AI-enabled, AI-first, AI-native — что об этом говорят источники
Общепринятого определения «AI-native» не существует: источники раскладываются на четыре разные, часто несовместимые трактовки, а рабочее определение проекта совпадает лишь с одной из
Заголовок источника
Кто и как определяет «AI-native»
О статусе материала
review
Общепринятого определения «AI-native» не существует: источники раскладываются на четыре разные, часто несовместимые трактовки, а рабочее определение проекта совпадает лишь с одной из них.
Мы собрали 18 формулировок от 17 авторов и организаций — от венчурных фондов до китайских бизнес-школ, — и почти каждая вкладывает в термин своё. Одни говорят о продукте, спроектированном под ИИ с нуля. Другие — о переделанном рабочем процессе. Третьи — о новой оргструктуре, где рядом с людьми работают агенты. Четвёртые сводят всё к одному числу: выручке на сотрудника. Ниже: сжатая карта этих трактовок и место проекта на этой карте.
Четыре семьи трактовок
Технологическая: «продукт построен на ИИ». Здесь AI-native — врождённое свойство: так компанию построили с нуля. Венчурный фонд a16z описывает AI-нативные компании как созданные техническими основателями, которые глубоко понимают языковые модели, а не отраслевыми экспертами, нанявшими программистов. Вице-президент китайской Marketingforce формулирует резче: традиционный SaaS убьёт не отдельный агент, а именно AI-native SaaS — продукт, разложенный на атомарные модули с самого начала, а не старое приложение с кнопкой «сгенерировать». В эту же семью попадает позиция McKinsey про «agent-first» ИТ-архитектуру: интерфейсы и слои данных проектируются для машинного взаимодействия, а не для навигации человеком.
Операционная: «процессы переделаны вокруг ИИ». BCG формулирует это как перенос единицы трансформации с отдельной задачи на сквозной процесс: агенты исполняют и оркестрируют шаги, а люди отвечают за цели, ограничения, этику и ответственность. У Santander это выглядит как конкретная программа: 280 с лишним агентов автоматизации в рабочей эксплуатации (самоотчёт банка; в 125 проверенных случаев не входит), доступ к ИИ у всех 185 тысяч сотрудников, заявленная «бизнес-ценность» в десятки и сотни миллионов евро. McKinsey в отчёте «The agentic organization: Contours of the next paradigm for the AI era» подкрепляет это цифрой из проверки 31 организационной практики: сквозной редизайн рабочих процессов — самый сильный из проверенных факторов успеха, у лидеров он встречается примерно втрое чаще, чем у остальных (год отчёта источник не указывает).
Организационная: «люди и агенты, другая структура». Microsoft в Work Trend Index вводит понятие Frontier Firm: компании, устроенной вокруг «интеллекта по запросу» и гибридных команд из людей и агентов, где у каждого сотрудника появляется новая роль «agent boss». Университет Цинхуа на семинаре об «интеллектуальной экономике» прямо предупреждает: AI-native не означает «фабрику с погашенным светом», то есть не безлюдное производство, а другое распределение работы между людьми и ИИ. Ближе всего к рабочей гипотезе проекта — китайская модель зрелости, которую выпустил Народный университет Китая (НУК) совместно с Lenovo: пять уровней от точечного «+ИИ» до зрелой AI-native-организации, с промежуточной стадией «реорганизации операций». Это единственный найденный источник, который выстраивает лестницу стадий вместо бинарного деления «AI-native или нет».
Экономическая: «выручка на сотрудника». Здесь трактовку сводят к одному измеримому числу. McKinsey утверждает, что у AI-нативных стартапов выручка на сотрудника примерно вчетверо выше, чем в традиционном SaaS, а издержки перестают расти вместе с выручкой. Журналист Forbes формулирует это как лозунг: забудьте про ярлыки «AI-first» и «AI-native», важна только выручка на сотрудника. Предельный случай этой логики — предсказание Сэма Альтмана о компании из одного человека с миллиардной оценкой и китайская государственная программа поддержки «одноперсонных ИИ-компаний» с целью в тысячу таких компаний к 2028 году. Это не наблюдения, а прогнозы и планы: ни один подтверждённый случай миллиардной компании из одного человека в найденных материалах не встретился.
Полный список цитат — в реестре v1.0.
Где здесь рабочее определение проекта
«Видение v0.1» описывает переход AI-enabled → AI-first → AI-native как рабочий язык для управляемого изменения действующей компании — смену принципов операционной модели, а не смену происхождения бизнеса, и оговаривает: это не сертифицированная шкала зрелости.
По логике стадий это ближе всего к модели НУК и Lenovo — той же лестнице стадий, что отмечена выше, хотя «Видение» не претендует на шкалу зрелости. Совпадения есть ещё в двух местах: с духом операционной семьи (BCG и McKinsey тоже описывают AI-first/AI-native как переделку процесса целиком) и с оговоркой Цинхуа про «фабрику с погашенным светом» (проект тоже говорит о совместной работе людей и цифровых сотрудников).
Технологическая семья (a16z, Marketingforce) описывает AI-native как свойство рождения компании: её с самого начала строит технический основатель вокруг модели. Это прямая противоположность задаче проекта — помочь действующему бизнесу перейти, а не переродиться.
Экономическая семья настаивает на одном жёстком числе: чаще всего выручке на сотрудника. Проект пока такого показателя не выбрал: «Видение» пишет, что число агентов, факт запуска и субъективная уверенность руководителя не считаются успехом сами по себе. В этом смысле дух экономической семьи (не верить ярлыку стадии без цифры) проекту близок, но саму цифру (выручку на сотрудника или другую) предстоит выбрать с группой отдельно.
Что видно в проверенном корпусе — и чего почти нет
По типу изменения 125 случаев делятся так: 118 случаев — переделка одного процесса или функции вокруг ИИ, 6 — взаимодействие клиента или сотрудника с автономным агентом при кураторе-человеке, и всего 1 случай формально помечен «AI-native-компания» (это Cruise, провал коммерческой эксплуатации роботакси, а не пример перестроенной организации). Из 125 случаев 52 закончились неуспехом, 41 — успехом, 32 — смешанным результатом.
Это значит: корпус хорошо освещает раннюю операционную ступень — переделку одного процесса. Больница встраивает ИИ в скрининг или сортировку снимков, магазин — в поддержку клиентов, как Taobao, ИТ-компания — в разработку, как Copilot в Accenture и Microsoft. Это ровно тот материал, который в языке проекта соответствует стадии AI-enabled и частично AI-first: точечное внедрение с частыми откатами вместо гладкого пути к зрелости. Примеры масштабных программ вроде Santander или Standard Bank есть в каталоге источников E1–E3, но в число 125 проверенных они не вошли — это самоотчёты.
А вот организационной семьи в проверенном виде в корпусе нет: ни одного случая с перестроенной оргструктурой «люди плюс агенты» по образцу Microsoft Frontier Firm или пятиуровневой китайской модели, ни одной новой роли «agent boss», прошедшей проверку, ни одного подтверждённого показателя «выручка на сотрудника» для компании, целиком перешедшей на новую операционную модель. Все самые яркие примеры именно этой семьи — Lenovo, статья 21jingji про структуру «звёздная река», руководство НУК, отчёт Microsoft, китайская программа одноперсонных компаний, предсказание Альтмана — остаются корпоративными самоотчётами, журналистскими пересказами или опросами и прогнозами. Ни один из них не вошёл в число 125 проверенных случаев.
Отсюда практический вывод для читателя обзора: рабочая гипотеза проекта (что AI-native достижим через управляемый переход операционной модели) остаётся именно гипотезой. Корпус даёт много материала о более ранних, точечных стадиях этого перехода и предупреждает: чем масштабнее заявление о переходе всей компании в AI-native, тем меньше шансов, что оно проверяемо независимо. Заявления о переделке одного процесса проверить получается регулярно; заявления о перестройке всей организации — почти никогда.