ИИ-агенты пока не научились самостоятельно управлять компанией. Но они уже начинают забирать ту часть менеджмента, которую мы привыкли считать неизбежной: собрать информацию, найти исполнителя, передать контекст, проверить формальные условия, напомнить о сроке, подготовить статус и определить следующий шаг.
Это часть серии «ИИ-компания», в которой я последовательно разбираю, как агенты меняют ответственность, структуру, роли и экономику организации.
В предыдущих материалах мы уже пришли к нескольким выводам. Работа начинает двигаться не только по отделам, но и по динамическому графу задач. Роль всё чаще собирается под конкретный результат. Производительность приходится измерять не количеством действий, а количеством принятых результатов на единицу человеческого внимания.
Теперь возникает следующий вопрос: что произойдёт с менеджментом, если значительная часть координации станет почти бесплатной?
Слово «нулевая» в заголовке — намеренное преувеличение. Координация не исчезает и не становится буквально бесплатной. Но стоимость некоторых управленческих операций действительно может снизиться настолько, что существующая структура организации начнёт выглядеть экономически странно.
Компания платит не только за производство
Когда мы считаем стоимость работы, обычно в центре внимания оказывается исполнение. Сколько часов программист писал код. Сколько дизайнер готовил макет. Сколько времени менеджер по продажам работал с клиентом. Сколько заняло производство товара.
Но вокруг любого результата существует большой слой работы, который ничего не производит напрямую:
- сформулировать задачу;
- определить приоритет;
- найти исполнителя;
- передать ему контекст;
- открыть необходимые доступы;
- ответить на уточнения;
- проверить состояние;
- собрать результаты нескольких участников;
- разрешить противоречия;
- вернуть работу на исправление;
- подтвердить завершение;
- передать результат дальше.
Это и есть координация.
В небольшой компании она может выглядеть как десятки сообщений в мессенджере. В большой — как совещания, проектные комитеты, статусы, отчёты, согласования, регламенты и несколько уровней руководителей.
Каждое отдельное действие кажется небольшим. Но вместе они формируют значительную часть стоимости организации.
Почему компании вообще существуют
В 1937 году Рональд Коуз в работе The Nature of the Firm поставил простой вопрос: если рынок способен распределять ресурсы через цены и договоры, зачем вообще нужны компании?
Один из его ответов заключался в стоимости использования рынка. Чтобы каждый раз покупать нужную работу снаружи, нужно искать исполнителя, договариваться, заключать контракт, контролировать результат и снова начинать этот процесс для следующей операции.
Организация позволяет заменить множество отдельных рыночных соглашений внутренней координацией. Вместо нового контракта на каждое действие появляется общий контур полномочий: руководитель может распределять работу внутри компании.
ИИ-агенты не отменяют эту логику и не «преодолевают закон Коуза». Но они меняют соотношение затрат.
Если поиск исполнителя, постановка задачи, передача контекста, контроль состояния и проверка формальных условий выполняются программно, часть внутренней и внешней координации резко дешевеет. Поэтому начинают меняться границы должностей, отделов и самой компании.
Менеджмент состоит из разных видов работы
Когда говорят о замене менеджеров искусственным интеллектом, в одну категорию обычно складывают совершенно разные функции.
Первая — обслуживание потока работы:
- собирать статусы;
- напоминать о сроках;
- переносить информацию между системами;
- распределять типовые задачи;
- проверять наличие обязательных данных;
- формировать отчёты;
- обнаруживать отклонения;
- готовить варианты следующего действия.
Вторая — собственно управление:
- определять цель;
- менять приоритеты;
- разрешать конфликт интересов;
- принимать неоднозначный риск;
- устанавливать границы полномочий;
- решать, что считать достаточным результатом;
- брать ответственность за последствия.
Исторически обе функции соединялись в одной должности. Менеджер одновременно обслуживал движение работы и принимал решения.
Агенты начинают разделять эти слои.
Обслуживание потока хорошо поддаётся автоматизации, потому что оно состоит преимущественно из информационных операций. Управленческое решение остаётся сложным, потому что требует понимания контекста, последствий, отношений и смысла.
Поэтому менеджмент не исчезает. Из него постепенно выделяется административная координация.
Какие переходы уже становятся дешевле
Представим обычную задачу: подготовить коммерческое предложение для клиента.
Раньше процесс мог выглядеть так:
- Менеджер получает запрос.
- Ищет предыдущую переписку.
- Просит специалиста оценить техническую часть.
- Ждёт ответа.
- Напоминает о сроке.
- Передаёт данные финансисту.
- Собирает две версии документа.
- Исправляет противоречия.
- Показывает руководителю.
- Возвращает на доработку.
- Отправляет клиенту.
Агентный контур способен самостоятельно найти историю отношений, собрать вводные, определить недостающие данные, запросить специалистов, свести ответы, проверить документ по правилам и подготовить финальную версию к человеческому подтверждению.
Физически услуга ещё не оказана. Сделка ещё не заключена. Деньги ещё не получены. Но большая часть координационной работы уже выполнена.
Именно поэтому менеджмент начинает меняться раньше производства.
Исчезает часть межфункциональных передач
В 2026 году OpenAI исследовала более 800 тысяч рабочих сообщений американских пользователей ChatGPT. После исключения общих действий вроде написания текста и составления расписания 43,5% сообщений относились к задачам, которые традиционно связываются с другой профессией.
Маркетолог решает техническую задачу. Владелец небольшой компании анализирует данные. Специалист по продажам работает с клиентским массивом без отдельной передачи аналитику.
Авторы назвали это task crossover — переходом задач через границы профессий.
Эти данные получены внутри продуктов OpenAI и не доказывают причинного изменения структуры компаний. Но они показывают наблюдаемое направление: работа, которая раньше требовала передачи другому специалисту, всё чаще выполняется человеком, первым столкнувшимся с задачей. Исследование OpenAI
Каждая устранённая передача — это не только сэкономленное время специалиста. Это ещё и отсутствие очереди, повторного объяснения контекста, согласования приоритета и последующей сборки результатов.
В этом смысле агент способен снизить стоимость координации ещё до того, как изменится само производственное ядро компании.
Но индивидуальная эффективность ещё не меняет организацию
Здесь важно не сделать слишком быстрый вывод.
В полевом эксперименте 2025 года исследователи наблюдали 7137 работников в 66 компаниях. Половина участников получила доступ к генеративному ИИ, встроенному в рабочие приложения для почты, документов и встреч.
Среди получивших доступ инструмент использовали около 80%. Во второй половине шестимесячного эксперимента они тратили примерно на два часа в неделю меньше на электронную почту и реже работали за пределами обычного времени.
Но исследователи не обнаружили значимых изменений в количестве встреч или составе выполняемых задач. ИИ помог людям изменить то, что они контролировали самостоятельно, но не перестроил действия, требующие изменений со стороны других участников организации. Shifting Work Patterns with Generative AI
Это важное ограничение.
Выдать каждому сотруднику ИИ-помощника — ещё не значит снизить стоимость координации компании. Люди могут быстрее писать письма, но продолжать участвовать в тех же совещаниях, ждать тех же согласований и передавать работу по прежней цепочке.
Организационный эффект появляется не тогда, когда каждый отдельный человек работает немного быстрее. Он появляется, когда меняется сам маршрут работы.
ИИ может заменить часть пользы команды
Другой полевой эксперимент проводился с 776 специалистами Procter & Gamble. Участники решали реальные задачи разработки новых продуктов — самостоятельно или парами, с генеративным ИИ или без него.
Люди, работавшие по одному с ИИ, в среднем достигли уровня команд без ИИ. Кроме того, решения специалистов из технических и коммерческих подразделений становились более сбалансированными: ИИ помогал им выходить за пределы привычной функциональной специализации.
Это не значит, что один человек с моделью способен заменить любую команду. Исследование относилось к конкретным задачам продуктовой разработки и определённому экспериментальному контуру.
Но результат показывает, что часть пользы команды состоит не только в количестве рук. Команда соединяет разные знания, перспективы и способы мышления. Если ИИ помогает одному участнику получить доступ к нескольким профессиональным перспективам, потребность в отдельных координационных переходах может уменьшиться. The Cybernetic Teammate
Отделы при этом могут сохраниться. Но количество ситуаций, в которых задача обязана пройти через каждый отдел, начинает сокращаться.
Стоимость координационного перехода
Чтобы обсуждать происходящее точнее, предлагаю ввести ещё одно понятие серии — стоимость координационного перехода.
Это полная стоимость передачи работы между задачами, людьми, агентами и системами с сохранением:
- необходимого контекста;
- критериев результата;
- полномочий;
- истории решений;
- ответственного владельца;
- возможности проверить и отменить действие.
Отправить сообщение дёшево. Передать задачу так, чтобы следующий участник правильно понял её состояние, ограничения и ожидаемый результат, значительно дороже.
Например, фраза «посмотри договор» почти ничего не стоит как сообщение. Но полноценный переход требует объяснить:
- о каком договоре идёт речь;
- с кем он заключается;
- что уже согласовано;
- какие риски нужно проверить;
- что нельзя менять;
- к какому сроку нужен результат;
- кто примет решение по спорным условиям.
Если этот контекст хранится только в голове человека, каждая передача начинается почти заново.
Если система умеет автоматически собирать нужный пакет контекста, проверять его полноту и передавать задачу подходящему исполнителю, стоимость перехода снижается.
Но она не становится нулевой. Контекст нужно поддерживать, правила — обновлять, доступы — контролировать, а результат — принимать.
*Передать сообщение легко. Полноценный координационный переход должен сохранить контекст, полномочия, происхождение данных, ответственность и возможность отката.*
Почему больше агентов не означает меньше координации
Возникает соблазн решить проблему простым масштабированием: если один агент полезен, запустим десять.
Но количество исполнителей увеличивает и число возможных связей между ними.
В 2026 году Google Research опубликовала результаты контролируемого сравнения 180 агентных конфигураций. В задачах, которые действительно можно было разделить на независимые части, централизованная многоагентная архитектура заметно превосходила одиночного агента. В последовательных задачах, где каждый следующий шаг зависел от предыдущего, все многоагентные варианты показывали ухудшение на 39–70%.
Независимые агенты, работавшие параллельно без общего механизма проверки, усиливали распространение ошибок до 17,2 раза относительно исходного уровня. Централизованный оркестратор ограничивал это усиление, но сам становился контрольной точкой. Towards a Science of Scaling Agent Systems
Это исследование проводилось на агентных бенчмарках, а не в реальных компаниях. Из него нельзя вывести универсальную норму управления организацией. Но оно хорошо показывает инженерную границу:
Если части задачи сильно зависят друг от друга, новые агенты могут увеличить не производительность, а стоимость координации.
Больше агентов не исправляет плохую декомпозицию. Оно её ускоряет.
Нулевая стоимость координации — опасная иллюзия
Агенты могут мгновенно создавать задачи, писать сообщения, обновлять статусы и запускать следующие этапы. Из интерфейса исчезает значительная часть ручной работы, и кажется, что координация стала бесплатной.
Но её стоимость могла просто переместиться.
Она появляется в других местах:
- при подготовке общего контекста;
- в конфликтах между версиями данных;
- в ошибочной маршрутизации;
- в дублировании работы;
- в чрезмерных полномочиях;
- в очереди на человеческую проверку;
- в восстановлении после неправильного действия;
- в необходимости разбираться, почему система приняла конкретное решение.
Плохо спроектированная автоматизация делает координацию не дешевле, а менее заметной.
До появления агентов человек видел переписку, совещания и задержки. После автоматизации сотни переходов могут происходить внутри системы. Если они не журналируются и не измеряются, компания получает иллюзию эффективности.
Поэтому снижение стоимости координации требует не только агентов, но и наблюдаемости: состояния задачи, происхождения данных, истории решений, владельца результата и понятных линий остановки.
Новое узкое место — человеческое решение
Когда агент автоматически собирает информацию, маршрутизирует работу и проверяет формальные условия, система начинает двигаться быстрее.
Но человеческая способность принимать решения так же быстро не масштабируется.
Руководитель по-прежнему должен:
- изменить приоритет;
- разрешить исключение;
- выбрать между несовместимыми вариантами;
- принять финансовый или репутационный риск;
- подтвердить внешнее действие;
- принять результат от своего имени.
В обычном процессе эта работа перемешана с поиском информации и контролем исполнения. В агентном процессе она становится видимой отдельно.
Это меняет ценность менеджмента. Чем меньше руководитель занят обслуживанием потока, тем больше его работа сосредоточивается на смысле, выборе и ответственности.
Исследование 2025 года даёт косвенное подтверждение того, что способность управлять агентами связана с обычным лидерством. В лабораторном эксперименте результативность людей, руководивших командами ИИ-агентов, сильно коррелировала с их влиянием на человеческие команды. Более успешные руководители чаще задавали вопросы, поддерживали обмен информацией и лучше принимали решения. Measuring Human Leadership Skills with AI Agents
Агенты не отменяют лидерство. Они очищают его от части административной работы и делают качество управленческих решений более заметным.
Человек не только принимает результат
Человек не только ставит задачу, проверяет результат и нажимает кнопку подтверждения. Участвуя в процессе, он постоянно изменяет саму систему.
Это связано с человеческой природой. Мы замечаем новое, меняем мнение, вступаем в неожиданные разговоры, переосмысливаем прежние решения и добавляем обстоятельства, которых не было в первоначальной модели процесса.
Для классической автоматизации такое поведение выглядит как нарушение стабильности. Для живой организации оно является источником развития.
Слабые сигналы
В стратегическом управлении существует понятие слабых сигналов. Его связывают с работами Игоря Ансоффа 1970-х годов.
Слабый сигнал — это ранняя, неполная и пока неоднозначная информация о возможном изменении. Она ещё не доказывает наличие большого тренда, но может указывать на новую проблему или возможность.
Это может быть:
- повторяющийся вопрос нескольких клиентов;
- необычное возражение на консультации;
- новая формулировка знакомой проблемы;
- противоречие между двумя рабочими случаями;
- изменение поведения людей;
- ощущение, что несколько разрозненных событий связаны между собой.
Исследователи слабых сигналов отмечают, что их обнаружение требует чувствительности, экспертизы и широких контактов. Особенно полезны люди, работающие на границе организации с внешним миром: в исследованиях, продажах, закупках и маркетинге. Weak Signals: Ansoff Today
Я считаю способность замечать такие сигналы одним из своих важных навыков. Это не мистическая интуиция и не безошибочное предвидение. Скорее привычка не отбрасывать слабое наблюдение только потому, что для него пока нет готовой категории.
Сначала появляется ощущение: здесь что-то есть. Затем я начинаю собирать похожие случаи, искать связи и проверять, не является ли случайная деталь проявлением более крупного изменения.
Подробнее о том, как отличать подобные сигналы от шума, хайпа и собственных когнитивных искажений, я писал в отдельном материале «Слабые сигналы 2.0: как отличать тренд от хайпа и от собственного страха».
Так началась и серия «ИИ-компания».
Как это происходит в моей работе
В процессе создания материалов pimenov.ai уже участвуют разные агентные контуры. Они ищут источники, проверяют существующие публикации, проектируют структуру, сопоставляют утверждения, готовят текст, создают изображения и собирают редакционный черновик.
Plane хранит карту серии, задачи, решения и ссылки. Notion остаётся редакционным источником. Сайт показывает принятый результат.
Но я не нахожусь только в конце этой цепочки.
После консультаций, встреч и содержательных разговоров у меня остаются транскрибации. В них появляются вопросы людей, реальные затруднения компаний, неожиданные формулировки, возражения и новые идеи.
Я передаю эти материалы в общий процесс так же, как агенты передают друг другу результаты своей работы. Но происхождение такого контекста принципиально отличается.
Агент продолжает движение из уже доступного ему состояния системы. Моя новая переменная может возникнуть снаружи: из разговора, личного впечатления, случайно замеченного противоречия или ощущения, что за несколькими разными запросами скрывается одна большая проблема.
Этот контекст не мог быть получен из текущего агентного контура, потому что события, породившего его, внутри контура ещё не было.
Я не просто добавляю очередной документ. Я могу изменить:
- тему следующего материала;
- значение уже используемого понятия;
- приоритет проекта;
- критерий результата;
- структуру процесса;
- набор измеряемых показателей;
- саму гипотезу, которую мы проверяем.
Агенты ускоряют движение внутри заданного пространства. Человек способен изменить само пространство.
Человеческий контекстный импульс
Предлагаю назвать такую новую вводную человеческим контекстным импульсом.
Человеческий контекстный импульс — это новая идея, наблюдение, ограничение или изменение смысла, которое возникает вне текущего агентного контура и после решения человека становится новой переменной системы.
Например, после консультации в транскрибации обнаруживается вопрос, который задали уже несколько собственников. Сам по себе вопрос ещё не является доказательством тренда. Но человек распознаёт в нём слабый сигнал и решает, что его нужно исследовать.
После этого система должна уметь:
- Принять новый материал.
- Сохранить его происхождение.
- Связать с существующими задачами и понятиями.
- Отделить наблюдение от подтверждённого факта.
- Определить, какие процессы новая вводная затрагивает.
- Пересобрать маршрут работы.
- Сохранить предыдущие решения и ответственность.
Так процесс остаётся живым. Он не только воспроизводит заранее установленную последовательность, но и перестраивается под новый человеческий опыт.
Человек замечает слабый сигнал вне настроенного процесса, придаёт ему значение и вводит в систему новую переменную. После этого граф работы должен перестроиться, не потеряв историю и ответственность.
Эффективный процесс может быть мёртвым
Полностью автоматизированный процесс способен работать быстро и дёшево. Но это не обязательно означает, что он развивается.
Если система умеет только обрабатывать заранее известные типы задач, она остаётся закрытой. Всё новое будет либо отвергаться как ошибка, либо насильно сводиться к уже существующей категории.
Живой процесс должен уметь принимать переменные, которых не было при его проектировании.
Это создаёт новое противоречие.
С одной стороны, организации нужна стабильность: правила, повторяемость, права доступа, критерии качества и предсказуемый результат.
С другой — ей необходима способность изменяться под влиянием клиентов, людей, рынка и опыта.
Человек в агентной компании сохраняет особую роль не потому, что система никогда не сможет обнаруживать новые сигналы. Агенты уже умеют находить аномалии, сопоставлять документы и выявлять повторяющиеся темы.
Особая роль человека заключается в другом: решить, какой сигнал имеет значение, какую новую переменную следует принять и стоит ли ради неё изменить существующую систему.
Что в итоге происходит с менеджментом
По мере снижения стоимости координации управленческая работа разделяется на три слоя.
1. Машинная координация
Агенты и системы:
- собирают состояние;
- маршрутизируют задачи;
- передают контекст;
- проверяют формальные условия;
- обнаруживают отклонения;
- готовят решения;
- ведут журнал действий.
2. Человеческое управление
Люди:
- задают направление;
- расставляют приоритеты;
- определяют допустимый риск;
- разрешают конфликты;
- принимают необратимые решения;
- отвечают за результат.
3. Живое изменение системы
Человек вместе с агентами:
- замечает слабые сигналы;
- добавляет новый контекст;
- создаёт новые понятия;
- меняет постановку задачи;
- пересобирает процессы;
- проверяет новые гипотезы.
Третий слой особенно важен. Без него агентная организация превратится в эффективный механизм воспроизводства вчерашних решений.
Как измерять координацию
Количество писем и совещаний показывает только внешнюю активность. Для агентного процесса этого недостаточно.
Предлагаю измерять:
- количество координационных переходов на один принятый результат;
- число повторных передач контекста;
- время ожидания между этапами;
- количество возвратов;
- число конфликтующих версий состояния;
- минуты человеческого внимания;
- долю переходов, завершённых без участия человека;
- количество решений, потребовавших изменения маршрута;
- число человеческих контекстных импульсов, изменивших процесс.
Последний показатель нельзя механически оптимизировать. Большое количество новых идей не обязательно полезно. Но их происхождение и влияние нужно сохранять, иначе организация не сможет понять, почему процесс изменился.
Главный вопрос здесь звучит так:
Сколько координационных переходов и человеческого внимания потребовалось для одного принятого результата?
Эта метрика связывает материал с уже введённой нами стоимостью принятого результата.
Практический эксперимент для компании
Возьмите один повторяющийся процесс: подготовку предложения, обработку обращения клиента, выпуск материала, проверку договора или согласование закупки.
Сначала нарисуйте реальный маршрут задачи.
Для каждого перехода зафиксируйте:
- Кто передаёт работу.
- Кто её получает.
- Какой контекст приходится объяснять.
- Сколько задача ожидает следующего действия.
- Какие данные проверяются.
- Кто имеет право продолжить процесс.
- Где требуется человеческое решение.
- Что происходит при ошибке.
Затем разделите переходы на три группы.
Механические. Контекст и правила известны, результат можно проверить автоматически.
Подготавливающие решение. Агент способен собрать данные и варианты, но человек должен выбрать.
Человеческие. Переход затрагивает ответственность, отношения, смысл, серьёзный риск или изменение самой системы.
Автоматизируйте только первую группу. Для второй подготовьте удобные ворота принятия. Третью оставьте человеку и убедитесь, что система не может пройти её незаметно.
После нескольких циклов сравните:
- продолжительность процесса;
- количество возвратов;
- число ручных передач;
- время ожидания;
- человеческое внимание;
- количество принятых результатов.
Цель эксперимента — не удалить менеджера. Цель — отделить управленческое решение от обслуживания потока работы.
Менеджмент не исчезает — он становится видимым
Когда сбор статусов, напоминания и маршрутизация автоматизированы, у руководителя остаётся работа, которую уже сложнее назвать «просто менеджментом».
Он определяет смысл, удерживает границы, принимает риск, замечает слабые сигналы и меняет систему под новый опыт.
Это более редкая и дорогая работа, чем перемещение информации между людьми.
Поэтому снижение стоимости координации не обесценивает управление. Оно показывает, какая часть управленческой деятельности действительно создаёт ценность, а какая существовала из-за ограничений прежних способов передачи информации.
Нулевая стоимость координации остаётся недостижимой границей. Каждый новый участник, агент, инструмент и источник данных создаёт новые связи, которые нужно поддерживать и проверять.
Но движение к этой границе уже меняет организацию.
Сначала исчезает часть ручных передач. Затем меняются роли. После этого пересобираются отделы. И только потом компания начинает замечать, что её настоящим дефицитом были не рабочие руки и даже не информация.
Дефицитом были осмысленные решения.
Источники
- Ronald Coase — The Nature of the Firm.
- Dillon, Jaffe, Immorlica, Stanton — Shifting Work Patterns with Generative AI.
- Dell’Acqua et al. — The Cybernetic Teammate.
- Weidmann, Xu, Deming — Measuring Human Leadership Skills with AI Agents.
- Google Research — Towards a Science of Scaling Agent Systems.
- OpenAI Economic Research — How AI Is Expanding What People Do at Work.
- Holopainen, Toivonen — Weak Signals: Ansoff Today.
- Сергей Пименов — Слабые сигналы 2.0: как отличать тренд от хайпа и от собственного страха.
Следующий шаг
В статье «Экономика агентной компании» я разбираю, почему рабочий час и цена токена уже не объясняют себестоимость агентной работы и как перейти к стоимости принятого результата.
По теме
Если вы хотите разобрать один процесс своей компании и понять, где агенты действительно снижают стоимость координации, а где только создают новую невидимую сложность, напишите мне в Telegram: @pimenov.