Почему большинство ИИ-внедрений — это корпоративный театр

Сейчас почти каждая крупная компания говорит про искусственный интеллект. Внутри компаний появляются отделы, посвященные ИИ-агентам, внедряются ИИ-ассистенты, вводятся инструменты на базе ИИ для повышения эффективности. Подается эта информация как цифровая транформация бизнеса. Так ли это на самом деле? Реально ли ИИ внедряется для галочки рядом с “Провели цифровую трансформацию”? Или все это лишь корпоративный театр.

Если профильно взглянуть на компании, создается ощущение отсутствия каких-либо изменений. ИИ внедряется стремительными темпами, но колоссального прироста производительности, какой должен быть теоретически, не наблюдается.

Потому что значительная часть ИИ-внедрений сегодня — это не трансформация бизнеса. Это исключительно оптимизация существующих процессов.

Причём проблема не в самом ИИ. Проблема в том, что большинство компаний используют искусственный интеллект как символ собственной современности, а не как инструмент реального изменения организации.

В 2025 году исследование MIT по более чем 300 корпоративным пилотным внедрением генеративного ИИ показало:

В России наблюдается похожая картина. По данным совместного исследования «Якова и Партнёров» и Яндекса, к 2025 году 71% крупных российских компаний применяют генеративный ИИ хотя бы в одной бизнес-функции, что на 17 процентных пунктов больше, чем годом ранее. Рост впечатляющий и его уже можно оценить. Открытым остаётся другой вопрос: переходят ли эти внедрения в реальный финансовый результат, или повторяют траекторию 95% западных проектов из исследования MIT?

И это очень важный вопрос, ввиду того, что рынок сейчас создает иллюзию массового “ИИ-успеха”. Но, как можно судить, большинство ИИ-решений не выходит из стадии пилотного внедрения. Особенно важно рассмотреть данные противоречия и парадоксы для того, чтобы минимизировать возможные риски внедрения ИИ-решений, а также явно раскрыть тематику цифровой трансформации при внедрении инновационных технологий.

Рассмотрим основные причины возникновения противоречий и парадкосов в бизнес-сфере.

Попытка встроить ИИ в старую систему управления с изжившими себя парадигмами не меняет саму организацию. Большинство корпораций воспринимают AI как “новый инструмент” или как ещё один слой автоматизации поверх существующих процессов. Но ИИ влияет не только на скорость выполнения задач, но и начинает менять саму логику работы компании. А организационная модель остаётся прежней:

С практической точки зрения можно рассмотреть эту ситуация так:

сотрудник может подготовить аналитику за двадцать минут с помощью нейросети, но потом три дня ждать согласования документа. Команда может автоматизировать половину рутинной работы, но продолжать тратить огромное количество времени на внутреннюю координацию.

AI ускоряет отдельного человека, но не ускоряет организацию.

Показательный кейс. В 2023 году шведский финтех Klarna объявил о масштабной замене клиентской поддержки на ИИ-чатбота совместно с OpenAI. Компания сократила около 700 сотрудников и заявила, что чатбот обрабатывает 75% обращений и выполняет работу 700 операторов. В 2024 году это преподносилось как образец ИИ-трансформации. В 2025 году CEO Себастьян Семятковский публично признал, что компания «сфокусировалась на эффективности и затратах в ущерб качеству», и начала возвращать живых сотрудников с акцентом на то, что клиент всегда должен иметь возможность дозвониться до человека.

Выбор неправильного направления внедрения не способствуют улучшение показателей или полноценной трансформации бизнеса. Как уже упоминалось в исследовании MIT выше, многие компании неправильно выбирают направление внедрения ИИ-инструментов. То есть принимают неправильные стратегическое решений, из-за чего инвестиции вкладываются туда, где эффект минимален.

С практической точки зрения, можно рассмотреть провал партнёрства McDonald's и IBM. С 2021 по 2024 год сеть тестировала ИИ-систему автоматического приёма заказов на драйв-ин более чем в 100 ресторанах США. CEO Крис Кемпчински при запуске называл точность системы около 85% и при этом каждый пятый заказ всё равно приходилось перехватывать живому сотруднику. В TikTok ушли вирусные видео: система добавляла 21 порцию куриных наггетсов на 200+ долларов, топинг из бекона к мороженому, путала воду и мороженое с маслом и кетчупом, не реагируя на попытки исправить заказ. В июле 2024 года партнёрство было официально свёрнуто. Как итог: три года работы, более 100 точек, и возврат к живым операторам.

Если две предыдущие проблемы про то, что ИИ не работает или работает не там, то следующий парадокс касается случаев, когда ИИ как раз работает. И именно тогда возникает самое неожиданное последствие.

Большие языковые модели по своей природе работают через предсказание наиболее вероятных выходных данных, то есть всегда тяготеют к статистической норме. Любой сгенерированный результат представляет собой в некотором смысле среднее арифметическое того, что уже было создано человечеством. Профессор инженерных инноваций Южно-Австралийского университета Дэвид Кропли формулирует это прямо: «Хотя ИИ может имитировать творческое поведение – порой весьма убедительно – его реальная творческая способность ограничена уровнем среднего человека и никогда не достигнет профессиональных стандартов при нынешних принципах проектирования».

Пока инструментом пользуется один человек под собственным критическим контролем это не проблема. Проблема возникает, когда сотни компаний обращаются к одним и тем же моделям, обученным на одних и тех же данных, и пытаются с их помощью создать «уникальный контент».

Этот эффект проявляется на трёх уровнях.

1. На уровне продукта. Маркетинговые материалы, тексты на сайтах, рассылки, презентации начинают выглядеть одинаково, потому что генерируются одними инструментами по одним шаблонам. По наблюдениям исследователей в области рекламы Белоедовой и Романовой, тексты и изображения, создаваемые нейросетями, не отличаются индивидуальностью, и для получения дифференцированного результата всё равно требуется человек, корректирующий генерацию на каждом этапе.

2. На уровне процесса. Скорость и дешевизна ИИ-генерации создают иллюзию роста производительности, маскируя реальное снижение творческого качества. Команда выпускает в три раза больше контента и в три раза реже задаётся вопросом, зачем она его выпускает.

3. На уровне персонала. Когда сотрудники перестают регулярно решать нестандартные задачи самостоятельно, они теряют соответствующие компетенции, причём незаметно. Как отметил инженер-разработчик OpenAI Дакс Раад, ИИ-инструменты не делают команды автоматически эффективнее: они могут использоваться не для прорыва, а для экономии усилий, чтобы штамповать задачи с меньшими затратами энергии. Я уже писал об этой проблеме подробнее в материале о когнитивных последствиях работы с ChatGPT.

Для российского МСБ этот механизм особенно опасен: маркетинг, стратегия и креатив здесь нередко сосредоточены в руках одного-двух человек. Именно они в первую очередь делегируют творческую работу ИИ, и именно они несут наибольший риск атрофии тех самых компетенций, которые отличали их от крупных игроков.

Да, ИИ-решения представляют собой рабочие технологии с огромным потенциалом для бизнеса, которые уже дают результат там, где его правильно применяют. Важно: стратегически подходить к анализу процессов, которые требуют внедрения ИИ-решений, чтобы получить реальный экономический эффект, а не создавать корпоративный театр.

Маркеры театра простые:

Реальная цифровая трансформация связана с готовностью переосмыслить, кто и как принимает решение, какие показатели эффективности имеют смысл в новых решениях, где границы между тем, что технология делает быстрее, и тем, что человек делает лучше.