Наталья Сутягина, «Национальная лотерея»: «Управление в двух плоскостях: КПЭ и метрики в условиях нестабильности»

Наталья Сутягина, директор по развитию и трансформации, «Национальная лотерея», и спикер Конференции «Операционная эффективность», рассказала CFO Russia, как превратить KPI в рабочий инструмент управления.

В условиях экономической нестабильности и быстро меняющегося бизнес-контекста компаниям нужна не только адаптивная стратегия, но и понятная система координат. Без неё организация начинает реагировать на каждый внешний сигнал как на новую стратегию: меняет приоритеты, пересобирает проекты, теряет фокус.

Практически это означает, что руководителю нужно чётко разделять две плоскости управления.

Плоскость 1. Управление по KPI результата, которые задают направление и тип изменений.

Здесь компания отвечает на вопросы: какие результаты она должна получить в среднесрочной перспективе, по каким показателям будет оцениваться успех и как эти показатели связаны со стратегическими целями. KPI результата – это показатели, привязанные к целям компании и подразделений: выручка, маржинальность, удержание клиентов, оборачиваемость капитала, доля рынка и т.д. Именно эти показатели органически эволюционировали в современные OKR (Objectives & Key Results), где Objective описывает желаемое изменение, а Key Results – измеримые результаты, которые подтверждают, что изменение достигнуто.

Плоскость 2. Управление по KPI процессов (операционным метрикам), которые защищают операционную стабильность и сигнализируют о рисках.

Здесь компания отвечает на вопросы: насколько стабильно и эффективно работают ключевые процессы, где возникают узкие места и потери, какие операционные изменения нужны, чтобы достичь целевых KPI результата. KPI процессов – это показатели, описывающие работу процессов: скорость, конверсия, стоимость операции, производительность, доля операций без доработки, SLA, lead time, backlog и т.д.

В передовых практиках сегодня часто говорят уже о трёх плоскостях: стратегические цели компании, OKR (цикловые цели и ключевые результаты) и KPI (операционные показатели). Однако для большинства российских компаний ключевой шаг зрелости – научиться устойчиво разделять и связывать хотя бы две базовые плоскости: KPI результата и KPI процессов.

Как часто, на ваш взгляд, необходимо обновлять KPI, чтобы они отражали изменения в бизнес‑среде? 

Я бы не привязывала пересмотр KPI только к календарю, а задавала следующее направление мысли: как часто компания проверяет управленческие гипотезы, заложенные в систему показателей?

KPI – это не просто цифра в отчёте. Это предположение о том, какие действия и процессы действительно ведут к нужному бизнес-результату.

KPI результата – например, выручка, EBITDA, уровень клиентского удержания, оборачиваемость капитала – должны быть достаточно стабильными, чтобы сохранять фокус и сопоставимость. Их целесообразно определять на год и делать сверку по динамике ежеквартально.

KPI процессов, операционные метрики (скорость процесса, конверсия, стоимость операции, производительность, доля операций без доработки), требуют более частого пересмотра: как минимум ежеквартального, а для критичных процессов и в условиях высокой волатильности – ежемесячного.

Критически важно различать мониторинг и изменение. Регулярно проверять метрики необходимо, менять правила игры каждый месяц – нет. Иначе KPI превращаются в предмет переговоров, а не в инструмент управления.

Для меня к ключевым триггерам пересмотра относятся:

Последний сигнал особенно показателен. Он означает, что команда оптимизирует показатель, а не ценность для клиента или компании.

Есть ли у вас примеры, когда своевременный пересмотр KPI помог избежать ошибок или снизить затраты?

В клиентском сервисе показатель «среднее время обработки обращения» сам по себе может создавать ложную эффективность. Команда быстро закрывает обращения, но клиент вынужден звонить повторно, потому что проблема не решена. В таком случае быстрый пересмотр KPI позволяет избежать скрытых затрат: повторных контактов, перегрузки линии, роста cost-to-serve и ухудшения клиентского опыта.

Более зрелая система включает не только скорость ответа, но и:

В этом случае создаётся «замкнутый контур»: менеджер управляет не закрытием заявки, а устранением причины обращения и приносит ценность всему бизнесу.

Ключевая формула: стратегические ориентиры должны оставаться стабильными, но драйверы результата и операционные KPI должны быть адаптивными. Пересматривать нужно не только целевую цифру, но и причинно-следственную связь: действительно ли этот показатель всё ещё ведёт к результату, который важен для бизнеса.

Как изменяется система оценки эффективности, если часть задач уже выполняет искусственный интеллект?

С появлением ИИ мы больше не можем оценивать производительность человека исключительно по объему выполненных операций, количеству подготовленных документов или времени, затраченному на типовую задачу.

Если сотрудник с помощью ИИ готовит качественный первый черновик аналитической записки за 1 час вместо 8-часового рабочего дня, «число подготовленных документов» не говорит, стал ли бизнес эффективнее. Нужно оценивать, как изменилась экономика процесса: сократился ли цикл принятия решения, увеличилась ли пропускная способность, снизилось ли количество ошибок, улучшилось ли качество клиентского результата и была ли высвобожденная мощность направлена на более ценную работу.

В текущих реалиях новая единица производительности – это связка «человек + ИИ + процесс», а не человек или алгоритм/инструмент по отдельности.

Рассмотрим на примерах, которые понятны почти в любом бизнесе и отрасли.

До внедрения ИИ система оценки в клиентском сервисе часто строится вокруг скорости и объема: среднее время ответа, среднее время обработки обращения, количество обработанных обращений на сотрудника, уровень соблюдения SLA по времени ответа. После внедрения ИИ эта система начинает создавать искажения: бот может быстро отвечать, но не решать проблему, оператор формально закрывает обращение, но клиент вынужден обращаться повторно.

В этот момент система KPI должна сместиться с «активности сервиса» на «способность решать проблемы». На первый план выходят доля решений с первого обращения, доля повторных обращений, стоимость полного цикла обращения и клиентская оценка (CSAT, NPS). Диагностические метрики использования ИИ (доля обращений, обработанных ботом, доля переписанных ИИ-ответов) становятся инструментом анализа, но не основными показателями эффективности.

Аналогичная логика работает в процессе подготовки и согласования договоров. До внедрения ИИ система оценки часто фокусируется на объеме и сроках: количество подготовленных договоров на юриста, среднее время подготовки одного договора, процент договоров, согласованных в срок. После внедрения ИИ, который генерирует черновики и проверяет их на соответствие шаблонам, эта система начинает работать иначе: если оценивать эффективность только по количеству документов, можно получить ситуацию, когда юристы формально обрабатывают больше договоров, но растет число ошибок и доработок.

В этот момент система KPI должна сместиться с «активности юридической службы» на «способность обеспечивать качество и скорость сделок». На первый план выходит сквозной цикл процесса, доля договоров без доработок и возвратов, количество ошибок и инцидентов, доля высвобожденной мощности, направленной на более сложные задачи. Диагностические метрики использования ИИ (доля договоров, где ИИ-решение было отклонено) становятся инструментом анализа, но не основными показателями эффективности.

Ключевой принцип при внедрении ИИ – все должно проходить через призму не пропускной способности, а ценности для бизнеса. ИИ с легкостью может увеличить количество обработанных обращений или подготовленных документов, но это не гарантирует, что бизнес стал эффективнее.

Чтобы понять, получили ли мы реальную ценность от внедрения, нужно оценить результат в четырех измерениях. Бизнес-эффект: улучшилась ли экономика процесса (cost-to-serve, маржинальность, предотвращенные потери). Сквозной процесс: стал ли процесс быстрее и устойчивее (lead time, SLA, доля операций без доработки). Качество и риск: не ухудшилась ли надежность результата (ошибки, жалобы, инциденты). Организационные изменения: закрепился ли новый способ работы (перераспределение мощности, масштабирование use cases). Эти четыре измерения помогают ответить на вопрос: «Получили ли мы эффект от ИИ?» – и не подменять потенциальную экономию времени реализованным бизнес-результатом.

Но оценка эффекта – это только начало. Чтобы не обманывать себя активностью в повседневной работе, система KPI процесса с ИИ должна включать «поджимающие» метрики, которые направляют команду к реальной ценности: доля решений с первого обращения, стоимость полного цикла обращения, количество ошибок и инцидентов, доля процессов без доработок и возвратов, клиентская оценка (CSAT, NPS), доля высвобожденной мощности, направленной на более ценную работу.

Эти метрики не позволяют подменять реальную ценность видимостью активности и заставляют команду отвечать на вопрос: действительно ли ИИ помогает бизнесу достигать нужных результатов, а не просто быстрее выполнять отдельные операции? «Поджимающие» метрики – это операционное воплощение 4 измерений эффекта в повседневной системе управления. Если 4 измерения помогают оценить эффект внедрения «точечно», то «поджимающие» метрики обеспечивают постоянный контроль, что процесс с ИИ действительно создает ценность, а не просто работает быстрее.

Какие новые компетенции становятся важными для сотрудников в условиях автоматизации?

Я бы сказала, что автоматизация не столько создает абсолютно новые компетенции, сколько радикально повышает ценность тех, которые раньше считались прерогативой экспертов и руководителей.

Когда типовые, повторяемые и хорошо структурированные задачи переходят к технологии, от человека все чаще требуется не исполнение инструкции, а качественное суждение: правильно определить проблему, задать контекст, проверить результат, увидеть исключение, принять решение и нести за него ответственность.

Процессное мышление становится критичным: сотрудник должен видеть не отдельную операцию, а ее место в сквозном процессе. Ускорение одной функции не имеет ценности, если оно создает очередь, дополнительные согласования или переделки на следующем этапе.

Аналитическое и критическое мышление позволяют проверять результат, сформированный ИИ: находить логические ошибки, неполные данные, некорректные предпосылки и несоответствие бизнес-контексту. Знание предметной области становится еще более важным: чем сильнее автоматизация, тем опаснее поверхностное понимание процесса. ИИ может быстро сформировать убедительный, но неправильный результат. Экспертность нужна для оценки применимости решения.

Управление изменениями также выходит на первый план: новый инструмент редко дает эффект сам по себе. Необходимо менять роли, регламенты, маршруты принятия решений, KPI и систему контроля. Поэтому руководителям нужны навыки управления изменениями, а сотрудникам – понимание новой модели работы.

Ответственность за результат остается ключевой: если сотрудник оценивается только по скорости использования инструмента, система будет стимулировать формальное применение ИИ. В зрелой модели оценивается качество решения и влияние на сквозной результат.

Руководителю недостаточно организовать обучение работе с новой технологией. Необходимо перестроить сам процесс: определить, какие операции действительно стоит автоматизировать, зафиксировать ожидаемый бизнес-эффект, изменить роли и зоны ответственности, обновить KPI, определить контрольные точки, обеспечить измерение качества и рисков и регулярно проверять, превратился ли потенциал технологии в результат.

Задать свои вопросы Наталье и узнать больше об опыте «Национальной лотереи» вы сможете на Конференции «Операционная эффективность», которая состоится 7 октября 2026 года.

Елизавета Гета