---
slug: ai-native-org-9-point-test
sources:
- https://www.anthropic.com/research/building-effective-agents
- https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- https://openai.com/index/planning-for-agi-and-beyond
- https://www.theverge.com/2025/4/7/24325072/shopify-employees-prove-ai-cant-do-their-job-before-hiring
- https://www.anthropic.com/news/tool-use-ga
- https://www.anthropic.com/news/claude-3-5-sonnet
- https://foundationcapital.com/ideas/ai-leads-a-service-as-software-paradigm-shift
language: ru
tldr: AI-native — это не набор инструментов, а операционная модель. Компания отличается
  от digitally-assisted не по тому, какими сервисами пользуется, а по тому, как устроены
  полномочия, память, расписание и поведение при ошибках. Девятипунктовый тест позволяет
  зафиксировать реальное состояние до разговора с клиентом или инвестором.
genre: contrarian-take
word_count: 1973
date: 2026-06-30
tags:
- ai-native
- организации
- операционная-модель
- агенты
- b2b
summary: Как отличить AI-native организацию от команды, которая просто пользуется
  AI-инструментами. Тест на 9 структурных признаков.
title: AI-native organization — это не «маленькая команда с ChatGPT». Тест на 9 пунктов
author: Temadev
canonical_url: https://notes.temadev.org/2026/06/ai-native-org-9-point-test.html
---

# AI-native organization — это не «маленькая команда с ChatGPT». Тест на 9 пунктов

В первом квартале 2026 года сразу три публичных письма от CEO — Block, Shopify и Duolingo — потребовали от своих компаний стать «AI-native». Каждое разлетелось по деловым изданиям, и каждое вызвало одинаковую реакцию: тысячи компаний обновили слайды с позиционированием, добавив два слова в описание. К марту 2026-го ярлык обесценился до состояния, когда он ничего не различает. Команда из пяти человек, которая использует ChatGPT для рерайта писем, и компания, где агенты без участия людей обрабатывают тысячи клиентских событий в сутки, — в обоих случаях PR-отдел напишет «AI-native organization».

Это не только проблема маркетинга. В B2B-продажах и переговорах с инвесторами ярлык «AI-native» несёт конкретные ожидания. Когда фаундер произносит его, а собеседник понимает буквально, разрыв в ожиданиях быстро становится операционным или репутационным риском: клиент ждёт скорости и автономии агентов, а получает «мы используем Copilot в Word». Нужен рабочий тест, который работает не как декларация, а как диагностика — до того, как разрыв проявит себя в реальности.

## Чем «маленькая команда с ChatGPT» отличается от AI-native?

«Маленькая команда с ChatGPT» — это digitally-assisted organization, а не AI-native. Различие здесь не оценочное, а функциональное. Digitally-assisted означает, что AI-инструменты ускоряют или улучшают работу людей, которые остаются операционными центрами всех процессов. AI-native означает нечто принципиально иное: AI-компоненты встроены в операционную модель как первоклассные участники — с собственными полномочиями в определённом диапазоне, с памятью, с триггерами, которые не зависят от того, сидит ли кто-то за компьютером.

Проверочный вопрос простой: если вы уберёте AI-компоненты из системы — что произойдёт? В digitally-assisted организации люди продолжат работать, просто медленнее и с большими усилиями. В AI-native организации часть процессов просто некому исполнять: они были спроектированы под агентов, и у людей нет ресурса подхватить их вручную в том же темпе.

Это различие проходит не по тому, какие продукты куплены. Оно проходит по девяти структурным признакам, которые поддаются прямой диагностике — без маркетинговой интерпретации. И это именно то, что позволяет использовать тест в двух направлениях: для самооценки и для оценки партнёров, поставщиков, кандидатов.

## Тест на 9 пунктов

Для каждого пункта зафиксируйте честный ответ: где реально находится ваша организация, не где вы хотите быть. Ответы «да», «частично», «нет» дают рабочую картину.

### 1. Полномочия принятия решений

В digitally-assisted организации человек одобряет каждое действие AI: прочитал результат, нажал кнопку, действие выполнено. В AI-native организации у агентов есть чётко определённый диапазон автономии — класс решений, которые они принимают самостоятельно без участия человека. Для другого класса решений предусмотрена эскалация к человеку. Граница между классами зафиксирована явно и письменно, а не существует имплицитно в форме «агент предлагает, человек решает».

Anthropic [claude-3-5-sonnet](https://www.anthropic.com/news/claude-3-5-sonnet) и последующие модели впервые сделали полностью автономный диапазон принятия решений практически реализуемым без значительного инженерного оверхеда — что и сделало разговор об AI-native из теоретического практическим. Тест: есть ли в вашей компании хотя бы один операционный процесс, где агент принимает финальное решение без человека в цикле? Если нет — вы в digitally-assisted модели независимо от того, сколько AI-инструментов используете.

### 2. Архитектура памяти

В digitally-assisted организации знания живут в документах, которые люди создают и читают для людей: Google Docs, Confluence, Notion. В AI-native организации у агентов есть структурированные контекстные файлы, которые они читают нативно при каждом запуске: специфика компании, история принятых решений, текущий операционный статус. Эти файлы не просто «документы в облаке» — они спроектированы под то, как агент их потребляет: формат, гранулярность, триггеры обновления.

Практический маркер: если новый агент может начать работу в вашей компании, прочитав набор файлов, без onboarding-сессии с человеком — это признак AI-native памяти. Если без объяснений от живого сотрудника агент не понимает контекст — память не адаптирована под машину. Почему структурированная память вытесняет документную, мы разбирали отдельно в заметке [Память больше документа: что заменяет Notion в ИИ-нативной команде](https://notes.temadev.org/2026/05/memory-beats-document-ai-native-team.html).

### 3. Инициация работы

В digitally-assisted организации работа начинается, когда человек ставит задачу: написал сообщение, открыл тикет, провёл встречу. В AI-native организации значительная часть работы инициируется событиями и расписанием: наступило определённое время — процесс запустился, пришли новые данные — агент начал их обрабатывать, изменился статус объекта — сработал триггер. Anthropic в руководстве [Building Effective Agents](https://www.anthropic.com/research/building-effective-agents) описывает это как переход от «человек как диспетчер задач» к «агент как самостоятельный исполнитель в событийной архитектуре».

Тест: какой процент дневной работы ваши агенты делают без того, чтобы конкретный человек сегодня их об этом попросил? Если ответ — менее 20%, операционная модель остаётся человеко-центричной.

### 4. Поведение при ошибке

Это самый информативный пункт теста, потому что его сложнее всего сфабриковать. В digitally-assisted организации ошибка агента — это всегда «пойди к человеку, он разберётся». В AI-native организации есть явная иерархия уровней: агент справляется сам через retry или альтернативный путь, агент эскалирует к другому агенту, агент эскалирует к человеку. Третий уровень зарезервирован для ситуаций, которые действительно требуют человеческого суждения, — а не для всего, что вышло за рамки ожидаемого сценария.

Отсутствие этой иерархии — признак того, что система была автоматизирована, а не спроектирована. Автоматизация снимает часть ручного труда. AI-native архитектура строит другую операционную модель.

### 5. Масштабирование мощности

В digitally-assisted организации «нам нужно больше ресурсов для обработки объёма» означает нанять человека. В AI-native организации первым вопросом становится другое: какой агент можно развернуть, с каким контекстом, за какое время, и что это даст? Доля новых задач, закрываемых развёртыванием агентов против найма, — прямой измеримый показатель степени AI-native.

CEO Shopify Тоби Лютке в [служебной записке сотрудникам](https://www.theverge.com/2025/4/7/24325072/shopify-employees-prove-ai-cant-do-their-job-before-hiring) в 2025 году зафиксировал именно этот принцип письменно: прежде чем запросить новых сотрудников, команда должна доказать, что AI не справится с этой задачей. Масштабирование через агентов — приоритет по умолчанию; человеческий найм — обоснованное исключение. Это не просто риторика: запрос на новую позицию без анализа AI-альтернативы в Shopify с 2025 года не проходит согласование.

### 6. Непрерывность контекста

В digitally-assisted организации контекст накапливается в головах людей и восстанавливается через встречи, переписку и синхронизации. Когда ключевой человек уходит — контекст частично пропадает, и все это знают. В AI-native организации контекст хранится в структурированных поверхностях, которые агенты читают между сессиями. Это не «записи встречи в Notion» — это файлы с историей решений, операционными статусами и текущими приоритетами, которые обновляются после каждого значимого события и доступны агенту немедленно.

Практический тест: если ключевой человек уходит в отпуск на две недели, насколько деградирует работа агентов? В AI-native организации ответ — «незначительно, контекст не в голове человека».

### 7. Кодификация процессов

В digitally-assisted организации процесс живёт в голове исполнителя или в документе, который человек читает и самостоятельно интерпретирует. Передача процесса нового сотрудника — это обучение: объяснения, примеры, вопросы. В AI-native организации операционные процессы записаны в форматах, которые машина может напрямую исполнять или валидировать: скрипты, конфигурации, явные правила с проверяемыми условиями.

Маркер: если вы не можете показать описание процесса агенту так, чтобы он воспроизвёл его без дополнительных объяснений от человека, — процесс не кодифицирован в AI-native смысле. Это не значит, что процесс плохой; это значит, что для AI-native модели он ещё не адаптирован.

### 8. Операционная активность без людей

В digitally-assisted организации работа останавливается или существенно замедляется, когда люди уходят с работы. В AI-native организации это другой режим, а не простой. Агенты продолжают работать по расписанию, обрабатывать накопленные очереди, готовить данные и черновики для утреннего старта команды. McKinsey в [The State of AI 2025](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) выделил асинхронную операционную модель — способность организации выполнять работу вне зависимости от расписания людей — как один из ключевых дифференциаторов компаний с реальным, измеримым AI-эффектом.

Тест: сколько процессов в вашей организации завершат полезную работу этой ночью без участия людей?

### 9. Аудируемость решений

AI-native организации сталкиваются с вопросом, которого практически нет у digitally-assisted: как восстановить, почему агент принял то или иное решение шесть недель назад. Это не академический вопрос — это операционный, когда клиент спрашивает почему с его заказом так поступили, или когда что-то пошло не так и нужно найти первопричину, а не симптом.

AI-native организация закладывает аудит-трейл в архитектуру изначально: логи решений с контекстом, версионирование конфигурационных файлов, история эскалаций с явными причинами. Отсутствие аудируемости — «тихий технический долг», который не мешает запуститься, но превращает масштабирование в болезненный процесс: добавить логирование к уже работающей агентной системе значительно сложнее, чем заложить его в архитектуру с первого спринта. Anthropic в [документации по инструментам агентов](https://www.anthropic.com/news/tool-use-ga) подчёркивает, что прозрачность решений агента — не опциональная фича, а архитектурное требование для production-систем. Для компании, которая называет себя AI-native в разговоре с крупным B2B-клиентом, аудируемость нередко становится первым пунктом проверки.

## Как использовать этот тест

Девять пунктов — не чеклист для сертификации и не повод для гордости или стыда. Это диагностический инструмент для трёх конкретных ситуаций.

**Для фаундера перед питчем.** Если вы собираетесь называть компанию AI-native, пройдите тест и зафиксируйте по каждому пункту честный ответ. Результат 4/9 не дисквалифицирует вас — он даёт точный нарратив: «мы перестроили полномочия и память, следующий этап — кодификация процессов и overnight-операции». Это сильнее, чем расплывчатое «мы AI-native», которое несёт информацию ровно до тех пор, пока собеседник не начнёт уточнять.

**Для руководителя операций перед трансформацией.** Тест показывает, где именно стоит граница между digitally-assisted и AI-native в вашей организации прямо сейчас. Аналитики Foundation Capital в эссе [AI leads a service-as-software paradigm shift](https://foundationcapital.com/ideas/ai-leads-a-service-as-software-paradigm-shift) описывают это как постепенный переход, не одновременный: организации перестраивают один слой за другим, начиная с наиболее кодифицируемых процессов. Тест помогает выбрать, с чего начать.

**Для CTO при оценке команды или поставщика.** Когда кандидат или поставщик называет себя AI-native, три пункта теста работают как быстрый фильтр: полномочия (пункт 1), поведение при ошибке (пункт 4) и аудируемость (пункт 9). Ответы на них либо конкретны — тогда за ними стоит реальная архитектура, — либо размыты в сторону «мы смотрим по ситуации». Второй вариант означает: хорошо автоматизированная digitally-assisted организация, не более.

Sam Altman в посте [«Planning for AGI and Beyond»](https://openai.com/index/planning-for-agi-and-beyond) описывал AI-native как принципиально иную организационную логику, а не просто новый стек инструментов. Когда он говорил о перспективе «компании из одного человека с выручкой миллиард», он имел в виду именно операционную модель — не инструменты в арсенале одного сотрудника, а способность одного человека оркестрировать агентную организацию, где каждый из девяти пунктов этого теста даёт положительный ответ. В 2026 году это стало практически проверяемым — не теоретически, а через конкретные операционные признаки. Команда с девятью ChatGPT-аккаунтами и компания с агентной архитектурой, которая выполняет работу ночью без людей, — это не одна и та же модель с разным маркетингом. Это разные операционные реальности, которые можно измерить и зафиксировать.

## Главное

- **AI-native ≠ digitally-assisted.** Первое — про операционную модель, второе — про инструменты, которые используют люди. Различие функциональное, не маркетинговое.
- **Ключевой проверочный вопрос:** если убрать AI-компоненты, продолжает ли работать операционная модель? В AI-native организации — нет, часть процессов некому исполнять.
- **Самый показательный пункт теста** — поведение при ошибке: если ответ всегда «эскалация к человеку», перед вами автоматизация, а не AI-native архитектура.
- **Тест работает как честный нарратив** для питчей: «4 из 9, следующий этап — X» сильнее и достовернее, чем расплывчатое «мы AI-native».
- **Аудируемость — системная задолженность**, которую значительно дешевле заложить в архитектуру в начале, чем добавить к работающей системе позже.

## FAQ

**Чем AI-native отличается от digitally-assisted организации?**
Digitally-assisted — это когда AI-инструменты ускоряют работу людей, которые остаются операционными центрами всех процессов. AI-native — это когда агенты встроены в операционную модель как первоклассные участники — с полномочиями, памятью и триггерами. Проверка: уберите AI-компоненты — в digitally-assisted люди продолжат работать медленнее, в AI-native часть процессов просто некому исполнять.

**Какой пункт теста самый показательный?**
Поведение при ошибке (пункт 4). Его сложнее всего сфабриковать: если любая ошибка агента сразу эскалируется к человеку, перед вами автоматизация. AI-native архитектура имеет явную иерархию: retry → эскалация к другому агенту → эскалация к человеку, и третий уровень зарезервирован только для ситуаций, требующих человеческого суждения.

**Нужно ли набрать 9 из 9, чтобы называться AI-native?**
Нет. Тест — диагностика, а не сертификация. Результат 4/9 не дисквалифицирует — он даёт точный нарратив для питча: «перестроили полномочия и память, следующий этап — кодификация процессов и overnight-операции». Это сильнее расплывчатого «мы AI-native».

**Какие три пункта работают как быстрый фильтр при оценке поставщика?**
Полномочия (пункт 1), поведение при ошибке (пункт 4) и аудируемость (пункт 9). Ответы на них либо конкретны — тогда за ними стоит реальная архитектура, либо размыты в сторону «мы смотрим по ситуации» — что означает digitally-assisted организацию, хорошо автоматизированную, но не более.