Greenbook: будущее insights — отрасль на переломной точке

CMB провела интервью с топ-менеджерами insights-команд из сферы технологий, финансовых услуг, медиа, здравоохранения, ритейла и туризма, чтобы изучить три ключевых вопроса: что значит возглавлять insights в AI-first мире? Где эта функция должна измениться, чтобы сохранить свою ценность? Как insights может перейти от информирования решений к генерации бизнес-результата?

Исследование фиксирует фундаментальный сдвиг: от традиционного исполнения исследований — к стратегическому обеспечению принятия решений. Один из руководителей сформулировал суть этого сдвига так: «Если стейкхолдеры смогут двигаться быстрее без исследований, исследования окажутся под угрозой».

Ключевые противоречия, определяющие будущее insights

Давление скорости при требовании строгости

Бизнес-среда меняется настолько быстро, что результаты традиционных исследований устаревают ещё в процессе работы. Стейкхолдеры ждут ответов в течение нескольких дней и требуют синтеза данных в режиме реального времени. Один руководитель insights-команды описал это так: «Любой сложный вопрос можно немедленно задать чат-боту — и получить ответ. Именно с этим нас теперь сравнивают».

ИИ ускоряет анализ, однако одновременно создаёт давление: команды вынуждены конкурировать с «достаточно хорошими» ответами LLM. Подлинная ценность insights заключается в интерпретации — в умении отделить сигнал от шума и обеспечить стратегическую ясность, а не просто в скорости.

Запрос на стратегическое партнёрство при жёстких требованиях к эффективности

ИИ смещает insights выше по цепочке принятия решений — ближе к разработке стратегии. Руководители ждут кратких, готовых к применению рекомендаций. Один из них сформулировал ожидание так: «Людей переполняет информация. Истории, которые помогают принимать решения, стоят дороже всего».

Insights-команды оказываются перед необходимостью переосмыслить свою роль: из провайдеров исследований — в стратегических партнёров, которые задают приоритеты и придают руководителям уверенность в принятии решений.

ИИ-ускорение и управление рисками

ИИ перестраивает рабочие процессы и закрывает около 80% базовых вопросов, однако темпы внедрения по-прежнему неравномерны. Один руководитель отметил: «Процесс внедрения AI-решения в нашей компании занимает от 10 до 12 месяцев».

Ограничения в области корпоративного управления и опасения относительно качества данных сдерживают распространение ИИ. Insights-команды должны влиять на то, как их данные используются при обучении LLM: некачественные входные данные приводят к ошибочным решениям. Наибольший эффект достигается при вдумчивой интеграции искусственного и человеческого интеллекта.

Операционные режимы современных insights-команд

Организации формируют различные операционные режимы в зависимости от стратегических приоритетов, организационных ограничений и уровня зрелости в работе с ИИ.

Agile Insight Operators

Эти команды обеспечивают разведку в режиме реального времени для быстро меняющейся бизнес-среды. Они испытывают острое давление: необходимо давать немедленные ответы, не снижая методологической строгости.

Ключевые противоречия и потребности:

скорость и глубина: стейкхолдеры ждут ответов немедленно, при этом не снижая требований к качеству;
непрерывное обучение: циклы итеративного обучения должны опережать темп бизнеса;
бенчмаркинг с ИИ: команды напрямую сравнивают с чат-ботами и LLM;
мощность и доверие: небольшие команды должны автоматизироваться, сохраняя авторитет.

Responsible Innovators

Эти команды работают в строго регулируемых отраслях и балансируют между корпоративным управлением и инновациями, одновременно контролируя риски.

Ключевые противоречия и потребности:

инновации в условиях корпоративного управления: юридические, конфиденциальные и технические ограничения снижают скорость;
репутационный риск: желание внедрять ИИ сдерживается опасениями по поводу конфиденциальности данных;
скорость при управлении рисками: быстрое экспериментирование ограничено длинными циклами согласований;
прозрачность ИИ: неудовлетворённость медленным прогрессом в понимании того, как работают алгоритмы.

Strategic Translators

Эти команды синтезируют insights в готовые к действию нарративы. Их результативность определяется способностью переводить данные в конкретные стратегические шаги.

Ключевые противоречия и потребности:

сложность и простота: внутренняя политика требует сфокусированных, понятных выводов;
итерации и эффективность: бесконечные правки создают давление с требованием ускориться;
от insight к активации: влияние зависит от того, встроены ли результаты в реальные процессы принятия решений;
гордость за ремесло и внешнее давление: сохранение качества работы в условиях постоянной срочности.

Capability Builders

Эти команды занимаются обновлением функции insights, сохраняя доверие в период организационных изменений. Они сталкиваются с ресурсными ограничениями и пробелами в компетенциях.

Ключевые противоречия и потребности:

модернизация в условиях нестабильности: развитие операционных моделей в период постоянных изменений;
компетенции и преемственность: текучесть кадров создаёт разрывы в мощности и экспертизе;
перемены и непрерывность: адаптация к новым приоритетам на фоне давления на персонал;
уверенность в ИИ: формирование внутренней культуры доверия к ИИ-инструментам.

Четыре направления развития

Лидеры insights-функции должны развивать операционные модели по четырём направлениям.

Создание гибридных операционных моделей «человек + ИИ». Интеграция ИИ с человеческой экспертизой позволяет ускорить анализ и повысить стратегическое влияние функции.

Формирование портфеля исследований, ориентированного на решения. Согласование исследовательских инвестиций с бизнес-приоритетами и сроками принятия решений максимизирует ценность, которую команда создаёт для организации.

Инвестиции в активацию и выравнивание стейкхолдеров. Insights должен распространяться по всей организации и влиять на стратегию, инновации и исполнение — а не оставаться внутри команды.

Укрепление корпоративного управления, качества и прозрачности. Необходимы фреймворки, защищающие целостность данных и обеспечивающие ответственное внедрение ИИ.

Выводы

Лидеры insights-функции не могут оставаться пассивными наблюдателями за происходящими переменами. Они должны активно определять, как ИИ применяется в исследованиях: обозначать, где он ответственно ускоряет принятие решений, и распознавать, где опора на обобщённые LLM создаёт бизнес-риск. Для этого нужно понять, какие AI-решения соответствуют операционной модели команды, установить чёткие стандарты ответственного использования и аргументировать: активация исследований — это обеспечение того, чтобы ответы действительно поддерживали решения.

Возможность состоит в том, чтобы возглавить изменения: играть более весомую роль в связи данных со стратегией, распространять знания во всей организации и привносить то суждение, которое превращает информацию во влияние.