Налог на координацию: почему ИИ ускоряет сотрудников, но почти не влияет на прибыль компании

Большинство крупных организаций последние несколько лет активно инвестировали в ИИ. Они запускали ИИ-помощников, проводили пилоты и все шире внедряли технологии в отдельных подразделениях. В последнем глобальном исследовании McKinsey об искусственном интеллекте ^[1] 80% респондентов сообщили, что ИИ повысил их личную производительность. Но только 37% видят хоть какое-то его влияние на операционную прибыль компании.

Почему так происходит? Проблема скорее в том, где применяют технологию, чем в ее совершенстве. Большинство организаций используют ИИ, чтобы повысить эффективность отдельных этапов работы. Но гораздо больше возможностей есть в области координации между этими этапами.

Команда Бизнес-приложений VK Tech ^[2] перевела статью о том, из чего складывается налог на координацию, почему его не устранили ни бережливое производство, ни ERP, ни RPA и с чего начать перестройку процессов с помощью ИИ-агентов.

Узкие места возникают на стыках процессов 

За последние несколько лет компании убедились: ИИ редко приносит заметную пользу бизнесу, если с его помощью улучшать отдельные задачи. Гораздо больше дает пересмотр сквозных процессов с учетом возможностей технологии. С этим мало кто спорит. Сложнее понять, с чего начать перестройку сложного процесса, каким участкам уделить внимание ^[3] и почему одни изменения заметно влияют на результат, а другие дают лишь небольшой эффект.

Один из подходов состоит в том, чтобы смотреть прежде всего на стыки между командами, функциями и системами, а не на операции внутри отдельных этапов. Именно здесь возникает то, что McKinsey называет «налогом на координацию»: издержки, связанные с передачей работы от одного участника процесса к другому.

Прежние технологии автоматизации почти не затрагивали эти переходы. Они ускоряли отдельные этапы, но не могли надежно проверять результаты, разбирать расхождения и решать, куда передать работу дальше. Агентный ИИ позволяет автоматизировать часть таких действий.

По опыту ^[4] McKinsey, это первое поколение технологий, способное взять на себя значительную часть проверок, согласования расхождений и маршрутизации, которые прежде требовали участия человека. Компании могут не просто ускорить существующие процессы, но и перестроить их, сократив скрытые издержки координации. До сих пор этой крупнейшей статьей операционных затрат они системно не занимались.

Большинство компаний могут изобразить свои процессы на доске: от заказа до оплаты, от закупки до расчета с поставщиком, от спроса до производства. За десятилетия работы отдельные этапы этих процессов спроектировали, измерили и оптимизировали. Однако в организациях с высокой долей интеллектуального труда от 35 до 60% рабочего времени уходит на координацию: согласование действий, проверки, сверки, ожидание и передачу работы между этапами.

Издержки задержек на стыках обычно остаются незаметными, потому что за них не отвечает ни одно подразделение. Команда планирования спроса отвечает за прогноз, команда планирования поставок — за распределение ресурсов. Но у промежутка между ними, когда прогноз ждет сверки с ограничениями мощностей, нет владельца. Никто не отвечает за этот участок процесса и не измеряет, что на нем происходит.

«Налог на координацию» складывается из трех частей. Только одна из них отражается в коммерческих, общехозяйственных и административных расходах, SG&A. К ней относятся затраты на людей и структуры, специально занятые координацией: команды планирования, проектные офисы, управленческие комитеты и совещания по проверке результатов. По данным исследований McKinsey, в промышленных и производственных компаниях такие расходы обычно составляют 3–5% выручки. Именно на них регулярно нацелены традиционные программы сокращения затрат.

В изученных компаниях эта видимая часть обычно составляет лишь около трети всего «налога на координацию». Остальные издержки скрываются там, куда программы сокращения затрат обычно не добираются. Вторая часть связана с длительностью цикла и оборотным капиталом. У каждого дня задержки на стыке есть финансовая цена: запасы дольше лежат на складе, дебиторская задолженность позже превращается в деньги, мощности уже зарезервированы, но еще не приносят выручку.

Третья часть вообще не отражается в финансовой отчетности. Это выручка, которую компания не получила из-за того, что не смогла достаточно быстро согласовать работу. Например, продукт вышел на несколько месяцев позже из-за задержек при передаче из разработки в производство. Или компания не завоевала долю рынка, потому что решение о цене проходило слишком много уровней согласования. Это самая большая и наименее заметная часть «налога»: она описывает то, чего не произошло. Руководители не получают отчетов о выручке, потерянной из-за задержек на стыках процессов, поэтому эти потери остаются без оценки.

Как выглядит «налог на координацию» в работе компании

Недавно McKinsey измерила фактические задержки в каждой точке координации стандартного процесса «от спроса до производства» у промышленного производителя из Fortune 500. В процессе семь этапов, между которыми находятся шесть точек передачи работы.

Задержки на стыках превышают время выполнения самой работы в 9–36 раз. Весь процесс занимает примерно от полутора до двух с половиной недель, хотя на работу внутри этапов уходит лишь от половины суток до суток. Остальное время требуется, чтобы проверить, соответствует ли результат одного этапа требованиям следующего, устранить расхождения, получить согласования и дождаться, когда нужные сотрудники освободятся.

По нашим оценкам, «налог на координацию» только в этом процессе составлял от 140 до 240 млн долларов в год. В сумму входят стоимость оборотного капитала из-за задержек, потери от недоиспользования мощностей и упущенная выручка из-за медленной реакции ^[5] на сигналы спроса. У этого производителя на сотрудников, специально занятых координацией, приходилось менее 7% общей суммы, заметно меньше обычной трети. Поскольку бизнес капиталоемкий и требует значительного оборотного капитала, основную часть издержек создают задержки. Остальные 93% приходились на издержки задержек и упущенные возможности, которые не выделялись в отчете о прибылях и убытках.

Поэтому традиционные программы сокращения затрат их не замечают. Они работают с видимыми 7%: численностью персонала, совещаниями и уровнями отчетности. Остальные 93% скрываются в длительности цикла, оборотном капитале, загрузке активов и выручке, которую компания не получает, потому что работа слишком медленно переходит между подразделениями.

Все больше исследований указывают на то, что именно на стыках ИИ способен принести наибольшую пользу. В недавнем полевом эксперименте исследователи INSEAD и Гарвардской школы бизнеса случайным образом распределили 515 стартапов по двум группам. Обе группы получили одинаковые ИИ-инструменты. Первая перестроила процессы в точках передачи работы, вторая применяла ИИ внутри существующих этапов. Компании из первой группы получили в 1,9 раза больше выручки, а вероятность привлечь платящих клиентов у них оказалась выше на 11 процентных пунктов. В исследовании участвовали стартапы на ранней стадии, а не крупные компании, поэтому при масштабировании величина эффекта может отличаться. Но результат согласуется с наблюдениями в промышленных компаниях: значение имеют не только возможности ИИ, но и место его применения.

Почему проблему не решили раньше: пять эпох и одно общее слепое пятно

Прежде чем говорить о возможностях агентного ИИ, стоит вспомнить, как развивались подходы к работе с процессами. Каждый из них решал реальную задачу и приносил бизнесу ощутимую пользу, но почти не затрагивал переходы между этапами.

Увидеть поток работы (1980–1990-е)

Подходы к управлению качеством, бережливому производству и «Шесть сигм» помогли взглянуть на работу как на связанную систему. Компании научились описывать процессы в их текущем виде, находить потери и измерять длительность полного цикла, охватывающего несколько подразделений. Сотрудники впервые увидели, как их работа складывается в общий процесс.

Перестроить работу (1990-е)

Сторонники реинжиниринга бизнес-процессов (BPR) призывали не автоматизировать лишние операции, а устранять их. При грамотном применении BPR сокращал длительность цикла на 50–90%. Ford сократил численность сотрудников, занимавшихся расчетами с поставщиками в Северной Америке, на 80%, а Hallmark сократила время вывода продукта на рынок на 70%. При всей радикальности подхода перестраивали по-прежнему отдельные этапы.

Объединить данные (1990–2000-е)

Системы планирования ресурсов предприятия (ERP) объединили данные разных подразделений. Транзакции впервые смогли проходить через их границы без повторного ручного ввода. В первые два года после внедрения запасы сокращались на 20–50%. Компании получили единый источник достоверных данных, но при передаче работы по-прежнему требовалось совместно оценивать ситуацию и принимать решения.

Закрепить ответственность за результат (2000–2010-е)

Процессное управление помогло закрепить ответственность за результаты, наладить их измерение и непрерывно улучшать процессы. Компании создавали процессные офисы и выстраивали управление сквозными потоками работы. По нашему опыту, формализация переходов между этапами чаще помогала зафиксировать связанные с ними издержки, чем сократить их.

Автоматизировать задачу (2010–2020-е)

Роботизация процессов (RPA) сократила объем ручной работы внутри отдельных этапов. Process Mining помогал находить расхождения между тем, как процесс был спроектирован, и тем, как он выполнялся на практике. Время выполнения целевых задач сокращалось на 30–70%. Однако автоматизация отдельной задачи не избавляла от проверок, сверок и согласований перед передачей работы дальше.

Как агентный ИИ работает на стыках процессов

ИИ приносит пользу прежде всего тогда, когда связывает отдельные задачи в непрерывный процесс, который раньше требовал участия человека на каждом переходе. ИИ-помощник ускорит подготовку прогноза спроса, но не устранит три дня ожидания согласования. RPA-бот автоматизирует ввод данных внутри этапа, но не сократит объем проверок перед передачей работы дальше. Производительность отдельных сотрудников растет, а стыки между этапами остаются узким местом.

Агентные ИИ-системы способны проверять результаты, устранять расхождения, направлять работу дальше и выполнять действия при передаче между этапами. Они делают это с учетом ситуации, с машинной скоростью и за небольшую долю стоимости человеческой координации, которую заменяют. Им доступны действия, с которыми прежние технологии автоматизации не справлялись: оценка исключений, применение правил с учетом контекста и передача человеку только тех вопросов, где действительно требуется его решение. RPA выполняет заранее заданные правила внутри одного этапа, а агентные системы могут принимать решения на стыках. Их работа охватывает три задачи:

Проверка. Система определяет, соответствует ли результат предыдущего этапа требованиям следующего: все ли данные на месте, согласованы ли форматы и находятся ли значения в допустимых пределах.

Согласование. Система устраняет расхождения между ограничениями: сопоставляет спрос с мощностями, бюджет со сроками, спецификацию с доступностью ресурсов.

Маршрутизация. Система с учетом контекста направляет работу на следующий этап и передает человеку только те исключения, по которым ей не хватает уверенности для самостоятельного решения.

Раньше для каждой из этих задач требовался координатор, который понимал требования обеих сторон. Задержка на стыке зависела от его расписания, доступности и рабочей нагрузки. Когда эти функции выполняет система, время ожидания сокращается с дней до часов или минут.

Представим, как изменится утро понедельника у специалиста по планированию спроса на производстве. Раньше его ждал прогноз прошлой недели, который нужно было проверить вручную. Теперь к началу рабочего дня система уже обработала новые сигналы спроса, сопоставила их с мощностями и запасами, выделила три случая, по которым ей не хватило уверенности для самостоятельного решения, и подготовила обновленный производственный график для остальных 94% позиций.

Специалисту больше не нужно проверять каждый прогноз и утверждать стандартные решения. Он разбирает три отклонения, требующие его оценки. Четыре часа, которые раньше уходили на обычную сверку спроса с ограничениями мощностей, теперь можно потратить на вопросы, где нужна его экспертиза: запрос клиента с необычным графиком поставок, распределение дефицитного сырья между продуктовыми линейками или оценку последствий запуска нового продукта, по которому почти нет исторических данных.

Рутинную координацию на стыках система выполнила ночью без участия человека. К началу рабочего дня специалист получил только вопросы, которые требуют его решения.

Разрабатывайте и масштабируйте сервисы в VK Cloud

Ускоряйте запуск продуктов и снижайте расходы на инфраструктуру

Попробовать бесплатно ^[6]

Что дает перестройка стыков

Результат выражается в росте отдачи от тех же ресурсов, а не в сокращении штата. Freeport-McMoRan увеличила пропускную способность обогатительного производства на 5–10% на прежних мощностях, без новых капитальных вложений. Toyota не стала сокращать сотрудников после того, как ИИ уменьшил время распределения ресурсов с недель до минут: специалистов по планированию перевели на другие задачи. Google Cloud, по данным которой более 140 тысяч компаний создают корпоративные ИИ-решения на ее платформе, наблюдает похожую картину. «Практически никто из наших клиентов никого не уволил», сказал генеральный директор Google Cloud Томас Куриан в интервью журналу India Today в октябре 2025 года.

Сокращение «налога на координацию» возвращает сотрудникам время, которое раньше уходило на согласования и сверки. Специалист по планированию может потратить четыре освободившихся часа на оценку сценариев, разбор исключений и помощь бизнесу в выборе между альтернативами. Инженер, которому больше не нужно три дня ждать согласования изменения конструкции между подразделениями, может проверять новые варианты за часы. Менеджер по закупкам, избавленный от ручной сверки подтверждений поставщиков с производственными графиками, может сосредоточиться на отношениях с поставщиками и управлении рисками.

Со временем доля SG&A в выручке снижается, поскольку те же сотрудники помогают компании получать больше выручки, а не потому, что она сокращает штат. Даже при неизменной численности меняется содержание работы: меньше времени уходит на координацию, больше на принятие решений. Выручка растет быстрее расходов, создавая эффект операционного рычага.

У изученного нами производителя цикл планирования от спроса до производства часто занимал 30 дней, охватывал шесть функциональных направлений и более 75 инструментов планирования, преимущественно электронные таблицы и устаревшие системы. Региональные отделы продаж передавали прогнозы центральной команде планирования. Та сверяла их с производственными мощностями и ограничениями поставщиков, после чего инструкции по распределению ресурсов доходили до производства. Более 50 специалистов, работавших каждый преимущественно на своем участке, в каждом цикле проводили за этой работой по десять ночей и больше: вручную корректировали распределение ресурсов и операционные планы при изменении условий. Сами операции внутри этапов были относительно простыми. Основные задержки возникали при передаче информации между подразделениями и согласовании конкурирующих ограничений и противоречащих друг другу KPI.

Команда трансформации оценила объем координации на шести стыках процесса и сосредоточилась на согласовании спроса с возможностями поставок. Здесь каждую неделю тысячи прогнозов по отдельным компонентам сопоставляли с сотнями позиций по мощностям поставщиков. Задержки на этом стыке сильнее всего влияли на последующие этапы. Разбор работы показал, что около 65% задач составляли стандартные проверки: сопоставление спроса с доступными мощностями, проверка изменений прогноза на соответствие порогам стабильности и сверка потребности ^[7] в компонентах с доступными для заказа конфигурациями. Еще 25% приходилось на согласование решений с учетом противоречащих друг другу KPI подразделений: разрешение конфликтов из-за нехватки мощностей, устранение проблем с поставками и перераспределение ресурсов при изменении условий. Лишь около 10% составляли исключения, для которых действительно требовались экспертиза специалистов и согласование между подразделениями.

Прежде чем настраивать технологии, команда четыре месяца описывала и классифицировала эти задачи и определяла границы автономности ИИ. Стандартные проверки в согласованных пределах система могла проводить без участия человека. Расхождения она могла устранять самостоятельно в рамках установленных бизнес-правил и лимитов затрат. Настоящие исключения и случаи, когда уверенность ИИ опускалась ниже порога, передавались специалисту по планированию вместе с собранным контекстом и вариантами действий.

Изменения дали заметный результат. Цикл планирования сократился в десять раз, с 30 до трех дней, а 80% планирования стало проходить без участия человека. Время реакции на перебои с поставками и новые возможности, связанные со спросом, сократилось с недель до менее чем одного дня. Вместо более чем 50 специалистов, каждый из которых отвечал за свой участок, процессом стали управлять около десяти специалистов по сквозному планированию. Система обрабатывала типовые решения с машинной скоростью. Более 150 сотрудников освоили новые навыки и перешли на роли в управлении продуктами, анализе данных и ИИ-инженерии. Вместо 75 электронных таблиц и устаревших инструментов появилась единая платформа, а корректировка распределения ресурсов, на которую прежде уходило десять поздних вечеров, стала занимать пять минут работы оптимизатора. Финансовая служба подтвердила, что за первые два года устойчивый эффект для прибыли составил миллиарды. Эта оценка относится ко всей трансформации планирования в компании, включая объединение платформ и десятикратное ускорение цикла, а не только к «налогу на координацию» в одном процессе, рассчитанному выше.

Производитель добился успеха во многом потому, что не поручил перестройку стыков отдельным подразделениям. Финансовая команда не может самостоятельно изменить взаимодействие между планированием и закупками: она отвечает лишь за одну сторону. Технологическая команда тоже не справится в одиночку, поскольку менять нужно прежде всего организацию работы, а затем технологию.

За конкретный процесс должна отвечать межфункциональная команда с полномочиями менять порядок передачи работы между его этапами. Ей предстоит отделить задачи от привычного распределения между исполнителями и выстроить цепочки заново так, чтобы координацию обеспечивал ИИ. Такая команда должна работать при поддержке операционного директора и включать представителей всех подразделений, которых затрагивают изменения. Ее результат следует оценивать по длительности полного цикла выбранного процесса, а о ходе работы она должна отчитываться перед исполнительным комитетом.

Порядок действий здесь важен. Сначала команда определяет, какие задачи выполняют на каждом стыке, где требуется решение человека и что можно автоматизировать. Затем перестраивает поток работы и лишь после этого внедряет технологию. Если встроить ИИ в прежнюю схему координации, у компании появится новый инструмент, но причины задержек останутся.

Шесть приоритетов для снижения «налога на координацию»

Чтобы сократить потери при передаче работы между этапами, руководителям стоит предпринять шесть шагов:

1. Описать стыки, а не только процессы. Зафиксировать, какая информация передается на каждом стыке, какие проверки там проводят, сколько времени они занимают и во что обходятся.

2. Начать с участков, важных для основного бизнеса. Наибольшую пользу могут принести стыки, где работу передают часто, решения требуют умеренной сложности, а сам процесс важен для компании.

3. Сосредоточиться на проверке, а не на генерации. Польза ИИ на стыках связана с тем, что он может быстро проверять результаты и согласовывать противоречащие друг другу ограничения.

4. Вкладываться прежде всего в людей и процессы. По нашему опыту, при успешной перестройке около 70% усилий уходит на организационные изменения, а не только на технологии.

5. Управлять качеством работы на стыках. Определить пороги передачи вопросов человеку, зоны ответственности и границы между решениями, которые принимает человек или система.

6. Считать задержки издержками. По нашему опыту, каждый квартал промедления повышает стоимость наверстывания отставания: конкуренты за это время накапливают данные о координации и опыт работы с новыми процессами.

Перестройка стыков обычно занимает от шести до 12 месяцев. Примерно 70% вложений приходится на изменения в работе людей и процессов, 20% на технологии и интеграцию данных, 10% на разработку моделей ИИ. Если «налог на координацию» велик, измеримую отдачу можно ожидать в течение одного-двух лет. Это согласуется со сроками окупаемости технологических и ИИ-преобразований в целом, о которых сообщают компании-лидеры.

Следующий рубеж оптимизации рабочих процессов

Каждая крупная технологическая волна снижала стоимость чего-то важного. Паровые машины удешевили получение механической энергии, электричество удешевило освещение и приведение механизмов в движение, интернет удешевил обмен информацией. ИИ снижает стоимость координации.

Больше века компании выстраивали свою работу исходя из того, что согласовывать действия разных подразделений дорого и долго, а возможности людей ограничены. Поэтому в организациях появились дополнительные уровни управления, совещания, циклы проверок и цепочки согласований. Такой подход был оправдан: компании приспосабливались к существующему ограничению.

Агентный ИИ меняет затраты на координацию. Теперь компании могут перестраивать процессы так, чтобы работа быстрее переходила между этапами и требовала меньше согласований.

Компании, которые избавятся от «налога на координацию», получат структуру затрат, с которой конкурентам будет трудно сравниться. Со временем преимущество может расти: каждый случай передачи работы через перестроенный стык дает данные, которые помогают ИИ быстрее и точнее обрабатывать следующий.

Необходимость перестраивать процессы уже очевидна. Осталось понять, с чего начать. Последние четыре десятилетия компании прежде всего смотрели на блоки процессной схемы. Следующий этап перестройки начнется со стрелок между ними.

Обсудить стыки и бутылочные горлышки можно 8 и 9 октября на конференции VK Business Analytics. Она для тех, кто работает с процессной аналитикой или присматривается к этому инструменту.

Вместе с лидерами рынка поговорим об ИИ-агентах и о том, как данные об операциях становятся основой для новых сценариев автоматизации.

Программа и регистрация ^[8]