Ловушка AI-консалтинга: почему внедрение важнее стратегических презентаций

Разница между консалтинговой компанией в сфере ИИ и фирмой, занимающейся практическим внедрением, проста.

Одна продает долгую трансформацию. Другая выпускает рабочие продукты, получает первые метрики и итерирует на основе реальных данных.

Это лучший путь: внедряй, измеряй, корректируй, двигайся дальше.

OpenAI могла бы продавать консультации по ИИ за любые деньги. Но в мае она сделала обратное. Она создала Deployment Company (компанию по внедрению), которая помещает инженеров непосредственно в операционные процессы клиентов для создания работающих систем, а также купила консалтинговую компанию Tomoro вместе с ее 150 инженерами, чтобы укомплектовать штат. Компания, которая больше всех выиграла бы от продажи презентаций, решила строить решения.

Это показательный сигнал для всей индустрии консалтинга. Фирмы, которые берут деньги за «трансформацию с помощью ИИ», — это те самые, кого ИИ вымывает изнутри. Эта статья о том, как не стать их следующей строкой расходов.

Для контекста: я Марк, основатель Limestone Digital (@LimestoneHQ).

Мы на рынке уже десять лет и провели более 170 проектов с клиентами. Вот одна цифра, которая задает тон всему дальнейшему: во всех наших проектах сегодня участвует меньше людей, чем в день старта, при этом компания растет быстрее, чем когда-либо. Запомните это на секунду.

Ловушка имеет две двери, и они заманивают разных людей.

Часть 1: Первая дверь и почему в нее проходят

Первая дверь приводит к партнеру, чье время тарифицируется по ставке, которая имеет смысл только если вы никогда не видите детализированный счет.

По опубликованным бенчмаркам старший партнер McKinsey берет около $1,190 в час, а ассистент первого года — около $400, при этом полный проект обходится примерно от $1,7 млн до $8 млн. Bain выставляет счет небольшой команде в размере от $110,000 до $160,000 в неделю.

Вы платите не за ответ. Вы платите за то, чтобы дорогой специалист был занят каждый день, пока идет работа.

В большинстве случаев это покупка кривой зрелости, демо от джуниора и через три месяца тот же сломанный рабочий процесс, что и в начале. Никто не проверил результаты. Никто не построил систему, которая будет работать во вторник без консультанта в комнате. Поговорите с людьми на один, два или три уровня ниже руководителя, подписавшего контракт, и они ненавидят этот процесс, потому что наблюдали цирк, но теперь им приходится делать реальную работу после его ухода.

Так почему же кто-то это покупает? Потому что консультант — это страховка для менеджера, который боится принимать решения. Приведите крупное имя, и решение становится «обоснованным», а если оно провалится, история напишет себя сама: мы наняли лучших, так что это была не моя вина. Никто никогда не был уволен за найм McKinsey. Они покупают страховку от обвинений, а счет оплачивает компания.

Я хочу быть честным, потому что есть версия этого подхода, которая стоит каждого доллара. Если у вас есть одна конкретная, мучительная проблема: система лежит, технический узел, который никто в здании не может развязать, и специалист приходит и решает это — платите им. Платите $150,000 за неделю, если они остановят то, что высасывало из вас кровь год назад. Это не ловушка.

Ловушка — это рутинная интеллектуальная работа, замаскированная под инсайт. Презентация о «раскрытии вашего потенциала», воркшопы, квартал, заканчивающийся апселлом и не превращающийся ни во что, на что можно указать пальцем. В 2026 году общие советы — самая дешевая вещь в мире. Вы можете спросить передовую модель о лучших стратегических фреймворках, получить их за минуту, передать своей команде и начать учиться на реальной реализации, вместо того чтобы платить за то, чтобы вам пересказали то, что вы могли прочитать сами. Если вам нужен консультант с почасовой ставкой в четыре цифры для определения стратегии, честный шаг — сменить человека, определяющего вашу стратегию.

Посмотрите, на что идут деньги в этом году. Опрос Teradata 2026 года среди 1000 руководителей технологического и дата-направления показал, что лишь 7% предприятий внедрили агентный ИИ в эксплуатацию, при этом 68% все еще застряли на этапах экспериментов или разработки. Мотивация консультанта никак не влияет на эту цифру, потому что счетчик тикает независимо от того, запущен ли рабочий процесс.

Часть 2: Вторая дверь и пять вопросов, которые ее открывают

У каждой известной вам фирмы теперь есть практика в области ИИ. Accenture, IBM, Deloitte, QuantumBlack от McKinsey, BCG X, PwC, EY, KPMG. Когда категория растет так быстро, к вашей двери приходят три типа поставщиков, и только один из них может выполнить обещания.

Первый — это традиционная фирма в новой обуви: большая, устоявшаяся, не нативная для ИИ, управляющая стратегической практикой, которую переименовали в прошлом квартале. Один вопрос пробивает питч: сколько ваших собственных сотрудников сократились благодаря ИИ в этом году, и почему вы нанимаете новых? Фирма, продающая эффективность, которую не нашла внутри собственной доставки, продает слайд, а не систему.

Второй — команда, собранная, чтобы оседлать волну, группа, склеенная из людей, нанятых прошлой весной, со страницей кейсов, построенной на их прошлых заслугах. Логотипы настоящие, но послужного списка у команды нет. Спросите, когда была основана компания и когда произошли эти кейсы, и посмотрите, как даты отказываются сходиться.

Третий — средняя фирма, которая действительно адаптируется. Некоторые делают настоящую работу по становлению AI-native, и они стоят вашего времени. Остальные адаптируются быстро или исчезают в течение года, и вы не хотите быть клиентом посреди проекта, когда это случается.

Признак во всех трех случаях один: у настоящего интегратора команда доставки становится меньше по мере улучшения технологий. Поставщик, чья численность на вашем аккаунте только растет, продает вам старую модель с новым ярлыком.

Наш подход работает наоборот, и я говорю буквально. В проекте по финансовым операциям, который мы ведем с весны, мы начали с двух инженеров и частичного архитектора. Сегодня это один инженер несколько дней в неделю, потому что агенты обрабатывают объем сверок, а исключения — единственное, что остается человеку. Мы выставляем меньшие счета сейчас, чем на старте. Когда ваш CFO спрашивает, почему строка расходов снизилась в прошлом квартале, это и есть работающий продукт.

Покупатели, выбирающие нас, видят тот же контраст в своих цифрах. Проектная мастерская предложила одному операционному партнеру частного капитала $120,000 за создание рабочего процесса для одной из портфельных компаний за шесть месяцев. Мы доставили его за треть времени и менее чем за половину цены. Два месяца, а не шесть.

Все остальное, что он нам говорит, является следствием этого. Другие фирмы, с которыми он общается, работают на основе проектов: шесть встреч, этап скоупинга, затем предложение с фиксированной ценой на девять месяцев. К тому времени, как они закончат скоупинг, наш инженер уже два месяца выпускает код. Он покупает у нас «скорость, определенность и гибкость», а не презентацию.

Когда одна из его компаний продолжает настаивать на необходимости еще одного инженера, ответом становится под (pod), который стоит примерно столько же, сколько один найм, но приносит гораздо больше. Модель консультанта не может создать такое, потому что модели консультанта нужно, чтобы численность росла.

Итак, вот скрипт. Задайте эти пять вопросов любому поставщику ИИ за один звонок, прежде чем подписывать что-либо. У каждого есть четкий ответ и красный флаг.

1. Заканчивается ли успешный проект увеличением или уменьшением количества ваших людей на моем аккаунте? Если честный ответ — увеличением, то их P&L растет, когда ваш не растет.
2. Когда начинается биллинг и за что я плачу в первый месяц? Если счетчик тикает на этапе исследования и создания слайдов, вы финансируете их кривую обучения по своим ставкам. Попросите их взять исследование на себя. Те, кто верит в свою работу, соглашаются без колебаний.
3. Покажите мне один рабочий процесс, который вы запускаете каждую неделю без вашего участия. Что-то, что работает по расписанию и пишет в реальную систему, а не демо, которым вы управляете вручную. Tech Trends 2026 от Deloitte показал, что только 11% компаний реально используют ИИ-агентов в продакшене. Поставщики, которые не управляют собственной работой, — это способ остаться вне этих 11%.
4. Кто владеет этим решением в день вашего ухода, и какая единственная метрика меняется? Отсутствие назначенного владельца и базовой метрики означает, что вы покупаете научный проект с красивым интерфейсом. Цифра должна быть той, которую вы уже отслеживаете, чтобы сравнение «до» и «после» было честным.
5. Насколько меньше стала ваша собственная команда доставки по мере улучшения моделей? Поставщик, продающий эффективность ИИ, должен сначала найти ее внутри своего бизнеса. Если они только добавляли людей, значит, либо они не верят в свой питч, либо питч не работает.

Обратите внимание, где они уклоняются. Уклонения говорят больше, чем ответы.

Как это выглядит на практике

Фонд прямых инвестиций обратился к нам в прошлом месяце, чтобы выйти из консалтингового контракта. Шесть цифр были потрачены на консалтинг по ИИ в семи портфельных компаниях, и единственным результатом стала подписка на командный чат.

Им нужен был реальный эффект на EBITDA к декабрю, чтобы обосновать выходы в 2027 году. Вместо этого у них была презентация по исследованию на 150 часов и подрядчик по разработке, выставлявший дополнительные счета за «продуктивность ИИ» при нулевом ускорении выпуска продуктов.

Прежде чем смеяться, признайте, что у вас почти наверняка прямо сейчас происходит похожая ситуация.

Те же четыре разрыва возникают каждый раз между тем, что обещает традиционный консалтинг, и тем, что действительно нужно инженерии.

1. Проверяемые доказательства, а не презентации. Консалтинговые компании тратят недели на интервью, чтобы продать оценку зрелости. Мы тратим первую неделю на создание золотого набора: от 20 до 60 реальных операционных кейсов с заранее согласованными правильными выводами. Grant Thornton выяснила, что только 9% фондов прямых инвестиций уверены, что смогут пройти независимый аудит управления ИИ в течение 90 дней. Золотой набор закрывает этот разрыв. Оценка просто обещает это сделать.
2. Инфраструктура продакшена, а не абстрактные дорожные карты. Вместо поэтапного пути мы создаем живую основу внутри собственного тенанта Azure портфельной компании в течение трех недель. Мы блокируем доступ к данным только для чтения, удаляем PII и PHI и ограничиваем стоимость на место. Клиент владеет всем с первого дня. Если мы уходим, ничего не ломается.
3. Эффективные автоматизационные поды, а не биллинговая численность. Традиционные фирмы добавляют $350-в-час специалистов, чтобы увеличить аккаунт. Мы развертываем под за $17K-в-месяц с помесячной оплатой: один старший инженер, автоматизированные инструменты разработки и частичный архитектор. По мере того как инструменты берут на себя нагрузку, наше человеческое присутствие со временем сокращается, а не растет.
4. Внутренняя ответственность, а не привязка к вендору. Недобросовестные поставщики сохраняют настройку непрозрачной, чтобы защитить биллинг. Мы включаем продуктового владельца портфельной компании с первого дня, предоставляем план самодостаточности на 90 дней и оставляем телеметрию активной. Успех означает, что портфельная компания выпускает свои обновления, не звоня нам.

Часть 3: Индустрия уже знает

Если это звучит как дешевый выпад со стороны, это не так. Фирмы, продающие трансформацию с помощью ИИ, сказали своим сотрудникам за закрытыми дверями, куда это ведет.

На июньском town hall Deloitte показала своим сотрудникам график, демонстрирующий сокращение почасовой работы до тонкого слоя рынка к 2035 году, при этом ИИ-агенты заберут остальное. Комментарий одного консультанта после встречи: «наша модель мертва, нас фактически заменяют роботы».

В мае KPMG сократила около 400 ролей в консалтинге в США, примерно 4% этого бизнеса, и урезала почти 10% партнеров по аудиту в США. Заявленной причиной было ослабление спроса, что почти хуже, потому что работа истончается еще до того, как автоматизация полностью внедрена.

Численность персонала McKinsey снизилась с примерно 45,000 до около 40,000 за последние 18 месяцев. Фирма, которая с удовольствием продаст вам операционную модель ИИ, сначала применяет ту же математику затрат к себе.

Тем временем самым востребованным сотрудником в бизнесе является тот, кто выпускает продукт. Forward-deployed engineer (инженер, внедренный напрямую в операции), который сидит внутри ваших процессов и строит их, — это роль, за которую OpenAI, Anthropic и Google соревнуются в найме. Все согласны, что ценность заключается во внедрении. Война за кадры — это просто табло результатов.

По оценке Fortune Business Insights, рынок консалтинга в области ИИ достигнет примерно $12 млрд в этом году, двигаясь к $74 млрд к 2034 году. Число, растущее так быстро, само по себе является сигналом. Большинство фирм в нем переименовали стратегическую практику в прошлом квартале. Питч получил новое существительное раньше, чем доставка получила новые мышцы.

Как выглядит честная версия

Модель меняется под всеми, включая фирмы, которые ее продают. То, что ее заменит, сводится к двум вещам: порядок выполнения работ и коммерческие условия, соответствующие технологии. Требуйте и того, и другого от любого партнера, которого вы пускаете в свои операции.

Начните с порядка. Если вам предложили ретейнер в шесть цифр за «оценку готовности к ИИ», вот что этот ретейнер пропускает. Пять шагов.

1. Определение (Frame). Выберите один рабочий процесс с реальными пользователями, дедлайн, который чувствует клиент, и метрику, которую вы уже отслеживаете. Подпишите базовые показатели, прежде чем кто-либо начнет строить. Этот шаг не дает ничего для показа совету директоров, но именно он делает шаг пять честным.
2. Доказательство (Prove). Постройте наименьшую полезную часть на реальных данных за две-четыре недели, сделав видимыми предположения, ошибки и человеческий контроль. Если профиль ошибок уродливый, вы узнали об этом по цене одного месяца.
3. Укрепление (Harden). Добавьте безопасность, контроль затрат, резервные варианты и назначьте владельца. Работающее демо — это место, где останавливается большинство программ. Продакшен — это runbook (инструкция) и человек, которому звонят, когда что-то ломается.
4. Внедрение (Embed). Обучите пользователей, передайте знания, следите за адаптацией. Техническая точность — это не бизнес-ценность. Если никто в операционном процессе не трогает это во вторник, это научный проект.
5. Масштабирование (Scale). Смежные рабочие процессы и переиспользуемые компоненты, выбранные на основе измерений шага четыре, а не из питча платформы.

Консалтинговая версия работает в обратном порядке: долгая диагностика, прежде чем кто-либо коснется реальных данных, программа, оправданная прогнозируемыми выгодами, успех измеряется количеством проведенных воркшопов и созданных слайдов.

Затем коммерческие условия. Вот что вы должны требовать от любого партнера и как мы работаем в Limestone.

1. Бесплатное исследование. Мы подписываем NDA и изучаем, как вы реально работаете, за наш счет, а не ваш: как команда сделок ищет источники, как контролеры закрывают книги, где ваши лучшие люди сжигают дни на контроль версий вместо работы, ради которой их наняли.
2. Четкий скоуп, никаких призрачных счетов. Вы видите SOW (спецификацию работ), стоимость и точное изменение бизнеса до того, как переместится хоть один доллар.
3. Биллинг по результатам. Счетчик начинает тикать только тогда, когда работа достигает базовой метрики, которую вы уже отслеживаете. Исследование и слайды не стоят вам ничего.
4. Отсутствие привязки. Помесячно, назначенный владелец с вашей стороны, активная телеметрия, так что вы можете уйти в любой момент, и ничего не сломается.

Партнер, который строит для вашей независимости, оценивает это иначе, чем тот, кто строит для вашей зависимости.

Способ нашего комплектования — это AI Velocity Pod за $17K/мес. Мы выходим на операционный уровень за три-пять недель, ваши люди возвращаются к своей реальной работе, пока мы несем технический риск, и если мы не выполним обязательства, вы не платите. Мы отказываем примерно 30% компаний, которые обращаются к нам, потому что модель работает только при наличии совпадения.

Когда оно есть, это самый чистый способ, который я знаю, чтобы внедрить ИИ в бизнес, не ставя квартал на кон из-за кривой обучения консультанта.

Если вы хотите увидеть это на одном из ваших рабочих процессов, запишитесь на вводный звонок и будьте готовы рассказать о самом нелюбимом из них и о том, что делает его таким болезненным.

TLDR

• Фирмы, берущие деньги за трансформацию с помощью ИИ, — это те, кого ИИ вымывает изнутри. OpenAI, компания, лучше всего позиционированная для продажи советов, создала Deployment Company и купила 150 инженеров вместо этого. Это показательный сигнал.
• Ловушка имеет две двери. Первая — это дорогая стратегическая вовлеченность, где партнер берет около $1,190 в час, а полный проект обходится от $1,7M до $8M, и вы платите за то, чтобы кормить дорогого человека, а не за получение ответа. Никто не был уволен за найм McKinsey, и в этом именно проблема.
• Вторая дверь — это поставщик, сменивший обувь. Три типа: традиционная фирма в новой обуви, команда, собранная для оседлания волны с заимствованными кейсами, и средняя фирма, которая действительно адаптируется. Признак во всех трех случаях — уменьшается ли их команда на вашем аккаунте по мере улучшения моделей, или увеличивается.
• Покупатели видят это в своих цифрах. Проектная мастерская предложила одному операционному партнеру PE $120K за шесть месяцев на разработку; мы доставили это за треть времени и менее чем за половину цены. Два месяца, а не шесть. Он покупает у нас скорость, определенность и гибкость, а не презентацию.
• Задайте пять вопросов любому поставщику: больше или меньше ваших людей, когда начинается биллинг, один рабочий процесс, который они запускают без них, кто владеет им после их ухода и насколько меньше стала их собственная команда. Только 7% предприятий внедрили агентный ИИ в эксплуатацию, и только 11% используют агентов в продакшене, поэтому уклонения распространены.
• Индустрия уже знает. Deloitte сказала сотрудникам «наша модель мертва», KPMG сократила 400 ролей в консалтинге, McKinsey уменьшилась с 45,000 до 40,000, и все спешат нанять forward-deployed engineer, который реально выпускает продукт.
• Честная модель — это стандарт, который можно требовать от кого угодно: выполняйте работу по порядку (Определение, Доказательство, Укрепление, Внедрение, Масштабирование) с условиями, соответствующими ей (бесплатное исследование, четкий скоуп, биллинг по результатам, отсутствие привязки). Наша модель со временем сокращается, а не растет.

P. S. Запишитесь на вводный звонок, чтобы избежать консалтинговой ловушки: https://meetings-na2.hubspot.com/mark-ajzenstadt

— Марк Айзенштадт, Основатель @LimestoneHQ