Почему нейросети почти никогда не решают проблемы бизнеса

С нейросетями сейчас происходит странная вещь. О них говорят все, но редко — по делу.

Создаётся ощущение, что если где-то появляется ИИ, то проблема автоматически становится решаемой. В презентациях это выглядит особенно красиво: диаграммы, рост эффективности, экономия ресурсов. В реальности всё обычно сложнее.

Я видел несколько попыток внедрения нейросетей в бизнес-процессы. И почти всегда ожидания были сильно выше результата. Не потому что технология плохая — наоборот. А потому что её пытаются использовать не по назначению.

Нейросети часто воспринимают как решение. Хотя на практике это всего лишь инструмент. Причём инструмент, который усиливает то, что уже есть. Если процесс выстроен плохо, он станет работать быстрее — но всё так же плохо.

Самая частая ошибка — начинать с вопроса «куда бы нам прикрутить ИИ». Это сразу уводит не туда.

Вместо этого стоило бы сначала честно ответить: что именно у нас не работает и почему.

Но этот разговор сложный. Он быстро упирается в ответственность, решения и процессы. Проще поверить, что технология аккуратно закроет все шероховатости. Что нейросеть сможет «догадаться», «оптимизировать», «подсказать».

Иногда кажется, что ИИ используют как способ не принимать решения. Если система предлагает варианты — значит, ответственность как будто распределяется. Уже не так страшно ошибиться. Всегда можно сказать, что «модель так посчитала».

Где-то на этом этапе и начинается разочарование.

Нейросеть честно делает то, что от неё попросили. Но внезапно выясняется, что:

И вместо упрощения появляется ещё один слой сложности.

Я иногда наблюдаю, как ИИ внедряют не ради результата, а ради ощущения движения вперёд. Чтобы показать, что компания «в тренде». Такие истории редко доходят до публичных кейсов, но они хорошо запоминаются. Иногда я фиксирую их в «Даня из БИГ ТЕХ» — скорее как напоминание себе, чем как разбор.

Есть и другой перекос. Нейросети начинают ждать там, где нужен здравый смысл. Им пытаются делегировать выбор, который по своей природе человеческий. А потом удивляются, что рекомендации выглядят странно или оторваны от реальности.

ИИ не понимает контекста. Он оперирует тем, что ему дали. И если в системе нет ясности, нейросеть её не создаст. Она лишь аккуратно отразит хаос, но в более убедительной форме.

При этом сама технология — сильная. Очень. В правильных местах она действительно экономит время, деньги и внимание. Но эти места почти всегда находятся после того, как:

Тогда ИИ усиливает систему. Во всех остальных случаях — он подчёркивает её слабые места.

Поэтому, когда очередное внедрение не даёт эффекта, проблема обычно не в модели. И даже не в данных. А в том, что от нейросети ждут слишком многого — и слишком рано.

Нейросети не решают проблемы бизнеса. Они делают видимыми те, которые уже были.

К этой теме я ещё буду возвращаться — иногда публично, иногда в «Даня из БИГ ТЕХ», где можно продолжать размышление без необходимости делать вывод «для всех».