Кто такой директор по искусственному интеллекту

Директор по искусственному интеллекту (Chief AI Officer, CAIO) — это руководитель, который отвечает за инфраструктуру цифрового труда в компании и за то, чтобы внедрение ИИ давало считаемый результат. Считаемый — значит выраженный в выручке, издержках и скорости процессов, а не в числе удачных экспериментов по подразделениям.

Кто такой директор по искусственному интеллекту (Chief AI Officer)

Предмет ведения этой роли шире, чем выбор моделей и запуск отдельных сервисов, считает Николай Верховский, директор департамента цифровых и продуктовых программ Школы управления СКОЛКОВО. По его мнению, к сфере компетенции директора по искусственному интеллекту относятся как технические, так и бизнес составляющие – начиная от понимания точки внедрения агента и архитектуры безопасности, заканчивая мониторингом системы и контролем коэффициента окупаемости инвестиций в ИИ (РОИ).

Роль  директора по ИИ не равнозначна роли директора по цифровой трансформации: часть полномочий относится к бизнес-процессам и бюджетам подразделений, а не к технологическому контуру. Где именно закрепить роль – практика пока не устоялась: в некоторых компаниях ее берут на себя директор по развитию или директор по цифровой трансформации (Chief Digital Transformation Officer, CDTO), либо под нее нанимают отдельного руководителя направления.

Почему роль директора по ИИ становится ключевой именно сейчас

Генеративные технологии перешли из демонстраций в рабочие процессы. По данным совместного исследования «Яков и Партнеры» и Яндекса «Искусственный интеллект в России: тренды и перспективы» (декабрь 2025 года), генеративный ИИ применяет в одной или нескольких функциях 71% крупных российских компаний — на 17 процентных пунктов больше, чем годом ранее.

От экспериментов компании переходят к интеграции. Пилот проверяет гипотезу, промышленная эксплуатация требует перестройки процессов, разграничения доступов и регламента действий при ошибке агента. Это управленческая работа, и она не делается силами проектной команды на время пилота.

Регулирование стало фактором архитектуры. Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации» вступил в силу 1 сентября 2026 года. Он вводит понятийный аппарат, категории суверенных и национальных больших фундаментальных моделей с требованиями к локализации обработки данных на территории России, полномочия Правительства определять случаи, когда допускается применение только суверенных и национальных моделей, а также возможность маркировки материалов, созданных с помощью больших фундаментальных моделей. Вместе с требованиями Федерального закона от 27.07.2006 № 152-ФЗ «О персональных данных» и Национальной стратегией развития искусственного интеллекта (Указ Президента РФ от 10.10.2019 № 490 в редакции Указа от 15.02.2024 № 124) это формирует рамку, внутри которой принимаются решения о размещении моделей и составе данных.

Управленцев нового типа не хватает. По исследованию Orion soft «Индекс готовности ИИ-инфраструктуры российских компаний» (первое полугодие 2026 года, опрос более 100 представителей крупного бизнеса) 79% участников столкнулись с дефицитом профильных специалистов, а сам индекс составил 38 из 100 баллов. Исследование проведено вендором инфраструктурного программного обеспечения, поэтому его выводы стоит читать с поправкой на интерес заказчика.

Экономический эффект перестал быть гипотезой. В том же исследовании «Якова и Партнеров» и Яндекса ожидаемый эффект от ИИ для российской экономики к 2030 году оценивается в 7,9–12,8 трлн рублей в год, что соответствует примерно 5,5% прогнозного ВВП. Когда речь идет о величинах такого порядка, распределение ответственности за результат внутри компании перестает быть техническим вопросом.

Чем директор по ИИ отличается от ИТ-директора, директора по данным и директора по цифровой трансформации

Роли пересекаются на инфраструктуре, и это главный источник конфликтов при их одновременном существовании. Разграничение удобно проводить по вопросу, на который отвечает каждая роль.

Границу между ролями лучше зафиксировать письменно до назначения: если этого не сделать, спор о том, кто отвечает за отдачу от агентов, возникает в момент первой неудачи, а не в момент постановки задачи.

Задачи и обязанности директора по искусственному интеллекту

ИИ-стратегия: с чего начинается внедрение ИИ в компании

Замер исходного состояния. Пока нет цифры «до», улучшение не поддается проверке.

Идти от бизнес-гипотез, а не от инфраструктуры. ИИ-стратегия начинается не с закупки оборудования. Нужен сначала набор бизнес-гипотез, затем расчет экономики, и только после этого инфраструктура: причем гипотезы можно проверить на открытых моделях.

Перепроектировать процесс. Распространенный сценарий внедрения технологий выглядит так: процесс работает плохо, к проблемному участку подключают модель и ждут улучшения. Верховский называет это использованием искусственного интеллекта «как синей изоленты» и описывает предсказуемый результат: если агент начал работать быстро на одном участке, а весь остальной процесс идет с прежней скоростью, общий срок не сокращается.

Управлять экономикой моделей. Стоимость одного обращения к модели за последние два года заметно снизилась, но счета растут, потому что агент параллельно ведет десяток задач. Основной рычаг — маршрутизация запросов между моделями: простые операции уходят на дешевые модели, сложные на дорогие.

Отвечать за безопасность и разграничение доступов. Права агенту выдаются по той же логике, что сотруднику при найме: доступ ко всем системам не нужен, нужен доступ к тем, без которых задача не решается. Это же требование управления рисками: чем шире права, тем дороже ошибка.

Что такое агентная платформа компании

Понять, чем занят директор по ИИ, невозможно без разбора того, чем он управляет технически. Здесь важны три различения.

Агент отличается от языковой модели и от ассистента. Ассистент отвечает на запрос, агент выполняет задачу: начинает ее решать, обнаруживает, что выбранный способ не работает, меняет инструменты, возвращается и продолжает. В формулировке Верховского компания «ставит себе под капот актора» — того, кто может закрыть задачу от начала до конца.

Автономность отличается от автоматизации. Различение, на котором держится весь разговор об агентах.

Практическое следствие для руководителя: автоматизированный процесс проверяется на соответствие алгоритму, автономный — на соответствие результату, поэтому для него нужны критерии приемки и точки, где подключается человек.

Качество живет в обвязке, а не в модели. Обвязка (harness) — это слой между моделью и корпоративной средой: коннекторы к внутренним системам, в том числе по открытому протоколу подключения инструментов (Model Context Protocol, MCP), доступ к рабочим инструментам, проверка результата на лету, долговременная память и маршрутизация запросов. По оценке Верховского, сильная обвязка в паре со слабой моделью дает лучший результат, чем сильная модель без обвязки. Отсюда практический вывод для бюджета: основные вложения приходятся на слой вокруг модели, а доступ к самой модели занимает в смете меньшую долю.

Кто должен нести ответственность за результат работы ИИ

Для корректного внедрения агентной системы важно просчитать четыре условия:

• важно разграничить, какие процессы исполняются агентно
• где в них подключается человек
• какой уровень поддержки требуется
• как со временем развиваются память и правила агента.

Пятое условие делает первые четыре работающими — владелец отвечает за метрику и премируется по ней. Это и создает мотивацию разбираться с процессом, а не ограничиваться формальным согласованием.

«Ответственным за то, что агент приносит деньги, является не ИТ-специалист. Ответственным является владелец этого агента. А кто должен быть владельцем? Представитель бизнеса. То есть, если вы делаете агента для кадровой службы, то и «владеть» им должна кадровая служба», — Николай Верховский, директор департамента цифровых и продуктовых программ Школы управления СКОЛКОВО

Основные навыки директора по искусственному интеллекту

Требования к роли Верховский сводит к четырем блокам и настаивает на их неразрывности: бизнес-анализ, технологии, организация и культура. Выпадение любого из них дает предсказуемый сбой — например, без бизнес-анализа компания теряет деньги на выборе технологий под задачу, которая этих технологий не требовала.

Каким компаниям нужен директор по ИИ

Отдельная должность появляется, когда управление ИИ-инициативами перестает помещаться в существующие роли: инициатив становится больше, чем один руководитель удержит в голове, и они конкурируют за одни данные, людей и деньги.

Ключевые отрасли, где роль появляется раньше других, — те, где много однотипных операций с документами и данными: розничная торговля, промышленность, финансовый сектор, строительство и девелопмент, медицина.

Директор по ИИ в российских компаниях: кейсы

Публичных назначений именно с таким названием должности в России пока немного, но функция уже работает под другими названиями.

Как понять, что компании нужен директор по искусственному интеллекту

Признаки, при которых управление ИИ-инициативами стоит вынести в отдельную роль:

• ИИ-инициативы идут в нескольких подразделениях независимо, и никто не может назвать их общее число;
• у инициатив нет владельца, отвечающего за метрику;
• эффект обсуждается словами, а не цифрами;
• решения о запуске принимаются исходя из интересности технологии;
• инициативы доходят до пилота и останавливаются;
• вопросы доступа агентов к системам решаются каждый раз заново.

Отдельно стоит проверить, как в компании распределены полномочия после появления такой роли. Директор по ИИ забирает часть решений у ИТ, у владельцев процессов и у службы безопасности, поэтому конфликт возникает не из-за характеров, а из-за неописанных границ.

Практический шаг — зафиксировать до назначения, какие решения остаются за подразделениями, какие переходят к новой роли и какой порядок действует при разногласиях.

Перспективы развития роли директора по ИИ в России

Часто цитируемая цифра о провалах внедрения принадлежит отчету MIT NANDA «The GenAI Divide: State of AI in Business 2025» (август 2025 года): 95% организаций из исследованной выборки не получили измеримой отдачи от внедрения генеративного ИИ. Выборка при этом невелика — анализ более 300 публично раскрытых инициатив, интервью с представителями 52 организаций и опрос 153 руководителей высшего звена.

«Цифра пугать не должна: не выходит и не выходит, это же пилоты, мы пробуем. Эти цифры — показатель того этапа, а не показатель годности или негодности агентов», — Николай Верховский, директор департамента цифровых и продуктовых программ Школы управления СКОЛКОВО.

Причины провалов он тоже разводит: подавляющее большинство неудач, по его оценке, не связано с технологией, на технические ограничения моделей приходится порядка десятой части. Остальное — процесс, данные и постановка задачи, то есть управленческий контур.

На закрепление роли работают три фактора, и каждый из них создает управленческую задачу.

Экономический потенциал измерен. Оценка в 7,9–12,8 трлн рублей в год к 2030 году переводит разговор об ИИ из плоскости экспериментов в плоскость распределения ресурсов, а значит требует ответственного за результат.

Локальные модели догнали облачные. Для России это перелом: вопрос размещения почти всегда решается в пользу локального контура из-за требований к персональным данным, а теперь и из-за положений 243-ФЗ о суверенных и национальных моделях. По оценке Верховского, к первой половине 2026 года локальные модели достигли качества облачных, и средняя организация закроет локальной моделью около 90% задач.

Инфраструктура требует управленческих решений. Внедрение упирается в нее раньше, чем в выбор модели: индекс готовности ИИ-инфраструктуры российских компаний по методике Orion soft составил 38 из 100 баллов.

Рынку нужны руководители, способные собрать устойчивую, проверяемую обвязку и потом содержать ее в промышленной эксплуатации. Статистика влияния автомобилей на экономику США в 1900 году показала бы ноль, а в 1913-м — совсем другую картину. По его оценке, компании уже находятся в середине такого перехода, и займет он меньше тринадцати лет.

Как построить карьеру директора по ИИ и развивать навыки

Собрать агента руками хотя бы раз. Создание агента — это передача мыслительной работы от человека машине, и тот, кто прошел путь сам, понимает границы применимости и умеет ставить задачу подрядчикам и команде. Руководитель без такого опыта оценивает предложения по презентации.

Пройти полный цикл до промышленной эксплуатации. По оценке Верховского, доведение агента до рабочего состояния занимает от трех до шести месяцев, а путь от пилота до масштабирования — шесть-восемь месяцев. Обвязку строят быстро, модель подбирают быстро, а срок определяется передачей методологии: как именно агент должен работать в этом процессе.

Научиться считать альтернативу. Показательный пример из практики: под собственную панель мониторинга он рассматривал наем команды разработчиков — около 2 млн рублей на разработку и 300–400 тыс. рублей в месяц на поддержку, а агентское решение обошлось несопоставимо дешевле. Обратная граница тоже есть: счета за работу составили порядка 100 тыс. долларов в месяц. Расчет альтернативы в обе стороны — базовый навык роли.

Освоить работу с людьми. Техническая часть проекта не защищает от сопротивления внутри компании.

«Вы можете все прекрасно сделать, но забыли с людьми поработать. А люди сумеют вам доказать, что вы сделали ерунду, что она не работает, что у нее данные неправильные. Сопротивление внутри — либо публичное, либо "итальянское": я вас поддерживаю, но ничего не делаю»

Отсюда практическая последовательность развития: предметная экспертиза, затем собственный опыт сборки агента, затем полный цикл внедрения с ответственностью за метрику, и параллельно — работа с линейными руководителями, которые будут ставить задачи агентам ежедневно.

Кто такой директор по искусственному интеллекту: частые вопросы

Нужен ли директор по ИИ малому и среднему бизнесу?

Отдельная должность — редко, функция — да. Технология впервые идет снизу вверх: небольшим компаниям проще с согласованиями, и процессы они перестраивают быстрее.

Какие ключевые показатели эффективности (KPI) обычно ставят перед директором по ИИ?

Экономические — вклад инициатив в прибыль или снижение издержек и стоимость обращений к моделям как отдельная статья бюджета. Процессные — доля инициатив, доведенных до промышленной эксплуатации, и срок прохождения пути от гипотезы до запуска. Рисковые — наличие процедуры проверки решений агента, разграничение доступов, число инцидентов. Группы показателей задают связкой: экономические без процессных подталкивают к выбору самых легких задач, а процессные без экономических — к запуску ради самого факта запуска.

Можно ли обойтись внешним подрядчиком?

Для отдельных работ — да. Типовая сложность возникает, когда подрядчик показывает хорошие результаты на тестах, получает оплату и завершает работу до того, как агент начнет ошибаться в промышленной эксплуатации. Ответственность за метрику при любом формате остается внутри компании, у владельца агента из бизнеса.

Что меняет для компании закон об искусственном интеллекте 2026 года?

Федеральный закон от 26.07.2026 № 243-ФЗ вступил в силу 1 сентября 2026 года. Он вводит категории суверенных и национальных больших фундаментальных моделей с требованиями к локализации обработки данных в России, закрепляет за Правительством полномочие определять случаи, когда применяются только суверенные и национальные модели, и предусматривает возможность маркировки созданных с их помощью материалов. Для компании это переводит три вопроса из технической плоскости в управленческую: выбор между локальным и облачным размещением, состав используемых моделей и порядок работы с данными. Все три относятся к предмету ведения директора по ИИ и требуют документального оформления. Конкретный объем обязанностей зависит от отрасли и сценариев применения, поэтому его стоит уточнить с юридической службой.