Крис Перри, основатель и генеральный директор Andus Labs — серия интервью

Chris Perry, основатель и генеральный директор Andus Labs, является руководителем в области коммуникаций, цифровой стратегии и инноваций с почти тридцатилетним опытом помощи организациям в навигации по крупным технологическим и бизнес‑изменениям. До основания Andus Labs в 2025 году Перри провёл более 22 лет в Weber Shandwick, где занимал ряд старших руководящих позиций, включая председателя отдела Futures, главного директора по инновациям, президента цифровых коммуникаций, исполнительного вице‑президента по цифровой стратегии и операциям, а также старшего вице‑президента. Ранее в своей карьере он работал в сфере технологических коммуникаций в General Motors и был вице‑президентом в Edelman. Его профессиональная деятельность была сосредоточена на цифровой трансформации, новых технологиях, организационных изменениях и развивающихся отношениях между технологией и людьми, отвечающими за её применение.

Andus Labs помогает предприятиям преобразовывать возможности ИИ в практические организационные результаты, сосредотачивая внимание на человеческих системах, окружающих технологию. Компания описывает свою миссию как создание «Human OS for AI» — операционного слоя, предназначенного для координации работы людей и ИИ‑агентов, исходя из предположения, что инвестиции в ИИ часто не оправдывают себя, когда готовность организации, рабочие процессы и внедрение отстают от самой технологии. Их работа охватывает программы оркестрации ИИ‑работы, продукты, направленные на усиление и умножение организационного обучения, а также более широкую сеть практиков, художников и гуманитариев, исследующих эффективное совместное взаимодействие людей и ИИ.

Вы провели более двух десятилетий в Weber Shandwick, продвигаясь от старших цифровых ролей к должности главного директора по инновациям и председателя отдела Futures, прежде чем основали Andus Labs в 2025 году. Что вы наблюдали внутри крупных организаций за этот период, что убедило вас, что крупнейшим препятствием для трансформации ИИ будет человеческая и организационная система вокруг технологии, а не сама технология?

Я впервые понял это в графической студии моего отца в Детройте, где я начинал, ещё до Weber Shandwick. Настольная публикация перенесла работу его наборщиков и иллюстраторов из ручного труда в программное обеспечение. Это разрушило его бизнес‑модель, и он не заметил сдвиг, пока не стало слишком поздно.

В Weber Shandwick я работал с некоторыми из крупнейших компаний мира, проходя через новые технологические волны: социальные сети, блоги, видео, мобильные технологии, данные. Каждый раз наблюдалась одна и та же закономерность. Технология появлялась. Люди ощущали изменения и начинали использовать её самостоятельно. Руководство и структура компании менялись последними.

В тех ранних волнах компании платили за задержку, теряя позиции, но люди всё равно выполняли работу. ИИ делает для интеллектуального труда то, что настольная публикация сделала для студии моего отца. Способ, которым люди выполняют работу, встраивается в программное обеспечение.

Бизнес‑школы не учат, как управлять компанией, где люди и агенты совместно выполняют работу. Большинство компаний просто «пришивают» ИИ и ускоряют старые процессы. Реальная отдача появляется, когда лидеры подготавливают своих сотрудников к переосмыслению работы с ИИ. Работа меняет форму, а не просто ускоряется.

Мы назвали её Andus Labs, как «and us» («и мы»), потому что полагали, что выгода будет зависеть от людей.

Andus Labs утверждает, что предприятия могут обладать передовыми возможностями ИИ, но всё ещё не иметь «человеческой готовности», необходимой для извлечения ценности из них. Что отличает компанию, успешно внедрившую ИИ, от той, которая действительно трансформировала процесс работы?

Я встретился с компанией, которая сообщала о 80 % внедрения ИИ, но лишь около 5 % изменения в том, как выполняется работа. Только показатель внедрения попал в презентацию для совета директоров. Второй показатель не скрывали, просто в дашборде не было места для него.

Развёртывание легко измерить: выданные лицензии, развернутые агенты, входы в систему. Это активность, а не влияние. Мы спрашиваем клиентов, что компания может сделать сейчас, чего не могла сделать раньше. Чаще всего честный ответ — те же отчёты, презентации и анализ, только быстрее.

Компании, которые трансформируются, измеряют другое. Дал ли пилот достаточно ценности, чтобы его масштабировать? Можем ли мы представить совету то, чего не могли представить год назад? Снимает ли ИИ нагрузку с наших самых ценных сотрудников, позволяя им заниматься тем, что они умеют лучше всего? Ни один из этих показателей не так прост в подсчёте, как количество мест, но именно они показывают, произошли ли реальные изменения.

Эти вопросы также требуют ответственного лица. Спросите, кто этим занимается в большинстве компаний, и вы получите список. CIO отвечает за платформы. Центр передового опыта отвечает за пилоты. HR отвечает за обучение. Влияние на бизнес никому не принадлежит.

Одна компания может сказать, сколько людей имеет доступ. Другая может рассказать, что изменилось и кто за это отвечает.

Индекс проверенных данных теперь опирается на базу из 300 задокументированных закономерностей, выявленных в ходе совместной работы и бесед с руководителями из 595 организаций. Каждую закономерность оценивают пять независимых аналитических агентов, после чего исследователи проверяют результаты и определяют окончательные места в рейтинге. Как со временем менялась эта методология, на каком этапе учитывается человеческое суждение и как вы не допускаете, чтобы Индекс лишь укреплял предположения, уже сформировавшиеся на основе полевых наблюдений?

Метод изменился по мере роста библиотеки. Каждый шаблон начинается с того, что мы слышим и видим в разговорах с бизнес‑лидерами. Мы проверяем каждый новый сигнал против библиотеки, тестируем его на основе полевых наблюдений и внешних исследований и решаем, является ли он действительно новым, усиливает уже отслеживаемый шаблон или относится к чему‑то другому.

ИИ помогает нам оценивать всю библиотеку каждый квартал, что исследовательской команде было бы невозможно выполнить вручную. Агенты читают каждый шаблон через разные профессиональные призмы и оценивают его по тем же пяти измерениям. Они работают вслепую, поэтому один агент не может повлиять на другого. Мы берём медиану, чтобы единичный выброс не изменил оценку, а лучшие 50 попадают на человеческую проверку.

Человеческое суждение пронизывает всё это. Наша исследовательская команда утверждает каждый шаблон, попадающий в библиотеку, проверяет рейтинги и определяет окончательные 25. Мы уделяем особое внимание тем случаям, где агенты расходятся во мнениях, и где медийное внимание противоречит тому, что мы слышим в поле. Мы можем изменить оценку, но только на основе документированных наблюдений: кто её поднял, как часто мы её слышали и выдержала ли она проверку в разных организациях. Интуиция не меняет оценку.

Новый Ground Truth Index ставит “Empty Chairs” в первую позицию среди барьеров для корпоративного ИИ, описывая организации, которые предоставляют системам ИИ влияние на решения, такие как найм, ценообразование и управление рисками, без чёткого указания, кто несёт ответственность или имеет полномочия отменить эти решения. По мере того как ИИ переходит от рекомендаций к реальному формированию бизнес‑результатов, как должна выглядеть значимая человеческая ответственность на практике?

Чем больше функций затрагивает ИИ, тем больше решений он принимает от имени компании. Ответственность становится вопросом управления, а не технологическим вопросом.

Ответственность обычно находится где‑то между тем, кто приобрёл систему ИИ, и тем, кто её использует, и ни один из них не владеет ею полностью. Этот разрыв остаётся незаметным, пока решение не будет оспорено. Это и есть пустой стул.

Ответственность подразумевает назначенного руководителя, который видит, что выдаёт система, и может объяснить результат, исправить его или остановить систему. Это требует полномочий над процессом, который обычно охватывает несколько отделов.

Мы просим руководителей выбрать одно значимое решение, которое их ИИ помог принять в этом квартале, и указать, кто за него отвечает. Когда ответ не ясен, компания изменила процесс принятия решений, не определив, кто за них отвечает.

“Learning While Drowning” занимает второе место в новом индексе, выделяя компании, которые обязуют обучение ИИ, оставляя при этом существующую нагрузку сотрудников без изменений. Одновременно “Optimization Temptation” показывает, насколько легко компании могут количественно оценить экономию персонала по сравнению с более трудной для измерения ценностью переориентирования людей на более ценные задачи. Считают ли компании в фундаменте недооценивают организационные инвестиции, необходимые для повышения продуктивности их рабочей силы с помощью ИИ, вместо простого использования ИИ для сокращения расходов?

Да. Экономию от устранения должности легко отразить в таблице. Стоимость знаний, отношений и суждений этого человека гораздо труднее измерить. Экономия проявляется в этом квартале. Потери могут накапливаться в течение нескольких лет.

Предположение, лежащее в основе сокращения, тоже часто ошибочно. ИИ делает текущую работу более эффективной, а также выявляет новую работу, которую нужно выполнить. Мы наблюдаем, как команды переориентируются, люди переходят на другие должности, а не полностью сокращаются целые функции.

Обязательное обучение — это решение о нагрузке. Компании накладывают обучение ИИ поверх существующей работы, а низкую завершённость трактуют как проблему мотивации. Инвестиции, которые они пропускают, — это те, которые никогда не попадают в бюджет. Нужно решить, какая работа будет прекращена, сокращена или перемещена, чтобы освободить место, и указать, кто одобрил это решение. Обучение требует времени. Применение требует ещё больше, потому что людям необходимо тестировать незнакомые инструменты, проверять результаты и менять привычный способ работы.

Ответ не является ещё одним пунктом списка. Поставьте команду на реальный проект, и обучение происходит в процессе работы.

Индекс также выделяет “Devaluation Anxiety”, отражая опасения по поводу того, что происходит с сотрудниками, когда ИИ становится способным выполнять всё более ценные части их работы. Насколько то, что руководители называют сопротивлением ИИ, на самом деле является рациональной тревогой о ценности карьеры, и что лидеры должны делать иначе при внедрении этих систем?

Большая часть этого рациональна. Сотрудники слышат об эффективности ИИ в одном объявлении и о сокращениях в следующем. Они делают собственные выводы.

Руководство рассматривает их как отдельные сообщения. Команды этого не делают. Они завершают обучение и откладывают эксперименты, которые сделали бы его полезным.

Уверения этого не исправят. Руководителям необходимо сообщать, что решено относительно рабочих мест, что ещё остаётся неопределённым и какую поддержку могут ожидать сотрудники.

То же самое относится к вознаграждению. Компании формулируют, чего бизнес ожидает от ИИ, но оставляют сторону сотрудников пустой. Если кто‑то становится быстрее, что он получает взамен? Возможность выполнять более качественную работу, путь к продвижению, возвращённое время? Это должно быть включено в план внедрения.

Руководители просят свои команды работать иначе с ИИ. Команды ждут, пока руководители сначала покажут, как это делается.

Еще один шаблон, который вы выделяете, — «Активная инерция», когда организации используют ИИ для ускорения существующих процессов, не меняя их фундаментально. Как выглядит подлинный ИИ‑родной редизайн рабочего процесса, и можете ли вы привести пример разницы между ускорением старого процесса и перестройкой процесса с учётом того, что теперь позволяет ИИ?

Большинство компаний направляют ИИ на всё, что легче всего автоматизировать, а это часто работа, которой не должно быть изначально. Отчёты выходят быстрее. Утверждения идут в том же темпе, что и всегда. Это и есть «Активная инерция».

Редизайн заранее определяет, что делают модели ИИ и что берёт на себя команда, а затем строит решения под эти требования, а не наследует старую форму.

Возьмём еженедельный отчёт. В более быстрой версии ИИ составляет его черновик, а те же люди проверяют тот же документ по тому же графику. В перестроенной версии задаётся вопрос, для чего нужен отчёт. Если он существует, чтобы кто‑то мог быстро обнаружить проблемы, система может сразу же пометить проблему в момент её появления, и отчёт исчезает.

Вы написали, что «ценность = возможность × ёмкость», и выступали за системы, а не просто за программное обеспечение. По мере того как передовые модели всё больше становятся товаром и доступны всем, может ли способность организации поглощать и реорганизовываться вокруг ИИ стать более прочным конкурентным преимуществом, чем доступ к самим моделям?

Да. Развёртывание моделей проще, чем изменение процессов вокруг них. Они приходят с чрезвычайной мощью, становятся дешевле каждый квартал. Те же модели доступны каждому. То, что нельзя купить, — это уникальный контекст внутри компании и команды, готовые использовать их в полном объёме.

То, что мы называем «ёмкость получения», — старая идея. Это способность команды принимать что‑то новое и применять это в работе; она состоит из прав принятия решений, стимулов, рабочего процесса, проектирования ролей и достаточного доверия, чтобы люди сообщали, что пошло не так. Ничего из этого нельзя арендовать.

Я описываю ценность как возможность, умноженную на ёмкость, потому что эти две величины перемножаются, а не складываются. Блестящая модель, внедрённая в организацию, которая не может её принять, — это безупречный элемент, прикреплённый к дефектному уплотнению. Возможность реальна. Возврат всё равно равен нулю.

Агентный ИИ добавляет ещё один уровень сложности, поскольку системы всё чаще способны предпринимать действия, использовать инструменты и преследовать цели, а не просто генерировать ответы. Где предприятия должны проводить черту между автономией агентов и человеческим принятием решений, и какие новые структуры управления потребуются, когда агентам будет предоставлен больший уровень полномочий?

Начните с одного вопроса: кто отвечает, когда агент ошибается?

Установите границу между тем, что решает агент, и тем, что решает человек, до того как что‑то станет рабочим. Большинство компаний находят эту границу уже после того, как что‑то сломалось.

Если ошибку легко исправить и она проявляется быстро, позволяйте агенту действовать. Когда решение влияет на то, сколько кто‑то зарабатывает, сохраняет ли он работу или меняет его правовой статус, человек принимает решение, а агент лишь готовит его.

Инстинкт — централизовать. Создать комитет, написать рамки, ждать, пока всё не станет управляемым. К тому моменту, когда указания сверху дойдут до работы, они уже устарели, и люди, не получившие ответа, начинают использовать инструменты, которые компания никогда не одобрила.

Управление должно находиться рядом с работой. Командам нужно знать, какие решения может принимать каждый агент, кто за них отвечает и как их остановить. И им нужен журнал того, что агент сделал.

Организационная структура никогда не была создана для агентов, работающих между функциями, поэтому ни одна функция не несёт ответственности за сбой. Установите это до развертывания, а не после.

Смотря вперёд, если крупнейшими ограничениями корпоративного ИИ всё чаще становятся организационные, а не технические, как вы ожидаете, что изменятся сами компании? Какие части текущей организационной схемы, управленческой структуры, проектирования ролей и процессов принятия решений с наименьшей вероятностью переживут переход к организациям, построенным вокруг совместной работы людей и ИИ‑агентов?

Функциональная организационная схема — самая маловероятная к выживанию. Большинство компаний всё ещё работают по функциям, передавая работу от одного отдела к другому и требуя подписи на каждом этапе. ИИ создает результат за несколько минут, тогда как согласования занимают недели. Руководителей просят ускоряться в системах, построенных для замедления процессов.

Эта схема была построена для передачи работы от человека к человеку, а не для совместных решений между людьми и агентами.
Комитет не решит эту проблему.

То, что заменит схему, выглядит как небольшие команды, организованные вокруг конкретной проблемы. Руководитель формулирует проблему, стоящую за решение, определяет, что должно быть выполнено для её решения, и формирует команду из людей и агентов. Эта команда получает собственное финансирование и защиту, потому что она не может работать так же, как остальная часть бизнеса. Люди в команде принимают решения и отвечают за то, что создают агенты.

Электродвигатели попали в американские фабрики в 1880‑х годах, но прирост производительности проявился лишь в 1920‑х. Сначала заводы ставили один большой мотор вместо паровой машины, приводили те же линейные валы и оставляли каждое оборудование на месте. Прорыв произошёл, когда каждому станку поставили отдельный мотор и перестроили планировку цеха под работу.

Перестановка была революцией.

Спасибо за прекрасное интервью! Читатели, желающие узнать больше, могут посетить сайт Andus Labs или подробнее ознакомиться с Индексом проверенных данных.