Сводка
Главная мысль конференции: управленческая эффективность становится вопросом выживания, а ИИ переводит менеджмент из набора человеческих практик в гибридную систему людей, данных, агентов, доверия и дисциплины.
ИИ перестает быть «помощником для текста» и становится слоем управления: помогает ставить цели, подбирать людей, видеть отклонения, запускать задачи, проверять метрики и анализировать клиентский путь.
Все спикеры по-разному пришли к одному выводу: без доверия компания тонет в согласованиях, страхах и защитном поведении. Доверие не отменяет контроля, но меняет его форму: меньше бюрократии, больше ясных правил и ответственности.
Право на ошибку не универсально. В опасной эксплуатации допустимость ошибки почти нулевая; в R&D, цифровых продуктах и новых бизнес-моделях ошибка становится ценой обучения, если она быстро обнаруживается и исправляется.
Умная колонка МТС была закрыта как поздний вход в чужую нишу, а геопозиционирование с точностью 2-3 см после неудачи в агро нашло применение в беспилотных грузовиках. Решение зависит от стратегического права на победу, а не только от первого результата.
ИИ перераспределяет функции уже сейчас. Конов прямо говорит: нечестно делать вид, что работа людей не изменится. Галактионова показывает более мягкую картину: сокращений пока нет, но рутинная аналитика уходит в ИИ.
Понимание других, доверие, открытость, эмпатия и способность учиться оказываются не «мягким дополнением», а основой трансформации. Чем сильнее ИИ забирает твердые операции, тем важнее качество человеческого взаимодействия.
Герман Греф: ИИ как инфраструктура управления
Греф задает рамку форума: проблема эффективности управления в России исторически болезненна, а технологические изменения делают ее критичной. Ответ Сбера — встроить ИИ в каждый элемент менеджмента.
Технологический тезис
Мир движется от генеративного ИИ к агентному ИИ, а затем к физическому ИИ. Генеративный ИИ создает контент и решения, агентный ИИ автономно выполняет задачи, физический ИИ переносит разумную автономность в роботов, дроны, машины и производственные объекты.
- Агент: LLM плюс «обвязка» вокруг модели, память, инструменты и оркестратор.
- Мультимодельность: агент выбирает модель под задачу, чтобы не гонять дорогие тяжелые модели там, где достаточно малой специализированной.
- Саморазвитие: «Уруборос» описан как автономный агент, который может эволюционировать, писать код, создавать 3D-модели и размещать новые навыки.
- Риск: агенты могут начать общаться на машинных протоколах, которые эффективнее человеческого языка и потенциально менее прозрачны для людей.
Physical AI
Физический ИИ возникает, когда соединяются три элемента: VLA-модели, модель мира и система рассуждений. Робот или машина не просто исполняет алгоритм, а видит, слышит, действует, понимает последствия и может работать в незнакомой среде.
- VLA-модель дает способность «видеть, слышать и действовать».
- Модель мира позволяет понимать физические последствия: предмет упадет, хрупкий объект разобьется, изменение среды опасно или допустимо.
- Рассуждение нужно для принятия решений при отклонении от сценария.
Пять элементов менеджмента и роль ИИ
| Вопрос управления | Что меняется | Инструменты и факты из выступления | Вывод для компании |
|---|---|---|---|
| Что? Целеполагание |
Цели перестают быть только результатом переговоров руководителей; их качество можно проверять машинно. | Коуч по целеполаганию проверяет качество целей, валидатор связывает цели между собой. | Нужен единый стандарт хорошей цели и проверка связности целей между уровнями. |
| Кто? Люди и роли |
Профиль сотрудника строится шире резюме: жизненный контекст, личность, навыки, наблюдаемое поведение. | «СберКью» оценивает руководителей без опросников, наблюдая работу в течение дня с нарастающей нагрузкой. GigaChat в «Пульсе» ищет кандидатов по запросу. | HR-платформа должна отвечать не только «кто есть в базе», но и «кто лучше подходит под сложную задачу». |
| Как? Операционное управление |
Управление становится контуром реального времени, где отклонения выявляются и превращаются в задачи. | Run, Change, Disrupt; «Навигатор» как единый источник данных; ИСУ для отклонений и задач. Заявлено: минус 65% управленческого персонала, операционных ошибок в 4 раза меньше. | Сначала нужна достоверная управленческая картина, затем автоматизация выявления проблем и эскалации. |
| Параметры оценки Метрики |
ИИ помогает проверять, не создают ли метрики неправильное поведение и сбои мотивации. | Машинный анализ корректности метрик для предотвращения мотивационных искажений. | Метрика должна проходить стресс-тест: что люди начнут оптимизировать, если ее поставить в KPI. |
| Обратная связь Клиентский путь |
Качество продукта и клиентского пути можно оценивать машинно и непредвзято. | ИИ применяется для анализа продукта, клиентского пути и обратной связи. | Машина полезна как нейтральный наблюдатель, но нужна ясная ответственность за изменения. |
Дополнительные тезисы из вопросов и ответов
- Человекоцентричность и ИИ не противоречат друг другу. По Грефу, без технологий человекоцентричность ограничена когнитивными возможностями человека: невозможно глубоко знать многих клиентов вручную.
- ИИ создает риск красивой пустоты. Идеальные презентации и тексты могут скрывать отсутствие самостоятельного мышления у кандидата или сотрудника.
- Образование отстает от бизнеса. Греф критикует устаревшие программы, слабое развитие целеполагания и креативности, а также формат, который снижает когнитивную функцию. Бизнес, по его мнению, должен быть главным заказчиком образования.
- Книга Джима Коллинза. Упомянута «What to Do with Your Own Life» как текст о предназначении и поиске собственного пути.
Дмитрий Конов: данные, ошибка и честность изменений
Конов переводит разговор из технологического оптимизма в управленческую реальность: данные похожи на сырье, ошибка имеет разные правила в разных контурах, а люди воспринимают трансформацию как угрозу признанию и будущему.
Данные как попутный газ
Аналогия Сибура: когда-то попутный нефтяной газ был побочным продуктом, затем стал источником энергии, а потом сырьем для материалов с высокой добавленной стоимостью. Данные проходят похожий путь: сначала их искали, затем стали тонуть в избытке, теперь ИИ снова делает большие массивы ценными.
- Первая стадия: собрать и продать побочный продукт как энергетическое сырье.
- Вторая стадия: реинвестировать маржу в глубокую переработку и специальные материалы.
- Урок для данных: ценность появляется не от хранения, а от переработки, качества и применения.
ИИ как риск-менеджер качества
Конов отдельно выделяет проблему качества входных данных. ИИ может не только искать выводы в данных, но и выступать дополнительным контролером: обнаруживать аномалии, неполные вводные и странные отклонения.
Практический смысл: сначала проверьте, что данные не искажают реальность; только потом поручайте ИИ оптимизацию.
Право на ошибку: не лозунг, а контур
| Контур | Допустимость ошибки | Логика | Пример из обсуждения |
|---|---|---|---|
| Эксплуатация опасных объектов | Почти нулевая | Ошибка может привести к аварии, угрозе людям и производству. | Нельзя простить действие, когда человек поменял правила без согласования и привел к аварии. |
| Коммерческие модели и R&D | Допустимая, если разобрана | Ошибку можно анализировать, переделывать модель и превращать в практику. | Неправильная модель экономики клиента недособрала маржу, но ее можно исправить и использовать дальше. |
| Трансформация поведения | Нужна защищенная проба | Сотрудники должны попробовать новое без немедленного наказания, иначе будут защищать старые практики. | «Черный экран»: эксперимент с видеоаналитикой стал мейнстримом после демонстрации пользы. |
Мягкие навыки и отношение к ИИ
- Главный soft skill — понимать других людей: что они видят, чего боятся, почему не верят и какие ограничения у них есть.
- ИИ скорее повод для оптимизма, но для сотрудников он несет неприятные изменения: меняется работа, статус, доступ к уважению и благам.
- Нечестно скрывать масштаб изменений. Если функция может быть автоматизирована, людей надо готовить заранее, а не успокаивать до последнего.
- Консалтинг под давлением. Пример выгрузки операций во внешний ИИ показал рекомендации, похожие на управленческий консалтинг: выявление неоптимальностей и применение базы лучших практик.
Инесса Галактионова: доверие как условие скорости
Для МТС трансформация — не разовая реакция на кризис, а постоянное балансирование между текущим телеком-бизнесом и новыми технологическими ставками. Основной организационный ресурс — доверие.
Главный конкурент — будущее
Телеком-рынок конкурентен, а технологические волны приходят быстрее, чем раньше. Поэтому МТС должна одновременно поддерживать текущий бизнес и искать новые ставки. Внешние вызовы сочетаются с внутренним давлением совета директоров и страхом упустить следующую волну.
- Компания изучает мировой опыт через международные ассоциации операторов.
- Допустима логика «копирования с достоинством»: не изобретать заново там, где уже есть рабочие модели.
- ИИ был представлен топ-менеджменту как новая технологическая волна, сравнимая с электричеством, а не как очередной инструмент.
Доверие вместо страха признаться
В МТС строится демократичная среда: прямые обращения, эфиры, письма, регулярные замеры удовлетворенности и NPS. Важная культурная норма — можно сказать «я не знаю, давайте вместе» и не потерять управленческий статус.
Сравнение в дискуссии: Philips как более иерархичная международная среда, Почта России как регламентная госструктура, МТС как более демократичная среда доверия.
Портфель инноваций: закрывать, держать, масштабировать
| Кейс | Что произошло | Управленческий урок | Решение |
|---|---|---|---|
| Умная колонка | Было три попытки, но компания поняла, что может зайти только третьей-четвертой и рискует стать дискаунтером в чужой нише. | Не каждая технологическая возможность является вашей стратегической возможностью. | Закрыть и не тратить ресурс на поздний вход без права на победу. |
| Геопозиционирование 2-3 см | Первое применение в сельском хозяйстве не сработало: мешали мыши и хищения зерна. Позже решение оказалось нужно Яндексу для беспилотных грузовиков. | Некоторые ставки нельзя закрывать окончательно: может измениться заказчик, рынок и момент времени. | Сохранить технологию и найти другой рынок применения. |
| Гексакоптер с базовой станцией | Станция поднимается примерно на 300 метров, может трое суток висеть с питанием от дизельного генератора и покрывать радиус 10-15 км. | Технологический лидер не может не пробовать решения для ЧС, удаленных площадок, поисковых операций и временных мероприятий. | Проверять коммерческий кейс, понимая стоимость станции и путь к новому бизнес-потоку. |
| Аудит цифровой рекламы | 3-4 аудитора делали отчет месяц; ИИ дал рекомендации за 2 часа, совпадение — 90%, но человеческая работа была на 10% точнее за счет контекста бизнеса. | ИИ расширяет бутылочное горлышко, но может перегрузить следующий контур: бизнес должен успевать внедрять рекомендации. | Решать не только «кого оптимизировать», но и «сколько аудитов действительно нужно». |
Run · Change · Disrupt в МТС
- Run — текущий бизнес и операционная устойчивость.
- Change — новый функционал и улучшения, которые развивают текущую модель.
- Disrupt — прорывные ставки с горизонтом окупаемости более 7 лет. В условиях давления компания сократила инвестиции в такие проекты.
- Финансовая дисциплина — любой проект трекируется по затратам и окупаемости, а ИИ начинает работать как альтернативный взгляд для финансовых контролеров.
Елена Тябутова: энергия шока и пересборка компании
Кейс Арнест Юнирусь показывает трансформацию под сильным внешним шоком: бывшая Unilever Россия должна была стать автономной так, чтобы потребитель не заметил разрыва, а бизнес получил новую скорость.
Что пришлось пересобрать
| Направление | Проблема | Действие | Результат |
|---|---|---|---|
| Системы и процессы | ERP и процессы были встроены в глобальный офис. | Создать автономные процессы, системы и функциональную подчиненность. | Компания получила управляемость без глобальной инфраструктуры. |
| Бренды | Нужно было сменить латиницу на кириллицу без потери потребителя. | Провести ребрендинг и сохранить полку, долю рынка и объемы. | Потребитель практически не заметил изменений. |
| Портфель SKU | Тысячи SKU создавали высокую сложность при смене рецептур, сырья и поставщиков. | Сильно сократить SKU, затем постепенно нарастить портфель обратно. | Сокращение не привело к потере продаж; позже портфель стал больше прежнего. |
| Поставщики | Зависимость от импортного сырья была существенной. | Искать альтернативные источники и локальные решения. | Снижение уязвимости цепочки поставок. |
| Люди и смысл | Команда привыкла к масштабу и возможностям глобальной компании. | Создать локальную миссию: «Мы создаем больше, чем просто продукт, мы несем добро в каждый дом». | Миссию быстрее всего приняли сотрудники производства; лидерская команда сохранена. |
Финансовая ось
Единый стратегический KPI лидерской команды — чистый денежный поток. Он работает как общий фильтр для краткосрочных и долгосрочных решений, помогает согласовать категории, функции и кросс-функциональные команды.
Ранее российский бизнес был ниже средней рентабельности глобального Unilever; уже в 2023 году, по словам Тябутовой, рентабельность превысила среднемировой уровень.
Доверие и полномочия
Рост стал возможен после снятия корпоративного балласта: пересборки матрицы полномочий, сокращения лишних согласований, отказа от внутренних контролей без смысла и усиления ответственности категорийных лидеров.
Культура строится вокруг доверия, этики ведения бизнеса, качества продукта и уважения к сотрудникам, клиентам, потребителям и партнерам.
Технологии и ИИ в Арнест Юнирусь
Помимо классических центров исследований и разработок создан инновационный центр «Нахаб», подчиненный CEO. Он смотрит на технологии горизонта 3-5 лет.
В партнерстве с научными организациями и стартапами, включая Сколтех и Альбоген, с использованием ИИ создан синтетический пептид для anti-age косметики; идет регистрация.
Роботизация производства на 238% опережает государственные нормативы; выручка и EBITDA на сотрудника должны расти ежегодно.
70% ежемесячного прогнозирования спроса делается non-touch: машинное обучение считает прогноз по клиентам и продуктам.
ИИ применяется в HR, финансах и центре поддержки бизнеса как инструмент эффективности функций.
Защищенный бюджет на инновации и R&D, который нельзя сократить при общих урезаниях. Ошибка, быстро исправленная, лучше бездействия.
Лидерские принципы Тябутовой
- Открытость — главный личный управленческий принцип.
- Тотальный контроль устарел. После назначения CEO был период желания «все знать», затем пришел осознанный отказ от микроконтроля.
- Эмпатия — ключевой soft skill в эпоху ИИ. ИИ может обрабатывать контекст, но личностное эмпатичное общение остается важнее быстрых советов системы.
- Доверие проверяется. На вопрос «как понять, что человеку можно доверять» ответ был кратким: «Проверяю».
Сквозные выводы
Несмотря на разные отрасли, дискуссии сходятся в нескольких повторяющихся управленческих паттернах.
Если цели, данные, роли и ответственность не описаны, ИИ ускорит хаос. В Сбере сначала видна управленческая архитектура: цели, люди, Run/Change/Disrupt, метрики, обратная связь.
МТС и Арнест показывают одну мысль: скорость появляется, когда люди могут говорить правду, брать полномочия и не гонять решения по лишним уровням.
Ошибка допустима в поиске и развитии, но не в опасной эксплуатации. Сильная культура не «прощает все», а заранее различает контуры риска.
Умная колонка, геопозиционирование, «Нахаб», бюджет «Малевич» и GigaAgent показывают: компании нужны разные правила для текущего бизнеса, изменений и дальних ставок.
ИИ может за 2 часа сделать то, что команда делала месяц, но следующий вопрос — что делать с резко выросшим числом рекомендаций и кто успеет их внедрять.
Понимание людей, эмпатия, открытость и честное объяснение угроз прямо влияют на скорость внедрения ИИ и готовность сотрудников участвовать в изменениях.
Что забрать в практику
Этот блок можно использовать как повестку обсуждения с коллегами: какие элементы уже есть в компании, где есть разрывы и что стоит проверить первым.
Вопросы для управленческой команды
- Есть ли у нас единый источник управленческих данных в реальном времени или решения строятся на фрагментах?
- Какие управленческие действия можно передать агентам уже сейчас: проверка целей, поиск кандидатов, анализ отклонений, аудит, подготовка вариантов решений?
- Где ИИ может расширить воронку так сильно, что следующий контур не выдержит?
- В каких зонах ошибка недопустима, а где без права на ошибку невозможны инновации?
- Какие проекты надо закрыть, какие сохранить как опцион, а какие масштабировать?
- Что сотрудники боятся потерять из-за ИИ: работу, статус, компетентность, уважение, доход?
- Какая одна метрика объединяет команду и помогает принимать решения без длинных согласований?
Мини-чеклист внедрения
Источники и ограничения
Фактическая основа страницы — предоставленная расшифровка конференции. Публичная ссылка на лендинг сохранена для контекста события.
Основной источник: «2026-06-19 Выступление Германа Грефа в треке трансформация Сберуниверситет 1.md».
Контекст события: лендинг Сберуниверситета «Больше, чем менеджмент». При подготовке из текущей среды страница была недоступна для прямого просмотра, поэтому неподтвержденные детали с лендинга не добавлялись.