Коротко

Руководителю не нужно разбираться в моделях и писать код. Ему нужно две вещи. Первая: использовать ИИ в собственной работе, там, где решение ещё сырое. Проверить идею, найти слабые допущения, задать вопросы к цифрам, превратить мысль в понятное задание для команды. Вторая: понимать, что ИИ умеет сегодня, чтобы видеть в своих подразделениях задачи, которые пора снять с людей, и спрашивать за результат.

Генерация постов и презентаций тут вторична. Мы проводили сессии для собственников в Parasat Business Club, для финансового блока Казатомпрома и для KEGOC, и чаще всего руководителей интересовало одно: где ИИ помогает принимать решения лучше и где на него нельзя полагаться.

Ниже разбор на одном условном примере. Генеральный директор дистрибьютора с офисами в Алматы и Астане думает, открывать ли склад в Шымкенте. Пройдём путь от сырой идеи до задания команде и первого пилота, а в конце разберём, чему учить топ-менеджмент.

Как руководителю использовать ИИ в своей работе

Сильнее всего ИИ помогает руководителю до того, как задача уходит людям. Пока мысль в голове, её дёшево проверить. Когда по ней уже работают финансы, логистика и продажи, ошибка в постановке стоит недели чужого времени.

На выступлении в Parasat Business Club мы назвали это рабочим слоем между головой собственника и компанией. В течение дня ИИ попеременно работает собеседником, аналитиком, редактором и тем, кто готовит задачи.

Продумать решение и проверить допущения

Директор пишет в ChatGPT или Claude то, что у него есть: «Думаю открыть склад в Шымкенте. Сейчас клиентов юга возим из Алматы, доставка занимает два дня, конкуренты возят за день». И просит не совета, а вопросов:

Я обдумываю решение, описание ниже. Не давай рекомендацию. Перечисли допущения, на которых держится идея, и для каждого напиши, какие данные его подтвердят или опровергнут. Отдельно назови три причины, по которым идея может провалиться.

Модель вытащит то, что в голове было свёрнуто: что спрос на юге вырастет от доставки за день, что аренда и персонал окупятся при текущем объёме, что маржа на юге не ниже, чем в Алматы. Каждое из этих допущений можно проверить, и теперь видно, какое из них главное.

Хорошая работа с ИИ почти никогда не бывает одним запросом. На выступлении мы показывали это как привычку двадцати итераций: не согласиться, попросить посчитать иначе, добавить контекст, сравнить два варианта, потребовать риски. Первый ответ модели похож на первый черновик сотрудника. Ценность появляется на пятом-десятом круге.

Задать вопросы к цифрам

Следующий шаг: финансы. Директор выгружает продажи по южным клиентам за год и затраты на доставку, убирает названия клиентов и просит модель поработать финансовым аналитиком.

Вот продажи по клиентам юга за 12 месяцев и затраты на доставку. Посчитай выручку и маржу по месяцам, долю доставки в затратах и сезонность. Покажи, при каком объёме склад на 400 тыс. тенге в месяц окупается. Каждую цифру бери только из файла, формулы оставь видимыми.

ChatGPT и Claude считают такие вещи кодом прямо в чате, а не «по памяти». Но цифра становится надёжной только после проверки. На семинаре для финансовых директоров Казатомпрома зал попросил специально испортить формулу в готовой модели. Мы подложили множитель 0,8 в расчёт прибыли и открыли файл в новом чате, без истории построения. Claude нашёл множитель и объяснил, как он искажает налог. Этот приём полезен и руководителю: готовую модель отдайте на проверку в чистый чат и попросите найти ошибки. Подробнее о том, как финансисту работать с выписками, план-фактом и Excel, в статье ИИ для финансиста.

Превратить идею в задание команде

Когда допущения понятны, директор просит модель собрать задание:

На основе нашего разговора подготовь три коротких задания: финансовому директору, руководителю логистики и коммерческому директору. Для каждого: что нужно выяснить, к какому сроку, в каком виде принести ответ, какие данные использовать. Отдельно перечисли вопросы, на которые я сам должен ответить до совещания.

На выходе вместо «посмотрите, что там с Шымкентом» каждый руководитель получает конкретный вопрос, срок и формат. Совещание через неделю идёт по цифрам, а не по впечатлениям. Последний блок промпта часто полезнее всего: модель показывает, где директор сам ещё не определился.

Подготовка к встречам, отчёты и переписка

Это та часть, которую обычно показывают в подборках «ИИ-ассистент руководителя», и она тоже работает:

  • выжимка из длинного отчёта перед совещанием с вопросами, которые стоит задать автору;
  • разбор пачки материалов к совету директоров: что изменилось с прошлого раза, где цифры расходятся;
  • протокол по записи встречи с решениями, ответственными и сроками;
  • черновик письма партнёру или служебной записки, который потом правит сам руководитель;
  • подготовка к трудному разговору: как сформулировать обратную связь, какие возражения услышишь.

Голосовой ввод здесь сильно экономит время. Руководителю проще надиктовать задачу на ходу, чем набирать её. На практикуме в Казатомпроме задачу сверки бюджета с планом закупок участница поставила голосом.

База знаний компании

Модель не знает вашу компанию. Она не помнит, что решили по ценам в прошлом квартале, какой регламент действует для филиалов и почему уже отказались от одного поставщика. Для разовой работы этот контекст можно положить в проект ChatGPT или Claude: регламенты, стратегию, протоколы, главные договоры. Тогда ответы опираются на ваши документы.

Когда такой поиск нужен не одному директору, а всей компании, нужен уже внутренний ассистент с правами доступа и журналом. Как его устроить, мы разбирали в статье про внутренний ChatGPT для компании.

Что можно поручить ИИ, а что оставить за собой

Простое правило: ИИ готовит, руководитель решает. Вот как это раскладывается на задачи.

Можно отдать ИИ Оставить за собой
Список допущений и рисков по решению Выбор, какие риски компания принимает
Черновой расчёт, сценарии, проверка формул Подпись под цифрами и ответственность за них
Выжимки, протоколы, черновики писем Разговоры с людьми, переговоры, увольнения
Структура задания команде Приоритеты и распределение ресурсов
Обзор рынка с источниками Оценку, каким источникам верить
Подготовку к трудному разговору Сам разговор и оценку человека

В Казатомпроме из зала прозвучали два вопроса, которые мы часто слышим и на других сессиях: «Кто отвечает, если ИИ ошибся в отчёте?» и «Не разучимся ли мы думать сами?». Ответ на первый: тот, кто подписал. ИИ не меняет ответственность, он меняет скорость подготовки. На второй: если использовать модель как спарринг-партнёра, который спорит и задаёт вопросы, думать приходится больше, а не меньше. Если просить готовые ответы и не проверять их, тогда да, навык слабеет.

Как выбрать первый ИИ-пилот в компании

Личная работа с ИИ даёт эффект сразу. Проект на уровне компании требует другой дисциплины. На выступлении в Parasat мы разделяли три вещи, которые на совещаниях часто смешивают: личную продуктивность, эффектное демо, которое впечатляет зал, и настоящий проект с данными, доступами и владельцем.

Для отбора первого проекта используйте пять вопросов. Мы показывали их собственникам в виде одного листа.

  1. Какое решение или действие меняется. Не «внедрить ИИ в продажи», а «менеджер получает резюме входящего лида и следующий шаг за минуту, а не через час».
  2. Кто владелец. Конкретный руководитель процесса, который решает, хороший результат или плохой. Не ИТ и не подрядчик.
  3. Какие данные есть. Где они лежат, в каком виде, кто даст доступ. Если данных нет, первый пилот будет про сбор данных, а не про ИИ.
  4. Какой риск появляется. Что будет, если модель ошибётся, и кто это заметит.
  5. Как понять, что сработало. Одна метрика с исходной точкой: время обработки, доля ошибок, количество обращений, часы на отчёт. Её надо измерить до начала.

Если на какой-то вопрос нет ответа, проект не готов, даже если демо выглядит убедительно. Выигрывают скучные процессы с объёмом и понятной ценой ручной работы: ответы клиентам, проверка документов, сверки, поиск по регламентам. Как уложить такой проект в месяц и принять по нему решение, мы описали в статье пилот ИИ за 30 дней.

В примере с Шымкентом первым пилотом стал бы не склад, а, скажем, автоматическая сводка по отгрузкам и задержкам для юга. Владелец: руководитель логистики. Данные: выгрузка из учётной системы. Метрика: часы на еженедельный отчёт и число задержек, замеченных вовремя.

Риски и правила работы с данными

Один из первых вопросов, который задают руководители: «С нашими данными так можно работать?». Ответ зависит от тарифа, инструмента и того, что именно вы загружаете. Минимальные правила, которые стоит ввести до того, как ИИ начнёт пользоваться топ-менеджмент:

  • Работайте с рабочих аккаунтов, а не с личных. Корпоративные тарифы ChatGPT и Claude по умолчанию не используют ваши данные для обучения моделей. На личном бесплатном аккаунте эту настройку придётся найти и выключить самому.
  • Убирайте персональные данные. ИИН, номера карт, зарплаты поимённо и данные клиентов в чат не попадают. Для анализа имена почти никогда не нужны.
  • Заведите короткий список того, что нельзя загружать ни при каких условиях: договоры под NDA, данные госзаказчиков, стратегию сделки до её закрытия. Короткий, чтобы его помнили.
  • Проверяйте до использования. Любая цифра из модели, которая идёт в отчёт, на совет директоров или в решение по деньгам, сверяется с исходником. Лучше всего просить отдельный лист сверки с контрольными суммами.
  • Подключения оставьте ИТ и безопасности. ИИ к учётной системе, CRM или почте компании подключают через ИТ, с правами доступа и журналом действий. Подразделения сами такое не запускают.

На обучениях мы работаем только с обезличенными или учебными данными. В Казатомпроме модель кофейни, P&L для дашборда и отчёты филиалов готовили заранее: задачи повторяли настоящую работу финансовой службы, но цифры компаний в чат не попадали.

Чему учить руководителей и как организовать обучение

Обзорная лекция про тренды руководителю почти ничего не даёт. Одно дело слышать про ИИ, другое дело попробовать его на своей задаче. Обучение срабатывает, когда руководитель видит на экране, как решается его собственная задача: как её сформулировали, что получили и как проверили.

Что должно войти в программу для топ-менеджмента:

  • что ИИ умеет сегодня и где ошибается: чат, ассистент с доступом к файлам, агент, который сам выполняет шаги, без формул и на понятных примерах;
  • личные приёмы, разобранные выше: проверка решения, вопросы к цифрам, задание команде, подготовка к встрече;
  • проверка результата: лист сверки, второй взгляд в чистом чате, просьба показать источник и формулы;
  • правила данных: что можно, что нельзя и кто решает спорные случаи;
  • разбор задач подразделений, после которого у каждого руководителя есть список: что поручить ИИ уже сейчас, а что потребует ИТ и безопасности.

Работает разговор на задачах самой компании. Перед семинаром для финансового блока Казатомпрома примеры готовили вместе с двумя финансистами, а в первый день собрали вопросы зала и на следующее утро разобрали их на практике. За утро собрали модель P&L в трёх сценариях, дашборд из Excel и сводный отчёт по четырём филиалам с листом сверки.

Отраслевой контекст меняет программу. В сессии для KEGOC общий блок про ChatGPT для знаний, документов и управленческих решений мы связывали с энергетикой: прогноз нагрузок, оптимизация сетей, осмотр объектов дронами. Это помогло отделить простые сценарии продуктивности от более глубоких инфраструктурных проектов на данных.

Форматы обычно такие:

  • Часовое выступление для собственников, как в Parasat. Оно даёт рамку и несколько личных привычек. Подходит для бизнес-клуба, совета директоров или стратегической сессии.
  • Семинар-практикум на день для смешанного зала руководителей и менеджеров. Через весь день идёт один пример на обезличенных данных компании, а во второй половине разбираем задачи из зала.
  • Двухдневная программа: в первый день понимание и личные приёмы, во второй задачи конкретной службы, например финансов или закупок. Так мы работали с Казатомпромом в 2025 и 2026 годах.

Если нужно провести такое обучение для своей команды руководителей, посмотрите, как устроено корпоративное обучение ИИ: программу собираем под ваши задачи и правила работы с данными. Если вы хотите сначала освоить инструменты сами, есть курсы по ИИ.

С чего начать на этой неделе

  1. Оформите рабочий тариф ChatGPT или Claude и проверьте настройки данных.
  2. Возьмите одно решение, которое сейчас обдумываете, и попросите модель перечислить допущения и причины провала. Сделайте не меньше пяти итераций.
  3. Перед ближайшим совещанием отдайте модели материалы и попросите вопросы к авторам.
  4. Следующую задачу команде сначала сформулируйте вместе с ИИ: цель, срок, формат ответа, данные.
  5. Запишите три процесса в компании, где больше всего ручной работы, и прогоните их через пять вопросов для пилота.

Через месяц станет видно, где ИИ реально экономит вам время и где компании нужен проект, а не личная привычка.

FAQ

Нет. Руководителю достаточно чата вроде ChatGPT или Claude и умения ставить задачу: дать контекст, описать результат, попросить проверку. Агенты вроде Claude Code тоже не требуют программирования, но для руководителя они нужны реже, чем для аналитиков и финансистов.

Для большинства задач подходят ChatGPT и Claude на рабочем тарифе. ChatGPT удобен для таблиц и быстрых расчётов, Claude хорошо работает с длинными документами и аккуратно пишет. Если компания в России и данные не должны уходить за рубеж, смотрите GigaChat или YandexGPT в корпоративном контуре.

Обычно ничем: под этим названием продают тот же чат с готовыми промптами. Разница появляется, когда ассистент подключён к документам и системам компании, видит регламенты, протоколы и данные, но только те, к которым у сотрудника есть доступ. Это уже отдельный проект с ИТ и безопасностью.

Первые личные приёмы осваивают за одну сессию, если она построена на задачах участников. Привычка складывается за несколько недель регулярной работы. Помогает, когда после обучения у каждого есть список своих задач и правила работы с данными.

Короткий формат на реальных задачах: час для собственников или день практикума, где решают вопросы самих участников. Программу лучше собрать заранее, вместе с двумя-тремя людьми из компании, чтобы примеры были узнаваемыми.

Тот, кто подписал отчёт. ИИ ускоряет подготовку, но не переносит ответственность. Поэтому в правила работы стоит записать: любая цифра из модели перед использованием сверяется с исходником.

Итог

ИИ для руководителя полезен прежде всего как спарринг-партнёр и аналитик до того, как задача уходит людям: проверить решение, задать вопросы к цифрам, поставить задачу точнее. Для компании нужен отбор пилотов по владельцу, данным, риску и метрике, плюс короткие правила работы с данными. Учить топ-менеджмент лучше на его собственных задачах. Как мы это делаем, описано на странице корпоративного обучения ИИ.