Бизнес и ИИ: от надежд к разочарованию
🤖✨ Ожидания от ИИ
Можно свести к двум ключевым направлениям:
- Операционные: автоматизация рутинных задач, оптимизация процессов и ускорение принятия решений.
- Стратегические: генерация новых идей и предложений, усиление конкурентных преимуществ и быстрое тестирование маркетинговых и продуктовых гипотез.
🧱🤕 Реальность
Мы регулярно встречаем сообщения о том, что 30 %, 40 %, 50 % и даже 60 % предприятий уже внедрили ИИ, и при таких цифрах складывается впечатление, что технология работает и приносит результаты. Однако суровая реальность такова:
- Более 85% проектов ИИ не оправдывают ожиданий бизнеса.
- Рабочую интеграцию с ИИ могут позволить себе титаны отрасли — например, Amazon, Netflix, Walmart, Adobe, Starbucks и т.д. И благодаря им мы можем добавить этот пункт в зачет для ИИ.
Вот как это происходит на практике.
🛑🧱 Почему бизнес упираются в стену
Шаг 1: «Давайте добавим ИИ», — говорит CEO на совещании. Как будто это некая готовая волшебная функция, которую надо срочно внедрять.
Как пример, генеральный директор Shopify Тоби Лютке разослал сотрудникам служебную записку, в которой говорилось, что, прежде чем просить об увеличении численности персонала или ресурсов, команды должны показать, почему они «не могут добиться желаемого с помощью ИИ».
Шаг 2. Расходы, хаос и неопределённость.
И вот почему это происходит
- Для интеграции ИИ нужны данные — много данных. Но не любые данные, а чистые, структурированные и высококонтекстные. У большинства компаний их просто нет. Поэтому до внедрения ИИ необходимо потратить месяцы и целые кварталы на подготовку данных, а это долго, дорого и больно.
- Затем идет инфраструктура. Чтобы ИИ мог учиться, нужны высокопроизводительные GPU, распределённые вычислительные кластеры и при необходимости периферийные устройства для обработки в реальном времени. При этом инфраструктура должна быть рассчитана на скорость и масштабирование. И еще больнее и еще дороже.
- Не забываем о людях — Для успешной реализации нужны data‑scientists, инженеры, DevOps, архитекторы, аналитики предметной области и даже change‑менеджеры.
Шаг 3. Все сделали, обучили, развернули — это все?
Даже близко нет. Модели ИИ быстро устаревают: меняются данные, меняются клиенты, появляются новые конкуренты. Поэтому их нужно регулярно переобучать на свежих данных, настраивать под актуальные бизнес‑цели и постоянно мониторить производительность. ИИ — это живая система, которую нельзя «запустить и забыть».
Шаг 4. Вы поняли, что люди не совместимы с ИИ.
Не ждите, что команда сразу подружится с ИИ: им понадобится и обучение, и психологическая адаптация, чтобы научиться доверять, понимать ограничения и знать, когда результаты ИИ следует подвергать сомнению.
Для многих ИИ – это угроза, которая может лишить их работы. Всё это приводит к простоям, недопониманию и проблемам с моральным духом, которые распространяются по всем отделам.
Шаг 5. И тут вам сказали, что нужны протоколы безопасности
Если вы работаете с пользовательскими данными — значит, вам необходима хорошая защита от утечек и готовность ответить на любой вопрос регуляторов или клиентов о логике решений ИИ. Для этого нужны:
- Юридические аудиты и соответствие нормативам
- AI-фреймворки с отчётами, поясняющими ход мыслей модели
- Документация процессов и версий моделей
и специалист, который будет следить за поддержанием и обновлением всех мер безопасности и соответствия
Шаг 6. Вы все преодолели, руководство в восторге
ИИ работает, приносит пользу и прибыль. Пора масштабировать на новые команды, отделы или регионы — но будьте готовы: масштабирование нелинейно. Вам предстоит перестройка архитектуры под возросшие нагрузки, контроль сверхбюджетных расходов и усиление контроля мониторинга и рисков.
📌🧠 Резюмируя все это
Все это сложно, дорого, долго и больно, а для бизнеса как мы знаем важно «здесь и сейчас». Поэтому имеем, то что имеем. Практика использования ИИ в реалиях бизнеса ограничивается "костылем" где отдельные специалисты используют gpt (и аналоги) для маркетинга, продаж, продукта и т.д. без полноценной интеграции в бизнес-процессы.
Разумнее притормозить и не бросаться в авантюры. А чтобы узнать, когда нейросети дозреют и почитать о чужих ИИ-провалах и других новостях — подписывайтесь на наш авторский канал в Telegram Бинарный | Нейросети