ИИ получил доступ к корпоративным системам. Кто управляет изменениями бизнеса?
Управляемая эволюция CRM, ERP и государственных информационных систем: архитектура НУМ, испытания, допуск к выпуску и экономика результата
Дата публикации: 19 ноября 2026 года
Авторы: Алексей Несмеянов и Калина Яркина — авторы Новой управленческой модели (НУМ).
Формат: авторское прикладное исследование и методологическое предложение.
Аннотация
Генеративный искусственный интеллект сокращает время подготовки технических требований, программного кода, тестов и интеграционных решений. В корпоративной среде это меняет не только инструменты разработчика, но и порядок принятия управленческих решений. Организация получает возможность чаще обновлять цифровые процессы, расширять функции действующих систем и проверять новые гипотезы. Вместе с тем возрастает значение архитектурной совместимости, качества данных, регламентов допуска и экономической оценки.
Предмет исследования — управляемый жизненный цикл изменений корпоративных информационных систем с участием ИИ. Мы сопоставляем существующие инженерные и управленческие практики с задачами Новой управленческой модели, предлагаем архитектуру контролируемого выпуска и показываем её применение на сквозном примере. Исследование ориентировано на собственников, генеральных директоров, руководителей цифровой трансформации, IT и информационной безопасности, а также руководителей государственных и муниципальных организаций.
Основной вывод: конкурентное преимущество формируется там, где скорость подготовки изменений сочетается с доказуемым качеством, ясными полномочиями и измеримым результатом.
1. Технологический сдвиг: от автоматизации операций к ускорению изменений
Традиционная корпоративная автоматизация строилась вокруг сравнительно устойчивого программного продукта. Бизнес формулировал требования, IT-подразделение или подрядчик реализовывали доработку, затем проводились испытания и ввод в эксплуатацию. Развитие системы происходило проектами и релизами, часто с заметными промежутками между ними.
Генеративные модели способны выполнять часть интеллектуальной работы внутри этого цикла: анализировать документы, помогать уточнять требования, предлагать структуру данных, создавать программный код, формировать тестовые сценарии, выявлять расхождения и документировать результат. Возможность подготовить несколько технических вариантов за короткий срок меняет экономику эксперимента. Но одновременно увеличивает поток решений, требующих согласования.
Два технологических события ноября 2026 года иллюстрируют этот переход. 9 ноября ClickHouse сообщила о доступности Managed Postgres и приобретении Xata. Компания обозначила развитие изолированных ветвей баз данных и сред для разработки и тестирования с участием ИИ; полную интеграцию ряда возможностей она отнесла к следующим месяцам. Это важное различие между доступным продуктом и дорожной картой поставщика. [1].
10 ноября IBM и Microsoft анонсировали Imagine Enterprise как направление корпоративной платформенной работы с ИИ-агентами. Для управленческого анализа важна тенденция к объединению агентов, корпоративных данных, средств эксплуатации и контроля. Заявления производителей следует рассматривать как сведения о продуктах и стратегии, а не как независимое доказательство надёжности в конкретной организации. [2].
Возникает новый объект управления: поток цифровых изменений. Его характеристики — частота предложений, доля проверенных решений, нагрузка на интеграции, время согласования, стоимость сопровождения и фактический эффект.
Эта проблематика продолжает исследование «От корпоративного ПО к цифровой организации», где рассмотрена общая архитектура цифровой организации. Здесь мы сосредоточимся на конкретном механизме принятия и выпуска изменений.
2. Исследовательский вопрос и границы анализа
Исследовательский вопрос формулируется следующим образом: каким образом организация может систематически преобразовывать созданные с участием ИИ технические решения в согласованные, безопасные и экономически оправданные изменения действующих систем?
Для ответа необходимо рассмотреть пять измерений: бизнес-ценность, архитектурное воздействие, полномочия, доказательства качества и результаты эксплуатации. Технология генерации кода охватывает лишь часть этой системы.
Предлагаемая модель предназначена для изменений программного обеспечения, конфигураций, интеграций, аналитических правил и автоматизированных бизнес-процессов. Для высокорисковых объектов — критической инфраструктуры, медицинских систем, государственных информационных систем с особыми режимами — требуются дополнительные отраслевые процедуры и отдельная правовая оценка.
Методологическое ограничение: материал представляет концептуальную модель и прикладные рекомендации. Приведённые ниже финансовые значения являются расчётным примером. Они не являются статистикой рынка, результатом испытаний AINUM или доказательством эффективности конкретного внедрения.
3. Что уже существует: ITIL, DevSecOps, CI/CD и AI governance
Создание управляемого жизненного цикла изменений имеет развитую инженерную основу. Поэтому экспертное предложение должно ясно показывать, какие задачи уже решаются известными подходами и какое дополнительное измерение появляется при использовании генеративного ИИ.
| Подход | Основной предмет управления | Практическая ценность | Вопрос, который дополнительно ставит НУМ |
|---|---|---|---|
| ITIL / change enablement | Оценка и разрешение изменений IT-услуг | Приоритизация, риск, календарь, ответственность | Как связать каждое изменение с бизнес-целью и цифровыми полномочиями |
| CI/CD | Сборка, тестирование и доставка программных изменений | Повторяемость, скорость, техническая прослеживаемость | Какие управленческие условия должны разрешать выпуск |
| DevSecOps | Встраивание безопасности в жизненный цикл разработки | Раннее обнаружение уязвимостей, автоматизация контроля | Как проверять права ИИ и последствия его решений для бизнес-процессов |
| AI governance / NIST AI RMF | Управление рисками и надёжностью ИИ | Роли, оценка рисков, мониторинг | Как связать управление ИИ с конкретным изменением ERP, CRM или ГИС |
| НУМ: контур управляемых изменений | Сквозная связь цели, цифрового исполнения, допуска и результата | Единая управленческая трассировка | Как сделать изменение частью корпоративной памяти и измеримого управления |
НУМ в этом исследовании дополняет инженерные практики управленческим контуром. Её авторское предложение — связать бизнес-основание, мандат цифрового исполнителя, карту воздействия, доказательства испытаний, человеческое разрешение и последующую оценку эффекта в одну проверяемую цепочку. Такая интеграция требует практической валидации; само описание модели ещё не подтверждает превосходство над альтернативами.
В NIST AI RMF (2023) выделены функции GOVERN, MAP, MEASURE и MANAGE; профиль для генеративного ИИ опубликован в июле 2024 года. Это добровольные ориентиры риск-менеджмента, применимость которых организация определяет с учётом собственной нормативной среды. [3].
4. Архитектура НУМ: семь управленческих переходов
Предлагаемый контур управляемых изменений НУМ включает семь последовательно связанных этапов:
Потребность → Требования → Проект решения → Испытания → Управленческий допуск → Контролируемый выпуск → Оценка эффекта.
Каждый переход фиксирует три сущности: ответственного, доказательство и критерий завершения. Без них процесс может оставаться формальным согласованием.
| Этап | Основной результат | Владелец решения | Проверяемый критерий |
|---|---|---|---|
| 1. Потребность | Business Brief | Владелец процесса | Цель и исходная метрика согласованы |
| 2. Требования | Executable Specification | Бизнес-заказчик и архитектор | Требования имеют тестируемые условия |
| 3. Проект | Solution Blueprint | Архитектор / IT | Известны затрагиваемые системы и данные |
| 4. Испытания | Test Evidence | QA, IT, ИБ | Критические проверки завершены |
| 5. Допуск | Human Release Gate | Уполномоченное лицо | Решение подписано, остаточный риск принят |
| 6. Выпуск | Release Manifest | Ответственный за эксплуатацию | Развёртывание наблюдаемо, восстановление проверено |
| 7. Эффект | Outcome Review | Владелец процесса | Результат сопоставлен с исходной базой |
Англоязычные обозначения используются как рабочие имена артефактов предлагаемой модели. Их применение не означает появления нового отраслевого стандарта.
Принципиально важно разделять право подготовить изменение, право проверить изменение и право разрешить его выпуск. Эти полномочия могут находиться в разных подразделениях; их совмещение требует дополнительных компенсирующих мер контроля.
5. Классификация изменений по уровню воздействия
Одинаковая процедура согласования для каждого изменения создаёт лишние задержки. Поэтому целесообразна классификация по масштабу последствий.
| Класс | Пример | Рекомендуемый режим |
|---|---|---|
| A — информационный | Новая аналитическая панель только для чтения | Проверка данных, доступа и корректности показателей |
| B — локальный функциональный | Новое поле или отчёт в CRM | Функциональные тесты и согласование владельца |
| C — межсистемный | Изменение обмена CRM–ERP–1С | Карта зависимостей, интеграционные тесты, план восстановления |
| D — критический | Изменение финансовых проводок, доступа, производственных команд | Расширенная независимая экспертиза, отдельный допуск и специальные процедуры |
Класс определяется по наиболее серьёзному возможному последствию, включая изменения данных, влияние на третьих лиц, остановку процессов и требования законодательства. Категория должна уточняться по результатам карты воздействия.
6. Сквозной кейс: модуль контроля закупочных отклонений
Рассмотрим модельный пример промышленного предприятия. Директор по закупкам замечает, что рост цен по повторяющимся позициям обнаруживается с задержкой. Предприятие использует ERP, электронный документооборот и отдельную аналитическую систему. Руководитель хочет получать объяснимые сигналы об отклонениях до согласования закупки.
6.1. Управленческая постановка
Цель: сократить время обнаружения существенных ценовых отклонений при сохранении качества закупочных решений. Исходная метрика: медианное время от получения коммерческого предложения до выявления отклонения. Владелец результата: директор по закупкам. Ограничение: модуль предоставляет рекомендации; изменение статуса закупки выполняется по утверждённому регламенту.
Для анализа необходимо определить сопоставимость номенклатуры, объёмов, сроков поставки, валюты, логистики, характеристик и договорных условий. Без этих критериев даже технически корректный алгоритм способен формировать экономически бессмысленные сравнения.
6.2. Требования и критерии приёмки
ИИ помогает сформировать проект требований, после чего специалисты уточняют предметную логику. Пример проверяемого требования: «Система должна показывать основание сравнения и исходные записи для каждого сигнала». Другое требование: «При отсутствии достаточного количества сопоставимых закупок результат помечается как требующий ручной оценки».
Тестовые наборы должны включать одинаковую номенклатуру с разными условиями поставки, изменение валюты, ошибочные справочники, возвраты, дубли документов и отсутствие части данных. Приёмка проверяет не только корректность вычисления, но и понятность объяснения для закупщика.
6.3. Карта воздействия
| Объект | Возможное влияние | Контроль |
|---|---|---|
| ERP | Номенклатура, заказы, цены | Чтение через ограниченный интерфейс; сверка справочников |
| Документооборот | Договоры и спецификации | Разрешённый доступ, учёт версий документов |
| Аналитическая система | Показатели отклонений | Тест качества данных и воспроизводимости |
| Рабочее место закупщика | Сигналы и пояснения | Пользовательская приёмка, журнал обратной связи |
| Управленческая отчётность | Сводная динамика | Согласованные определения показателей |
Изменение в одном модуле способно влиять на смежные процессы. Карта воздействия превращает эти связи в предмет проверки до релиза.
6.4. Испытания и выпуск
Для пилота создаётся изолированная среда с синтетическими либо правомерно подготовленными данными. ИИ помогает разработать функцию и тесты. Специалисты проверяют бизнес-логику, интеграции, безопасность, производительность и качество пояснений. После устранения критических замечаний владелец процесса принимает функциональный результат, IT подтверждает готовность эксплуатации, ИБ оценивает применимые риски, а уполномоченное лицо разрешает ограниченный выпуск.
На первом этапе функция работает в режиме рекомендаций для небольшой группы закупщиков. Система сохраняет причины сигналов, решения сотрудников и случаи ошибочных срабатываний. После периода наблюдения руководитель получает сравнительный отчёт по времени обнаружения отклонений, качеству сигналов и затратам.
6.5. Управленческое решение
Возможны четыре результата: масштабировать, доработать, продолжить ограниченное наблюдение или завершить пилот. Это полноценные варианты управления капиталом и риском. Решение фиксируется вместе с доказательствами.
Статус кейса: учебная модель для демонстрации метода. Числа и результаты реального предприятия здесь не заявляются.
7. Испытательный контур и архитектура данных
Испытательная среда обеспечивает воспроизводимость разработки и проверок. Для неё необходимы изоляция учётных записей, ограничение сетевых соединений, управление секретами, контроль версий, журнал действий и процедура уничтожения временных данных.
Предпочтительный порядок работы с данными: синтетические наборы; обезличенные данные при подтверждённой достаточности обезличивания; ограниченные реальные данные только при наличии правового основания и необходимых мер защиты. Копия производственной базы сама по себе не меняет правовой режим содержащейся информации.
Интеграции с локальными и облачными моделями проектируются через управляемый шлюз. Для каждой модели определяются допустимые категории данных, место обработки, порядок хранения запросов, условия доступа и возможность замены поставщика. Для ряда государственных и регулируемых контуров подходящим вариантом может быть локальное исполнение с запретом внешней передачи данных.
Архитектура должна поддерживать восстановление после неудачного выпуска. Откат программной версии, восстановление базы и компенсация уже совершённых бизнес-операций — разные механизмы. Если новая функция создала внешний документ или инициировала платёж, простого возврата к прежнему коду недостаточно.
8. Проверка качества: доказательства вместо впечатлений
Надёжность изменения определяется набором проверок, соответствующих классу воздействия. Для межсистемного изменения целесообразно фиксировать как минимум:
- Функциональные испытания и пограничные сценарии.
- Контрактные и интеграционные проверки обмена данными.
- Проверку прав доступа, секретов и журналирования.
- Анализ зависимостей, уязвимостей и конфигураций.
- Нагрузочные испытания по реалистичному профилю.
- Проверку качества данных и воспроизводимости результатов.
- Пользовательскую приёмку владельцем процесса.
- Испытание остановки, отката и восстановления.
Для ИИ-компонентов добавляются проверки устойчивости к некорректным инструкциям, изменению входных данных и превышению полномочий. OWASP описывает риск Excessive Agency через избыточную функциональность, разрешения и автономию, рекомендуя минимизацию полномочий и человеческое подтверждение значимых действий. [5].
Принцип приёмки: каждое существенное требование должно иметь проверяемое доказательство, а каждое критическое замечание — зафиксированное решение о его устранении либо о допустимости остаточного риска.
9. Human Release Gate: управленческий допуск к эксплуатации
Human Release Gate — предлагаемая в НУМ точка принятия решения о выпуске изменения в рабочую среду. Её назначение — собрать в одном решении бизнес-обоснование, технические доказательства, оценку риска и готовность эксплуатации.
Пакет для допуска содержит: идентификатор изменения; версию; перечень затрагиваемых систем; бизнес-цель; ответственных; карту воздействия; результаты испытаний; открытые замечания; ограничения использования; план развёртывания; план восстановления; критерии остановки; порядок наблюдения; дату повторной оценки.
Уполномоченный руководитель может согласовать выпуск, согласовать ограниченный пилот, вернуть решение на доработку или отклонить его. В критических случаях требуются дополнительные независимые согласования. Автоматизированная система может технически выполнить разрешённый выпуск, но само разрешение формируется в установленном человеческом контуре.
Смежные вопросы цифрового мандата и независимого контроля подробнее раскрыты в исследованиях «ИИ-агент — засланный казачок?» и «Know Your Agent: цифровой мандат». Здесь эти принципы применяются непосредственно к процедуре выпуска изменений.
10. Release Evidence Package: доказательная база решения
Предлагаемая структура Release Evidence Package включает шесть взаимосвязанных частей:
| Артефакт | Что доказывает |
|---|---|
| Business Case | Изменение связано с конкретной задачей и показателями |
| Impact Map | Известны зависимости и возможные последствия |
| Test Report | Требования прошли необходимые проверки |
| Security & Data Review | Права, данные и риски оценены |
| Approval Record | Есть полномочное решение о выпуске |
| Operations Plan | Определены мониторинг, остановка и восстановление |
Каждый артефакт должен ссылаться на конкретную версию программного обеспечения и конфигурации. Это позволяет восстановить историю: почему изменение было принято, на основании каких доказательств и какой результат дало.
Собранные записи становятся частью корпоративной памяти. В отличие от простого журнала коммитов они сохраняют связь технических действий с управленческими основаниями.
11. Экономика: стоимость подтверждённого изменения
При сравнении вариантов организации полезно оценивать совокупную стоимость изменения за единый горизонт:
TCC = проектирование + разработка + испытания + интеграции + эксплуатация + ожидаемые потери от рисков.
Параллельно рассчитывается эффект: экономия времени, снижение потерь, качество решений, рост пропускной способности процесса или иной показатель, подтверждённый сопоставимыми данными.
Иллюстративный расчёт, тыс. рублей:
| Статья | Традиционный процесс | С участием ИИ |
|---|---|---|
| Проектирование | 120 | 65 |
| Разработка | 300 | 140 |
| Тестирование и безопасность | 100 | 140 |
| Интеграция и внедрение | 150 | 150 |
| Эксплуатация за год | 90 | 115 |
| Итого без риск-поправки | 760 | 610 |
В этом условном примере прямое снижение затрат составляет 150 тыс. рублей, или приблизительно 19,7%. При этом расходы на проверку увеличены: экономия на генерации кода не отменяет стоимости контроля. Для окончательного решения нужно добавить вероятность и последствия ошибок, затраты на лицензии и вычисления, сопровождение моделей, обучение и стоимость выхода из решения.
Показатель управленческой эффективности можно определить как стоимость одного изменения, достигшего заранее утверждённого полезного результата. Он связывает расходы с качеством приёмки и последующим эффектом. Для более широкого анализа экономики ИИ полезны материалы об оценке ROI пилота и «ИИ-эффект».
12. Применение в бизнесе и государственном секторе
Промышленность. Приоритетными кандидатами для пилота могут стать контроль закупочных отклонений, анализ простоев, подготовка технических отчётов и проверка согласованности производственных данных. Класс воздействия определяется тем, влияет ли функция на рекомендации, учёт или управляющие команды оборудования.
Торговля и услуги. CRM может развиваться через функции обнаружения потерянных сделок, контроля качества клиентских данных и формирования рекомендаций менеджерам. Ключевые критерии — достоверность данных, отсутствие ошибочных коммуникаций, соблюдение прав доступа и подтверждённое изменение конверсии либо скорости обслуживания.
Муниципальное управление. Возможные направления — контроль исполнения поручений, анализ сроков документов, подготовка управленческих сводок. Для каждой задачи отдельно определяются категории информации, допустимая инфраструктура, полномочия и правовые ограничения. Решения, затрагивающие права граждан, требуют особенно строгого человеческого контроля и установленного административного порядка.
Для предприятий Воронежской области и Черноземья существенны задачи интеграции действующих учётных систем, производственных данных и управленческой отчётности. Географическая применимость этих сценариев не означает наличия подтверждённых региональных внедрений; такие кейсы следует публиковать отдельно с согласия организаций и проверенными результатами.
13. Где здесь AINUM Office, CRM и ERP
Практическая ценность подхода состоит в возможности развивать действующий цифровой контур организации, включая решения AINUM и интеграции с существующими системами. Управленческая архитектура должна предусматривать подключение разрешённых локальных и облачных LLM через контролируемый слой интеграций, разделение прав, регистрацию действий, испытания и утверждение изменений.
Для конкретной версии AINUM необходимо отдельно подтверждать состав реализованных функций, поддерживаемые коннекторы, режимы обработки данных, результаты тестов и эксплуатационные ограничения. Архитектурная возможность и промышленно подтверждённая реализация — разные уровни доказательности.
Важен практический сценарий: руководитель формулирует потребность, система помогает подготовить проект требований и изменения, специалисты проводят проверку, уполномоченное лицо разрешает выпуск, а управленческий контур измеряет результат. Так методология НУМ связывает генеративные технологии с действующей инфраструктурой предприятия.
14. Диагностика готовности: 15 критериев
Оцените каждый пункт по шкале 0 — отсутствует, 1 — частично реализовано, 2 — подтверждено документами или испытанием.
Управление: назначен владелец каждого изменения; утверждён порядок полномочий ИИ; определены лица, принимающие решение о выпуске.
Архитектура: ведётся реестр систем и интеграций; существует изолированная испытательная среда; проверен порядок восстановления.
Данные и безопасность: установлены категории данных; права цифровых исполнителей минимизированы; действия и решения журналируются.
Экономика: рассчитывается совокупная стоимость; заранее установлены показатели результата; после внедрения проводится оценка эффекта.
Люди и компетенции: сотрудники умеют формулировать проверяемые требования; назначены ответственные за приёмку; действует порядок реагирования на ошибки.
Максимум — 30 баллов. 0–10 указывает на необходимость базовой подготовки, 11–20 — на частичную готовность и приоритет устранения пробелов, 21–30 — на возможность рассмотреть ограниченный пилот после отдельной оценки рисков. Суммарный балл не заменяет обязательные требования безопасности: критический пробел способен остановить проект независимо от результата анкеты.
Практический вопрос для руководителя: какой из пятнадцати критериев сегодня создаёт наибольшее ограничение для безопасного развития ваших информационных систем? Если требуется независимый разбор архитектуры, интеграций и полномочий, напишите авторам в MAX.
15. Дорожная карта 90 дней
| Период | Управленческое действие | Результат |
|---|---|---|
| Дни 1–15 | Выбрать процесс, владельца, исходную метрику и ограничения | Business Brief и базовая линия |
| Дни 16–30 | Составить карту систем, данных, прав и требований | Solution Blueprint и критерии приёмки |
| Дни 31–45 | Подготовить ограниченную функцию и тестовые данные | Тестовая версия и первичные протоколы |
| Дни 46–60 | Проверить интеграции, безопасность, качество и восстановление | Test Evidence и реестр замечаний |
| Дни 61–75 | Принять решение о допуске и провести ограниченный выпуск | Approval Record, Release Manifest, журнал наблюдения |
| Дни 76–90 | Сопоставить результат с исходной метрикой и затратами | Outcome Review и решение о масштабировании |
Этот график является ориентиром для ограниченного пилота. Для сложных ERP, критической инфраструктуры и регулируемых государственных систем сроки определяются масштабом изменений, экспертизой и обязательными процедурами.
16. Правовые и организационные условия
Российская организация должна определить применимость законодательства о персональных данных, защите информации, коммерческой тайне, критической информационной инфраструктуре и отраслевых правил. Особое внимание уделяется месту обработки данных, внешним передачам, правам доступа, журналированию, хранению и удалению информации.
Техническая возможность подключить облачную модель не определяет правомерность такого подключения. Решение принимается по результатам классификации данных, анализа договора с поставщиком, оценки угроз и внутренних регламентов. Для некоторых контуров требуется локальная инфраструктура и исключение внешних передач.
Международные рекомендации NIST и OWASP могут использоваться как методические ориентиры, но не подменяют российское законодательство и требования уполномоченных органов. Конкретный проект нуждается в юридической и технической оценке.
17. Выводы исследования
Генеративный ИИ расширяет возможности организации по развитию корпоративных систем. При этом устойчивое преимущество определяется качеством управленческой архитектуры, в которой техническая разработка связана с бизнес-целями, доказательствами, полномочиями и фактическими результатами.
Предлагаемый контур управляемых изменений НУМ объединяет семь этапов: потребность, требования, проект, испытания, допуск, выпуск и оценку эффекта. Он опирается на существующие инженерные практики и добавляет сквозную управленческую трассировку — от причины изменения до результата для организации.
Три практических следствия особенно важны для руководителя. Первое: управление потоком изменений становится отдельной компетенцией предприятия. Второе: качество доказательств и ясность полномочий определяют допустимую скорость внедрения. Третье: корпоративная память должна сохранять причины, условия и результаты каждого существенного цифрового изменения.
Главный вывод: организация получает максимальную пользу от ИИ тогда, когда способна быстро создавать решения, уверенно оценивать последствия и последовательно превращать проверенные изменения в измеримый результат.
Вопросы руководителей
Может ли ИИ самостоятельно изменить ERP? Технически отдельные инструменты способны выполнять операции с кодом и конфигурацией. Допустимый объём действий устанавливает организация; выпуск существенных изменений проходит через утверждённые процедуры и полномочных людей.
Нужна ли отдельная платформа? Подход может реализовываться с использованием существующих средств ITSM, репозиториев, CI/CD, тестирования и журналирования. Выбор платформы определяется архитектурой и масштабом предприятия.
Какой пилот выбрать первым? Предпочтителен процесс с измеримой ценностью, понятными данными, ограниченным воздействием и назначенным владельцем результата.
Как оценить экономию? Сравнить полную стоимость вариантов за одинаковый период, учесть ожидаемые риски и измерить результат относительно исходной базы.
Подходит ли модель государственному сектору? Как управленческая схема — да, после адаптации к применимым правовым требованиям, режимам данных, полномочиям и регламентам конкретной организации.
Связанные исследования и практические инструменты
- От корпоративного ПО к цифровой организации — архитектурная основа цифровой организации.
- ИИ-агент — «засланный казачок»? — доверие, полномочия и контроль цифровых исполнителей.
- Know Your Agent: цифровой мандат — управление разрешёнными действиями агента.
- ИИ и производительность: управленческий результат — связь технологических возможностей с экономикой труда.
- ИИ-эффект — отправная точка для оценки потенциала изменений.
Источники и методология
- ClickHouse. Managed Postgres goes GA and Xata acquisition brings agentic capabilities to the service. 9 ноября 2026 года. Открыть первоисточник
- Microsoft. IBM and Microsoft announce a new AI agent platform designed for industry-specific transformation. 10 ноября 2026 года. Открыть первоисточник
- NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 26 января 2023 года. Открыть первоисточник
- NIST. AI RMF: Generative AI Profile. 26 июля 2024 года. Открыть первоисточник
- OWASP GenAI Security Project. LLM06:2025 Excessive Agency. Открыть первоисточник
Метод: сопоставление первичных технологических анонсов, общедоступных материалов по управлению рисками и авторской модели НУМ; концептуальный анализ жизненного цикла изменений; иллюстративный сценарий; расчётная экономика. В материале отсутствует собственная эмпирическая выборка предприятий, поэтому предложенные метрики и инструменты требуют проверки в конкретных пилотах.
Алексей Несмеянов и Калина Яркина — авторы Новой управленческой модели (НУМ).
Обсудить применение подхода: если ваша организация планирует развитие CRM, ERP, интеграции с 1С, внедрение локальных или облачных моделей либо создание новых функций с помощью генеративного ИИ, напишите нам в MAX. Мы можем обсудить управленческую задачу, ограничения и возможный формат оценки.
© 2026. Алексей Несмеянов, Калина Яркина. Авторы НУМ.