"Невидимое нельзя улучшить. Сначала нужно сделать его видимым"

Эксперт МШУ Сколково. Автор книги «Цифровое мышление в бизнесе»

Дмитрий Гуреев

Автор метода скрытых цифровых артефактов для повышения производительности труда

Делает видимой мыслительную работу между этапами процессов и переносит её в машину через ИИ

Обсудить программу

Дмитрий Гуреев

Эксперт Московской школы управления Сколково с 2022 года, лауреат номинации «Эксперты Школы» МШУ Сколково 2025. 20+ лет в топ-менеджменте российских корпораций.

По образованию программист (C++, Assembler). Преподаёт на программах MBA, EMBA, DigitalShift и CDTO. Автор и ведущий крупнейшего в РФ интенсива по применению ИИ в корпоративной среде.

2000+

кейсов из российских компаний от пищевой промышленности до тяжёлого машиностроения, в ИТ, финансах и ритейле

2500+

обученных
руководителей

500+

компаний-
клиентов

100+

проведённых
программ

Дмитрий Гуреев

Автор метода скрытых цифровых артефактов для повышения производительности труда, организатор крупнейшего в РФ интенсива по ИИ

Награждён МШУ Сколково в номинации «Эксперты Школы-2025» за личный вклад в повышение технологической зрелости слушателей. Преподаёт MBA, EMBA, DigitalShift. Автор книги «Цифровое мышление в бизнесе», МИФ 2026

100+

проведённых
программ

300+

компаний-
клиентов

2500+

обученных
руководителей

2000+

из российских компаний от пищевой промышленности до тяжёлого машиностроения, в ИТ, финансах и ритейле

Дмитрий Гуреев

Автор метода скрытых цифровых артефактов для повышения производительности труда, организатор крупнейшего в РФ интенсива по ИИ

Награждён МШУ Сколково в номинации «Эксперты Школы-2025» за личный вклад в повышение технологической зрелости слушателей. Преподаёт MBA, EMBA, DigitalShift. Автор книги «Цифровое мышление в бизнесе», МИФ 2026

2000+

из российских компаний от пищевой промышленности до тяжёлого машиностроения, в ИТ, финансах и ритейле

2500+

обученных
руководителей

300+

компаний-
клиентов

100+

проведённых
программ

Генеративные модели — это электричество. Стиральная машина, подключённая к электричеству, стирает. С ИИ так же: важно, в какую точку процесса он встроен, какие артефакты перерабатывает и по каким правилам.

Дмитрий Гуреев

Что такое метод скрытых артефактов

Потери производительности происходят не тогда, когда мы что-то делаем, а когда мы думаем, как это делать.

Компании внедряют ИИ и автоматизируют то, что видно. Результата нет, потому что потери спрятаны в скрытых артефактах — промежуточной мыслительной работе между задачами, встречами и решениями.

Этот слой невидим, неуправляем, ИИ его не затрагивает. Сотрудники вводят в информационные системы результат мыслительной работы. Сама работа со всеми промежуточными состояниями остаётся скрытой. Менеджер оценивает риски. Продавец строит профиль клиента. Юрист сравнивает договор с шаблоном. Эти этапы происходят между задачами и нигде не записаны.

Метод делает скрытую работу видимой, управляемой и переносит её в машину.

Кейс из практики:

Согласование сложного КП

Чтобы составить сложное индивидуальное КП, нужно участие сразу нескольких экспертов: закупки, производства, продукта. У каждого — своя информация и свой способ переработки. Нужно уточнять сроки поставки, загрузку производства, особенности альтернатив. Цель одна: предложить клиенту нужную поставку в наименьший срок.

Итог: описав задачу через артефакты — кто что получает и отдаёт — и восстановив мыслительную работу продавца по координации, удалось ускорить ответ клиенту с 11 до 2 дней

Кейс из практики:

Распродажа неликвидов

Требовала координации нескольких участков: склад (остатки), продуктовый менеджер (что продавать), тендерный отдел (кому). Задача — в моменте подбирать потенциальных клиентов в изменяющейся среде, комбинируя разные данные.

Итог: удалось автоматизировать не только распродажу неликвидов, но и выйти на возможность принимать решения в реальном времени.

Это типовая картина. Между формально описанными этапами процесса скрыта работа, которую никто не видит и не считает. Здесь очереди, задержки, ошибки. Здесь бутылочное горлышко.

Две рамки применения

Главный вопрос для оценки любого проекта цифровизации: какую когнитивную работу мы перекладываем, с кого и на кого. Метод работает в двух направлениях:

1

Перенос когнитивных операций в машину

Через ИИ-ассистентов и агентов. Подходит командам, которые хотят ускорить отдельные участки работы.

2

Пересборка организации труда

Человеко-машинные организации с учётом ограничений безопасности и экономической целесообразности. В том числе распараллеливание процессов: то, что шло последовательно, становится параллельным.

Четыре типа когнитивной работы

Любой процесс можно разложить на промежуточные шаги в виде артефактов, даже если процесс всё время пересобирается. Между точками сбора восстанавливается цепочка из четырёх типов когнитивной работы.

1

Правила

Структурированные данные и понятные правила преобразования. Решаются классическими алгоритмами.

Пример: расчёт себестоимости на основе первичных данных.

2

Паттерны

Структурированные данные, где явных правил нет, но есть история. Решаются машинным обучением.

Пример: прогноз спроса, машинное зрение.

3

Трансформация

Неструктурированные данные. Решаются генеративными моделями.

Пример: выделение из стенограммы встречи задач, которые нужно поставить.

4

Проектирование

Данные неструктурированы, чётких правил нет. Первичным становится генерация плана действий исходя из обстановки.

Пример: подбор подрядчика из 50 вариантов с учётом ограничений и динамических данных.

Метод извлечения знания

Если попросить эксперта описать, как он работает, — он начнёт уходить в сторону. Если дать ему готовое описание и попросить найти ошибки — он мгновенно их найдёт. На этом строится извлечение скрытого знания и перенос в машину.

Все думают — ИИ облегчит работу. На самом деле он её сильно усложнит. От нас потребуется гораздо больше интеллектуального труда.

Дмитрий Гуреев

Доступны бумажный, электронный и аудиоформат

Подробнее о книге

Прочитал на одном дыхании, ни разу не отложив. Нас волнуют одни и те же проблемы: фиксация экспертных знаний, построение эффективных процессов и главное — повышение производительности труда на уровне всего государства.

Максим Мироненко, генеральный директор ООО «Газпромтранс»

Бизнес-роман о том, как найти скрытые узкие места в бизнес-процессах и превратить ИИ из строки в бюджете в реальный результат.

Написан на основе 2000+ кейсов из российских компаний от пищевой промышленности до тяжёлого машиностроения.

Книга даёт способ видеть процессы по-другому. На интенсивах элементы книги становятся общим языком метода.

Программы Дмитрия Гуреева

Стартуем с базы, дальше углубляемся или расширяемся под задачу — повышая производительность труда на каждом этапе

Базовый интенсив по ИИ

На практике: понять возможности и ограничения ИИ, выровнять подходы, составить карту инициатив

Интенсив по ИИ-агентам

Освоить создание человеко-машинных команд под задачу бизнеса

Стратегическая сессия

Масштабирование человеко-машинных команд в компании

Сопровождение цифровой трансформации

Удерживать технологические, экономические и продуктовые рамки вместе с командой — до результата

Публикации и выступления

Дмитрий регулярно выступает экспертом в деловых СМИ по темам производительности труда, цифровой трансформации и применения ИИ в бизнесе. Подкасты, статьи, упоминания. Пиар и пресс-служба, а также по вопросам организации бизнес-выступлений:
pr@gureev.pro

Интенсив по генеративным алгоритмам и ИИ

Попробовать, что такое ИИ, и развеять мифы про то, как его использовать в компании

Подробнее 🡢

Телеграм-канал “Скрытые артефакты”

Обучение по созданию ИИ-агентов для автоматизации реального бизнес-процесса или функции в вашей компании

Подробнее 🡢

Инсайтер ИИ: книга «Цифровое мышление в бизнесе»

Отзыв о книге Леонида Головина на портале Ну конечно

Подробнее 🡢

Чтобы быть в курсе событий, присоединяйтесь к нашей группе в Telegram

Если твою работу можно переложить в один промпт — чего она стоит? Твоя работа должна быть настолько сложной, что её невозможно уложить ни в агенты, ни в промпты.

Дмитрий Гуреев

Если твою работу можно переложить в один промпт — чего она стоит? Твоя работа должна быть настолько сложной, что её невозможно уложить ни в агенты, ни в промпты.

Дмитрий Гуреев