Скорость подготовки управленческих решений с появлением ИИ-инструментов выросла — собрать варианты, сформулировать гипотезы или набросать черновик теперь занимает минуты. Но директор и совладелец студии CleverPumpkin Денис Германенко и руководители продуктовых команд Ozon Банка, Петрович-Тех и нескольких финтех-компаний, опрошенные для материала, сходятся в одном: вместе со скоростью выросла и плотность решений, которые нужно принимать. Освободившееся время не уходит на отдых — оно заполняется новыми развилками.
Первая жёсткая граница, которую называют все участники, — конфиденциальность. Клиентские и финансовые данные, персональная информация, внутренняя аналитика не должны попадать в коммерческие модели, даже если компания использует корпоративный B2B-доступ. Германенко уточняет: в студии заказной разработки это ещё и вопрос договорённостей с конкретным клиентом — чужой код, продуктовые гипотезы и пользовательская аналитика требуют отдельного согласования до того, как любой ИИ-инструмент встраивается в процесс. Для чувствительных данных остаётся один вариант — модели, развёрнутые внутри собственного контура.
Вторая граница — стратегия и финальный выбор. ИИ способен сгенерировать десятки сценариев, но ответственность за решение и его соответствие контексту бизнеса делегировать некому. Илья Лягушенко, продакт-менеджер в финтех-стартапе (ранее Т-Банк, Яндекс), формулирует это так: раньше анализ полугода клиентских обращений занимал неделю, ИИ делает это за час — но выбор финального решения по-прежнему остаётся за руководителем, как и при работе с командой из людей. Елена Кунина, руководитель проджект-менеджеров Ozon Банка, добавляет: ИИ помогает оформить идеи в структурные предложения, понятные команде, но сама идея и её валидация — всегда на стороне человека.
Чувствительные данные — клиентские, финансовые, персональные — нельзя передавать в коммерческие модели, только во внутренние развёртывания.
Третья граница — люди и доверие. ИИ может помочь подготовить аргументы к сложному разговору, продумать сценарии и найти формулировки. Германенко использует его как тренажёр для подготовки, но не как скрипт: заранее заготовленный текст в живом диалоге работает против говорящего — собеседник чувствует скрипт, а не разговор. Кунина описывает собственный опыт: попытка использовать ИИ как психолога закончилась сессией до трёх ночи и большей путаницей, чем ясностью.
Опрошенные руководители выделяют три системные ловушки. Первая — ложное чувство компетентности: уверенный тон ответа нейросети маскирует пробелы в экспертизе, особенно в темах, где у руководителя мало собственного опыта. Вторая — ненадёжные «доказательства»: ссылки, которые приводит модель, требуют проверки — источник может не подтверждать вывод или быть интерпретирован неверно. Практика, которую рекомендуют участники, — воспринимать ответы модели как гипотезы, а не факты, и просить её задавать уточняющие вопросы при нехватке вводных. Третья ловушка — скорость подменяет глубину. Вместе с рутиной исчезает «промежуточное мышление»: сомнения, перепроверки, переписывания, в ходе которых замечаются противоречия. Эти паузы нужно возвращать намеренно — например, резервировать отдельный час в календаре на рефлексию и разбор решений.
Отдельный вопрос — баланс между ИИ и командой. Если руководитель приносит готовые ответы, вероятность обсуждений и мозговых штурмов сходит на нет: люди видят итог, но не знают вариантов и причин, а значит, им сложнее найти риски и разделить ответственность. Рабочая формула, к которой пришли опрошенные лиды, — приносить команде не готовое решение, а 2–3 варианта для обсуждения, а затем «приземлять» их на реальность продукта вместе с людьми, погружёнными в детали. Лягушенко оговаривается: не все решения нужно принимать коллективно — есть управленческие вещи, где руководитель должен взять ответственность сам. Но продуктовые решения требуют командного контекста.