Исследование IBM: 76% руководителей компаний требуют технической грамотности от своих заместителей

Три тысячи CEO в одном опросе дали редкое единодушие: технологическая грамотность больше не привилегия CTO. IBM Global CEO Study зафиксировал, что 76% руководителей компаний ожидают этого от всех лидеров организации (не только ИТ!), включая директоров по HR, маркетингу, юридических директоров и вице-президентов по продажам.

Показательна и другая деталь: уверенность CEO в готовности их команд к работе с ИИ падает, несмотря на рост инвестиций. Деньги вкладывают больше, а понимания у команд не прибавляется. Прежняя модель “нанять правильного CTO и делегировать ему всё технологическое” не даёт результата именно потому, что ИИ-решения затрагивают не только IT, но и стратегию, кадровую политику и конкурентное позиционирование.

Почему делегирование больше не спасает

MindStudio описывает паттерн, при котором ИИ-решения нельзя полностью передавать IT-команде. Руководитель, который не понимает технологию, не может участвовать в принятии этих решений содержательно. Он либо соглашается со всем, что предлагает технический директор, либо блокирует инициативы из-за непонимания.

Рядом с этим живёт второй паттерн: ловушка пилота. Компания запускает успешный эксперимент с ИИ, получает обнадёживающие результаты, а потом обнаруживает, что масштабировать его не получается. Причина чаще всего не техническая: если команда не понимает, как работает инструмент и зачем он нужен, пилот так и останется пилотом. Именно это фиксирует IBM Global CEO Study: уверенность CEO в готовности команд снижается при одновременном росте бюджетов на ИИ.

Третий паттерн связан с поставщиками. Вендоры не нейтральны в своих рекомендациях. Руководитель, который не способен самостоятельно оценить применимость конкретного решения к своему бизнес-контексту, оказывается в зависимости от советов людей, напрямую заинтересованных в продаже.

AI adoption gap: четыре формы разрыва

MindStudio описывает разрыв между декларируемыми амбициями компании и реально измеримыми результатами как четыре конкретные формы.

Первая: пилоты, которые не масштабируются. Эксперимент успешен в вакууме и застрял на уровне эксперимента.

Вторая: точечные решения без стратегии. Компания автоматизирует отдельные задачи, не задумываясь, как это вписывается в общую картину. Каждое решение принимается изолированно, и в итоге набор инструментов не складывается в систему.

Третья: инвестиции без бизнес-эффекта. McKinsey зафиксировал: хотя внедрение ИИ выросло, лишь незначительная доля компаний получает от него существенную ценность. Вложить деньги в ИИ и не получить отдачи возможно именно потому, что никто в топ-команде не умеет связать технологию с бизнес-результатом.

Четвёртая: оторванность топ-менеджмента от принятия ИИ-решений. Когда технические и стратегические вопросы разведены по разным этажам организации, решения принимаются без нужного контекста с обеих сторон.

IBM Global CEO Study отдельно фиксирует: нехватка кадров с нужными компетенциями называется главным барьером внедрения ИИ, обгоняя стоимость, регуляторные риски и качество данных. Это не проблема найма в классическом смысле. Это проблема гибридных компетенций: людей, которые одновременно понимают доменную область и умеют работать с ИИ-инструментами, мало. И именно они становятся непропорционально ценными.

Лестница технической грамотности: до какого уровня идти

MindStudio выстраивает лестницу из четырёх уровней грамотности.

Первый уровень: осведомлённость. Руководитель понимает, что ИИ работает с вероятностями, а не с фактами. Его выходы требуют проверки. Это база, без которой невозможно работать с инструментом осознанно.

Второй уровень: концептуальное понимание. Различение машинного обучения, генеративного ИИ и автоматизации. Звучит технически, но это различение важно именно для управленца: разные инструменты решают разные задачи, и путать их при постановке задач дорого обходится.

Третий уровень: прикладное суждение. Способность оценить, применим ли конкретный ИИ-инструмент к конкретному бизнес-контексту. Анализ рисков. Понимание того, где автоматизация создаёт ценность, а где создаёт иллюзию продуктивности. MindStudio считает этот уровень реалистичной целью для большинства топ-менеджеров, и переход к нему достижим без многолетнего обучения.

Четвёртый уровень: стратегическая интеграция. Проектирование ИИ-процессов, увязка с кадровым планированием, конкурентным позиционированием. Это уровень для тех, кто отвечает за ИИ-стратегию компании, а не обязательная точка для каждого.

Большинству руководителей нужен третий уровень. Не второй, который даёт только словарный запас. Не четвёртый, который требует глубокого погружения. Именно третий: достаточно, чтобы участвовать в принятии решений содержательно.

Как выглядит практический путь

Один из предлагаемых подходов к третьему уровню связан с прямым опытом работы с ИИ-инструментами. MindStudio утверждает, что среднее время сборки агента на их no-code платформе составляет от 15 минут до часа. Логика здесь в следующем: руководитель, который хотя бы раз прошёл через настройку рабочего процесса с участием ИИ-агента, способен реалистично оценивать сроки и самостоятельно анализировать предложения вендора, а не принимать их на веру.

Нехватка специалистов, о которой говорит IBM, в этом контексте выглядит иначе. Это не только дефицит разработчиков. Это дефицит менеджеров, способных задать правильный вопрос техническому директору, оценить предложенное решение и нести за него ответственность. Гибридные роли, совмещающие доменную экспертизу с ИИ-грамотностью, редки именно потому, что в большинстве компаний технологическая грамотность не считалась управленческой компетенцией.

При этом Gartner прогнозирует, что глобальные расходы на ИИ продолжат расти и достигнут сотен миллиардов долларов ежегодно. Разрыв между объёмом инвестиций и компетентностью принимающих решения будет только шире, пока навыки управленцев не догонят бюджеты.