NEXT CAIO. Кто отвечает за ИИ в российских компаниях

Пока рынок спорит, нужен ли компании директор по искусственному интеллекту, HeadExpert провела исследование «NEXT CAIO. Кто отвечает за ИИ в российских компаниях» в рамках программы «Следующее поколение технолидеров» (Next Tech CxO) и задала более практичный вопрос: кто в российских компаниях отвечает за результат от ИИ, какими полномочиями обладает и что мешает перейти от пилотов к системному эффекту.

В основу легли 25 глубинных интервью с руководителями из финансов, ритейла, промышленности, телекома и ИТ (май–сентябрь 2026 года), а также мнения экспертного совета. Я вошёл в экспертный совет исследования и делюсь в этой статье его ключевыми выводами — с цитатами участников и ссылками на организаторов.

Что это за исследование

NEXT CAIO — часть исследовательской программы HeadExpert «Next Tech CxO / Технолидеры следующего поколения»: это серия исследований о технологических управленческих ролях, и CAIO — одна из таких ролей. Предыдущий отчёт программы — «NEXT CDO: «Код» лидера данных следующего поколения». Отдельно организаторы подчёркивают границы выводов: 25 интервью описывают управленческий опыт участников, а не распространённость практик на рынке. Проценты показывают, в скольких интервью руководители прямо описали ту или иную практику, и не служат основанием для сравнения зрелости компаний.

Экспертный совет и участники — практики из Сбера, РУСАЛа, Московской биржи, Beeline Cloud, ФГ БКС, Сколково, АПКИТ, Ассоциации больших данных и других организаций. Именно эта «плотность» реального опыта и делает исследование полезным: это не теория, а свод того, как устроена работа с ИИ там, где её уже пытаются выстроить системно.

Кто отвечает за результат

Главный вывод: бизнес почти везде вовлечён в ИИ-повестку, но участие ещё не равно ответственности.

• 22 из 25 интервью (88%) — бизнес-подразделения участвуют в ключевых решениях по ИИ: определяют задачи, выбирают решения, принимают решение о внедрении.
• 9 из 25 (36%) — в бизнес-подразделениях появились собственные роли для внедрения ИИ.
• только 5 из 25 (20%) — ожидаемая финансовая отдача от ИИ определена заранее.
• только 7 из 25 (28%) — есть согласованная ИИ-стратегия или дорожная карта.

ИИ-проект, как правило, требует двух владельцев: руководитель по ИИ отвечает за технологическое решение и внедрение, владелец процесса — за изменение работы и бизнес-результат. Ответственность и полномочия сторон должны быть определены до старта.

Отдельно важное: CAIO не заменяет CIO, CDO, CISO, CDTO и владельца процесса. Его ценность — связать технологическое решение, изменение работы и измеримый результат, заранее определив границы решений.

Пять задач руководителя по ИИ

Руководители по ИИ приходят из аналитики, ИТ, разработки, продукта и цифровой трансформации — единой модели роли пока нет. Но в их работе исследование выделяет пять взаимосвязанных задач:

• Выбор задачи. Определить, какой бизнес-эффект нужен и действительно ли для этого нужен ИИ.
• Внедрение. Довести решение до использования и вместе с владельцем процесса согласовать новый порядок работы.
• Экономика. Определить ожидаемую отдачу, полную стоимость и способ проверки эффекта.
• Изменение работы команды. Подготовить людей к новому порядку работы и закрепить изменения в обязанностях.
• Сопровождение. Сохранять качество решения и бизнес-эффект после запуска.

Профиль роли определяется задачей, полномочиями и результатом, за которые отвечает руководитель, — а не названием должности.

Экономика: от пилота к эффекту

Несколько тезисов исследования, которые чаще всего «ломают» ожидания от ИИ:

• Успешный пилот не гарантирует эффекта при масштабировании. При распространении решения растут затраты на инфраструктуру, интеграцию и сопровождение — решение о масштабе принимается отдельной оценкой.
• Ускорение операции не равно эффективности процесса. Если основное время уходит на согласования и ожидание решений, ИИ на отдельном этапе даёт ограниченный результат.
• Полная перепроверка обнуляет эффект. Если проверка результата ИИ занимает столько же, сколько исходная работа, экономии нет. Выигрыш — когда суммарные затраты на работу ИИ, проверку и исправления ниже прежних.
• Рост производительности не равен сокращению штата. Между повышением производительности и потребностью в персонале нет автоматической зависимости: в 68% интервью цель сокращать штат вообще не ставилась.

Люди и культура внедрения

Один из самых частых барьеров — не технология, а готовность людей работать по-новому. Это и мой тезис, который вошёл в исследование.

«Технологии ИИ уже достаточно зрелые для применения в корпоративном контуре. Один из основных барьеров — не технология, а готовность людей работать по-новому. Поэтому перестройку бизнес-процессов, обучение и формирование ИИ-культуры нужно предусматривать в проекте ИИ-трансформации с первого дня, а не на этапе масштабирования. Пилот доказывает, что технология работает. Но устойчивой практикой он становится только тогда, когда сотрудники начинают доверять решению и добровольно встраивают его в ежедневную работу».

Это же подчёркивают и другие эксперты: успех определяет не технология сама по себе, а способность организации её «впитать» — через изменённые процессы, роли и ответственность.

ИИ-агенты как цифровые работники

Отдельный блок исследования — про переход от автоматизации операций к агентам и «цифровому работнику». В экспертной статье Дмитрий Гуреев (Gureev.PRO, МШУ «Сколково») формулирует это так:

«В организации появляется цифровой работник — относительно самостоятельный исполнитель, которому нужны задача, контекст, полномочия, ограничения и обратная связь. При этом ответственность за последствия его работы остаётся у людей».

Отсюда — задача управляемой автономности: определить, какое действие можно доверить ИИ, как управлять агентами как рабочей силой и кто отвечает за результат после запуска. Сергей Рябов (Сбер) добавляет, что AI-native-трансформация — это не внедрение инструментов, а изменение логики работы, для которого нужен управленческий и технологический контур (harness): интеграция, управление действиями, безопасность и контроль результата.

Что сделать за 90 дней

Исследование предлагает практический ориентир на первые 90 дней — не как «календарь», а как рамку первых решений:

Ключевой принцип: начать с результата, а не с очереди запросов. Выберите один значимый процесс, разберитесь, как он работает сейчас, найдите реальное ограничение — и только потом сравнивайте ИИ с автоматизацией и другими вариантами.

Выводы

• ИИ уже стал частью бизнес-повестки, но заметно реже связан с заранее определённой отдачей и единой программой.
• Участие бизнеса — не то же самое, что ответственность за результат. Ответственность появляется там, где подразделение меняет способ работы и отвечает за эффект.
• Роль руководителя по ИИ определяется задачей, полномочиями и результатом, а не названием должности.
• Главный барьер — не технология, а готовность людей и организации работать по-новому.

Исследование NEXT CAIO полезно именно этим: оно показывает не «как надо», а как разные компании отвечают на один и тот же вопрос — кто и как отвечает за то, чтобы ИИ приносил измеримый бизнес-результат.