Нейросеть не «мыслит». Она угадывает следующий токен. Но в связке с человеком она реально ускоряет стратегическую работу: синтез данных, генерация опций, стресс-тест гипотез. По данным BCG × Harvard (2023, n≈750 консультантов) – +25% к скорости и +40% к качеству на задачах внутри её зоны компетенции. На задачах вне зоны – уверенно врёт. Слабые места: интуиция, эмпатия, «trendslop» (мода вместо контекста). Рабочая схема: ИИ расширяет варианты, человек выбирает и отвечает.
Что значит «мыслить стратегически» и при чём тут ИИ
Стратегия – это не идеи. Идей у любого предпринимателя миллион. Стратегия – это выбор между неравнозначными вариантами в условиях неполной информации, удержание длинного горизонта и осознанный отказ от части возможностей. Минцберг, Портер, Румельт спорят о многом, но в одном сходятся: суть стратегии – в том, что ты не делаешь.
LLM работает иначе. Она предсказывает следующий токен по вероятностям, обученным на огромном корпусе текстов. Burtsev, Reeves и Job в MIT Sloan Management Review сводят способности LLM к трём параметрам: размер модели, объём и качество данных, размер контекстного окна. Ни один из них не равен «пониманию».
Поэтому вопрос «может ли ИИ мыслить стратегически» бессмысленный. Правильный вопрос: где его вывод полезен бизнесу, а где опасен. Погнали разбираться.
Где ИИ силён: синтез данных и поиск паттернов
Сильная сторона LLM – сжатие большого контекста в структурированный вывод. Даёшь агенту бриф компании, портрет ЦА, выгрузку по конкурентам и финансовые ориентиры – он за минуты собирает SWOT, карту позиционирования, гипотезы джобов и сценарии «что если». То, на что стратегический отдел тратит недели интервью и слайдов, ИИ выдаёт черновиком за один промпт.
Цифры из исследования Harvard Business School и BCG (Dell'Acqua et al., 2023): консультанты с доступом к GPT-4 выполнили на 12,2% больше задач, на 25,1% быстрее, с качеством выше на 40%, чем контрольная группа. Сильнее всего ИИ помогал там, где надо собрать много разрозненной информации в связную рекомендацию. Это и есть его «домашняя» зона.
BCG × Harvard: что показал реальный эксперимент
Исследование BCG прогнало через эксперимент ~750 консультантов – около 7% штата компании. Авторы (Этан Моллик из Wharton, коллеги из HBS и MIT) ввели понятие «jagged frontier» – «рваная граница». Внутри одной профессии есть задачи, где ИИ работает на уровне эксперта, и задачи рядом, где он систематически ошибается, не сигнализируя об этом.
«Консультанты, использовавшие GPT-4, превзошли коллег по каждому измерению. Но на задачах вне сильной зоны ИИ они проигрывали – потому что доверяли уверенному, но неверному ответу», – Этан Моллик, профессор Wharton.
Смотри сюда. ИИ для стратега – это младший консультант с энциклопедической памятью и нестабильной интуицией. На задачах внутри его компетентной зоны он ускоряет команду в разы. На задачах за её пределами – добавляет красиво упакованных ошибок. Распознавать границу – твоя работа, не его.
«Trendslop»: главная ловушка ИИ-стратегии
В марте 2026 года в Harvard Business Review вышло исследование Анхело Романсанты, Льюэллина Томаса и Натальи Левиной (NYU Stern). Авторы прогнали 15 000+ промптов через семь ведущих LLM и нашли устойчивый перекос. Модели систематически рекомендуют модные управленческие концепции – ИИ-трансформацию, ESG, платформенные модели, ИИ-агентов – независимо от контекста компании.
Этот эффект они назвали «trendslop» – тренд-шлам. Причина в архитектуре: LLM учится на текстах, где модные термины встречаются чаще скучных, но рабочих решений вроде «снизьте отток на 2 п.п. через сервисную модель».
«На стратегии LLM ведёт себя как свежеиспечённый MBA или джуниор-консультант: повторяет то, что популярно, а не то, что верно для конкретной ситуации», – авторы исследования в HBR.
Вывод жёсткий: сырой стратегический ответ нейросети нельзя выпускать в работу. Никогда. Он проходит через фильтр человека, который знает контекст компании, её ограничения и точки сопротивления. Иначе ты платишь за красиво упакованный буззворд.
Где ИИ слаб: интуиция, эмпатия и «политика» решения
Стратегия – это не только логика. Есть три зоны, где ИИ ломается.
Интуиция эксперта. Десятки лет насмотренности, слабые сигналы рынка, которые ещё не попали в данные. LLM работает только с тем, что уже описано словами. Чего нет в текстах – для неё не существует.
Эмпатия. Стратегия живёт через людей: команду, клиентов, инвесторов. ИИ не считывает страх увольнений, политику в совете директоров и тот факт, что генеральный лично инвестировал имидж в провальный продукт. Обзор rready.com (2026) фиксирует: эмоциональная глубина и опыт остаются ключевым преимуществом человека в творческих и стратегических задачах.
Ответственность за выбор. Стратегия требует осознанного отказа от опций. ИИ-агент склонен сохранять все варианты «на всякий случай» – иллюзия полноты вместо чёткого выбора. Решение всегда за человеком. Это не баг технологии, а её правильная роль.
Что меняет полный бриф: ЦА, конкуренты, ограничения
Стратегический вывод ИИ резко улучшается, когда агент получает не запрос «придумай стратегию», а структурированный пакет контекста: бизнес-модель, юнит-экономика, портрет ЦА с возражениями и джобами, разбор 3–5 конкурентов, ограничения по бюджету и срокам, гипотезы команды.
Причина простая. Модель работает с контекстным окном. Чем плотнее в нём проверенные факты о твоей компании, тем меньше она домысливает по среднему по индустрии. Тот же принцип BCG Henderson Institute закладывает в мультиагентные симуляции стратегического планирования (Fortune, 2025): несколько ИИ-агентов с разными ролями и полным контекстом дают более устойчивые сценарии, чем один универсальный чат-бот.
Делай так: 80% качества стратегического вывода ИИ создаётся ещё до промпта – в подготовке брифа. Агент с пустым контекстом выдаёт trendslop. Агент с полным брифом выдаёт черновик, с которым уже работает стратег.
Какие выводы реально приходят от агентов
Хорошо собранный агент уже сегодня выдаёт результаты, от которых команды удивляются. Из практики работы с ИИ-агентами в малом и среднем бизнесе:
- Переопределение конкурента. Агент анализирует поведение ЦА и поисковые запросы и говорит: реальный конкурент – не другой сервис в категории, а свободное время клиента или Excel-таблица.
- Сужение позиционирования. Из 7 ценностных предложений агент выбирает 2 на пересечении «боли ЦА × сильные стороны продукта × низкая конкуренция».
- Перепаковка продуктовой линейки. На матрице «частота покупки × средний чек × LTV» агент рекомендует упростить тарифы или ввести подписку.
- Обратный календарь запуска. Получив дедлайн и состав команды, агент собирает реалистичный план с критическим путём и зонами риска.
- Список «чего не делать». Самый ценный вывод для предпринимателя: какие 3–5 направлений стоит закрыть, чтобы освободить ресурс под главное.
Ни один из этих выводов не заменяет стратега. Но каждый экономит десятки часов на черновую аналитику. А время – единственный ресурс, который не масштабируется.
Рабочая модель: ИИ расширяет опции, человек делает выбор
Авторы исследования о trendslop сформулировали пять принципов. Они бьются с практикой BCG, McKinsey и Wharton:
- Используй ИИ для расширения опций, а не для выбора. Проси 10 вариантов, выбирай сам.
- Сознательно противодействуй известным смещениям. Знаешь, что модель тянет к «ИИ-трансформации» – попроси аргументировать обратное.
- Следи, как смещения меняются с обновлениями моделей. Вчера тянуло на ESG, сегодня на агентов.
- Опасайся «гибридной ловушки»: половинчатого решения, где ИИ предложил всё подряд, а человек согласился со всем.
- Не полагайся только на контекст – добавляй экспертную верификацию ключевых допущений.
Та же модель у профессора стратегии Кристиана Стадлера (Warwick) и Мартина Ривза (BCG Henderson Institute) в MIT Sloan Management Review: ИИ хорош для идеации и стресс-теста гипотез, но требует длинного диалога и человеческой оценки на каждом шаге. Никакого «нажми кнопку – получи стратегию».
Куда движется ИИ-стратегия: мультиагентные симуляции
Следующий уровень – не один универсальный чат-бот, а команда специализированных агентов. У каждого своя роль: аналитик рынка, продуктовый стратег, финансовый моделист, адвокат дьявола. Они обмениваются результатами и итеративно уточняют решение. BCG Henderson Institute уже гоняет такую платформу для war-games и сценарного планирования с клиентами.
Для малого и среднего бизнеса это значит главное: стратегическую функцию можно собрать из готовых ИИ-агентов. Без штата консультантов. Логика та же, что у крупных корпораций: распределить роли, дать каждому агенту узкий контекст, выстроить пайплайн, добавить человека в точку принятия решения.
Именно такой каркас – стратегическая основа из 6 готовых ИИ-агентов – лежит в основе бесплатного курса «6 готовых ИИ-агентов» от СОЗИДАЙ.