Когда TIAA распечатала все экраны, которые использует специалист по обслуживанию для ответа на вопрос участника пенсионной программы, стопка бумаги достигла высоты 81 дюйма (около 2 метров).
Это стопка бумаги размером с Леброна Джеймса.
Састри Дурвасула, операционный директор TIAA, рассказал присутствующим в Нью-Йорке о том, что происходит, когда ИИ сталкивается с неуклюжим рабочим процессом: «ИИ на самом деле лишь усилит эту сложность».
Его мысль звучала почти на каждой сессии, которую я посетил, включая панельную дискуссию, где я выступал по вопросам доверия и контроля при использовании агентного ИИ. Исследование State of AI in 2026 от McKinsey указывает на то же самое. Лишь около 6% организаций можно отнести к числу высокоэффективных в области ИИ, и почти три четверти из них фундаментально переработали рабочие процессы из-за ИИ, по сравнению с одной четвертью всех остальных.
Лидеры на сцене постоянно связывали этот разрыв с одной и той же причиной: ИИ добавляли к работе, которая сначала требовала перепроектирования.
Агенты обнажают многолетние «процессные долги»
Дурвасула назвал «процессный долг» наряду с техническим и долговым бременем данных, и это самый труднозаметный из трех. Он живет в обходных путях, повторном вводе данных и передаче задач, за которые никто не несет ответственности от начала до конца. Аадеш Гандре, директор по аудиту в DTCC, сказал, что большинство процессов «нельзя просто перенести в неизменном виде», что делает любую модернизацию моментом, когда нужно задаться вопросом, должен ли такой процесс вообще существовать. И если должен, то что нужно изменить теперь, когда ИИ-агенты могут справляться со сложной работой.
Перепроектирование также означает определение того, где агенту не место. Настасья Хаган, руководитель направления прикладного ИИ в BNY, прямо заявила об этом на нашей панели: «Решение, как только вы поймете, что это за процесс, не всегда заключается в использовании ИИ». Там, где требуется суждение, лучшие проекты сочетают рассуждения агента с детерминированными правилами, которые работают одинаково каждый раз.
Schwab пошла по этому пути со своим помощником Charley, начав с легко проверяемых действий, таких как обновление адреса, прежде чем расширять его функционал. Компании, которые сначала занимаются перепроектированием, тратят свой бюджет на ИИ на те этапы, где действительно требуется суждение.
Перепроектированные потоки создания ценности меняют владельцев результатов
Рэйчел Леви, руководитель отдела ИИ, аналитики и автоматизации в Swift, провела черту, формирующую новую операционную модель: задача заставляет кого-то отвечать за результат (output), в то время как процесс заставляет их отвечать за конечный итог (outcome). Майк Карр, руководитель отдела технологической стратегии и инноваций в Vanguard, сказал, что наибольшая отдача приходит от «высокосложных, многоотделенческих рабочих процессов с передачей задач и временем ожидания». Именно там теряются деньги.
Один из участников дискуссии рассказал о состоятельном клиенте, который вывел 2 миллиарда долларов из банка после того, как новое приложение попросило его загрузить одни и те же документы KYC для каждого счета. Приложение было новым, но путь клиента за ним не был перепроектирован. Независимо от уровня достатка, это опыт, которого никто не заслуживает.
В перепроектированном потоке создания ценности агенты и системы выполняют работу со скоростью машины, в то время как люди устанавливают правила, принимают решения и несут ответственность — позиция, которую участники дискуссии назвали «человек во главе». Доверие определяет темп: затраты часто сначала растут, пока агенты и люди работают параллельно, а экономия наступает, как только организация начинает доверять системе.
Централизованный контроль и локальное внедрение позволяют масштабировать повторное использование
Хаган подытожила модель внедрения: «В конечном счете, речь идет о централизации контроля, но децентрализации внедрения». Центральная команда управляет единой внутренней платформой как услугой и устанавливает базовые требования, которым должен соответствовать каждый агент — от контроля доступа до кнопки экстренной остановки с четкими критериями выхода. Инженерные команды в разных бизнес-линиях создают решения внутри этих границ, используя утвержденные шаблоны и ресурсы, чтобы ускорить вывод продуктов на рынок. Агент BNY по исправлению платежей показывает, как внутри них растет автономность: он начал с одного исправления на основе рецепта и получил больше разрешенных действий по мере накопления данных.
Повторное использование и корпоративный масштаб упоминались почти на каждой сессии, которую я посетил, однако немногие программы заложили это в основу финансирования и реализации работы, поэтому команды продолжают переделывать одно и то же снова и снова.
Люсия Соарес, ИТ-директор в Carlyle, описала привычку, которая разрывает этот цикл: «Если вы приоритизируете свои варианты использования, вы можете фактически решить проблему с данными в меньшей области, чтобы создать тот чертеж, который затем позволит вам масштабироваться по всей фирме». Процессы, построенные из утвержденных «строительных блоков», работают так же. Каждый из них запускается быстрее и проходит проверку раньше, снижая стоимость следующего.
Долговечная ценность заключается в том, как работает ваша фирма
Джефф Граймс из Perplexity описал, как передовые модели совершенствуются каждые несколько дней, поэтому преимущество, построенное на сильных сторонах одной модели, исчезает с такой же скоростью. Панель «Запустить или отложить» предложила более надежный тест: долговечный ИИ-продукт опирается на проприетарные данные или преимущества рабочего процесса, которые конкуренты не могут скопировать, и он становится лучше по мере совершенствования моделей.
Чжэнь Чжао, директор по ИИ в New York Life, сделал этот тест практичным с помощью трех вопросов: кто владеет этим, встроено ли это в реальный процесс и заметил бы кто-нибудь, если бы это выключили. Его последний пункт — безусловно, самый важный.
Возможность, которая проходит тест Чжао, имеет назначенного владельца, реальный объем использования и результат, от которого зависят люди. Именно здесь ваши политики, пути эскалации и экспертные суждения встраиваются в то, как выполняется работа, и они остаются вашими, когда базовая модель меняется. Модель становится компонентом, который можно заменить, а процесс становится активом, который вы сохраняете.
Начните с одного потока создания ценности и сделайте его долговечным
Выберите один поток создания ценности, где на кону стоят реальные деньги, отобразите, как работа движется сегодня, и перепроектируйте его, прежде чем добавлять агентов. Решите, какие этапы требуют суждения, а какие должны следовать фиксированным правилам, назначьте ответственного за результат и создайте каждый элемент так, чтобы следующая команда могла его повторно использовать.
Панель «Реальность бенчмаркинга» завершилась вопросами, которые лидеры могут задать своим командам в понедельник. Три из них стоит обсудить для вашего следующего агентного кейса:
- Можно ли отследить и объяснить каждое число в выводе, сгенерированном ИИ?
- Был ли процесс перепроектирован для устранения трения, не связанного с ИИ, до того, как был добавлен ИИ?
- Создает ли ИИ конкурентное преимущество или только автоматизирует работу, которую вы уже делаете?
Посмотрите, как банки перепроектируют основные процессы для ИИ-агентов.












