часть 1
Введение
или
Кризис классической управленческой рациональности
Кризис классической управленческой рациональности
Индустриальная эпоха оставила нам не только заводы, иерархии, KPI и регламенты. Мы привыкли думать, что управление — это способ вернуть нашему рабочему миру предсказуемость. Лидер задаёт направление, команда распределяет роли, процессы превращают хаос в последовательность действий, а метрики показывают, насколько эта последовательность приближает нас к результату. В разных управленческих школах это описывалось по-разному, но базовая логика оставалась общей: организация — это система людей, а менеджмент — это способ согласовать их усилия.
Как я люблю говорить:
Как я люблю говорить:
Менеджмент — это создание и управление условиями, в которых люди достигают результата.
Классические модели управления создавались для мира, где агентность была почти целиком человеческой, где носителем действия был человек, а инструмент оставался инструментом. Да, сложность была высокой. Да, контекст всегда влиял. Но интерпретация, выбор, координация и ответственность в основном оставались человеческими функциями. И эта логика работала очень долго. Даже когда появлялись новые технологии, они оставались внешним усилителем человеческой работы. Станок, таблица, CRM, BI-система, корпоративный портал могли менять скорость, масштаб и стоимость операций, но не меняли фундаментальную управленческую аксиому. Аксиому, в которой смысл формулировал человек. Проблему распознавал человек. Альтернативы выбирал человек. Ответственность тоже оставалась человеческой. Т.е. люди были субъектами действий, системы — средой этих действий, а инструменты — вспомогательным слоем.
Ни один из этих инструментов не претендовал на самостоятельное участие в постановке проблемы, интерпретации контекста или генерации управленческих альтернативных решений. Всё отдавалось на откуп человеку. Но теперь с AI граница становится всё менее очевидной. Мы всё ещё называем его инструментом, но ведём себя так, будто он больше, чем инструмент. Просим его объяснить ситуацию, предложить стратегию, оценить риски, написать за нас письмо, разложить конфликт по полочкам, найти слепые зоны, подготовить план изменений. Иногда мы его проверяем, иногда — нет. Иногда спорим с ним, а иногда принимаем машинную формулировку за кристально чёткое и ясное мышление.
Компании инвестируют в AI, запускают пилоты, покупают инструменты, обучают сотрудников промптингу. Только вот исследования (например, отчёт McKinsey «Superagency in the workplace») прямо указывают, что барьером становятся лидеры, а не «ленивые» или «неграмотные» сотрудники. Организации упираются в стеклянный потолок, потому что руководители не успевают адаптировать свои ментальные модели управления. Т.е. их способность перестроить роли, процессы, контуры ответственности и собственные представления о том, чем теперь является управляемая ими система. И эту ситуацию в исследованиях называют «разрывом готовности». Технологии уже здесь, они уже меняют экономику задач, а лидеры продолжают играть в игру «я самый умный в комнате», не замечая, что комната изменилась. Точнее, и многоэтажного здания, где они занимали верхние этажи, уже нет.
Здесь и начинается тот самый кризис классической управленческой рациональности, который я вынес в заголовок. Нет, старый менеджмент не стал вдруг внезапно бесполезным. Просто он создавался для другого объекта управления. AI не просто добавил новый набор инструментов в организацию. Он изменил состав участников работы, что более важно. Он стал активным членом команды, который ломает привычные связи в структуре: модели выполняют роли всезнающих экспертов, агентам безоговорочно доверяют промежуточные шаги, а люди перестают включать интуицию и критическое мышление в погоне за скоростью. AI всё чаще берёт на себя функции исполнения и генерации вариантов, но при этом создаёт риски «чёрных ящиков», галлюцинаций и потери смысловой связки.
Ни один из этих инструментов не претендовал на самостоятельное участие в постановке проблемы, интерпретации контекста или генерации управленческих альтернативных решений. Всё отдавалось на откуп человеку. Но теперь с AI граница становится всё менее очевидной. Мы всё ещё называем его инструментом, но ведём себя так, будто он больше, чем инструмент. Просим его объяснить ситуацию, предложить стратегию, оценить риски, написать за нас письмо, разложить конфликт по полочкам, найти слепые зоны, подготовить план изменений. Иногда мы его проверяем, иногда — нет. Иногда спорим с ним, а иногда принимаем машинную формулировку за кристально чёткое и ясное мышление.
Компании инвестируют в AI, запускают пилоты, покупают инструменты, обучают сотрудников промптингу. Только вот исследования (например, отчёт McKinsey «Superagency in the workplace») прямо указывают, что барьером становятся лидеры, а не «ленивые» или «неграмотные» сотрудники. Организации упираются в стеклянный потолок, потому что руководители не успевают адаптировать свои ментальные модели управления. Т.е. их способность перестроить роли, процессы, контуры ответственности и собственные представления о том, чем теперь является управляемая ими система. И эту ситуацию в исследованиях называют «разрывом готовности». Технологии уже здесь, они уже меняют экономику задач, а лидеры продолжают играть в игру «я самый умный в комнате», не замечая, что комната изменилась. Точнее, и многоэтажного здания, где они занимали верхние этажи, уже нет.
Здесь и начинается тот самый кризис классической управленческой рациональности, который я вынес в заголовок. Нет, старый менеджмент не стал вдруг внезапно бесполезным. Просто он создавался для другого объекта управления. AI не просто добавил новый набор инструментов в организацию. Он изменил состав участников работы, что более важно. Он стал активным членом команды, который ломает привычные связи в структуре: модели выполняют роли всезнающих экспертов, агентам безоговорочно доверяют промежуточные шаги, а люди перестают включать интуицию и критическое мышление в погоне за скоростью. AI всё чаще берёт на себя функции исполнения и генерации вариантов, но при этом создаёт риски «чёрных ящиков», галлюцинаций и потери смысловой связки.
Ваш новый сотрудник
Вот так и появляется новая зона риска в управлении. И проблема даже не столько в этих пресловутых галлюцинациях, ошибках или безопасности данных. AI постепенно проникает в те участки работы, где раньше находилась управленческая субъектность: смыслообразование, расстановка приоритетов, координация, делегирование и контроль. А модели тем временем уже участвуют в анализе, генерации вариантов, подготовке решений, объяснении данных и т.д. Агенты всё чаще выполняют цепочки действий самостоятельно, без контроля на каждом шагу. При этом алгоритмы и интерфейсы решают за менеджера, что именно он увидит на экране. И, что самое страшное, чего НЕ увидит. В результате выбор может быть ограничен ещё до того, как команда поняла, что перед ней вообще есть выбор. Система не просто помогает принять решение — она может заранее сузить пространство возможных решений.
Именно поэтому многие AI-трансформации сейчас выглядят странно. Инструменты внедрены, доступы к LLM куплены, обучение проведено, но ожидаемая и обещанная AI-зрелость так и не наступает. Вот только зрелость здесь не в количестве лицензий и числе сотрудников, которые умеют писать промпты. Это понимание того, как AI перестраивает связи между людьми, данными, решениями и ответственностью. Незрелая компания продолжает относиться к AI как к инструменту, который надо внедрить, хотя на практике должна думать о системе, которую нужно заново спроектировать.
Управленческий кризис начинается там, где технология уже стала участником работы, а менеджмент продолжает считать её внешним инструментом. Попытка управлять гибридной системой методами чисто человеческого менеджмента — это как пытаться заправить электромобиль бензином. Всё, он теперь работает совершенно по-другому, хотя так же имеет 4 колеса и руль.
Именно поэтому многие AI-трансформации сейчас выглядят странно. Инструменты внедрены, доступы к LLM куплены, обучение проведено, но ожидаемая и обещанная AI-зрелость так и не наступает. Вот только зрелость здесь не в количестве лицензий и числе сотрудников, которые умеют писать промпты. Это понимание того, как AI перестраивает связи между людьми, данными, решениями и ответственностью. Незрелая компания продолжает относиться к AI как к инструменту, который надо внедрить, хотя на практике должна думать о системе, которую нужно заново спроектировать.
Управленческий кризис начинается там, где технология уже стала участником работы, а менеджмент продолжает считать её внешним инструментом. Попытка управлять гибридной системой методами чисто человеческого менеджмента — это как пытаться заправить электромобиль бензином. Всё, он теперь работает совершенно по-другому, хотя так же имеет 4 колеса и руль.
Мы пытаемся управлять нейросетями методами, придуманными для управления конвейерами.
Мы привыкли думать, что управление — это про людей. Про их характеры, сильные стороны, слепые зоны и вечный конфликт между «хочу» и «надо». Да вот только ваш новый «сотрудник» — это четыре класса элементов:
1. Люди как носители ответственности и интуиции
2. Модели как источники вероятностного знания и одновременно зона «черных ящиков»
3. Агенты как исполнители автономных действий
4. Данные как кровеносная система всей организации, т.е. инфраструктура, через которую организация видит себя и принимает решения
Вы не можете замотивировать нейросеть, вдохновить, пристыдить, похвалить. С агентом нельзя построить доверия в психологическом смысле. Он не чувствует контекст так, как его чувствует человек. Данные не обладают здравым смыслом. Интерфейс не спорит с руководителем, но может заранее сузить поле возможных решений. При этом все эти элементы уже участвуют в работе вместе с людьми и иногда влияют на результат сильнее, чем формальная управленческая команда.
1. Люди как носители ответственности и интуиции
2. Модели как источники вероятностного знания и одновременно зона «черных ящиков»
3. Агенты как исполнители автономных действий
4. Данные как кровеносная система всей организации, т.е. инфраструктура, через которую организация видит себя и принимает решения
Вы не можете замотивировать нейросеть, вдохновить, пристыдить, похвалить. С агентом нельзя построить доверия в психологическом смысле. Он не чувствует контекст так, как его чувствует человек. Данные не обладают здравым смыслом. Интерфейс не спорит с руководителем, но может заранее сузить поле возможных решений. При этом все эти элементы уже участвуют в работе вместе с людьми и иногда влияют на результат сильнее, чем формальная управленческая команда.
Поэтому вы обязаны проектировать среду, где все четыре класса элементов работают синхронно, а задачи распределены согласно требуемым уровням ответственности и риска.
Управление социотехнической системой
Если объект управления изменился, то и роль менеджера меняется структурно. Разные эксперты любили сравнивать руководителя с дирижёром, который интерпретирует партитуру, задаёт темп, управляет исполнением и эмоциями. Дирижёр может тонко чувствовать настроение музыкантов, одной фразой вдохновить их на экспрессию или погасить конфликт. Но в новом оркестре на сцене играют не только люди. И лидер вдруг обнаруживает, что часть музыкантов его попросту не слышит. На машины бесполезно ругаться, их нельзя воодушевить своей харизмой или похвалой. Они, бездушные, не чувствуют музыки и играют по своим правилам, при этом могут сами переписать партитуру посреди концерта, решив, что «в оригинале была ошибка». Вы не можете просто махать палочкой перед вероятностным алгоритмом. Это переводит нас от «мягкого» управления, построенного на доверии и лидерстве, к «жёсткому» проектированию среды, в которой гибридная система действует осмысленно и не плодит ошибки с огромной скоростью.
Управлять теперь нужно не просто коллективом, а социотехнической системой.
Руководитель становится архитектором условий, в которых люди, модели, агенты, данные и правила должны действовать согласованно. Он начинает проектировать потоки данных, границы автономии и правила эскалации. Другими словами, управлять не только мотивацией, но и архитектурой управляемости. Это становится индикатором зрелости менеджера.
Поэтому вопрос «как мотивировать сотрудников использовать AI» вторичен. Более важный вопрос — это как сделать так, чтобы использование AI не разрушало управляемость. Кто проверяет вывод модели? На каком этапе человек обязан включиться? Какие решения нельзя отдавать агенту без эскалации? Где нужна фиксация аргументов? Как отличать ускорение мышления от подмены мышления? Что делать, если рекомендация модели выглядит убедительно, но противоречит профессиональной интуиции?
В старой управленческой логике многие из этих вопросов решались через личную зрелость руководителя и культуру команды. В новой логике этого просто недостаточно, потому что становятся нужны: правила делегирования, протоколы проверки, роли владельцев данных, механизмы отката, журналы решений, критерии качества, границы автономии агентов. Это звучит слишком технически, но по сути остаётся управленческой задачей. Теперь управление работает не только через разговор, влияние и организационную структуру, но и через архитектуру среды. Руководитель должен научиться проектировать организацию как социотехническую систему, где люди работают вместе (а не с помощью) с моделями и агентами.
Значит ли это, что руководитель должен превратиться в инженера или ML-специалиста? Нет, конечно. Но он обязан понимать, с кем именно он разделил субъектность. Ему уже недостаточно относиться к нейросетям как к магическому ящику, который «просто выдаёт ответы». Придётся хотя бы на базовом уровне разобраться, как работают LLM, агенты и разные классы моделей:
Не понимая этого, невозможно выстроить архитектуру управляемости.
Поэтому вопрос «как мотивировать сотрудников использовать AI» вторичен. Более важный вопрос — это как сделать так, чтобы использование AI не разрушало управляемость. Кто проверяет вывод модели? На каком этапе человек обязан включиться? Какие решения нельзя отдавать агенту без эскалации? Где нужна фиксация аргументов? Как отличать ускорение мышления от подмены мышления? Что делать, если рекомендация модели выглядит убедительно, но противоречит профессиональной интуиции?
В старой управленческой логике многие из этих вопросов решались через личную зрелость руководителя и культуру команды. В новой логике этого просто недостаточно, потому что становятся нужны: правила делегирования, протоколы проверки, роли владельцев данных, механизмы отката, журналы решений, критерии качества, границы автономии агентов. Это звучит слишком технически, но по сути остаётся управленческой задачей. Теперь управление работает не только через разговор, влияние и организационную структуру, но и через архитектуру среды. Руководитель должен научиться проектировать организацию как социотехническую систему, где люди работают вместе (а не с помощью) с моделями и агентами.
Значит ли это, что руководитель должен превратиться в инженера или ML-специалиста? Нет, конечно. Но он обязан понимать, с кем именно он разделил субъектность. Ему уже недостаточно относиться к нейросетям как к магическому ящику, который «просто выдаёт ответы». Придётся хотя бы на базовом уровне разобраться, как работают LLM, агенты и разные классы моделей:
- На каких данных обучена модель и какие предубеждения в неё уже зашиты?
- Какую метрику она оптимизирует?
- Где заканчивается её компетенция и почему она «ведёт себя уверенно», когда ошибается?
Не понимая этого, невозможно выстроить архитектуру управляемости.
Менеджмент остаётся искусством собирать работоспособное целое. Просто теперь элементов стало больше, а цена наивности и желания отдать всё на откуп «бездушной машине» — выше.