- Почему технологически сильные проекты иногда не дают ожидаемого бизнес-результата? Что чаще всего ломается — технология, процесс или человеческий фактор?
- Самое важное в любом технологическом проекте — с самого начала понимать, зачем он делается, для чего и почему. Без чёткой цели технология внедряется ради технологии. Формально всё запущено, а результата нет.
Поэтому для меня порядок такой. Сначала понять, для чего мы это делаем. Потом выстроить процесс и систему вокруг этой цели. Затем вовлечь людей, помочь им освоить новое и быть готовым учиться у них самим. И только после этого внедрять технологию, чаще параллельно, потому что сроки поджимают.
Хороший пример — наша система персонализированных предложений на основе ИИ и машинного обучения, которую мы запустили в 2024 году. Цель была понятной: предлагать клиенту то, что ему действительно нужно, исходя из его активности и предпочтений, а не рассылать всем одно и то же. Но результат появился не в день запуска модели. Он появился тогда, когда под неё перестроили процесс коммуникаций, правила контакта с клиентом и то, как мы оцениваем эффективность. А в 2025 году мы пошли дальше: подключили генеративный ИИ для персонализации самих коммуникаций и предиктивный — для прогноза поведения клиента.
Сама технология, как правило, не ломается. Сегодня её можно купить, собрать, доработать. Ломается внедрение: процесс и система, в которые эта технология должна встроиться. Научить людей — задача вполне посильная. Сложнее обеспечить их доверие к самому решению. Если человек не верит, что новая система принимает правильные решения, он будет перепроверять её вручную или обходить стороной, и эффект обнулится.
Когда доверие есть, остальное — дело времени. Навыки подтягиваются, процесс отлаживается, и технология начинает давать тот результат, ради которого её внедряли.
- Можно ли считать трансформацию успешной, если новая технология внедрена, но люди продолжают работать по старым сценариям?
- Нет. Это внедрение, а не трансформация, и путать их опасно: в отчёте всё красиво, а бизнес-результата нет.
Для меня трансформация измеряется не тем, что система запущена, а тем, что изменились показатели. В нашей работе это конкретные метрики: конверсия, uplift от персонализированных предложений, сокращение оттока клиентов. Если они не сдвинулись, значит, мы поменяли интерфейс, но не поменяли способ работы.
Классический симптом: после запуска новой платформы сотрудник выгружает данные в Excel и считает "по-своему". Значит, мы потратили бюджет на очень дорогую кнопку "Экспорт". Excel, кстати, пережил уже не одну трансформацию и, подозреваю, переживёт ещё несколько.
Ещё один честный индикатор — что происходит, когда система временно недоступна. Если команда не понимает, как работать, значит, процесс действительно перестроился вокруг технологии. Если все с облегчением возвращаются к старым таблицам, трансформации не было, был параллельный контур.
- Что чаще всего заставляет сотрудников сопротивляться изменениям: отсутствие навыков, привычка работать по-старому или страх потерять свою роль?
- Как правило, страх потерять роль и, соответственно, работу. Навыкам можно научить, это вопрос нескольких недель или месяцев. Привычку можно перестроить через новый процесс, это уже месяцы, но тоже посильная задача. А страх за свою роль не снимается ни тренингом, ни регламентом. Если человек думает, что алгоритм сделает его ненужным, он не будет спорить открыто. Он будет сопротивляться тихо и находить причины, почему новая система "не учитывает нашу специфику".
Здесь работает только честный разговор о том, какой станет роль. Я прямо говорю команде: задача не заменить людей, а убрать из их работы рутину. Дата-аналитик, который раньше неделю собирал отчёт, теперь тратит это время на поиск инсайтов и построение моделей. Бизнес-аналитик CVM, который вручную настраивал рассылки, теперь проектирует сценарии коммуникаций для миллионов клиентов и отвечает за их результат. Роль не исчезает, она растёт. Но это нужно показать на конкретных людях, а не объявить на общем собрании.
Отдельно скажу про руководителей среднего звена. Сопротивление часто идёт именно оттуда. Для них новая система означает прозрачность: результаты видны в реальном времени, и управлять "по ощущениям" уже не получится. Если не поработать с этим уровнем, любая инициатива застрянет ровно посередине.
- Как руководителю отличить реальное сопротивление изменениям от конструктивной критики новой технологии?
- Конструктивная критика всегда конкретна. "Модель не учитывает сезонность", "в этом сценарии клиент получает два одинаковых предложения подряд". Её можно проверить на данных, и человек, как правило, сразу предлагает, как сделать лучше.
Сопротивление звучит иначе: "это не сработает", "у нас другая специфика", "клиенты к такому не привыкли". Обобщённо, без цифр и без предложений.
У меня простой тест — один вопрос: "Что конкретно нужно изменить, чтобы это заработало?" Критик ответит сразу. Сопротивляющийся ответа не найдёт.
При этом важно не записывать всех несогласных в сопротивление. Люди, которые находят слабые места в новой системе, — лучшие союзники. Хорошая практика — дать им роль в пилоте: пусть проверят свои сомнения на данных. Либо найдут реальную проблему, и мы её исправим, либо сами убедятся, что решение работает, и станут его сторонниками.
- Что нужно сделать, чтобы сотрудник перестал воспринимать трансформацию как проект руководства и почувствовал себя её участником?
- Сначала объяснить, зачем мы это делаем. Если человек не понимает цели, любая трансформация для него — очередная кампания сверху, которую нужно пережить. Люди должны понимать, для чего это нужно клиенту и банку и как мы будем измерять успех.
Потом дать авторство. Когда дата-аналитик видит, что его гипотеза легла в модель и дала uplift по продажам, это уже его проект, а не "инициатива руководства". Поэтому результат должен быть персональным: не "команда запустила", а "это идея конкретного человека, и вот её эффект".
И дать право на ошибку в пилоте. В цифровых продажах мы постоянно тестируем гипотезы: какое предложение, в какой момент, в каком канале. Значительная часть экспериментов не подтверждается, и это нормально, отрицательный результат — тоже знание. Если за каждый неудачный тест наказывать, участников не останется, останутся исполнители.
При этом свобода эксперимента не означает свободу от последствий. Пилот идёт на ограниченной группе клиентов, с понятными метриками и заранее определённой точкой остановки. Ошибиться на тысяче клиентов допустимо, масштабировать непроверенную идею на миллионы — нет.
- На каком этапе сотрудники должны подключаться к технологическому проекту — когда решение уже принято или ещё на этапе его разработки?
- На этапе разработки, особенно те, кто будет работать с решением каждый день. Они знают то, чего нет ни в одном техническом задании: как клиент на самом деле ведёт себя в приложении, где бросает заявку, на какие формулировки реагирует раздражением.
Но вовлечение не означает, что решения принимаются коллективно. Для чего и зачем мы это делаем — определяет руководство, это вопрос стратегии и ответственности. А как это будет работать на практике, лучше проектировать вместе с теми, кто будет этим пользоваться.
Есть и второй эффект. Люди, которые участвовали в разработке, потом сами объясняют коллегам, почему сделано именно так. Им не нужно ничего "продавать". А если подключать людей только на этапе запуска, они получают готовое решение вместе с ощущением, что их мнение никому не нужно, и даже хорошая система встречает настороженность.
- Если технологии и алгоритмы всё больше берут на себя поиск клиента, рекомендации и часть продаж, какая роль остаётся человеку в цифровых каналах?
- Роль меняется, но не исчезает. Алгоритм отвечает на вопросы "кому, что и когда". Человек — на вопросы "зачем, где граница и какую ценность получает клиент".
Сегодня мы используем генеративный AI для персонализации коммуникаций и контента, а предиктивный — для прогноза поведения клиента и подбора следующего лучшего предложения. Модели здесь сильнее человека: они видят закономерности в миллионах транзакций. Но именно люди решают, где персонализация помогает клиенту, а где становится навязчивой. Люди задают правила частоту контактов, этику коммуникаций и то, как предложение сочетается с программой лояльности.
Главный риск я вижу в том, что, если отдать алгоритму всё, он будет оптимизировать то, что легко измерить, — краткосрочный отклик. А доверие клиента измерить сложно, и разрушается оно незаметно: клиент не пишет жалобу, он просто перестаёт открывать уведомления, а потом уходит. Поэтому для нас важна не только конверсия, но и сокращение churn. Задача человека — удерживать баланс между сегодняшней продажей и завтрашней лояльностью.
И, конечно, остаются сложные продукты и чувствительные ситуации — ипотека, автокредит, сложные страховые продукты. Цифровой канал отлично подготавливает такой разговор, но сам разговор о доверии пока остаётся за человеком.
- Какими качествами сегодня должен обладать сильный специалист по digital sales, которых ещё несколько лет назад от него не требовали?
- В первую очередь — умение самостоятельно работать с данными. Сильный специалист не ждёт отчёт неделю: он сам формулирует вопрос, сам находит ответ и сам его проверяет.
Дальше — экспериментальное мышление. Не "запустили кампанию и посмотрим", а гипотеза, тест, контрольная группа, вывод. Мы оцениваем кампании через uplift, то есть через реальный прирост относительно контрольной группы, а не через общий объём продаж. Специалист должен понимать эту логику.
Также нужно понимание, как работает ИИ: что он умеет, где ошибается, как правильно поставить ему задачу и как критически оценить результат.
И качество, которое я считаю самым недооценённым (не только в работе), — чувство меры. Технически мы можем написать клиенту в любой момент и в любом канале. Но клиент, получивший три предложения за день, начинает воспринимать банк не как партнёра, а как навязчивого продавца. Сильный специалист знает, когда промолчать.
- По каким признакам вы понимаете, что команда действительно приняла изменения, а не просто формально начала пользоваться новой системой?
- Самый понятный признак — люди начинают улучшать систему сами, без поручения. Приходят с идеями: где добавить данные, какой сценарий автоматизировать следующим, какую модель переобучить, чтобы снизить churn в конкретном сегменте. Когда инициатива идёт снизу, изменения приняты.
Дальше смотрю, исчезли ли лишние процессы: параллельные таблицы или ручные выгрузки "на всякий случай". Пока они есть, команда страхуется от новой системы, а значит, не доверяет ей.
Ещё один показательный момент — новые сотрудники не знают, что можно работать иначе. Для них новый способ единственно возможный.
И, конечно, бизнес-показатели. Если uplift и сокращение оттока держатся стабильно и не зависят от того, кто конкретно сегодня на смене, результат стал свойством системы, а не компетенциями отдельных людей. Для меня это и есть состоявшаяся трансформация.
- Закончите фразу: "Технологическая трансформация провалится, если…"
- …никто не может чётко ответить, зачем она делается. Тогда технология внедряется ради технологии, и её начинают считать ИТ-проектом, а не изменением того, как компания работает с клиентом.
Дополнение к интервью: взгляд HRD Halyk Bank Индиры Ашировой
Технологическая трансформация всегда начинается с людей. Можно внедрить сильное решение и перестроить процессы, но, если работники не понимают, зачем происходят изменения, не доверяют новой системе или воспринимают её как угрозу своей роли, устойчивого результата не будет.
Поэтому задача HR сегодня гораздо шире, чем обучение новым инструментам. Важно помогать людям понимать, как меняется их роль, какие компетенции становятся востребованными, вовлекать сотрудников в изменения ещё на этапе разработки и давать им возможность влиять на решения, тестировать гипотезы и учиться на ошибках.
Отдельный вызов для HR — заранее пересобирать профиль компетенций. Работа с данными, экспериментальное мышление, понимание возможностей и ограничений ИИ становятся базовыми навыками уже не только для ИТ-ролей. Поэтому трансформация должна сопровождаться системным развитием этих компетенций, а не разовыми обучающими программами.
Отдельная роль — у руководителей: именно они превращают новую технологию из проекта "сверху" в часть ежедневной работы. А лучший показатель того, что трансформация состоялась, — когда сотрудники сами предлагают, что улучшить и автоматизировать дальше. В этот момент изменения становятся частью культуры компании.
