> For the complete documentation index, see [llms.txt](https://scrumtrek.gitbook.io/iishki-1/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://scrumtrek.gitbook.io/iishki-1/diagnostics/ai-readiness-assessment.md).

# Оценка AI-готовности

Глубокая диагностика готовности вашей организации к AI-трансформации по всем фронтам — люди, процессы, данные, технология, культура.

> **Кратко:** Глубокая оценка готовности организации к AI по 5 измерениям и 6 ролевым профилям. **Для кого:** HR-директор (заказывает), CDO/CTO (использует), CEO (executive summary). **Результат:** Gap-анализ, roadmap обучения, карта сопротивления, compliance-чеклист. **Сроки:** 1-3 недели.

## Что это

Мы проводим **комплексную оценку** готовности вашей организации по **5 измерениям** и **6 ролевым профилям** (включая 3 день-1 роли: AI Process Owner, Eval Specialist, Domain Expert). Результат — не число (типа квиза), а **детальный gap-анализ** и **roadmap обучения**, привязанный к вашим реальным процессам.

## Для кого

* **HR-директор** — заказывает (нужно понять, кого и как обучать)
* **CDO / CTO** — использует (нужна база для трансформации)
* **CEO** — смотрит executive summary (готова ли компания, какие риски)

## Как это работает

### Шаг 1: Выбор ролевых профилей

Мы оцениваем готовность для 6 ключевых ролевых групп (или подмножества, если нужно):

* **Product Manager** — управление AI-инициативами
* **Аналитик** — работа с данными и моделями
* **Юрист** — compliance, контракты, 152-ФЗ
* **Финансист** — ROI, бюджетирование, коммерческая оценка
* **HR** — найм, развитие, retention, переквалификация
* **Операционник** — процессы, метрики, масштабирование

### Шаг 2: 5D-модель оценки

Для каждой роли мы оцениваем 5 измерений:

#### 1. **Люди**

* Уровень AI-грамотности текущих специалистов
* Готовность к переквалификации
* Наличие внутренних лидеров
* Понимание изменения роли в AI-организации

#### 2. **Процессы**

* Насколько процессы документированы
* Где находятся узкие места и ручные шаги
* Есть ли культура улучшений (continuous improvement)
* Как быстро процессы могут меняться

#### 3. **Данные**

* Полнота и качество данных (что есть, что не хватает)
* Доступность (где лежат, кто владеет, как их дёргать)
* Data governance (кто отвечает за свежесть и точность данных)
* Data privacy & compliance (персональные данные, коммерческая тайна)

#### 4. **Технология**

* Текущий tech stack (какие системы, их интеграция)
* Инфраструктура для AI (есть ли GPU, как запускать модели)
* API и интеграции (можно ли подключить LLM, агенты)
* Security & access control (RBAC, audit log)

#### 5. **Культура**

* Открытость к экспериментам
* Понимание роли AI (помощник vs замена)
* Уровень доверия к новым инструментам
* Сопротивление изменениям (Frozen Middle диагностика)

### Шаг 3: Frozen Middle диагностика

Выявляем точки сопротивления среднего менеджмента:

* Кто почувствует угрозу от AI-трансформации?
* Какие стимулы у них снижать скорость внедрения?
* Как их вовлечь в дизайн изменений?

### Шаг 4: Compliance & Data Security Check

Проверяем соответствие и видимые риски:

* **152-ФЗ** — как управляются персональные данные, есть ли в процессе обработки PII
* **Shadow AI** — есть ли уже неавторизованные инструменты (ChatGPT в боевых процессах)
* **Регуляторные требования** — в зависимости от отрасли (банки, фарма, гос. компании)
* **Безопасность** — есть ли baseline для защиты от утечек через AI-инструменты, как гарантируется актуальность?

### Шаг 5: Онлайн-опросы + Интервью

* **Быстрый опрос** (15–20 минут) для 50–500 сотрудников (зависит от масштаба)
* **Глубинные интервью** (1–1.5 часа) с 10–15 ключевыми stakeholders
* **Фокус-группы** (2–3 часа) для дискуссии о культуре и сопротивлении

## Что вы получаете

### Артефакт 1: Gap-анализ по 5 измерениям

Таблица-матрица:

| Роль            | Люди | Процессы | Данные | Технология | Культура | Общий уровень |
| --------------- | ---- | -------- | ------ | ---------- | -------- | ------------- |
| Product Manager | 60%  | 50%      | 40%    | 70%        | 55%      | **55%**       |
| Аналитик        | 40%  | 45%      | 50%    | 80%        | 50%      | **53%**       |
| Юрист           | 20%  | 60%      | 30%    | 40%        | 35%      | **37%**       |
| Финансист       | 50%  | 40%      | 35%    | 30%        | 45%      | **40%**       |
| HR              | 30%  | 35%      | 25%    | 20%        | 40%      | **30%**       |
| Операционник    | 45%  | 55%      | 40%    | 50%        | 48%      | **48%**       |

Цветовая кодировка: Red (критично), Yellow (нужно работать), Green (готово).

### Артефакт 2: Аналитический отчёт

Для каждого измерения и роли — подробный анализ:

**Пример (Люди / Product Manager)**:

* Текущее состояние: PM-ы знают что такое ChatGPT, но не умеют встраивать AI в product roadmap
* Где болит: непонимание как оценить AI-фичу, как интегрировать в prioritization
* Что нужно: обучение по AI Product Management, примеры из вашей отрасли, внутренние champions

### Артефакт 3: Roadmap обучения

**Приоритизированный план**: какие роли обучать в каком порядке, какие программы, какие метрики.

```
Q3 2026:
- Week 1-2: Executive briefing (CEO, CFO, CTO) → 4 часа
- Week 3-4: PM-ы и аналитики → "AI для Product" (40 часов)

Q4 2026:
- Week 1-4: Юристы + Финансисты → "AI & Compliance" (30 часов)
- Week 2-4: Операционники → "AI в процессах" (20 часов)

Q1 2027:
- Ongoing: HR → "AI & Talent" (25 часов)
- На основе инициатив → специализированные программы
```

### Артефакт 4: Frozen Middle диагностика

Таблица:

| Менеджер                | Риск сопротивления | Почему                        | Рычаг влияния                                           |
| ----------------------- | ------------------ | ----------------------------- | ------------------------------------------------------- |
| Начальник отдела IT     | High               | Опасается потери контроля     | Новая роль "AI Infrastructure Lead"                     |
| Руководитель юр отдела  | High               | Нечеткие регуляторные границы | Training + внешний counsel на 3 мес                     |
| Руководитель аналитиков | Medium             | Боится потери навыков         | Траектория переквалификации → "AI Analytics Specialist" |

### Артефакт 5: Compliance checklist

Таблица с флагами и рекомендациями:

* [ ] 152-ФЗ: Есть DPO? Есть согласия на обработку? Есть процесс для новых AI-инструментов?
* [ ] Shadow AI: Аудит ChatGPT, Copilot, прочих инструментов в компании
* [ ] Data governance: Кто владеет данными, как гарантируется актуальность?
* [ ] Security baseline: RBAC, audit log, encrypted storage, access control

### Артефакт 6: Executive Summary (3 слайда)

* Общий уровень готовности (% по каждому измерению)
* Топ-3 разрыва (что критично)
* Топ-3 риска (где проблемы)
* Рекомендуемый путь вперёд

## Формат и сроки

### Standard Assessment (1–2 недели)

* Опросы (50–500 людей, зависит от размера)
* Интервью (10–15 stakeholders)
* Анализ (1–2 консультанта Кактуса)
* Outputs: Gap-анализ, аналитический отчёт, roadmap обучения, Frozen Middle карта
* **Стоимость**: обсуждается индивидуально

**Кому**: компании среднего размера (200–5000 человек), начинающие трансформацию.

### Extended Assessment (2–3 недели)

* Всё из Standard
* Плюс: фокус-группы (дополнительные интервью с фронт-линейными сотрудниками)
* Плюс: Data audit (куда данные, качество, governance)
* Плюс: Tech stack audit (какие системы, интеграции, инфраструктура)
* Плюс: detailed Compliance check (специалист по регуляторке для вашей отрасли)
* Outputs: Всё из Standard + Data readiness report, Tech readiness report, Compliance detailed check
* **Стоимость**: обсуждается индивидуально

**Кому**: крупные компании (5000+), высокие регуляторные требования (банки, фарма).

## Кейсы

### Альфа-Банк

Оценка готовности 40 000 сотрудников. Выявлено: низкая грамотность HR по найму AI-специалистов, высокое сопротивление на уровне risk-управления (compliance), нет процесса для Shadow AI. Roadmap: специалист по AI-hiring, train-the-trainer для risk-менеджеров, Shadow AI audit.

### Haleon

Оценка готовности для фармацевтической компании. Критичный gap: юристы не знали как регулируется AI в фарме. Решение: специальный training + внешний compliance counsel.

###

Extended assessment для девелопмента. Выявили: low data governance (данные про продажи разбросаны в Excel), высокое сопротивление на уровне проектных менеджеров (опасение потери контроля). Roadmap: Data governance program + AI Product Management training.

***

## Часто спрашивают

**Q: В чём отличие от бесплатного онлайн-квиза?**\
A: Это глубокое исследование. Мы интервьюируем ваших людей, анализируем ваши данные, выявляем сопротивление среднего звена, смотрим на соответствие требованиям. Результат — дорожная карта с конкретными шагами, а не число из квиза.

**Q: Что если мы не готовы?**\
A: Мы скажем честно. И дадим roadmap, что делать. Иногда лучше 6 месяцев инвестировать в готовность, чем спешить и потом 2 года раскачивать трансформацию.

**Q: Можно ли делать это параллельно с Аудитом AI-процессов?**\
A: Да, часто компании делают оба (Audit + Assessment) одновременно. Один даёт что трансформировать (Audit), другой даёт готова ли организация (Assessment).

**Q: Сколько времени нужно от наших сотрудников?**\
A: 20–30 часов на опросы и интервью. Остальное мы делаем.

***

**Следующий шаг:** [Запишитесь на 30-минутную консультацию](https://kkts.ai/consult) — обсудим вашу ситуацию и подберём формат оценки.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://scrumtrek.gitbook.io/iishki-1/diagnostics/ai-readiness-assessment.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `build a script that syncs our docs to a CMS` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.