ИИ уже в вашей компании. Но кто им управляет?
Даже если компания официально ещё не запускала масштабную AI-трансформацию, цифровой слой может уже складываться стихийно. Один сотрудник готовит документы через нейросеть, другой анализирует данные, отдел маркетинга использует свой AI-сервис, HR — свой, а где-то уже тестируется агент, который получает доступ к корпоративным системам и выполняет часть операций.
Каждый отдельный инструмент может быть полезен. Но для собственника появляется другой вопрос: кто управляет совокупностью этих цифровых исполнителей? Кто определяет цели, доступ к данным, допустимые действия, правила проверки и ответственность?
Какие корпоративные данные уже доступны ИИ — официально или через личные сервисы сотрудников?
Где ИИ только анализирует, а где уже рекомендует, инициирует или выполняет действия?
Кто отвечает, если решение формируется не одним человеком, а цепочкой из нескольких AI-систем?
Пока ИИ был только помощником человека, этот разрыв можно было не замечать. Но с появлением ИИ-агентов и оркестраторов он превращается в управленческую проблему. Именно поэтому нас заинтересовал недавний эксперимент с Faraday: он показывает, что один ИИ уже может выполнять управляющую функцию по отношению к другому, более мощному ИИ-исполнителю.
Faraday: когда управляющий ИИ направляет более мощного исполнителя
23 августа 2026 года российское издание 3DNews обратило внимание на разработку британской Inherent, основанной выходцами из Google DeepMind. Исследовательский агент Faraday стал заметным новостным поводом после заявления авторов о превосходстве на специализированных задачах репликации исследований.
Для собственника важнее не сама гонка benchmark. Faraday не выполняет всю работу сам: для программирования он использует GPT-5.5 Codex как исполнительный инструмент, а управляющий слой определяет, что исследовать, как поставить задачу, что поручить исполнителю и устраивает ли результат. Это уже модель разделения между исполнением и управлением.
Replica: 310 задач из 100 исследований
Агент получает научную работу, из которой убран один из результатов, и должен воспроизвести эксперимент в ограниченном времени и вычислительном бюджете.
27B-агент + мощный coding agent
Faraday использует coding agents как инструменты. В частности, Inherent указывает GPT-5.5 Codex как исполнительный инструмент для программной работы.
Это не универсальный тест «кто умнее»
Речь идёт о специализированной задаче воспроизведения научных экспериментов и об оценке внутри benchmark, созданного самими авторами работы.
Именно это меняет смысл новости. Faraday ценен не только как новый научный агент. Он демонстрирует архитектуру, в которой один интеллект отвечает за направление и контроль, а другой — за исполнение.
Самый мощный интеллект в системе не обязательно должен быть её руководителем. Исполнительная мощность и управленческое суждение — разные способности.
В Inherent отдельно отмечают, что Faraday обучался работать с более слабым coding agent, а затем смог направлять более сильный GPT-5.5 Codex без перестройки самого управляющего слоя. Для бизнеса это особенно важная деталь: если принцип подтвердится шире, организация сможет заменять исполнительные модели по мере их развития, сохраняя собственный слой управления, правил и контекста.
Сегодня компания часто привязывает процесс к конкретной модели. Появляется более сильная модель — и вместе с ней приходится заново настраивать промпты, маршруты, проверки, права доступа и логику работы.
В более зрелой архитектуре меняется прежде всего исполнитель, а корпоративная память, правила, роли, критерии контроля, маршруты эскалации и ответственность остаются собственностью организации.
Компания владеет не моделью. Она владеет архитектурой её применения.
Работа опубликована как препринт. Заявленное преимущество Faraday пока в первую очередь опирается на собственный benchmark Replica и rubric-based judge авторов. На 23 августа 2026 года мы не рассматриваем это как доказательство общего превосходства Faraday над моделями OpenAI или Anthropic. Для сильного вывода нужны независимые проверки и репликации.
Три вопроса, которые стоит задать уже сегодня
- Где ИИ уже используется без отдельного решения первого лица?
- Какие данные и действия уже фактически переданы цифровым системам?
- Кто отвечает за решение, если его формирует цепочка из нескольких ИИ?
Если на один из этих вопросов нет однозначного ответа, архитектура интеллектов в компании уже может складываться быстрее, чем система управления ею.
От оркестрации к управлению: ИИ перестаёт быть просто диспетчером
Сегодня под оркестратором нередко понимают довольно простой цифровой маршрутизатор:
Это полезно, но ещё не управление.
Управленческая функция появляется там, где цифровой контур должен решить: что действительно важно, кому поручить работу, насколько глубоко её выполнять, можно ли доверять результату, требуется ли повторная проверка, когда остановить исполнителя и когда передать вопрос человеку.
Именно поэтому в НУМ мы предлагаем различать два типа интеллекта:
Исполнительный интеллект
«Как сделать?»
- пишет код;
- анализирует документы;
- строит расчёты;
- создаёт варианты;
- выполняет действие.
Управленческое суждение
«Что делать и почему?»
- определяет приоритет;
- выбирает исполнителя;
- проверяет основания;
- видит подмену результата;
- останавливает неверное направление.
Управленческое суждение — способность отличить формально убедительный результат от содержательно правильного решения.
Простой пример управленческого суждения
ИИ может рассчитать, что отказ от сложного клиента повысит маржинальность на несколько процентов. Но собственник может сохранить отношения, потому что этот клиент открывает стратегический рынок, влияет на репутацию или создаёт будущую ценность, которой нет в текущей модели.
У ИИ может быть лучший расчёт. У руководителя должна оставаться способность определить, какой результат вообще считать правильным.
Это понятие особенно важно именно сейчас. Чем лучше ИИ научится производить убедительные ответы, графики и рекомендации, тем выше будет цена способности руководителя спросить: «А правильную ли проблему мы решаем? Каким способом получен этот результат? Что было отброшено? Что произойдёт после?»
Архитектура интеллектов: новый объект управления
Представим компанию, где один агент прогнозирует продажи, второй управляет складскими остатками, третий подбирает поставщиков, а четвёртый контролирует оборотный капитал. Каждый может быть локально прав: продажи хотят увеличить запас, финансы — сократить замороженные деньги, закупки — получить скидку за объём.
Кто решит конфликт целей? Если каждый агент оптимизирует только свою функцию, компания может получить четыре качественных локальных решения и один плохой бизнес-результат.
Когда цифровых исполнителей становится много, проблема уже не в качестве отдельного агента. Нужны правила их взаимодействия, приоритетов, контроля и эскалации — то есть новый объект проектирования.
Архитектура интеллектов — это система взаимодействия человеческих и цифровых интеллектов, в которой определены роли, цели, уровни, полномочия, связи, границы автономии, маршруты эскалации и ответственность.
В такой системе вниз движутся цель → рамка → полномочия → задачи. Вверх возвращаются данные → доказательства → противоречия → варианты → риски → основания для решения.
Это не означает, что компании нужно срочно построить «цифровую бюрократию». Напротив: задача состоит в том, чтобы убрать лишние человеческие согласования и одновременно сделать цифровое управление прозрачным.
Мы не считаем, что любая цифровая организация обязательно должна быть жёстко иерархической. Для части задач эффективнее окажутся плоские сети агентов или временные команды, которые собираются под конкретную ситуацию. Иерархия становится полезной там, где растут цена ошибки, специализация, конфликт целей, требования к контролю и необходимость управляемой эскалации.
НУМ для бизнеса: как превратить ИИ из разового инструмента в систему управления
Если ИИ уже используется в нескольких функциях компании, важно связать его с данными, процессами, ответственностью и цифровым следом.
Читать материал →Главный вопрос не «что умеет ИИ», а «что ему разрешено»
По мере роста возможностей агентов появляется опасная логическая ошибка: если система технически способна выполнить действие, ей автоматически дают право его выполнять.
Но техническая способность и управленческое полномочие — разные вещи.
Мы предлагаем принцип минимально необходимой автономии: цифровая система должна получать не максимум самостоятельности, на который она способна, а минимальный объём полномочий, необходимый для эффективного выполнения своей функции.
Например, ИИ в закупках может:
- увидеть остатки;
- выявить риск дефицита;
- предложить закупку;
- подготовить заказ;
- в пределах утверждённого лимита — инициировать стандартную процедуру.
Но из этого не следует право самостоятельно увеличить лимит, изменить закупочную политику или перераспределить бюджет компании.
Не максимальная автономия ИИ, а минимально необходимая автономия.
Как безопасно внедрять ИИ в бизнес-процессы
Безопасное внедрение начинается не с выбора модели, а с управленческой архитектуры, данных, границ и ролей ответственности.
Читать статью →Опасность: собственник превращается в нотариуса при ИИ
Есть сценарий опаснее полной автономии ИИ: иллюзия того, что решение всё ещё принимает руководитель.
Формально человек остаётся в контуре. Ему даже оставляют кнопку «Утвердить». Но до этого ИИ уже:
- определил проблему;
- выбрал данные;
- сформировал варианты;
- отбросил альтернативы;
- рассчитал последствия;
- ранжировал варианты;
- написал рекомендацию.
Юридически решение принимает человек. Управленчески он может превратиться лишь в удостоверителя решения, сформированного системой.
Поэтому формулы human in the loop недостаточно. Важно не просто присутствие человека в процессе, а его субъектное участие.
Руководитель должен иметь возможность:
- увидеть основания рекомендации;
- запросить альтернативный сценарий;
- изменить критерии;
- вызвать независимого ИИ-критика;
- понять, какие данные не использованы;
- остановить автоматизм;
- объяснить собственный выбор.
ИИ как Новая Управленческая Модель (НУМ)
НУМ рассматривает ИИ не как отдельный сервис, а как часть контура решений, в котором человек сохраняет рамку и ответственность.
Открыть концепцию НУМ →От одного ИИ-помощника к цифровой организации
Развитие корпоративного ИИ можно представить не как скачок к полной автономности, а как последовательную смену архитектуры.
Сначала ИИ помогает одному человеку. Затем появляются специализированные агенты. Потом возникает необходимость координировать их работу. Следующий шаг — несколько уровней координации. И только после этого можно говорить о действительно гибридной организации, где люди и цифровые роли работают внутри единого управленческого контура.
Здесь возникает интересный парадокс. Ранее мы писали об «уплощении» управления: сокращении лишних промежуточных человеческих уровней и переходе к более быстрым горизонтальным связям. Новая архитектура не отменяет этот прогноз.
Человеческая структура может становиться площе именно потому, что часть координации переносится в цифровой слой. Людей между руководителем и исполнением может становиться меньше, а цифровая архитектура — наоборот, более многоуровневой.
Та же логика работает и в публичном секторе
У главы региона, муниципалитета или руководителя ведомства могут существовать цифровые контуры ЖКХ, экономики, финансов, социальной сферы, кадров и обращений граждан. Нижние агенты собирают и анализируют информацию, отраслевые оркестраторы сопоставляют факты, а стратегический контур выводит наверх только вопросы, действительно требующие управленческого решения.
Но здесь особенно важно различать эффективность и властное полномочие. ИИ может подготовить варианты, выявить конфликт целей и показать последствия. Право определить общественно допустимый результат и ответственность за него остаются у человека.
Агент + Агент (A2A): новая бизнес-модель
В статье об A2A мы рассматривали взаимодействие отдельных цифровых агентов. Следующая стадия — уже не просто Agent-to-Agent, а Agent → Orchestrator → Management Layer.
Перейти к статье →От управления людьми — к пространству интеллектов
Классический менеджмент давно задаёт вопрос: сколько сотрудников способен качественно координировать один руководитель?
В цифровой организации появляется его новая версия: сколько агентов, оркестраторов, функций, исключений и конфликтующих целей способен надёжно удерживать один цифровой управляющий контур?
ИИ не устаёт так, как человек. Но это не означает бесконечной управляемости. Чем больше агентов, тем больше связей между ними, конфликтов целей, исключений, зависимостей, требований к данным и точек возможной ошибки.
Лидер больше не контролирует каждую операцию. Он контролирует архитектуру контроля.
Отсюда меняется и роль первого лица. Раньше сильным руководителем считался тот, кто хорошо знает работу подчинённых. Затем — тот, кто умеет делегировать. Следующий уровень — способность проектировать систему, которая сама умеет ставить, выполнять, проверять и эскалировать задачи, не выводя человека из зоны ответственности.
Пространство интеллектов — совокупность человеческих и цифровых интеллектов, которыми лидер управляет не напрямую, а через архитектуру ролей, полномочий, контроля и эскалации.
Что собственнику стоит проверить уже сейчас
Даже если в компании пока нет десятков автономных агентов, новая архитектура уже формируется через сотрудников, разные AI-сервисы, корпоративные базы знаний и первые автоматизации.
Где ИИ уже участвует в решениях?
Не только официально внедрённые системы, но и личные сервисы сотрудников.
Кто задаёт цифровым ролям полномочия?
Есть ли граница между анализом, рекомендацией, исполнением и утверждением?
Может ли один ИИ ставить задачи другому?
Если да — кто контролирует этот контур и ведётся ли цифровой след?
Кто проверяет управляющий ИИ?
Нельзя, чтобы одна система одновременно предлагала решение, исполняла его и оценивала собственную эффективность без независимого контроля.
Какие решения обязаны вернуться человеку?
Нужны явные правила эскалации по цене ошибки, необратимости, данным, людям, стратегии и репутации.
Мы считаем, что зрелое внедрение ИИ будет определяться не количеством приобретённых лицензий и не числом запущенных агентов. Оно будет определяться тем, насколько компания понимает архитектуру принятия решений.
Именно здесь НУМ получает новое продолжение: лидер становится не оператором нейросетей и не наблюдателем за автоматизацией, а архитектором системы интеллектов.
Будущее лидерства определяется не вопросом «кто умнее — человек или ИИ?». Важнее другое: кто проектирует систему, в которой все эти интеллекты принимают решения?
Проверьте один ключевой процесс компании
Возьмите продажи, закупки, бюджетирование, HR или документооборот и ответьте: кто задаёт цель, какие данные использует ИИ, какое решение он формирует, что может сделать самостоятельно и где решение обязательно возвращается человеку.
Три изменения, к которым собственнику стоит готовиться
Faraday не доказывает, что компании скоро получат «ИИ-гендиректоров». Но он показывает принцип, который способен изменить корпоративное управление.
Мы видим три более осторожных и практически важных изменения.
ИИ-агентов станет много — ими придётся управлять. Ценность сместится от использования отдельной модели к способности координировать цепочку цифровых исполнителей, разрешать конфликты и эскалировать исключения.
Конкретные модели будут заменяемыми. Компания будет менять исполнителей по мере развития рынка, но стремиться сохранить собственные данные, память, правила, контекст и управленческую архитектуру.
Цифровые полномочия станут предметом корпоративного управления. Руководству придётся отдельно отвечать на два вопроса: «может ли ИИ это сделать?» и «имеет ли он право это сделать?», сохраняя реальную способность человека изменить рамку и решение.
В долгосрочной перспективе конкурентным преимуществом компании может стать не доступ к самой сильной модели — модели будут быстро меняться. Преимуществом станет архитектура, которая умеет заменять исполнителей, сохраняя собственные цели, контекст, память, полномочия и ответственность.
ИИ как инструмент роста производительности: что подтверждают исследования
Технология имеет смысл только тогда, когда изменение архитектуры даёт измеримый эффект, а не просто увеличивает число ИИ-инструментов.
Перейти к обзору исследований →Частые вопросы
Что архитектура интеллектов меняет для собственника бизнеса?
Она переносит внимание с выбора отдельных нейросетей на управление всей системой: кто ставит цифровым агентам цели, какие данные и действия им доступны, как разрешаются конфликты между функциями, кто проверяет управляющий ИИ и какие решения обязательно возвращаются человеку.
Faraday действительно сильнее GPT-5.5 и Claude Opus 4.8?
Авторы Inherent сообщают о превосходстве Faraday на их специализированных задачах репликации научных работ. Это не означает общего превосходства во всех задачах. Faraday также использует GPT-5.5 Codex как исполнительный инструмент, поэтому корректнее говорить о преимуществе архитектуры на конкретном benchmark, а не о том, что «27B-модель умнее GPT-5.5 вообще».
Что такое архитектура интеллектов простыми словами?
Это схема, которая определяет, какие люди и ИИ участвуют в работе, кто ставит цели, кто выполняет задачи, кто проверяет результат, какие полномочия есть у каждого уровня и в какой момент решение должно перейти человеку.
Чем оркестратор отличается от ИИ-агента?
Агент обычно выполняет конкретную функцию. Оркестратор координирует работу нескольких агентов: распределяет задачи, сопоставляет результаты, выявляет противоречия и эскалирует исключения.
Означает ли это, что ИИ заменит руководителей?
Часть координационной и аналитической работы действительно может перейти цифровым системам. Но чем больше управление автоматизируется, тем важнее становятся человеческие функции постановки цели, определения допустимых границ, разрешения ценностных конфликтов и ответственности за последствия.
Какой принцип автономии ИИ предлагает НУМ?
Принцип минимально необходимой автономии: система получает не максимум технически возможных прав, а только тот объём самостоятельности, который нужен для конкретной функции и соответствует цене ошибки, данным, контролю и ответственности.
На чём основан материал
Мы сознательно разделяем факты из исследования, ограничения доказательности и наше управленческое видение. Выводы об архитектуре интеллектов, цифровой норме управляемости и роли лидера являются авторской интерпретацией в рамках НУМ.
- Inherent — Training AI Scientists to Replicate Research, 14.08.2026.
- Falck et al. — Training AI Scientists to Replicate Research, arXiv:2608.13331, 13.08.2026.
- 3DNews — материал о Faraday, 23.08.2026.
- Pith — внешний методологический разбор препринта, 14.08.2026.
Материал не является рекламой Inherent, OpenAI, Anthropic или иной AI-компании. Научные результаты и benchmark-оценки могут уточняться после независимых репликаций и рецензирования.