Главное про AI - Вадим Жартун

– Пожилой сообщает AI-сервису пароли, номера карт, коды из SMS-сообщений.

– Пожилой путает AI-чат с реальным собеседником: звонок «от друга» оказывается сгенерированным AI голосом, который копирует манеру говорить реального человека.

– Пожилой изолируется от реальных контактов, потому что «AI меня понимает лучше».

Школьная политика прошла путь от запрета к интеграции за три года. NYC Department of Education (Департамент образования Нью-Йорка) в январе 2023 года заблокировал ChatGPT на школьных компьютерах из-за опасений по плагиату, а к 2024–2025 годам департамент выпустил полноценный AI guidance с правилами для учителей и учеников.

Великобритания: DfE обновил позиционный документ по генеративному AI в 2024–2025 годах и в августе 2025 года опубликовал расширенный гайдлайн для школ и колледжей с фокусом на безопасное использование, а не на запрет.

UNESCO в сентябре 2023 года выпустил первый глобальный гайдлайн по генеративному AI в образовании с требованиями к защите данных, возрастным ограничениям и AI-грамотности (AI-literacy — набор базовых навыков, позволяющих уверенно и критично пользоваться AI-инструментами).

В России Минпросвещения в 2024–2025 годах включило тему AI в методические рекомендации для школ, хотя детального федерального стандарта пока нет. Школа и родитель двигаются в одну сторону: AI не запрещают, а учат использовать безопасно.

Общая черта: ни одна крупная юрисдикция в 2024–2025 годах не говорит «запретить AI в школе». Все говорят «научить пользоваться безопасно». Это означает, что родитель, который запрещает AI ребёнку дома, вступает в противоречие с мировым трендом: школа учит пользоваться, а дома за это ругают.

Продуктивнее не запрещать, а установить семейные правила: что AI можно, что нельзя, как обсуждать «странные» ответы модели, когда обращаться к взрослому.

РЕЗЮМЕ

Этика AI в офисной работе держится на одном сдвиге: выход модели — материал, а не результат, и человек проверяет раньше, чем читатель. Профессиональные стандарты задают рамку там, где она уже есть. Для всего остального, включая менеджмент, остаётся микроэтика с одним вопросом: готовы ли вы через полгода объяснить, что именно сделали.

Совесть работает как внутренний регулятор: она срабатывает там, где цена ошибки становится человеческой. Граница доверия сдвигается тихо, и единственная защита — регулярно брать задачу, которую раньше делали через AI, и делать её вручную. Три категории задач — чужая жизнь, своя репутация в личном контакте и подмена собственного суждения — остаются за красной чертой при любом уровне владения инструментом.

Приватность в AI-сервисах зависит от настроек, а не от лозунгов. Настройки меняются чаще, чем пользователь успевает их проверить, поэтому раз в квартал — обязательная ревизия. Маркировка синтетического контента станет частью юридической гигиены для тех, кто работает с европейским рынком.

В семейном разговоре про AI вы не учитель, а переводчик. Задача — не сделать близких пользователями AI, а сделать так, чтобы они поняли, кто вы, когда вы «разговариваете с программой», и не чувствовали себя отодвинутыми.

Этика AI в работе и в жизни — не отдельная дисциплина, а способ оставаться профессионалом и членом семьи в мире, где AI есть везде. Решение об его использовании каждый раз остаётся за вами.

Личная граница остаётся вашей, пока вы работаете один. Когда речь заходит о внедрении AI в команде и компании, она становится командной — и это уже другая задача. Следующая глава — про то, как провести AI через пилот, бюджет и роли так, чтобы на выходе получилась рабочая система, а не «инструмент, который купили и забыли». Это история про управление изменениями: от первого эксперимента в отделе до встраивания AI в операционные процессы компании.

Глава 14. Внедрение AI: подготовка и организация проекта

BCG в исследовании «The Widening AI Value Gap» (октябрь 2025) разделил 1250+ глобальных компаний на три когорты — группы компаний, выделенные по общему признаку, в данном случае по уровню внедрения AI. Только 5% («Future-built» — «выстроившие AI в фундамент бизнеса») извлекают реальную ценность. Ещё 35% «начинают генерировать ценность» через масштабирование. Оставшиеся 60% — отстающие, у которых при значимых инвестициях в AI выручка и затраты почти не сдвигаются. В этом и состоит типовая ловушка: деньги в AI уже тратятся, а ценности на выходе нет. Считают не то, тратят не на то, не доводят до результата.

AI-внедрение проваливается не из-за плохой модели. Оно проваливается, когда у проекта нет полной картины затрат, нет владельца, который доведёт пилот до продакшна (production — промышленная эксплуатация, работающая система, которой пользуются сотрудники), и нет процесса, который переживёт энтузиазм первых людей.

McKinsey в State of AI 2025 даёт сухие цифры: 88% организаций регулярно используют AI хотя бы в одной функции (год назад — 78%), но материальный эффект на EBIT (Earnings Before Interest and Taxes — прибыль до вычета процентов и налогов; ключевой финансовый показатель, на который смотрит руководство) видят только 39%. И даже у этих 39% речь почти всегда идёт о менее чем 5% EBIT. Gartner в 2024 году прогнозировал, что к концу 2025-го около 30% проектов в области генеративного AI будут заброшены после стадии пилота; отраслевые данные 2025-го подтверждают оценку как минимум по верхней границе. Причины провала — низкое качество данных, неясная бизнес-ценность и та самая неполная картина затрат.

Защищаемый проект отличается от провального набором обязательных элементов. До старта пилота у него есть ответ на пять вопросов о TCO (Total Cost of Ownership — полная стоимость владения, все расходы за жизненный цикл решения). Есть именной владелец процесса. Есть переработанный рабочий процесс. И есть метрика, по которой через 90 дней измерят успех.

ПОЛНАЯ КАРТИНА ЗАТРАТ: КАТЕГОРИИ TCO БЕЗ СЛЕПЫХ ЗОН

McKinsey указывает на ключевое отличие лидеров: фундаментальный редизайн рабочих процессов. Компании-лидеры в три раза чаще переделывают процессы целиком — а не «накладывают AI поверх» готового конвейера. Они же в три раза чаще имеют «ownership» AI на уровне старших руководителей (C-level — руководители уровня CEO, CFO, CTO и т. п., то есть топ-менеджмент), запускают вдвое больше рабочих сценариев (конкретных задач, для которых применяется AI) и направляют больше трети цифрового бюджета на AI. Это прямой намёк на скрытую статью TCO: деньги уходят не столько на лицензии, сколько на перестройку процессов, найм, обучение и потерю производительности в переходный период.

В практических разборах корпоративного генеративного AI сходятся на трёх скрытых категориях затрат, которые чаще всего не попадают в исходный бюджет: интеграция с существующими системами, подготовка и очистка данных, сопровождение и обновление модели после запуска. По разным оценкам,