ИИ в совете директоров: где он экономит ресурсы, а где нет

Использование искусственного интеллекта в работе советов директоров (СД) трансформируется: из «игрушки», якобы заменяющей директора, ИИ превращается в умного советника, повышающего индивидуальную эффективность каждого члена СД. Ключевое преимущество — скорость обработки информации. Если раньше для уточнения данных требовался запрос менеджменту через корпоративного секретаря, то теперь весь массив документов доступен мгновенно, а качество ответов на уточняющие вопросы порой превосходит обратную связь от управляющей команды.

Три пути внедрения

Сегодня у компаний есть три основных варианта внедрения ИИ в работу совета директоров, каждый со своими компромиссами между безопасностью и функциональностью.

1. Открытые системы (ChatGPT, Claude, Perplexity) обеспечивают максимальное удобство и мощность моделей, но создают риски утечки конфиденциальных данных. Во многих компаниях загрузка внутренних финансовых и конфиденциальных документов в публичные языковые модели строго запрещена.
2. Внешний специализированный софт дает доступ к большим хранилищам и предустановленным аналитическим сценариям, но к рискам моделей добавляется риск взлома самого провайдера.
3. Собственная разработка в закрытом контуре — самый безопасный, но дорогой вариант. Плата за безопасность — отставание open-source-моделей от лидеров на шесть—девять месяцев и отсутствие доступа к интернету. Однако при жестких регуляторных требованиях это часто единственный допустимый вариант.

Чем ИИ реально помогает директору

Практическое применение ИИ в советах директоров охватывает четыре ключевых направления.

1. Анализ больших объемов информации. Директор получает доступ ко всему массиву данных, легко находит ответ на вопрос, даже если он хранится в нескольких документах. Разговор с такой системой похож на разговор со старым опытным сотрудником, который помнит и знает все.
2. Независимый взгляд на проблему. Да, ИИ может быть наивен, но иногда он режет правду-матку и вскрывает проблемы, которые никто не решался прямо озвучить.
3. Независимая верификация. Продвинутые системы позволяют сопоставлять внутренние отчеты с рыночными данными и практиками конкурентов, перепроверяя гипотезы менеджмента. Современные модели уже способны моделировать сценарии и делать финансовый анализ на уровне неплохого аналитика.
4. Автоматизация бэк-офиса. Системы транскрибируют заседания, готовят протоколы, формируют перечень поручений и отслеживают их исполнение.

Международный и российский контекст

Подходы к внедрению ИИ в работу СД различаются в зависимости от юрисдикции. В США и ЕС фокус на жестком комплаенсе: Artificial Intelligence Act (AI Act) в Евросоюзе и Data Use and Access Act (DUAA) в Великобритании заставляют советы директоров оценивать юридические риски, в том числе по линии ответственности за решения, принятые на базе ИИ-аналитики, и связанные с соблюдением правил обработки персональных и конфиденциальных данных. По данным NACD, около 35% директоров уже используют генеративный ИИ в надзорных функциях. Чаще всего для экспресс-анализа отчетности, стресс-тестирования сценариев и проверки гипотез менеджмента; при этом компании все чаще закрепляют правила использования ИИ во внутренних регламентах и кодексах корпоративного управления.

В России приоритеты иные: импортозамещение, цифровой суверенитет и переход на отечественные LLM. Внедрение носит точечный характер, преимущественно в технологическом и банковском секторах, где выше зрелость IT-инфраструктуры и есть ресурсы на «пилоты» в закрытых контурах. Ключевые риски — информационная безопасность, защита критической инфраструктуры и нехватка профильных кадров: особенно остро ощущается дефицит специалистов, способных выстроить промпт-инжиниринг под задачи СД и формализовать сценарии работы с ИИ в рамках корпоративного комплаенса. При этом регуляторная база в РФ пока развивается через отраслевые стандарты и методические рекомендации ЦБ и ФСТЭК, а не через отдельный «AI Act», поэтому компании ориентируются на требования к защите информации, управлению рисками и внутреннему контролю — и встраивают использование ИИ в существующие процессы управления рисками, а не создают отдельные регламенты под ИИ.

Успешные кейсы

Российские компании уже демонстрируют практические результаты. «Сбер» использует внутренние аналитические панели и GigaChat Enterprise для экспресс-аудита документов в закрытом периметре. ВТБ применяет ИИ для предиктивного моделирования рисков и автоматического формирования отчетов для комитета по рискам. «Альфа-Групп» предоставляет членам СД своих компаний ИИ-модель в закрытом контуре собственной разработки для анализа материалов и подготовки сфокусированных аналитических записок.

Зарубежный опыт также показателен. Deep Knowledge Ventures еще в 2014 году внедрил ИИ-систему VITAL с правом совещательного голоса для анализа биотехнологических трендов. Salesforce использует платформу Einstein для мониторинга метрик и моделирования сценариев M&A прямо во время стратегических сессий.

Вызовы и ограничения

Несмотря на ожидания, реальное использование ИИ наталкивается на сложности. Процедура разработки внутренней ИИ-платформы может занять месяцы. Корпоративные закрытые порталы используют менее мощные модели без выхода в интернет. Загрузка внешних данных может потребовать согласования со службой безопасности, что снижает удобство и скорость работы.

Потенциальная проблема — риск манипуляций. Менеджмент может неявно настраивать ответы ИИ в благоприятном для себя свете, что будет искажать картину для совета директоров. Теоретически выход — загрузка транскриптов обсуждений на заседаниях правления, но менеджмент часто сопротивляется такой прозрачности.

Еще один парадокс: если все члены СД получают одинаковую аналитическую справку от ИИ, это снижает глубину и креативность дискуссии. Важно, чтобы ИИ был помощником, а не генератором финальных выводов. Но чем умнее и глубже будет анализ моделей с развитием прогресса, тем больше соблазна использовать ответы нейросетей как окончательные. И тогда в какой-то момент акционеры задут вопрос: а нужен ли нам такой дорогой совет директоров?

Практические рекомендации членам советов директоров

1. Разделяйте контуры безопасности

Используйте публичные ИИ только для работы с открытыми данными (бенчмарки, рыночная аналитика), а внутренние корпоративные системы — для конфиденциальных документов.

Что сделать. Закрепите это правило в регламенте СД, например пропишите, что любые внутренние отчеты, протоколы, финмодели и персональные данные запрещено загружать в публичные LLM. Для открытых данных заведите отдельный рабочий шаблон запроса (с типовыми промптами для бенчмарков и отраслевых трендов) — это сократит время на подготовку и снизит риск случайной утечки.

2. Требуйте машиночитаемые данные

Запрашивайте у менеджмента финансовые модели в Excel/CSV, а не только презентации в PDF — это повысит качество анализа ИИ.

Что сделать. Включите это требование в повестку заседания и в чек-лист подготовки материалов. Пусть менеджмент заранее готовит файлы с понятными названиями листов и расшифровкой ключевых метрик (EBITDA, CAPEX, DSO и т. п.). Для ИИ это критично: по PDF он может «галлюцинировать» цифры, а по структурированным данным — быстро строить сценарии и находить аномалии.

Вступайте в сообщество Школы управления РБК в Telegram или «Максе», чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.

3. Используйте ИИ как «адвоката дьявола»

Загружайте сырые данные и задавайте жесткие вопросы: «Какие скрытые риски ты видишь?», «Найди противоречия в презентации», «Построй стресс-сценарий».

Что сделать. Подготовьте библиотеку типовых промптов для этой роли, например «Выступи как независимый аудитор: найди три противоречия между бюджетом и фактическими KPI за три квартала» или «Построй три стресс-сценария: рост ключевой ставки на 3 п.п., падение выручки на 15%, рост стоимости сырья на 20% — покажи влияние на EBITDA и ковенанты». Это превращает ИИ из «помощника с выжимками» в инструмент риск-менеджмента.

4. Автоматизируйте контроль исполнения

Сопоставляйте текущие KPI с поручениями СД на прошлых заседаниях, используя ИИ для генерации дашборда расхождений.

Что сделать. Зафиксируйте формат поручений прямо в протоколе — срок, ответственный, измеримый результат (KPI). Затем поручите IT или аналитикам раз в месяц автоматически собирать статусы и формировать отчет: поручение — статус — текущий KPI — отклонение — риски. ИИ здесь быстро сводит данные из разных систем и подсвечивает «красные зоны», экономя часы ручной проверки.

5. Инвестируйте в промпт-инжиниринг

Качество ответа очень сильно зависит от качества запроса. Создайте личную библиотеку промптов для типовых задач СД.

Что сделать. Создайте общую папку (в корпоративном контуре) с шаблонами под частые задачи: анализ бюджета, проверка презентации на противоречия, подготовка вопросов к менеджменту, стресс-тестирование сценариев. В каждый шаблон добавьте «подсказки» (например, список метрик, которые нужно проверить, и типичные ловушки). Это ускорит работу всей команды и снизит зависимость от «личного мастерства» в формулировках.

6. Участвуйте в AI Governance

Инициируйте создание комитетов по этике и управлению ИИ, оценивайте цифровую зрелость компании и риски предвзятости алгоритмов.

Что сделать. На ближайшем заседании утвердите три-пять базовых правил использования ИИ в работе СД (контуры безопасности, допустимые типы данных, правила проверки ответов, ответственность). Параллельно запустите экспресс-оценку цифровой зрелости: есть ли у компании закрытый контур, как устроена выдача доступов, как хранятся и проверяются данные. Это поможет обосновать инвестиции и избежать хаотичного внедрения.

7. Помните об ответственности

ИИ — советник, а не директор. Фидуциарная ответственность всегда лежит на человеке. Никогда не принимайте стратегическое решение исключительно на основе ИИ-выжимки без живой дискуссии и проверки здравым смыслом.

Что сделать. В регламент СД добавьте правило двойной проверки: любой вывод ИИ, влияющий на решение, должен быть подтвержден минимум двумя источниками (внутренние данные, бенчмарк, экспертное мнение) и обсужден на заседании. Пропишите типовой сценарий разбора: «Что ИИ нашел? Что мы видим сами? Где данные расходятся? Какие риски остаются?» — это формализует процесс и защитит директоров от поспешных выводов.

Вместо эпилога

Исследование BCG «Split Decisions: The BCG CEOs and Boards Survey» (май-2026) показало интересную динамику: советы директоров часто бегут впереди менеджмента, подгоняя внедрение ИИ из страха отстать, тогда как СЕО призывают к более взвешенному подходу. Истина, как всегда, посередине. ИИ в совете директоров — это не замена человеческому суждению, а инструмент, который при грамотном использовании повышает качество надзорных функций, обеспечивает независимый взгляд и экономит время для действительно важных стратегических дискуссий.