Глава 1. Датчики в кармане
Датчик влажности стоит порядка пятисот тысяч рублей за штуку. На заводе, где мы вели аудит, эти датчики лежали в карманах рабочих спецовок.
Не в смеси, которую они должны были мерить, — в карманах. Приборы повредили при чистке оборудования, и, чтобы не получить штраф, их сняли и спрятали. По управленческой вертикали при этом ушёл доклад: система внедрена, работает. Главный инженер докладывал «внедрили» — и, судя по всему, сам в это верил: у него на слайде система существовала. Вскрылось всё не хитрой аналитикой и не аудитом логов, а одной просьбой: покажите на экране. Экрана, на котором датчики что-то показывают, не нашлось.
Я поверил слайду про датчики. Разубедил меня не и не отчёт — разубедила просьба показать экран. С тех пор это правило зашито в наши дословно, как обязательный шаг, а не как благое пожелание.
Потёмкинская цифровизация
У этого явления в нашей методологии есть имя — потёмкинская цифровизация: состояние, при котором цифровые системы существуют в докладах и не существуют в цехе. Оно почти никогда не бывает злым умыслом одного человека. Это равновесие: рабочему проще спрятать датчик, чем объяснять поломку; мастеру проще подтвердить «работает», чем разбираться; руководителю проще доложить наверх агрегированное «внедрено». Каждый на своём этаже чуть-чуть сглаживает — и наверху из этих сглаживаний собирается вымышленное предприятие, у которого с настоящим общий только адрес.
Тот же завод, другой узел, тот же паттерн в миниатюре: технолог, в чьём рассказе узел полностью оцифрован, — и бумага на прищепке в шестидесяти секундах той же записи от этих слов; полная сцена, с таймкодом, разобрана в главе 2. Человек не врал: он сначала описал, как положено, потом — как есть, и даже не заметил перехода.
Поэтому в фабрики любое утверждение о внедрённой системе получает флаг и процедуру. Вот как это выглядит в рабочей инструкции — фрагмент правила из нашей методологии, в той редакции, в какой его получает и , и живой консультант:
Ввести категорию верификации «заявлено внедрено vs фактически работает»: каждое утверждение об автоматизации, датчике или системе перепроверять у линейного исполнителя — лаборанта, моториста, водителя, — а не у руководителя. Требовать физическое доказательство: фото работающего экрана, живую демонстрацию. Ставить флаг
[POTEMKIN?]по аналогии с[VERIFY]; в матрице покрытия вести столбец «заявлено / подтверждено демонстрацией»; confidence утверждения, подтверждённого только словами, понижать до Low. Под самые чувствительные гипотезы — учёт, списания, качество — заранее готовить два-три физических Gemba-теста и незапланированные окна в графике визита.
Gemba-тесты из последней фразы — это проверки ногами, на месте. «Тест весовой»: если данные взвешивания вводятся вручную, у фрода есть гарантированная дверь. «Тест склада»: взять позицию из учётной системы, найти её на полигоне, засечь время — а потом в обратную сторону, от железа к записи. «Тест узла»: стоит автоматический дозатор — посмотреть, доливает ли оператор воду «на глазок» после автодозирования. Ни один из этих тестов не требует ИИ. Они требуют недоверия к самоотчёту — и именно это недоверие оказалось самым дефицитным ресурсом цифровой трансформации.
Стоит сказать, чем этот подход отличается от того, как рынок обычно измеряет «цифровую зрелость». Стандартный инструмент отрасли — анкета самооценки: руководителям рассылают опросник, они расставляют себе баллы по осям, консультант сводит лепестковую диаграмму. По конструкции это институционализированная доложенная версия. Анкета не просто не ловит спрятанный датчик — она выдаёт ему сертификат: в графе «IoT-мониторинг» появляется галочка, подписанная тем самым руководителем, которому докладывали «внедрили». Мы не утверждаем, что анкеты бесполезны — они дёшевы и годятся как разминка. Мы утверждаем, что строить на них инвестиционные решения — всё равно что проводить медосмотр по анкете «как вы себя чувствуете». Фабрика исследований начинается там, где заканчивается вера в самоотчёт — любой, включая наш собственный, и к этому «включая наш» мы ещё вернёмся.
От датчика к контуру данных
Один спрятанный датчик — анекдот. Проблема в том, что датчик оказался не исключением, а образцом: чем глубже аудит спускался по контуру данных, тем шире расходились доложенная и наблюдаемая версии предприятия.
Самая тяжёлая находка — люди. Примерно 21–22 процента персонала существовало вне учётной системы: аутсорсинговый контингент по договору услуг и работники, не заведённые в кадровый контур. Каждый пятый человек на площадке — невидимка для любой системы, которая считает производительность, себестоимость или фонд оплаты труда. Это значит, что вся выработка «на официальную численность» завышена примерно на ту же долю, и любой расчёт эффективности, построенный на кадровых данных, начинается с ошибки в двадцать процентов — ещё до первой формулы.
Дальше — экономика. Официальная рентабельность предприятия составляла около одного процента, и первые же перекрёстные интервью показали: эта цифра — фикция, продукт налоговой оптимизации и «двух контуров учёта»; реальную рентабельность инсайдеры оценивали в несколько раз выше. Материалы списывались по нормам, а отклонения размазывались по всем изделиям сразу — то есть маржинальность конкретного заказа была принципиально невычислимой: не «трудно посчитать», а невозможно в принципе на этих данных. Металл принимался «по теоретическому весу» с бирок, без взвешивания. Остатки по одному из цехов в учёте ушли в минус — на складе лежало отрицательное количество сырья, и система не возражала.
И поверх искажений — задержки. Данные второй смены вносились вручную утром следующего дня; фактическая себестоимость закрывалась ближе к концу следующего месяца, когда приходили счета за электроэнергию и цемент. Любая «оперативная» аналитика на этом фундаменте оперативна только на вид: она показывает позавчерашний завод с точностью до искажений. Управление на таких данных один из наших респондентов метко назвал посмертным — решения принимаются по вскрытию, а не по пульсу.
Отдельная линия — деградация во времени, которую не видит ни один снимок текущего состояния. Мы спрашивали не только «как это работает», но и «как это работало три-пять лет назад». Приёмка на отгрузке: раньше представитель заказчика браковал изделия прямо у борта — теперь водитель подписывает документы не глядя, и брак вскрывается на объекте, через недели и через суд. Контроль остатков: раньше сходился — теперь «ушёл в минус». Каждая такая дельта — это не факт о сегодняшнем дне, это вектор, и он показывал вниз. Предприятие, деградирующее в учёте, деградирует в нём ускоренно: чем меньше веры данным, тем меньше желания их вести.
И надо честно сказать: поле сопротивляется измерению активно, а не пассивно. В нашем риск-реестре полевого сбора первым пунктом идут «потёмкинские деревни» — идеальный порядок, наведённый к визиту консультанта. Митигации прозаичны: смотреть исторические логи за двенадцать месяцев до визита, а не витрину в день визита; оставлять в графике незапланированные окна и заходить в цех тогда, когда этого не ждут; давать людям анонимный канал и явную амнистию за раскрытие старых проблем. Аудит, о котором предприятие знает заранее и к которому готовится, измеряет не предприятие — он измеряет качество подготовки к аудиту.
Важно, кто всё это рассказал. Не разоблачитель и не обиженный сотрудник — сами руководители, в спокойных интервью, часто с интонацией «ну вы же понимаете, как это устроено». Теневой контингент, два контура, минусовые остатки — на предприятии это не тайны, а фон, к которому привыкли. Искажение данных нигде не было чьим-то решением; оно было суммой тысячи маленьких удобств. Именно поэтому его не видно изнутри и не найти анкетой: анкету заполняет тот, кто давно перестал замечать.
Теперь главный ход этой главы. Спросите себя: что будет, если на такие данные посадить ИИ?
У завода, как у большинства зрелых производств, уже было собственное кладбище пилотов: мессенджер для заявок, который не прижился; лазерная рулетка, отвергнутая потому, что луч не виден на длинных пролётах летом; маркировочные пистолеты, отклонённые разом по цене и по технике. Каждый провал имел причину, и ни одна из причин не была «люди глупые». Новая волна автоматизации, которая не выучила это кладбище, обречена его повторить — теперь быстрее и дороже. Почему пилоты ИИ умирают на данных чаще, чем на моделях, — системный разбор этого есть в нашем ; здесь мы показываем частный случай, из которого правило выросло у нас самих.
Ответ неприятнее, чем кажется. Наивная автоматизация на фиктивных данных не бесполезна — она вредна. Дашборд, построенный на двух контурах учёта, не покажет «примерно правду» — он покажет уверенную ложь с точностью до второго знака. Модель прогноза, обученная на численности без пятой части персонала, будет систематически ошибаться — и делать это красиво, с графиками. ИИ ничего не исправляет в данных: он индустриализирует то, что в них есть. Была ошибка ручная и медленная — станет автоматическая и масштабная. В отчёте пилота этот вывод записан прямо: ИИ на таких данных даст ошибочные выводы; сначала — контур достоверных данных, потом — всё остальное.
Здесь мы ошиблись в ожиданиях, и об этом стоит сказать честно. Мы заходили на аудит с гипотезой, что главная работа — найти точки, где ИИ даст быстрый эффект. А главной работой оказалось построить карту того, где данным вообще можно верить. Ось готовности данных — та, по которой наш сканер готовности гоняет любую компанию до разговора о моделях, — родилась не из литературы, а из этого завода.
Зеркало: машина врёт так же убедительно, как отчётность
Было бы удобно закончить моралью «люди приукрашивают — машина объективна». Полевые данные не дают этого сделать, и наш собственный инструмент — тоже.
ошибается не так, как человек, — она ошибается лучше. Ошибка приходит в товарном виде: с уверенным тоном, стройной логикой и правдоподобными ссылками. Доклад «датчики внедрены» и сгенерированный отчёт с несуществующим источником — близнецы: оба выглядят убедительнее правды, потому что их никто не проверял по месту.
Масштаб зеркала измерен внешними исследованиями. Аудит коммерческих моделей и research-агентов 2026 года показал: от 3 до 13 процентов URL-цитат в их ответах сфабрикованы — страница не существовала никогда, ни в живом вебе, ни в архивах. Причём «глубокого исследования» галлюцинируют ссылки вдвое чаще обычных моделей с поиском: 10,7 процента против 4,8 — разница не шум, а статистика на сотнях тысяч проверенных URL. Инструмент, который позиционируется как более основательный, врёт про источники чаще — просто потому, что генерирует их больше, а проверяет так же — то есть никак.
В тех же работах есть и обратная сторона, важная для всего дальнейшего: когда к пристраивают агентную самопроверку ссылок — тривиальную, через архивы и проверку существования, — доля битых цитат падает на порядки, до долей процента. То есть — не неустранимый дефект технологии, а свойство неверифицированного конвейера. Ровно как потёмкинская цифровизация — не свойство заводов, а свойство вертикали, в которой никто не просит показать экран. Диагноз один и тот же, и лечение одно и то же: встроенная, обязательная, ничему не верящая проверка.
Вчитайтесь в симметрию. Предприятие докладывает о себе лучше, чем живёт. Модель цитирует увереннее, чем знает. И то и другое — самоотчёт без внешней проверки; меняется только носитель. А значит, метод, который претендует на честный результат, обязан не доверять никому из участников конвейера: ни данным клиента — их проверяет полевая триангуляция и Gemba; ни собственным агентам — их проверяет контур верификации, устроенный в главе 3; ни даже собственным красивым цифрам — как одна из них была казнена, рассказывает глава 5. Из этого тройного недоверия и собрана фабрика исследований. Слово «фабрика» здесь не метафора масштаба, а метафора ОТК: продукт не покидает цех без контроля, потому что известно, сколько брака даёт станок.
Что этот принцип означает на входе любого нового проекта? Он умещается в одно правило, и мы закончим главу им — без списков и чек-листов.
Любой факт о предприятии существует в двух версиях: доложенной и наблюдаемой. Доложенная версия достаётся бесплатно — в презентации, в анкете самооценки, в уверенном ответе на совещании. Наблюдаемая стоит денег: выезда в цех, просьбы «покажите на экране», пересчёта реестра по телу файла. Фабрика исследований — это машина, которая систематически платит за вторую версию. Всё остальное в этой книге — устройство этой машины: во что двадцать часов полевых записей превращаются на конвейере — глава 2; кто ловит ошибки самого конвейера — глава 3; как выглядит один её производственный день, посчитанный до , — глава 4.