AI-стратегия PARMA: 12 разделов, 15 подразделений
R&D как «стартап внутри компании», ROI 10x цель, 31М₽ факт / 48М₽ прогноз, 15 подразделений с планами AI
Что не работает
ИТ-компания с 600+ сотрудниками: AI применялся хаотично (<5% вклад в производительность), эффекты не измерялись, инициативы не доводились до результата, нет единой стратегии. Отсутствовала инфраструктура для масштабирования AI-инструментов. Лицензии и инструменты выбирались стихийно. Конкуренты (Газпром, Т-Банк) уже системно внедряли AI.
Архитектурный подход
Корпоративная AI-стратегия из 12 разделов: (1) R&D-группа как «стартап» с овердрафтом доверия и балансом, (2) внедрение по 15 специализациям, (3) обучение и амбассадоры, (4) реализация кейсов, (5) governance, (6) метрики и KPI, (7) этика и правовые аспекты, (8) финансовая модель, (9) коммуникация, (10) AI-OC (поддержка), (11) инфраструктура, (12) портфель инициатив. Модель распределения эффекта по этапам: гипотеза 15% → поиск 10% → проверка 15% → создание 45% → внедрение 15%.
Что было сложно
AI adoption <5% на старте — люди не верили, что AI поможет именно им, а не «где-то в Google». R&D как стартап с овердрафтом — нужно было одновременно показывать быстрые результаты и строить долгосрочную стратегию. 15 подразделений с совершенно разной спецификой — AI-план для Backend и AI-план для ИБ — это два разных мира. Измерение эффекта: каждое подразделение пыталось либо завысить вклад AI, либо обесценить его.
Моя роль и вклад
CTO
Автор корпоративной AI-стратегии (1000+ страниц, 12 разделов). Создал R&D-группу как «стартап» с двойным балансом. Разработал финансовую модель (формула эффекта, 5-этапное распределение). Подготовил индивидуальные AI-планы для 15 подразделений. Провёл обоснование перед руководством.
Как это выглядит
Как это работает
R&D-группа: стартовый овердрафт (2 архитектора × 3 мес), двойной баланс (факт + прогноз), цель — самоокупаемость за 3-6 мес, далее 10x ROI. Формула: Эффект = Σ(подразделения) + R&D + индивидуальное − капитальные. Пример: 45М₽ подразделения + 6М₽ инд. − 20М₽ = 31М₽ факт, 48М₽ прогноз. RACI-матрицы на каждый процесс. Учёт в TFS: дробные задачи до 16ч с фиксацией AI-инструментов. 15 подразделений с индивидуальными планами: Backend, Frontend, БА, тестирование, дизайн, ИБ, сисадмин, DB, системный анализ, PMO, техдок, функц. архитектура, техн. архитектура, сопровождение, внутренняя безопасность. POC-сценарии, реестр инструментов, кодекс использования AI.
Почему именно так
R&D как «стартап с балансом» вместо централизованного AI-отдела
Центр компетенций AI: отдельное подразделение с бюджетом, внедряющее AI сверху вниз
Централизованный отдел: нет связи с экономикой подразделений, эффект не измерим, adoption зависит от административного давления. R&D-стартап: овердрафт доверия + баланс + совместный зачёт эффекта — обе стороны заинтересованы.
R&D с двойным балансом (факт/прогноз), этапное распределение эффекта, 10x ROI цель. 15 подразделений с AI-планами
Результаты
- 01
- R&D ROI: цель 10x за весь период (Q1 2026)
- 02
- Эффект: 31М₽ факт / 48М₽ прогноз
- 03
- 15 подразделений с AI-планами
- 04
- 12 разделов стратегии, RACI на каждый
- 05
- AI-вклад в производительность: до 25%
- 06
- Распределение эффекта: 15%/10%/15%/45%/15% по этапам
- 07
- Реестр инструментов и моделей
Влияние на бизнес
R&D окупает стартовый овердрафт за 3-6 месяцев и выходит на 10x ROI. Корпоративный эффект: 31М₽ факт (подразделения 45М₽ + инд. 6М₽ − капитальные 20М₽). 15 подразделений получают индивидуальные AI-планы — от Backend до ИБ. Модель совместного зачёта эффекта (R&D + подразделение) ускоряет adoption. AI-вклад в производительность достигает 25% на операциях поддержки и разработки. Пример: автоматизация обработки документа (2ч→1ч × 200 случаев/мес = 200К₽/мес экономии).
Алгоритмы и паттерны
Технологии
- LLM
- GPT-4
- AI Assistants
- Prompt Engineering
- TFS
- Confluence
- RACI
- POC Framework
- AI Governance