New York Jets: 51 ИИ-внедрение сделало ручной контроль узким местом

На 24 июля 2026 года программа New York Jets выросла с семи ИИ-внедрений до 51 примерно за три месяца, а доля активных пользователей Microsoft Copilot во фронт-офисе достигла 97%; эти сведения приводит партнёрский кейс Monte Carlo, где также указано, что программу возглавляет Ивао Фусилло, нанятый в 2026 году директором по данным и аналитике. Ранний этап массового подключения сотрудников остался в силе, однако главным ограничением стала уже не доступность ИИ, а проверка десятков агентов, их исходных данных и результатов.

Это существенно меняет смысл истории Jets. Клуб перешёл от распространения офисного помощника к производственной эксплуатации ИИ в коммерческих и футбольных процессах, где ошибочный ответ может попасть к руководству или повлиять на подготовку решения. При этом публичные материалы пока доказывают прежде всего скорость внедрения и формализацию контроля, а не улучшение спортивных результатов или долгосрочный рост бизнеса.

Первый этап создал спрос на десятки рабочих сценариев

Первоначальная задача состояла в том, чтобы сотрудники начали регулярно пользоваться ИИ и находить процессы для автоматизации. В публикации Ивао Фусилло о первых 100 днях названы 91% активных пользователей Copilot, 65 предложенных деловых сценариев, 23 внедрения в производственной среде и двукратное или трёхкратное увеличение объёма работы команд разработки и анализа данных.

Эти показатели описывают разные части программы и не должны смешиваться. Доля активных пользователей отражает распространение инструмента, число сценариев — объём внутреннего спроса, а количество внедрений — способность переводить идеи в рабочую среду. Ни один из показателей сам по себе не устанавливает связь между ИИ и выручкой, качеством состава или числом побед.

Есть и ограничение доказательной базы: ранние результаты опубликованы руководителем самой программы, а более поздние — технологическим партнёром клуба. Это не делает показатели недостоверными, но требует рассматривать заявления о производительности как внутреннюю оценку, а не как результат независимого исследования с контрольной группой.

ИИ работает не только с письмами и презентациями

Программа Jets затрагивает футбольную инфраструктуру, где цена неточных данных выше, чем в обычных офисных задачах. официальное описание системы Titan от Microsoft указывает, что это внутреннее веб-приложение около 15 лет объединяет данные для скаутинга, подготовки к драфту и кадровой стратегии, а его технологический набор включает Azure, GitHub Copilot и GitHub Actions.

В Titan есть балльный калькулятор для сравнения вариантов обмена выборами на драфте. Отдельный агент Copilot встроен в приложение NFL Combine: тренеры и скауты могут задавать вопросы на естественном языке и сопоставлять результаты кандидатов с данными предыдущих лет, включая показатели начиная с 2015 года.

Эти инструменты поддерживают решение, но не заменяют футбольное руководство. Основой скаутской оценки остаётся просмотр игровых записей, тогда как статистика и автоматизированный поиск добавляют сопоставимые данные. Выбор игрока или условия обмена утверждают специалисты клуба, поэтому наличие Copilot нельзя представлять как самостоятельное управление составом.

Такое разделение ответственности важно и для оценки риска. Ошибку в черновике письма сотрудник обычно заметит при редактировании, но не обновившийся набор данных или неверно прочитанная таблица могут привести к правдоподобному, однако неправильному аналитическому выводу. Чем ближе система находится к драфту, контракту или крупному коммерческому решению, тем меньше о её качестве говорит простое ускорение работы.

Почему ручная сертификация перестала соответствовать масштабу

При семи внедрениях Фусилло мог лично участвовать в проверке каждого из них. Когда их стало 51, контроль пришлось распределить между ним и руководителями нескольких профильных направлений. Дальнейшее увеличение числа агентов сделало такую модель зависимой от ограниченного времени небольшой группы специалистов.

Ответом стал прототип общего реестра ИИ-внедрений. Для каждого сценария предполагаются именованный владелец, показатели качества и явный уровень самостоятельности: от работы под наблюдением человека до более автономного исполнения. Реестр также должен позволить подразделениям видеть уже проверенные решения и не создавать одинаковые инструменты параллельно.

Новые сценарии сначала остаются под наблюдением в течение периода, зависящего от риска и устойчивости процесса. На этой стадии сотрудники могут обнаружить изменение поведения агента, сбой обновления данных или поломку схемы таблицы до предоставления системе большей самостоятельности. У критичных результатов человеческая проверка сохраняется и после автоматизации основной цепочки.

Один из таких процессов — ежедневная подготовка обзора СМИ для руководства. Агент собирает материал автоматически, но коммуникационная команда просматривает результат перед отправкой; для дополнительной сверки используются другие языковые модели. Это не исключает ошибку, зато сохраняет ответственного сотрудника и точку, в которой выпуск можно остановить.

Что уже доказано, а что остаётся неизвестным

Главный подтверждённый результат Jets — быстрое организационное масштабирование ИИ. Программа охватила деловые и футбольные функции, а массовое использование Copilot переросло в десятки специализированных внедрений. Одновременно клуб обнаружил, что контроль качества нельзя расширять теми же ручными процедурами, которые работали на стадии небольшого пилота.

Публично описаны правила, способные снизить операционный риск: назначение владельца, измерение качества, постепенное повышение автономности и проверка важных результатов человеком. Но формальное наличие этих процедур ещё не показывает, насколько часто агенты ошибаются, сколько инцидентов удаётся предотвратить и как меняется стоимость эксплуатации всей системы.

Также недостаточно данных, чтобы связывать программу с результатами команды на поле или устойчивым ростом коммерческих показателей. Пока это история не о доказанном конкурентном преимуществе, а о переходе от экспериментов к управляемой эксплуатации. Для Jets следующим мерилом зрелости становится не количество новых агентов, а способность поддерживать качество данных и понятную ответственность при дальнейшем росте.