ИИ построил нам стратегию трансформации. Красивую. Логичную. И неправильную.На прошлой встрече клуба Scrum-Mastery мы решили провести довольно интересный эксперимент.
У нас был реальный кейс организационной трансформации банка. До этого мы несколько недель разбирали его как консультанты: изучали стратегию, проводили интервью, смотрели процессы, анализировали организационную структуру и искали системные ограничения.
Материала накопилось много.
- Конфликт между бизнесом и ИТ.
- Двоевластие Product Owner и технического лидера.
- Проектное управление, конкурирующее с продуктовым.
- Низкая автономность команд.
- Разные KPI бизнеса и ИТ.
- Огромное количество зависимостей.
- Проблемы со сквозным Time-to-Market.
И мы решили сделать то, что сейчас очень хочется сделать практически каждому консультанту:
а что, если все это просто отдать искусственному интеллекту и попросить его построить стратегию трансформации?Загрузили результаты аудита в
Sociotech. ИИ разобрал материалы, выделил факты, обработал SWOT и построил Карту гипотез.
На первый взгляд - отлично: есть цель, есть метрики, есть гипотезы, есть конкретные задачи. Можно брать и начинать трансформацию.
А потом мы стали разбирать карту руками. И обнаружили довольно серьезную проблему.
В стратегии практически исчезли люди, которые должны эту трансформацию осуществить. В Карте гипотез оказалось всего два субъекта. При этом там не оказалось одной из важнейших групп -
руководителей подразделений, которым придется менять правила управления, делегировать полномочия, разрешать конфликты приоритетов и поддерживать новую модель работы. И практически потерялись
участники самих команд, поведение которых тоже должно измениться.
Самое интересное - ИИ про них знал. В загруженных материалах были руководители, команды, PO, технические лидеры, Scrum Masters, PMO. Были описаны конфликты полномочий, проблемы автономности, разные KPI и даже конкретные управленческие противоречия.
То есть проблема оказалась не в недостатке данных.
ИИ прочитал данные. Но не построил из них полноценную логику изменений. И вот здесь эксперимент стал для меня действительно интересным.
Если мы говорим о стратегии через Карту гипотез, недостаточно написать:
«Хотим сократить Time-to-Market». Нужно задать следующий вопрос:
чье поведение должно измениться, чтобы эта метрика изменилась?Руководитель должен начать принимать решения иначе. Product Owner - получить другие полномочия. Команда - иначе работать с приоритетами и зависимостями.
И только потом появляются гипотезы:
Если мы изменим X, субъект Y начнет вести себя Z, потому что…, и это должно повлиять на конкретную метрику.И, пожалуй, это один из самых полезных выводов нашего эксперимента:
AI не отменяет необходимость понимать инструмент, которым вы пользуетесь. Скорее наоборот. Чем лучше становится AI и чем убедительнее выглядят его ответы, тем важнее человеку понимать технологию достаточно хорошо, чтобы заметить ошибку.
Потому что плохой ответ ИИ заметить легко. Гораздо опаснее
хорошо оформленный, логично звучащий и профессионально выглядящий ответ, в котором пропущена одна принципиальная часть системы.Именно поэтому мы в клубе Scrum-Mastery не просто изучаем инструменты организационного дизайна и стратегии.
Потому что навык ближайших лет, похоже, будет заключаться не только в том, чтобы уметь спросить AI.
А в том, чтобы
понимать предмет достаточно глубоко, чтобы не поверить ему там, где он красиво ошибся.И как раз в октябре стартует новый поток обучения
«Карта гипотез. Практик — Ступень 1».
Там мы учимся не просто рисовать карту, а строить эту причинную логику:
цель → метрики → субъекты → их боли и потребности → изменение поведения → гипотезы → действия.И, конечно, будем учиться использовать AI как помощника — но не отдавать ему стратегическое мышление целиком.
👉
https://scrum-mastery.ru/hypothesis_mapping