Почему ваша компания до сих пор использует организационную структуру прошлого века для ведения бизнеса в эпоху ИИ?

Написано: Глубокий раздумья Круг

Несколько дней назад в X я наткнулся на длинный твит Фреды Дуань, в котором она исследовала внедрение ИИ в разные компании и обнаружила: каждая вставляет ИИ-инструменты в существующие процессы, но почти никто не задается вопросом, почему эти процессы выглядят именно так.

Типичный сценарий: компания купила Copilot, выдала лицензии всем сотрудникам, CTO на общем собрании заявил: “Мы должны принять ИИ”. Три месяца спустя — обзор результатов — код генерируется значительно быстрее, документация пишется чуть более гладко, автоматизируются протоколы совещаний, но ROI так и не доказан. Почему? Потому что современная организационная структура ограничивает ИИ только небольшими возможностями, а настоящий ROI требует перестройки всей организации.

Истинная функция иерархии

Учебник по организационной структуре определяет её как структуру власти — кто кому подчиняется, кто имеет право утверждать. Но это лишь видимость. Настоящая проблема иерархии — маршрутизация информации.

Компания, превышающая определенный масштаб, не может позволить всем видеть всю картину. Поэтому вводятся уровни менеджеров, выполняющие две функции: собирают сигналы с передовой, анализируют и передают наверх; переводят стратегические намерения высшего руководства в конкретные действия и распределяют их вниз. Совещания, ежедневные стендапы, QBR, steering committee, междепартаментальные совещания — всё это механизмы маршрутизации информации.

Но есть структурный парадокс, который редко обсуждается: существование отделов и уровней предназначено для решения ограниченности навыков и производительности отдельных сотрудников — один не справится, поэтому делегируют. Но делегирование и иерархия создают новые узкие места. Каждое прохождение информации через уровень управления ослабляет её. Культура, пересекающая границы отделов, размывается. Чем больше организация, тем сильнее эффект ослабления. Поэтому нужны больше совещаний, больше процессов, больше промежуточных уровней — чтобы компенсировать ослабление. А дополнительные уровни создают новые узкие места. Это не проблема управленческих способностей, а порочный круг архитектуры.

За последние десятилетия все управленческие инновации — agile, OKR, плоские структуры, матрицы — по сути были попытками локальной оптимизации этого порочного круга. Ни одна из них не сломала его полностью.

ИИ ломает сам цикл. Когда стоимость маршрутизации информации приближается к нулю, организационные структуры, созданные для компенсации информационных потерь, теряют смысл.

Истинный узкий место — стоимость перевода

Рассмотрим процесс доставки функционала среднего продукта: менеджер продукта тратит две-три недели на написание PRD. Дизайнер получает PRD, понимает намерения менеджера, переводит их в визуальные макеты. Инженер получает макеты, понимает дизайн, переводит в код, планирует на “восемь недель”. Потом требования меняются, PRD переписывается. Разработка занимает два-три месяца. QA получает код, понимает ожидаемое поведение, создает тест-кейсы. GTM готовит материалы для выхода на рынок, обучает продажников. Весь цикл — от начала до конца — занимает три-шесть месяцев.

Внешне кажется, что узкое место — скорость. Но на самом деле — стоимость перевода. Идеи в голове менеджера превращаются в документацию, затем дизайнер декодирует и снова кодирует визуальный язык, инженер декодирует и кодирует, QA — тестовые сценарии. Каждое преобразование теряет точность, каждое требует согласования, каждое создает задержки. Не потому, что люди медленные, а потому что превращение понимания одного человека в формат, пригодный для другого, — очень сложная задача.

ИИ сокращает эти уровни перевода. Менеджер продукта за день может создать интерактивный прототип, слой перевода между менеджером и инженером сокращается почти до нуля. ИИ одновременно пишет код и генерирует тесты, исчезает необходимость в передаче задач между разработкой и QA. Умный слой в реальном времени собирает сигналы клиентов и бизнес-метрики, а раньше эти данные собирал менеджер среднего звена — теперь его роль переосмыслена. Это не ускоряет отдельные роли, а исчезают разрывы между ними — слои перевода, очереди задач, совещания по согласованию — всё это исчезает.

Настоящее изменение происходит на уровне workflow: не ускорение каждого этапа отдельно, а полная перестройка всей цепочки. Разница не в степени, а в парадигме.

Недавно один основатель стартапа рассказал мне очень интересную цепную реакцию. Его команда разработчиков с помощью ИИ сократила трехмесячный цикл разработки до двух недель. Первое — радость. Второе — обнаружение, что QA, которая раньше занимала две недели, стала узким местом, — теперь тестирование встроено в разработку. Затем, процессы согласования дизайна и требований, которые раньше занимали месяц, тоже стали узким местом — команда менеджеров стала минимальной. Далее подготовка к выходу на рынок за три-шесть месяцев сократилась до двух-трех недель, потому что большая часть работы автоматизирована и идет параллельно с разработкой. Вся организация уменьшилась на 80%, доставка от почти года до одного-двух месяцев.

Главный посыл этого рассказа — не “ИИ делает работу быстрее”. А то, что исчезновение слоев перевода выявляет цепные узкие места: убрав один слой, следующий становится новым узким местом. Этот процесс не остановится, пока вся последовательная цепочка не превратится в параллельный, минимальный по размеру end-to-end процесс. Если вы внедряете ИИ только в один этап, выгода будет небольшой, потому что узкое место просто переместится дальше. Нужно перестраивать всю цепочку целиком, иначе вы просто добавляете насос высокого давления перед самым узким участком.

Где большинство компаний застряли

Если рассматривать модель из трех этапов —

Первый этап: старые методы, новые инструменты. Это позиция большинства компаний сейчас. В организации ИИ — это инструмент, базовый уровень, помогает сотрудникам выполнять работу, структура остается неизменной.

Второй этап: старые методы, новые процессы. История основателя, о которой я говорил, — пример второго этапа. Продукт тот же, процессы перехода из последовательных в параллельные, команда становится меньшей, слои перевода исчезают. Роль ИИ перемещается в средний уровень — он берет на себя маршрутизацию информации, анализ, межфункциональную координацию — раньше это делали менеджеры среднего звена. Организация становится более плоской.

Третий этап: делать то, что раньше было невозможно. Джек Дорси приводил пример — в ресторане перед сезонным спадом начинают сокращать обороты, система обнаруживает паттерны, автоматически оформляет краткосрочную кредитную линию и корректирует график погашения, уведомляя клиента — еще до того, как он сам подумает о финансировании. Ни один менеджер продукта не решал делать такую функцию. Система распознала момент, собрала существующие модули, возник новый продукт. ИИ в центре — он не просто помогает принимать решения, а участвует в выявлении потребностей, формировании решений, распределении ресурсов. Организация перестраивается вокруг ИИ.

Большинство компаний застряли между первым и вторым этапом, и причина не в технологии — она уже готова. Виновата организационная инерция. Перестройка workflow означает изменение власти: менеджеры среднего звена теряют монополию на маршрутизацию информации, функциональные отделы — основание для существования, цепочки утверждения — сокращаются. Каждый шаг — это движение против существующих структур власти. Поэтому самые успешные трансформации ИИ происходят именно в компаниях, руководимых основателями — это как повторное создание компании с нуля.

Новая структура организации

Если разбить организацию до базовых элементов, останутся три компонента: информация, решения, действия. Традиционная структура использует уровни для обработки информации, цепочки утверждения — для принятия решений, отделы — для выполнения действий. ИИ меняет стоимость этих трех элементов, поэтому структура должна быть перестроена.

От эстафеты к баскетболу. Последовательная доставка — менеджер продукта → дизайн → разработка → QA → GTM — уступает место небольшим командам из трех-пяти человек, обладающим всеми навыками, движущимся синхронно. Большинство решений принимается внутри команды, только стратегические ставки — на уровне высшего руководства.

Логика такова: ИИ значительно расширяет возможности каждого человека. Хороший менеджер + ИИ может выполнять работу, ранее делавшуюся менеджером + дизайнером + младшим инженером. Индивид становится “длинным игроком” — покрывает более длинную цепочку. Когда человек — “длинный”, организация может быть “короткой” — меньше этапов, меньше передач, быстрее end-to-end. В военной аналогии: от navy до navy seal. Не больше людей, а каждый — элитная команда с высокими навыками.

От отдела к атомам способностей. Вместо команд по функциям — раздельные, самостоятельные модули способностей: оценка риска, аутентификация, взыскание, сбережения — каждый автономен, имеет четкий API и интерфейсы данных, может свободно комбинироваться.

Когда атомы способностей созданы, система сама может генерировать Roadmap. Возвращаясь к примеру Дорси — система объединяет модули кредитования, корректировки погашения, уведомлений и автоматически создает продукт. Роль менеджера продукта меняется: он становится архитектором — определяет границы и стандарты качества способностей, а не просто переносит информацию между людьми.

Качество превращается из контрольных точек в ограничительные рамки. QA больше не отдельный этап после разработки, а встроенное ограничение, проходящее через весь процесс.

Публикации — не крупные релизы, а постоянный поток. Нет “выпуска версии 2.0 в Q3”. Каждый день — небольшие улучшения. Постоянное тихое внедрение заменяет скачкообразные релизы.

ИИ как супер-сотрудник: скрытые вторичные эффекты

Ранее речь шла о процессных изменениях. Глубже — о том, что когда ИИ начинает реально производить результат — не только помогать, а создавать — меняется вся программная архитектура организации, не только аппаратная.

Производственные отношения меняются. Традиционная команда — это взаимодействие людей. Когда ИИ становится ключевым узлом производства, руководитель работает с гибридной командой человек-ИИ. Кто отвечает за качество вывода ИИ? Когда ИИ пишет 90% кода (как сейчас в Anthropic), кто проверяет код?

Единицы ресурсов тоже меняются. Традиционный план ресурсов — по численности сотрудников: проект требует N человек на M месяцев. Когда два человека + ИИ дают результат, равный двадцати — число сотрудников уже не отражает реальную инвестицию. Цитата Цукерберга: “Раньше для проекта требовалась большая команда, а сейчас — один достаточно талантливый человек”.

OKR становится еще важнее. Это парадокс. ИИ расширяет возможности каждого в десять раз, но разрыв между “что можно сделать” и “что нужно сделать” тоже увеличивается в десять раз. Раньше за квартал человек + ИИ мог реализовать три задачи — и ошибиться было не так страшно. Теперь — тридцать задач, и ошибка — в десять раз дороже. Обеспечить, чтобы все делали правильное — не утратило значение, а стало ключевым узким местом. OKR как механизм согласования целей, а не оценка эффективности — его ценность выросла беспрецедентно.

Культурный шок — самый скрытый эффект. Когда индивидуальный вклад может быть в пять-десять раз больше, чем раньше, устарели традиционные системы продвижения, титулы, зарплатные диапазоны. Кто ценнее — специалист, сделавший в десять раз больше с помощью ИИ, или менеджер, руководящий двадцатью людьми, чья команда по результатам равна? Традиционная структура не дает ответа.

Крупные компании: рекордные изменения, но еще не AI-native

Один из “секретов/приемов” инвестирования — выбирать компании, проходящие через организационные перестройки — после крупных реорганизаций обычно наблюдается рост скорости и маржи. Рынок склонен переоценивать хаос реорганизаций и недооценивать их эффективность. Сегодня таких компаний — рекордное число; изменения — масштабные. Можно сказать, что “возможных кандидатов” — бесчисленное множество, но пока не видно настоящих AI-native структур.

Meta за год провела множество реорганизаций, внедрив соотношение 50:1 между инженерами и менеджерами: интегрировала ИИ в федеративную архитектуру MSL, создала Meta Compute для централизованного планирования ресурсов, полностью сместила фокус организации.

Наделла заявил, что 220 тысяч сотрудников — “большой недостаток в AI-соревновании”. За 18 месяцев трижды реорганизовал связанные с ИИ процессы: сократил средний уровень и функции, объединил архитектуру Copilot, сломал внутренние модели разработки. Общие затраты на персонал — около 550-650 миллиардов долларов в год — при этом ИИ позволяет повысить производительность каждого хотя бы на 50%. Последняя крупная реорганизация — в марте 2026 года — объединение архитектуры Copilot, слияние разработки “супер-интеллекта”, повышение молодых руководителей, ответственных за Copilot — масштабные шаги.

Shopify за год уволила восемь топ-менеджеров (частично или полностью), главный юрист стал COO. Продуктовая стратегия перестроена вокруг данных клиентов и AI-расчетов. Переключение с географической на вертикальную сегментацию — тоже сигнал: когда ИИ позволяет глубже понять уникальные потребности каждого сектора, географическая маршрутизация становится неэффективной.

Apple не только уволила Cook, но и масштабно сократила всю организацию AIML, перевела Siri под управление Федериги, а руководство AI — в команду по разработке iOS/macOS. Отделы по AI теперь подчинены команде по доставке iOS/macOS. Дизайн переориентирован на аппаратное обеспечение. Самый ясный сигнал Apple — ИИ — это инструмент доставки, а не исследовательская деятельность. Это масштабная реорганизация.

Общий тренд: системное сжатие уровней маршрутизации информации. Но честно говоря, все эти изменения — лишь этапы перехода крупных компаний от первого к второму уровню. Настоящая AI-native организация еще не создана.

Границы организации размываются

До сих пор все обсуждения шли в рамках “как внутри компании перестроить”. Но влияние ИИ — не только внутри. Оно затрагивает коммуникацию с внешним миром.

Когда агент ИИ может автоматически находить сервисы, сравнивать опции, завершать сделки, обрабатывать платежи — стоимость перевода между “компанией” и “пользователем” тоже сокращается. Раньше требовались отделы продаж, поддержки, маркетинга для объяснения ценности, обработки вопросов, завершения конверсии. В эпоху агентных систем эти функции автоматизированы.

Это расширяет границы организационной структуры. Не только внутренние процессы, но и: сможет ли ваш сервис быть обнаружен и вызван агентом? Где вы в списке по уровню обнаружения? Эти вопросы станут важнее, чем “на какой позиции в Google по поиску”. Потому что агент не только показывает опции — он напрямую завершает транзакцию, и коэффициент конверсии в разы выше, чем у поисковой рекламы.

Миграция конкурентных преимуществ

За последние десять лет основная идея — скорость исполнения: кто быстрее доставит лучший продукт пользователю.

Теперь — преимущество переходит к скорости обучения: насколько быстро организация сможет освоить новые возможности ИИ и перестроить себя вокруг них.

Большинство компаний делают одно и то же — используют ИИ, чтобы ускорить существующую структуру. Это ценно, но не кардинально. Истинное отличие — если бы сегодня вы начали с нуля, зная, что может делать ИИ, как бы вы построили компанию? Ответ не “существующая структура + ИИ”.

Это будет форма, которую мы еще не видели — индивидуалы с длинной цепочкой, организации с короткой, атомарные способности, автоматическая маршрутизация информации, продукты, возникающие спонтанно. Путь к ней — не разовая реорганизация, а постоянный вопрос: нужен ли переводчик на каждом этапе? Если нет — зачем он вообще?