Краткая суть
44% организаций масштабируют ИИ на уровне всего предприятия (по данным McKinsey), однако 95% пилотных проектов генеративного ИИ не показывают измеримого влияния на финансовые результаты (по данным MIT). Модель «кривой нестабильности при масштабировании» Грега Кита отмечает тот момент, когда скорость поставки начинает опережать архитектурную зрелость. Он утверждает, что организации теряют стабильность, когда качество управления не успевает за технологиями, и что первый вопрос перед любыми изменениями должен звучать так: «Зачем вы это делаете?»
ИИ преодолел решающий рубеж в корпоративном секторе. Глобальное исследование McKinsey за 2026 год показало, что 44% организаций теперь заявляют о масштабировании ИИ во всей компании по сравнению с 38% годом ранее, причем среди компаний с годовой выручкой не менее $1 млрд этот показатель достигает 54%. Перед лидерами технологической отрасли встает закономерный вопрос: готова ли каждая организация к той скорости, которую обеспечивает ИИ?
Тревожные звоночки уже заметны в разрыве между внедрением и организационными изменениями. McKinsey выяснила, что редизайн рабочих процессов сильнее всего связан с влиянием ИИ на показатель EBIT, однако исследование MIT 2025 года показало, что 95% пилотных проектов генеративного ИИ не оказывают измеримого влияния на финансовые результаты организаций. На этом фоне технологии внедряются в устоявшиеся системы быстрее, чем многие компании меняют принципы работы этих систем. Тревожные признаки вполне могут проявляться уже сейчас — в разрыве между внедрением инноваций и перестройкой самих организаций.
Экономика облачных вычислений добавляет еще один уровень давления. Исследование FinOps Foundation за 2025 год, охватившее организации с совокупными расходами на публичные облака более $69 млрд, показало, что оптимизация рабочих нагрузок и сокращение отходов остаются главными приоритетами. Расходы на ИИ уже контролировались 63% респондентов. В этом смысле масштабирование может превратить кажущееся эффективным технологическое решение в принципиально иные финансовые обязательства.
Сама по себе технология редко является первопричиной всех проблем. Организация может внедрить еще одну платформу, увеличить штат, автоматизировать процесс или реструктурировать команду, оставив базовый процесс принятия решений прежним. Опасность может нарастать постепенно — через повторяющиеся сбои, более длительные периоды восстановления, эскалацию затрат и растущие трения между людьми, отвечающими за работоспособность системы.
Грег Кит (Greg Keith), основатель MGKgroup, потратил более 25 лет на руководство инженерными, дата-, облачными и архитектурными проектами, наблюдая за этими паттернами. Созданная им кривая нестабильности при масштабировании (Scaling Instability Curve) представляет собой методологию, выведенную на основе такого повторяющегося практического опыта. Кит позиционирует ее как наблюдательную модель, которая фиксирует точку, где скорость поставок начинает опережать архитектурную зрелость и операционный контроль. Разработанная для борьбы с системным торможением инженерных процессов, она подробно описывает, как быстрый рост систем может приводить к фазе нарастающих высоких затрат, размывания ответственности команд и замедления деплоя.
По его мнению, организации теряют стабильность, когда качество управления и принятия решений не успевают масштабироваться вслед за самой организацией. Этот сценарий, как утверждает Кит, часто начинается со вполне разумной реакции на возникающую проблему. Компания может нанять больше людей, сменить платформу или внедрить новую технологию в надежде, что это снимет напряжение. И тем не менее первопричина остается нетронутой. Кит отмечает: «Я часто возвращаюсь к одному вопросу как к проверке того, заслуживает ли предлагаемое изменение право на жизнь: «Зачем вы это делаете?»»
Он утверждает, что этот вопрос убирает эмоции из процесса принятия решений и заставляет лидеров четко определить, чего именно они пытаются добиться.
Его наблюдение о «блестящей новой игрушке» напрямую применимо к текущему циклу ИИ. Кит неоднократно видел, как организации, столкнувшись с новым инструментом на конференции или поддавшись общему ажиотажу, мгновенно решали, что он решит все их проблемы. ИИ лишь усилил этот инстинкт. «ИИ — это инструмент, и использовать его нужно соответствующим образом,» — утверждает он. Его цель — помогать командам работать эффективнее и быстрее, а не служить автоматической заменой людям.
Опыт, по мнению Кита, приобретает особую ценность в моменты, когда системы дают сбой под давлением. В качестве аналогии он приводит коммерческую авиацию. Ценность опытного пилота ярче всего проявляется тогда, когда неожиданная нештатная ситуация не оставляет времени на коллективные эксперименты. «Именно за это вы платите,» — аргументирует он. «За такой опыт, который позволяет точно знать, что делать, когда выбора не остается.» Его беспокоит то, что молодые команды, использующие ИИ, могут двигаться быстрее, но при этом им не хватает опыта, необходимого в критический момент производственного сбоя.
Облачные расходы служат еще одним проявлением той же проблемы. Кит вспоминает развертывание базы данных AWS, которое казалось способным снизить затраты, однако из-за тарификации на основе транзакций расходы резко подскочили, как только система столкнулась с интенсивными операциями ввода-вывода. Урок заключался вовсе не в том, что технология была изначально несовершенна. Проблема была в том, что экономика изменилась при масштабировании, в то время как организация не учла это изменение до того, как утвердить архитектуру.
Кит утверждает, что лидерам следует внимательно следить за динамикой организации, а не дожидаться крупного кризиса. Небольшие колебания в процессе роста — это нормально. Куда более тревожный сигнал появляется тогда, когда сбои начинают происходить чаще, а их устранение занимает все больше времени. «Небольшие вибрации — это не страшно,» — поясняет он. «Но если вы замечаете, что сбои происходят все чаще или на восстановление каждый раз уходит все больше времени, это верный показатель того, что происходит что-то более серьезное.»
В конечном счете залог успеха кроется в дисциплине институционального внимания. Лидерам необходимо понимать причины проводимых изменений, прислушиваться к командам, находящимся ближе всего к проблеме, и вовремя замечать ранние признаки смещения по Кривой до того, как нестабильность перерастет в кризис.
