AS-IS / TO-BE Workshop для AI-стратегии: как собрать AI-внедрение, которое не разваливается

В 2024–2025 годах у меня было несколько десятков разговоров про AI-стратегию. Динамика повторяется. Совет директоров требует «внедрить AI». CTO покупает 2–3 инструмента, иногда нанимает консультанта. Через 6 месяцев проводят пилоты — обычно с маркетингом, customer service или финансовой аналитикой. Через 12 месяцев в живом виде остаётся 1 пилот из 3, и тот работает не так, как ожидалось. Команда разочарована, бюджет 5–20 миллионов потрачен, на следующий год AI-инвестиции урезают.

Это не «AI не работает». AI работает, и часто хорошо. Это «AI-внедрение делается неправильно». Чаще всего по одной из трёх причин: купили инструменты до того, как разобрались в процессах; внедряли сверху без buy-in от исполнителей; пилоты выбрали по моде, а не по реальной экономике.

На этом же фоне подъедается и другой пласт — обесценивание тех, у кого с AI получается. Про это у меня собран отдельный манифест ОбесценИИвание: почему «это не ты, это ИИ» — не оценка качества работы, а защитная реакция тех, чья модель работы устарела. Полезно прочитать, прежде чем заходить с AI-стратегией внутрь компании.

AS-IS / TO-BE Workshop — формат, в котором AI-стратегия собирается командой клиента, а не консультантом «для» клиента. Это критически важная разница. AI-внедрение требует владения процессами, которое только команда клиента может обеспечить. Внешний стратег фасилитирует и структурирует, но решения и ответственность остаются внутри.

Почему классический формат «выпишите нам стратегию» не работает в AI

В обычной стратегической работе это работает: внешний эксперт собирает интервью, делает аудит, выписывает план, клиент исполняет. В AI-внедрении этот формат проваливается почти всегда. По нескольким причинам.

Причина 1. Скорость изменений в AI. Технологии меняются каждые 3–6 месяцев. Стратегия, написанная консультантом за 3 месяца, на момент исполнения уже устарела. Внутри команды должна быть способность адаптироваться к изменениям — этому нельзя научиться по чужому плану.

Причина 2. AI требует владения процессами. Чтобы понять, где AI принесёт ценность, нужно знать процессы изнутри. Не «как написано в регламенте», а как они реально идут — со всеми обходными путями, неформальными договорённостями, специфическими ограничениями. Это знание есть только у команды.

Причина 3. Без buy-in нет внедрения. AI-инструменты, навязанные сверху, отторгаются команды. Через 6 месяцев инструмент используется только потому, что «надо отчитываться», но не приносит реальной ценности. С buy-in — наоборот: команда сама достраивает применение и находит новые сценарии.

Причина 4. Quality of data. AI работает на данных. Если данные грязные, неполные, противоречивые — никакая модель не даст результат. Команда клиента — единственный источник, кто знает, какие данные у них есть, в каком они состоянии, и что с ними нужно сделать перед AI-внедрением.

Причина 5. Регуляторика и риск. В B2B (особенно в фарме, финансах, госсегменте) AI-внедрение упирается в compliance. Внешний консультант не знает специфику конкретной компании. Внутренние эксперты знают.

Формат гибридного workshop

AS-IS / TO-BE Workshop сочетает две слоёв работы — качественный (через сессии команды) и количественный (через интервью и benchmarks). Это не «один большой воркшоп», это серия из 6–10 встреч за 6–10 недель, плюс параллельная работа со стороны команды.

Структура серии:

• Workshop 1 (1 день): AS-IS mapping — текущее состояние процессов
• Параллельно (2 недели): интервью с сотрудниками всех уровней
• Workshop 2 (1 день): AI Opportunity Mapping
• Параллельно (1 неделя): benchmark-исследование
• Workshop 3 (1 день): TO-BE vision
• Параллельно (1 неделя): impact/effort анализ инициатив
• Workshop 4 (полдня): приоритизация и pilot design
• Workshop 5 (полдня): governance и change management
• Финальная сессия с советом директоров: presentation и approval

Состав команды клиента на workshop'ах: 8–12 человек из разных функций. C-level (CEO, CTO, CMO, CFO в зависимости от scope), middle management из ключевых процессов, технические эксперты, 1–2 senior-исполнителя.

Важный принцип: на workshop'ах присутствуют те, кто будет внедрять. Не только их руководители. Это создаёт buy-in с самого начала и снимает одну из главных проблем AI-внедрений — сопротивление команды.

Шесть этапов методологии

Этап 1. AS-IS mapping (1–2 недели)

Цель: понять, что у нас есть сейчас. Не «как должно быть по регламенту», а как реально идут 5–10 ключевых процессов. Где какие шаги, где какие данные, где какие узкие места, где обходные пути.

Делается через комбинацию: 1-дневный workshop с командой (рисуем процессы на флипчартах), 15–25 интервью с исполнителями, наблюдение «в полях» для 2–3 ключевых процессов.

На выходе — AS-IS map: визуальное представление 5–10 процессов с timeline, ролями, точками боли, объёмом работы, типом данных.

Этап 2. AI Opportunity Mapping (1–2 недели)

Для каждого процесса из AS-IS map — где AI может принести ценность? Не «теоретически где AI применим», а конкретно «в каком шаге, какое улучшение, какой эффект».

Шесть типов AI-возможностей, которые ищем: автоматизация рутины (повторяющиеся задачи), augmentation (помощь принятию решений), summarization (сводка больших объёмов информации), prediction (прогнозирование), classification (категоризация), generation (создание контента).

На выходе — Opportunity matrix: для каждого процесса перечень потенциальных AI-применений с оценкой эффекта (часов в неделю экономии или метрика улучшения качества).

Этап 3. TO-BE vision (1 неделя)

Целевая картина через 12–18 месяцев. Как будут идти процессы, в которых AI прижился. Это не «всё на AI», а гибридная картина: что делает человек, что AI, как они взаимодействуют.

На этом этапе важно ставить реалистичные горизонты. Полный переход на AI в любом процессе — миф, кроме самых простых случаев. Реалистичная цель — augmentation в 60–80% случаев, automation в 10–20%, ручная работа остаётся для exceptions.

На выходе — TO-BE vision document: процессы в целевом состоянии, метрики, новые роли (если возникают), необходимые инструменты.

Этап 4. Impact / Effort Priority Matrix (1 неделя)

Из всех возможных AI-инициатив выбираем 3–5 для пилотов. Критерии: impact (экономический эффект), effort (затраты времени и ресурса), data readiness (готовы ли данные), team readiness (готова ли команда), risk (юридический, репутационный, операционный).

На матрице impact/effort выбираем quick wins (high impact / low effort) для первых пилотов и strategic bets (high impact / high effort) для второй волны.

На выходе — Priority Matrix с 3–5 пилотами на 90 дней + roadmap на 12 месяцев.

Этап 5. Pilot Design (1 неделя)

Для каждого выбранного пилота — детальный brief: цель, success criteria, owner, timeline (обычно 60–90 дней), бюджет, риски, контрольные точки.

Хороший pilot brief умещается в 2–3 страницы. Если документ длиннее — пилот недостаточно сфокусирован.

Главный принцип pilot design: каждый pilot должен быть «провалибельным». То есть — критерий, при котором мы скажем «не сработало, останавливаем». Без этого pilot не пилот, а скрытая программа без чёткого endpoint.

Этап 6. Governance и Change Management (постоянно)

Как мы управляем AI-внедрением? Кто решает по новым инструментам? Кто отвечает за data quality? Какие правила privacy и compliance? Как мы обучаем команду? Как мы коммуницируем изменения?

На выходе — AI Governance Framework: документ на 10–20 страниц с правилами игры на следующие 12–24 месяца. Без этого фреймворка AI-внедрение через 6 месяцев превращается в хаос разных инициатив без координации.

Итоговые deliverables

За 6–10 недель работы клиент получает пакет документов:

• AS-IS process map — 5–10 процессов в текущем состоянии
• AI Opportunity Matrix — все потенциальные применения с оценками
• TO-BE vision — целевая картина через 12–18 месяцев
• Priority Matrix — 3–5 пилотов на 90 дней + roadmap на 12 мес.
• Pilot briefs — детали по каждому пилоту
• Skills & training roadmap — что нужно прокачать в команде
• AI Governance Framework — правила игры
• Communication plan — как анонсировать изменения

Это не 200-страничный отчёт. Это рабочий пакет, который команда может использовать с понедельника.

Почему пилоты в этом формате приживаются

Я отслеживал пилоты, которые шли по AS-IS / TO-BE-методологии, и сравнивал с пилотами, которые шли по классической «консультант выписал план». Через 12 месяцев в живом виде:

• Из пилотов AS-IS/TO-BE — 60–70% продолжают работать и приносить ценность.
• Из пилотов «консультант выписал» — 15–25% продолжают работать.

Разница в 3–4 раза. Причины:

Buy-in с первого дня. Команда участвовала в выборе пилотов, поэтому считает их «своими», а не навязанными.

Реалистичные пилоты. Выбор делался на основании реального знания процессов, а не теоретического анализа. Поэтому меньше «странных» решений, которые не работают на практике.

Готовая governance. К моменту запуска пилотов уже есть правила игры, понятно кто за что отвечает, нет хаоса.

Skills development параллельно. Команда учится работать с AI ещё до старта пилотов, а не «потом разберёмся».

Provide-out criteria. Каждый пилот можно остановить с понятным выводом «не сработало». Это убирает страх «потерять лицо», который часто заставляет тащить мёртвые проекты.

Два кейса из практики

Кейс 1. MarTech-вендор с командой 60 человек. Запрос — «AI-стратегия для следующих 12 месяцев». До workshop'а уже было куплено 3 AI-инструмента, использовались на 20–30%, без чёткой связи с бизнес-результатом. AS-IS / TO-BE workshop за 8 недель показал: главная проблема не в инструментах, а в том, что 5 ключевых процессов (sales follow-up, customer onboarding, content brief, internal docs search, lead scoring) не задокументированы — каждый менеджер работал по-своему. Сначала выписали процессы, потом по каждому смотрели, где AI прибавит реальную ценность. Из 12 потенциальных применений выбрали 4 пилота на 90 дней. Через 6 месяцев — 3 из 4 прижились, дали суммарную экономию около 220 часов в неделю на команду из 30 человек, что эквивалентно работе 5–6 FTE. Главный вывод: в зрелой компании AI-зрелость идёт через зрелость процессов, не наоборот.

Кейс 2. Промышленная B2B-компания с провалившимся первым AI-внедрением. Год назад потратили 18 миллионов на AI-консультантов, получили 200-страничный документ, через 12 месяцев — 1 пилот из 5 в живом виде. Пришли с запросом «помогите перезапустить AI-программу». AS-IS / TO-BE workshop с командой клиента за 10 недель: на этапе 1 выяснилось, что половина процессов из исходного документа описана теоретически, не как реально работают. На этапе 2 переписали opportunity matrix — оставили из 14 идей 5, отбросили 9 как теоретические. На этапе 4 выбрали 3 quick wins, не самые «модные», но самые реалистичные по data readiness. Через 9 месяцев после нового запуска — все 3 пилота работают, два расширены на смежные процессы. Финансовый эффект — окупили вторую инвестицию за квартал. Главное отличие от первой попытки: команда клиента стала владельцем стратегии, не получателем чужого плана.

Кто ведёт workshop

Это не одна роль, это команда из 2–3 человек.

Strategy lead (внешний). Тот, кто фасилитирует workshop'ы, держит рамку, задаёт правильные вопросы, делает синтез. Это не AI-эксперт. Это стратег с пониманием AI и опытом change management.

AI advisor (внешний или внутренний). Технический эксперт, который оценивает реалистичность AI-применений, рекомендует инструменты, проверяет data readiness. Может быть консультантом или senior-сотрудником клиента.

Project manager (внутренний). Человек со стороны клиента, который координирует workshop'ы, управляет логистикой, держит документацию. Часто — chief of staff или head of operations.

Вместе они закрывают треугольник: стратегия — технология — исполнение. Без любой из вершин workshop проваливается.

Когда AS-IS / TO-BE Workshop не подходит

Не для всех ситуаций.

Если уже есть готовая AI-стратегия и нужно её исполнять. Workshop — это про выработку стратегии. Если она уже есть — нужен другой формат, например, AI Implementation Coaching.

Если бюджет на AI меньше 2–3 миллионов в год. Workshop стоит обычно 1.5–4 миллиона. Имеет смысл, когда общий AI-бюджет в 5–10 раз больше — иначе это переплата за стратегию.

Если совет директоров не готов выделить 3–5 человек на workshop'ы. Без присутствия команды клиента формат не работает. Если у вас «слишком занятые люди, выпишите план» — это не AS-IS/TO-BE, это классический консалтинг, и он в AI-внедрении даёт 15–25% приживаемости.

Если данные в катастрофическом состоянии. Иногда обнаруживается, что до AI нужна базовая работа с data — структурирование, очистка, миграция. AI-workshop в этом случае — следующий шаг, не первый.

AI-стратегия — это не план, это процесс

Главное отличие AI-стратегии от классической: AI-стратегия не «план на 12 месяцев». Это процесс, в котором вы каждые 90 дней пересматриваете гипотезы на основании результатов пилотов. План есть, но он живой.

Это означает, что выписать AI-стратегию один раз и исполнять её — невозможно. Можно собрать первоначальную стратегию (через AS-IS / TO-BE workshop), запустить первые пилоты, и через 90 дней пересобрать на основании выводов. Через ещё 90 дней — снова пересобрать. И так далее.

Поэтому ценность AS-IS / TO-BE workshop — не в финальном документе, а в том, что команда клиента научилась работать в этом цикле. Через год они могут проводить такой workshop сами, без внешнего стратега. Это и есть устойчивая AI-зрелость, которую невозможно купить готовой.