить предложения, анализировать продажи, обновлять отчётность, выпускать контент, сопровождать клиентов. Здесь важны не только скорость и качество одного результата, но и воспроизводимость всей работы.
Поэтому число пользователей, запросов или созданных текстов нельзя принимать за достаточный показатель зрелости. Это показатели активности. Они ничего не говорят о том, встроен ли ИИ в ответственность компании.
Личный навык не равен способности организации
Сильный сотрудник может выстроить сложный диалог, загрузить нужные документы и получить качественный результат. Но его способ работы часто остаётся внутри личной истории чатов.
Когда сотрудник уходит в отпуск, меняет роль или просто возвращается к задаче через месяц, процесс приходится восстанавливать по памяти. Коллега не знает, какие источники использовались, почему один вариант был выбран, а другой отвергнут. Компания зависит от индивидуальной ловкости, а не владеет способом работы.
Это не проблема ChatGPT. Это организационный разрыв. Чтобы его закрыть, нужно вынести назначение, источники, правила и критерии проверки из личного диалога в доступный рабочий контур.
Хороший ответ ещё не является функцией
Представим, что маркетолог попросил ChatGPT подготовить еженедельный обзор конкурентов. Первый выпуск получился убедительным. На следующей неделе часть ссылок устарела, один источник оказался недоступен, а формат отчёта изменился.
У функции должны быть определены:
- сигнал запуска;
- допустимые источники;
- порядок обработки;
- критерии качества;
- точки человеческой проверки;
- формат результата;
- состояние, которое нужно сохранить.
Без этого каждый выпуск остаётся новой импровизацией. Подробнее такую единицу работы разбирает статья «Что такое ИИ-функция».
Главный скрытый труд остаётся у человека
В незрелой модели человек превращается в диспетчера. Он вручную собирает контекст, переносит данные между сервисами, объясняет задачу, ловит пропуски, исправляет формат и решает, куда положить результат.
На экране работает ИИ, но связность процесса по-прежнему удерживается человеком. Иногда это ускоряет отдельный эпизод, но не освобождает внимание в масштабе недели.
Зрелая система не обязана быть полностью автономной. Она должна честно показывать, что делает исполнитель, что проверяет человек и где работа остановилась. Цель — не убрать человека, а вывести его из бессмысленного переноса контекста к управлению качеством и решениям.
Без контекста качество не накапливается
Чат знает содержание текущего разговора, но бизнес-контекст шире. В нём есть продуктовые ограничения, решения команды, история клиента, правила бренда, финансовые рамки и актуальный статус проекта.
Если эта информация не организована, результат зависит от того, что пользователь успел вспомнить и вставить в запрос. Один и тот же инструмент будет выдавать разные ответы не потому, что «плохо думает», а потому, что получает разные фрагменты реальности.
Поэтому зрелая работа требует управляемого контекста: источников правды, правил их обновления и ясных границ доступа. Как устроить такую работу вокруг инструмента, показывает разбор Codex как рабочей среды.
Без контроля скорость увеличивает риск
Чем быстрее система создаёт материалы и совершает действия, тем дороже может стать незамеченная ошибка. Неверная цифра в черновике отличается по последствиям от неверной цифры в отправленном предложении. Рекомендация отличается от самостоятельного изменения рекламной кампании.
Для каждой функции нужно определить границу решения: что исполнитель делает сам, что готовит на утверждение, а что не делает вообще. Важны также проверяемость источников, журнал изменений и возможность остановить цикл.
Это и отличает ИИ-исполнителя от универсального обещания автономности: его ответственность ограничена и наблюдаема.
Состояние превращает эпизоды в непрерывную работу
Большинство деловых задач не заканчивается одним ответом. После встречи появляются обязательства. После анализа — решение. После публикации — сигналы аудитории. После ошибки — изменение процесса.
Если система не сохраняет принятое решение, текущую точку, блокер и следующий шаг, новый запуск начинается с пересказа прошлого. История есть, а рабочего состояния нет.
Состояние позволяет продолжать работу, а не воспроизводить разговор. Именно поэтому цифровая зрелость связана не с количеством запросов, а со способностью системы учиться и двигаться дальше.
Как выглядит переход от использования к системе
Переход можно увидеть по пяти изменениям:
- Вместо случайных поручений выбирается одна повторяемая функция.
- Источники и ограничения становятся явными.
- Результат получает критерии проверки.
- Запуск превращается в цикл с условиями продолжения и остановки.
- После цикла сохраняется состояние работы.
Не нужно сразу перестраивать всю компанию. Более надёжный маршрут — выбрать функцию с понятной ценностью и низкой ценой ошибки, провести несколько контролируемых запусков и только потом расширять контур. Для выбора подойдёт матрица первой ИИ-функции.
Первый вопрос, который стоит задать бизнесу
Не спрашивайте, сколько сотрудников уже пользуются ChatGPT. Спросите: какую повторяемую работу компания теперь выполняет иначе и может ли показать её вход, результат, контроль и продолжение.
Если такого примера нет, бизнес находится на стадии полезного освоения инструмента. Это нормальная точка, но её не стоит выдавать за зрелую трансформацию.
Следующий шаг: выберите одну работу, которая повторяется хотя бы раз в неделю, и опишите её не как запрос к ChatGPT, а как функцию: что запускает работу, что поступает на вход, какой результат нужен, кто его проверяет и что должно сохраниться после завершения.
Автор: Александр Шаров, предприниматель, основатель x10sion и автор практикума «Цифровая зрелость».
