Пока рынок рос, компании могли выполнять планы даже при низкой операционной эффективности, значительных внутренних потерях, запаздывающей отчетности и длинном цикле принятия решений. Рост выручки и достаточный запас маржинальности позволяли долго не замечать цену этих управленческих проблем.
Сегодня ситуация меняется, считает Ирина Попова, академический директор программы «Построение системы управления на основе данных и ИИ» Школы управления СКОЛКОВО. Маржа сжимается, стоимость ресурсов растет, конкуренция усиливается, и прежняя система управления перестает обеспечивать необходимый результат. То, что раньше компания могла компенсировать ростом, теперь напрямую отражается на прибыли.
Статистика подтверждает этот сдвиг. По данным ФНС, средняя рентабельность проданных товаров, работ и услуг в России по итогам 2025 года составила 10,9%, рентабельность активов — 5%. Доля убыточных организаций также остается высокой: по итогам 2025 года она составила 27,1%. В этих условиях вопрос эффективности управления становится уже не внутренней организационной задачей, а одним из факторов сохранения прибыли.
Неэффективность управления превращается в «налог» на прибыль
Компания платит этот «налог» собственной неэффективности: потерями времени, ресурсов и денег, которые возникают из-за низкой скорости и качества управленческих решений.
Решения принимаются без достаточного анализа данных или слишком поздно, руководители тратят время на совещания, переписку и согласования, функции дублируются, ресурсы распыляются на активности, не влияющие на результат. Значительная часть времени по-прежнему уходит на ручную подготовку отчетности и поиск информации.
Еще одна цена такой системы — перегруженность первого лица. По данным исследования Beyond Taylor при экспертной поддержке НИУ ВШЭ, 46% компаний сталкиваются с решениями, принимаемыми при недостатке данных, а в 44% принятие решений и их исполнение замыкаются на CEO.
В результате собственник или CEO вместо развития бизнеса, новых продуктов, рынков и стратегических изменений вынужден погружаться в операционные вопросы и становиться точкой эскалации для всей организации.
Пока эти потери не видны и не измеряются, компания продолжает оплачивать их из собственной прибыли.
Зрелость управления становится конкурентным преимуществом
Поэтому сегодня вопрос уже не только в сокращении затрат.
Компании начинают конкурировать качеством самой системы управления: насколько быстро они способны увидеть, где создается и теряется прибыль, понять причины отклонений и превратить эту информацию в действия.
Исследование MIT CISR показывает масштаб этого различия. Компании верхнего квартиля по способности управлять бизнесом в реальном времени демонстрировали на 62% более высокий рост выручки, на 97% более высокую маржинальность и на 22% более высокую операционную эффективность по сравнению с компаниями нижнего квартиля.
Но зрелая система управления — это не большое количество отчетов и KPI.
Она начинается со стратегии и целевых показателей бизнеса. Далее определяется цепочка создания ценности, объекты управления, зоны ответственности и решения, которые должны приниматься на каждом уровне.
Финансовый результат раскладывается на драйверы. Команда видит, за счет каких клиентов, продуктов, процессов и действий создается или теряется прибыль, что ограничивает производительность, куда направлять ресурсы и какие изменения дадут наибольший экономический эффект.
Так прибыль становится объектом управления, а не только итоговой цифрой в отчетности.
Именно поэтому количество показателей само по себе не дает результата. В анализе 18 компаний McKinsey обнаружила, что для принятия решений используется лишь 29% определенных и отслеживаемых KPI. Ключевой вопрос не в том, сколько показателей собрано, а в том, связаны ли они с финансовым результатом и позволяют ли руководителю принимать конкретные решения.
От управленческой логики — к данным и технологиям
Когда определены объекты управления, метрики, ответственность и решения, становится понятно, какие данные нужны компании для управления ими.
Следующий уровень — система управления данными и технологическая архитектура: где данные возникают, из каких информационных систем поступают, как хранятся и обрабатываются, насколько они качественны и согласованы, как объединяются и предоставляются аналитическим продуктам, BI и ИИ.
Это принципиально меняет сам подход к цифровизации.
Компания начинает не с вопроса «какую систему или технологию внедрить?», а с бизнес-задачи: чем мы хотим управлять, какой результат изменить, какие решения для этого необходимо принимать и какие данные для этого нужны.
И уже под эту управленческую логику проектируются система метрик, аналитические продукты, архитектура данных и технологический стек.
Технология сама по себе систему управления не создает. Она автоматизирует те процессы, расчеты и управленческую логику, которые уже существуют в компании. Если сама эта логика неэффективна, цифровизация лишь закрепляет существующие ограничения в цифровом виде.
Искусственный интеллект обнажает проблемы управления, а не решает их
ИИ стал тестом на зрелость бизнеса. Компании, которые заранее выстроили процессы, единую систему метрик, качественные данные и управленческие компетенции, смогли быстрее встроить ИИ в реальные управленческие и операционные задачи и получить эффект. Остальным приходится сначала устранять накопленные ограничения, что увеличивает сроки внедрения, затраты и отставание.
Этот разрыв уже подтверждают исследования. По данным BCG (BCG, The Widening AI Value Gap, 2025), изучившей более 1 250 компаний по всему миру, только 5% получают существенный эффект от ИИ в масштабе бизнеса, тогда как 60% практически не получают заметной отдачи, несмотря на инвестиции. В результате ИИ не сокращает, а усиливает разрыв между лидерами и отстающими.
Следующий этап — переход от ИИ как помощника отдельного сотрудника к ИИ-агентам, способным самостоятельно выполнять часть операций, анализа и подготовки решений. И здесь требования к зрелости системы управления становятся еще выше.
Чтобы передать задачу агенту, недостаточно предоставить доступ к модели. Необходимо подготовить качественные данные и бизнес-контекст, формализовать процесс, определить цели, метрики, ограничения, правила работы и логику принятия решений.
Поэтому подготовка бизнеса к масштабному использованию ИИ — это одновременно подготовка процессов, данных и управленческой логики к тому, чтобы часть функций могла выполняться технологией без постоянного участия человека.
Новая модель требует новых компетенций руководителей
Меняются и требования к управленческой команде.
К классическим навыкам постановки целей, организации работы и контроля добавляется способность управлять на основе данных: видеть бизнес через систему взаимосвязанных показателей, понимать причинно-следственные связи и оценивать влияние решений на финансовый результат.
Работа с данными становится частью профессии руководителя. Ему недостаточно получать готовый отчет. Руководитель должен уметь мыслить аналитически: выделять ключевые драйверы результата и связанные с ними метрики, понимать качество исходных данных, видеть отклонения и их причины, переводить приоритеты в показатели для команды и управлять ресурсами и процессами через систему опережающих метрик. Главное — понимать, какие решения способны изменить конечный бизнес-результат.
Перестройка системы управления — задача всей топ-команды
Создать такую систему силами одного CEO, IT-директора или команды аналитики невозможно.
Перестройка требует совместной работы всей управленческой команды: определить приоритетные зоны потерь и роста, договориться о показателях и ответственности и выбрать изменения, способные дать измеримый бизнес-эффект.
Бизнес-команды отвечают за изменение процессов и результат. Цифровые команды — за данные, архитектуру, аналитику и технологическую реализацию.
Эффект возникает только в их совместной работе.
Для CEO и управляющего собственника это имеет еще один принципиальный результат. Когда ответственность и решения распределены по уровням управления, показатели прозрачны, а команда способна самостоятельно видеть отклонения и реагировать на них, первое лицо перестает быть единственным центром принятия решений.
Это позволяет снизить операционную нагрузку и вернуть CEO время на задачи развития бизнеса: стратегию, новые рынки, продукты, партнерства и долгосрочные изменения.
Как научить команду самостоятельно перестраивать систему управления
На этой логике построена консорциумная программа Школы управления СКОЛКОВО «Построение системы управления на основе данных и ИИ».
В течение четырех месяцев управленческая команда работает с реальной задачей своей компании: определяет приоритетную зону потерь или потенциала роста, проектирует под неё целевую систему управления и данных, внедряет аналитическое решение и оценивает первые бизнес-эффекты.
Отдельный фокус программы — подготовка данных для автоматизации процессов и решений с помощью ИИ: от качества данных и технологической архитектуры до определения управленческих функций, которые могут быть автоматизированы или переданы агентам полностью.
В результате обучения команда не просто реализует один проект, а осваивает методологию, по которой сможет в дальнейшем самостоятельно перестраивать систему управления под изменения рынка и новые задачи развития бизнеса, выбирая приоритетные изменения по их влиянию на целевые бизнес-метрики и финансовый результат.
В новой экономической реальности качество системы управления становится фактором конкурентоспособности. Выигрывают компании, которые способны быстрее видеть отклонения, принимать решения и превращать их в рост прибыли, производительности и эффективности бизнеса.
Академический директор программы "Построение системы управления бизнесом на основе данных и ИИ", Управляющий собственник и CEO New Level Business