С 2019 года я прошел путь от внедрения ИИ своими руками до ответственности за бюджет и результат целого направления – и на каждом уровне видел одну закономерность: мощность ИИ растет быстрее, чем способность бизнеса ее контролировать. Модели становятся все умнее, агенты автономнее, вычислений больше, а вот управленческого ответа на этот рост почти нет.

Рынок соревнуется в скорости внедрения ИИ и почти не считает, во что она превращается: в прибыль или в долг управляемости. В проектах разного масштаба повторяется один и тот же сценарий: люди тратят на содержание и работу моделей заметно больше, чем планировали, потому что никто заранее не посчитал, сколько стоит одно решение системы. Пилотов запускают все больше, а строка «эффект в P&L» остается пустой.

AI-native – это архитектура, которая принимает растущую мощность ИИ без потери контроля и превращает ее в прибыль. Дело не в наборе ИИ-инструментов и не во встроенном в процессы чат-боте, а в том, как один сбой в такой архитектуре тянет за собой следующий.

Все начинается с контроля: если непонятно, кто отвечает за решение, которое принял ИИ-агент, не получится закрепить это решение и его цену за конкретным бюджетом или продуктом. При этом размытая сфера ответственности никогда не бывает просто отдельной проблемой, а блокирует следующий уровень – экономику.

Без закрепленной ответственности честную юнит-экономику не посчитать. Не выйдет назвать стоимость одного решения ИИ: ответа агента, автоматизированной сделки или обращения к модели. Токен стоит копейки, но если никто не отвечает за то, во что превращается его вызов, эти копейки складываются в миллионы неучтенных расходов и потерянной маржи, которая не видна в отчете до конца квартала. Так недостаточный контроль превращается в проблему экономики.

Отсутствие честной экономики «бьет» еще по одному уровню – исполнению. Нельзя масштабировать то, что не умеешь считать. Если на ручную проверку решений агента нужно вдвое больше людей, потому что цена одной ошибки никому не известна, то это уже не автоматизация, а ее имитация с растущими расходами на персонал. И природа проблемы здесь другая: одна необнаруженная ошибка в логике агента размножается автоматически на весь объем операций, а не остается единичным случаем, как если бы ее допустил один живой человек. И решать этот вопрос надо только на всех трех уровнях сразу, иначе недостаток контроля обесценивает экономику, а она делает исполнение либо ручным, либо опасным.

Из этой цепочки складывается тот коэффициент, что я считаю главной метрикой зрелости. Это доля мощности ИИ, которая реально доходит до прибыли, а не тратится на лишние запросы и решения, не доведенные до результата. Токены дешевеют, решения – нет, стоимость одного вызова модели падает из года в год, довести этот вызов до безопасного и посчитанного результата становится все дороже, и в то же время растет сложность контура вокруг модели. Управленец обязан видеть этот разрыв в цифрах, а не в ощущениях.

Чтобы проверить, построена ли у вас архитектура AI-native, достаточно задать всего два вопроса.

1. Можете ли вы назвать стоимость одного ИИ-решения так же точно, как стоимость одной транзакции? Если нет, вы не управляете юнит-экономикой, а угадываете ее, и мощность растет быстрее выручки.

2. Кто отвечает, если агент принял ошибочное решение, и что происходит дальше, кроме «отключим и разберемся»? Если ответ размыт, долг управляемости уже накоплен, и платить придется не когда удобно вам, а когда откажет система или придет регулятор.

Этот разрыв – то, вокруг чего я строю работу: перевожу ИИ из режима пилотов в системный результат с посчитанной ценой ошибки, закрепленной ответственностью и понятной окупаемостью каждого рубля вычислительной мощности. Для меня это часть управления P&L, а не отдельная инициатива рядом с основным бизнесом. Продукт, коммерция и управляемость «живут» в одной экосистеме, и я отвечаю за нее целиком.

Рынок продолжит измерять скорость внедрения, а стоит уже оценивать, во что она выливается: в маржу или в долг управляемости. В будущем многие захотят назвать свою компанию AI-native, но реальный результат будет в одной строке P&L – «эффект от ИИ».