Что показало прошлогоднее исследование MIT про корпоративные внедрения ИИ, на которое ссылаются спикеры?

Подавляющее большинство ИИ-внедрений не приносит положительного экономического эффекта. Верно: ключевой вывод исследования и всего разговора — дело не в слабости моделей, а в том, что компании внедряют их бессистемно («подавляющее большинство отрицательного эффекта»). Отсюда и весь дальнейший разговор про стратегию: проблема в подходе, а не в технологии.

На чём ИИ реально принёс деньги в кейсе с одной из крупнейших авиакомпаний мира?

На обслуживании самолётов и оптимизации плановых/внеплановых ремонтов (ТОиР). Верно: несмотря на ~400 проработанных кейсов, основные деньги пришли из клиентского сервиса и обслуживания самолётов — ИИ помогает точнее определять момент ремонта, отслеживать погрешности и эффективнее расходовать бюджеты ТОиР. Урок: ценность ищут там, где у бизнеса крупные операционные затраты, а не там, где «модно».

Почему провалился проект внедрения ИИ для работы с договорами в технополисе?

Не было культуры внедрения ИИ, юристы жёстко сопротивлялись, и пробить это не удалось. Верно: спикер подчёркивает — ИИшек для договоров «миллион», технология была. Полгода бились с юрдепартаментом из-за «мощного сопротивления» — не было культуры внедрения. Это иллюстрирует главную мысль: провалы чаще организационные (люди, мотивация), а не технические.

Спикеры советуют не загружать в нейросеть PDF, Word и Excel напрямую. Почему и что делать вместо этого?

В них много метаданных и лишнего контекста, который снижает точность, скорость и повышает стоимость; лучше .txt, CSV или Markdown. Верно: причина именно в «шуме» — PDF/Word/Excel тащат метаданные и ненужный контекст, и модель тратит на них внимание. Перевод в plain text/CSV/Markdown (а иногда и в английский) разгружает модель, что одновременно поднимает точность и режет токены/стоимость. Чище вход — точнее и дешевле выход.

Почему, по словам гостьи, армия ИИ-агентов (вроде OpenClaw) бесполезна без «цифрового мозга» компании?

Агенты почти ничего не знают о твоём бизнесе и не работают в контексте твоих внутренних процессов — сначала нужна глубокая модель данных. Верно: главный тезис финала — ценность не в количестве агентов, а в фундаменте, внутреннем «цифровом мозге» на глубокой модели данных. Когда он есть, можно «от одного до миллиарда агентов», и они решают задачи точно. O2 строит свою графовую модель знаний: LLM — лишь надстройка над выверенными данными, потому что «галлюцинировать» консультанты не имеют права. Порядок важен: сначала данные и контекст, потом агенты.

Разборы · Статья: 14 июня 2026 г. · Видео: 9 июня 2026 г. · ~23 мин

Стратегия внедрения ИИ не из головы, а из чужих кейсбуков: метод консультанта O2Consulting

Управляющий партнёр O2Consulting Анна Никитченко — о том, почему армия ИИ-агентов и топовые модели бесполезны без контекста бизнеса, и как собрать стратегию внедрения ИИ, скармливая LLM готовые отраслевые кейсбуки, чужие стратегии и данные своей компании.

ИИ Бизнес Экономика Карьера

Смотреть на YouTube

Почему топовые AI-модели бесполезны для вашего бизнеса? Анна Никитченко

Экшен План · Николай Хлебинский · ~23 мин

Коротко

Консультант с 500 проектами объясняет, почему «накидать 50 агентов» и копировать чужие промты не работает, и показывает метод: стратегию внедрения ИИ не пишут с нуля, а собирают, обогащая модель готовыми отраслевыми кейсбуками, сотней чужих стратегий и контекстом своей компании. Главный вывод — будущее не в чужих агентах, а в собственном «цифровом мозге» на графовой модели знаний, где LLM лишь надстройка.

Оценка видео

Чем выше — тем больше пользы на минуту

3.5

средняя из 5

Актуальность информации 4.0

Свежая повестка 2025–26: провалы агентов, консалтинг-подразделения OpenAI/Anthropic, графовые модели знаний. Но часть отсылок (исследование MIT, «солд-аут Mac Mini») брошена вскользь и без проверки.

Содержательность 3.0

Есть реальное мясо: метод сбора стратегии через парсинг кейсбуков, психотипы заказчиков, совет про txt/CSV. Но плотность размывают промо-вставки, рекламные паузы и общие места про «культуру внедрения».

Инновационность идей 3.0

Главная мысль — «не пиши стратегию с нуля, обогащай LLM готовыми кейсбуками и чужими стратегиями» — небанальна. Остальное (агенты без контекста бесполезны, LLM как надстройка над графом знаний) — здравые, но знакомые тезисы.

Применимость на практике 4.0

Метод воспроизводим: названы конкретные источники кейсов (Rusbase, AIRussia, CityMoscow, CB Insights), структура промта и подготовка данных. Минус — ключевой артефакт (сам файл/промт) обещан «за 1000 лайков в телеграме».

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Тревожиться надо не из-за внедрения ИИ, а из-за НЕвнедрения

Привычный страх «меня автоматизируют и заменят» развёрнут наизнанку: заменят как раз того, кто не наращивает компетенции по внедрению. Сейчас умеющие внедрять получают премию к рынку, но скоро это станет базовым минимумом — и кто вне него, тот лишний.

02 Сопротивление ИИ — это почти увольнение

Граница проходит не между «внедряет хорошо» и «внедряет плохо», а между «не внедряет» и «сопротивляется». Даже под давлением авторитарного директора проект может полностью провалиться, если нет культуры внедрения — фейл с юрдепартаментом технополиса, где бились полгода и не внедрили ничего, именно про это.

03 Стратегия-концепт бесполезна — ценна только стратегия, прикрученная к кейсам с эффектом

Меняется само определение «хорошей стратегии»: если в промпте нет парсера кейсов и конкретных решений, результат неэффективен по определению. Цель не «красивый документ о приоритетах», а дорожная карта, где у каждого шага виден экономический эффект.

04 ИИ-агенты бесполезны без «цифрового мозга» компании — графовой модели знаний

Сами по себе агенты (OpenClaw и подобные) почти ничего не знают о твоём бизнесе и не работают на твоём контексте — отсюда история про «30–50 агентов с эффективностью −95%». Сначала строится внутренний цифровой мозг на глубокой (графовой) модели данных, а LLM — лишь надстройка, чтобы ставить ей задачи. Консультанты сознательно уходят от «голых» LLM, потому что те галлюцинируют, а права на ошибку нет.

05 Акционеры незаметно теряют контроль над собственным бизнесом

Пока собственник раздумывает, «молодые ребята, которые реально разбираются в ИИ», проводят трансформации внутри компании — и бизнес фактически перестаёт принадлежать акционеру. Риск не в проигрыше конкуренту, а в потере контроля над всем бизнесом целиком. Это отдельный, латентный психотип — рядом с явными тремя (отрицание, паника «сократите 90%», самоуверенность «я закодил стратегию за 30 минут»).

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

Готовь данные правильно: txt вместо PDF/Word, CSV вместо Excel

Не загружай PDF, Word и Excel напрямую — там много метаданных и «лишнего контекста», которые снижают точность и скорость ответа и увеличивают стоимость. Текст переводи в .txt, таблицы — в .csv, иногда в markdown — машина поймёт быстрее и точнее. Чтобы не перегружать сеть и экономить токены, русский текст можно сначала перевести на английский.

Собирай стратегию сразу с кейсами и экономическим эффектом — парси их из кейсбуков

До запуска промпта набери кейсы из источников: Rusbase (компании с ИИ-решениями), AIRussia (кейсы бигтехов от Альянса ИИ), CityMoscow (московская база знаний), CB Insights (международные). Бери отраслевые кейсбуки, где 50+ кейсов описаны единообразно и с уже посчитанным эффектом, — на выходе получишь дорожную карту с понятным эффектом, а не абстракцию.

Строй промпт по жёсткой структуре: драйвер → контекст → роли → кейсбуки → методики

Сначала опиши драйвер (что подтолкнуло — например, конкретное событие на рынке), затем контекст своей компании, пропиши роли и навыки для нейросети (вплоть до сборников по стратегическим скиллам консультантов), задай структуру итогового документа. Подгрузи методики зрелости (MIT и др.) и оценки эффектов от цифровых решений — это «долго думает», но заметно повышает качество выдачи.

Корми нейросеть реальным контекстом своей компании

Включай диктофон на стратсессиях и отдавай транскрибацию в ИИ — разбирать, что было хорошо/плохо, что забыли, какие шаги нужны. Если стратегии у компании нет, сделай отдельный файл с контекстом в формате, который «съест нейронка». Иначе сеть отрабатывает «универсальную компанию», а не твою. Можно дополнительно спарсить самые сильные высказывания топов глобальных компаний отрасли и сформировать на их базе своё видение.

Возьми доступный в РФ агрегатор с Claude и не экономь на лимитах токенов

Без VPN работают агрегаторы (упоминаются Нейрофонд и Юнитул) — подписка Pro около 5000 ₽/мес, внутри удобно работать с Claude. Учитывай: прямой Claude/Perplexity сразу выдаёт docs/презентации/мультиформат, агрегаторы — хуже (могут не отдать doc-файл, зато подробнее проработают разделы по ТЗ). Для профессионального потока бери версии без жёстких лимитов токенов.

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Пример Аргумент Вывод

Предпосылка Проблема: топовые модели и пачки агентов бесполезны без контекста бизнеса

Друзья из долины «сделали 30–40–50 агентов» на OpenClaw — и не получили смысла, потому что агенты почти ничего не знают о конкретном бизнесе. Прошлым летом исследование MIT показало: у подавляющего большинства корпоративных внедрений ИИ отрицательный экономический эффект.
Пример Кейсы из 500 проектов: успех — авиакомпания/ТОиР, фейл — юрдеп технополиса

У одной из крупнейших авиакомпаний мира деньги принёс не «модный» ИИ, а клиентский сервис и обслуживание самолётов (ТОиР: когда делать ремонт, как ловить погрешности). Провал — технополис: ИИшек для договоров «миллион», но полгода бились с юрдепартаментом и не внедрили ничего.
Аргумент Корень фейла — не технология, а сопротивление и отсутствие культуры внедрения

Инструментов полно, директор был авторитарный и «жёстко насаждал» — но сопротивление снизу всё убило. Провалы чаще организационные (люди, мотивация), а не технические.
Аргумент Четыре психотипа заказчиков мешают системному подходу

Отрицатель («ИИ — ерунда»), паникёр («сократите 90% за два месяца»), самоделкин («я закодил стратегию за 30 минут — внедряйте как написано») и латентный акционер, незаметно теряющий контроль над бизнесом.
Аргумент Решение: стратегию не писать с нуля, а собирать через LLM

Нужна не стратегия-концепт, а стратегия, сразу прикрученная к взаимосвязанным кейсам с посчитанным эффектом. Если в промпте нет парсера кейсов и конкретных решений — результат неэффективен по определению.
Аргумент Чем кормить модель: кейсбуки + 100 чужих стратегий + методики + контекст компании

Отраслевые кейсбуки (50+ кейсов единообразно, с эффектами), 100 чужих ИИ-стратегий, методики зрелости (MIT и др.) и оценки эффектов, транскрибация своей стратсессии. Подготовка: txt/CSV вместо PDF/Excel, при больших объёмах — перевод на английский.
Пример Промт на ~10 страниц, прогон через агрегатор без VPN на Клоде

Структура: драйвер → контекст компании → роли и скиллы для ИИ → кейсбуки → структура документа. Гоняют в Нейрофонде/Юнитуле на Claude (~5000 ₽/мес); каждый заданный раздел реально прорабатывается.
Вывод Вывод: будущее — не чужие агенты, а свой «цифровой мозг» на графовой модели знаний

O2 с LegalPlat строит собственную графовую модель знаний на 500 проектах + API-источники; LLM — лишь надстройка для постановки задач, потому что у консультанта нет права на ошибку. На этой базе можно делать «от одного до миллиарда агентов».

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Стоит ли смотреть целиком

Достаточно этой заметки — суть метода и кейсы укладываются в конспект, а полчаса видео на треть состоят из промо и реверансов: конференция Data Day, телеграм-канал, реклама агрегаторов. Главный артефакт (готовый файл со 100 стратегиями и сам универсальный промт) из видео не выносится — его обещают «за 1000 лайков в телеграме» или лично на конференции. За методом и кейсами возвращаться к ролику стоит, но придётся продираться сквозь плотный рекламный слой.

Кому полезно

Собственникам и руководителям, которые решают, как системно (а не «по хайпу») встраивать ИИ; стратегам и консультантам, собирающим дорожные карты внедрения; всем, кто хочет понять, почему «цифровой мозг» на данных компании важнее любого числа модных агентов — и какие компетенции по внедрению скоро станут базовым минимумом на рынке труда.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 4

Шаг 1. Сегодня: собери исходные данные в правильных форматах Конвертируй свои документы и стратсессии в .txt/.csv/markdown, выгрузи или транскрибируй последнюю стратсессию, набросай файл контекста компании (чем занимается, рынок, конкуренты). Параллельно открой Rusbase / AIRussia / CityMoscow / CB Insights и сохрани 30–50 релевантных кейсов по своей отрасли с экономическими эффектами.
Шаг 2. На этой неделе: собери и прогони промпт на стратегию Структура «драйвер → контекст компании → роли и навыки для ИИ → кейсбуки → методики зрелости и оценки эффектов». Прогони в Claude через доступный агрегатор (Нейрофонд/Юнитул, Pro ~5000 ₽/мес), проверь, что каждый раздел реально проработан, а не общими словами.
Шаг 3. Закрепить: транскрибация в практику и старт «цифрового мозга» Сделай транскрибацию + разбор в ИИ постоянной практикой каждой стратсессии и встречи. Начни строить «цифровой мозг» — базу знаний/графовую модель на своих внутренних данных и API-источниках, чтобы агенты работали на твоём контексте, а не на универсальном.
Шаг 4. Проверь, что сработало На выходе — не концепт, а дорожная карта с перечнем взаимосвязанных кейсов, у каждого посчитан экономический эффект, и список «низковисящих фруктов» на запуск прямо сейчас. Признак провала — если ИИ выдаёт абстрактную стратегию «для универсальной компании» без конкретных кейсов и цифр.

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 5 Верно: 0

1. Что показало прошлогоднее исследование MIT про корпоративные внедрения ИИ, на которое ссылаются спикеры?
2. На чём ИИ реально принёс деньги в кейсе с одной из крупнейших авиакомпаний мира?
3. Почему провалился проект внедрения ИИ для работы с договорами в технополисе?
4. Спикеры советуют не загружать в нейросеть PDF, Word и Excel напрямую. Почему и что делать вместо этого?
5. Почему, по словам гостьи, армия ИИ-агентов (вроде OpenClaw) бесполезна без «цифрового мозга» компании?