Ставки повышаются
В прошлых статьях (ч.1 и ч.2 ) мы с тобой разбирали, как ошибки в коде и кривая автоматизация могут стоить бизнесу репутации и больших потерь. Мы удивлялись над тем, как «эффективные менеджеры» ломают рабочие процессы. Я даже предложил и описал варианты более удачной реализации таких бизнес задач.
Но давай честно: это всё был разогрев. Сегодня разбираем кейс настоящего тяжеловеса.
Один из лучших онкоцентров мира, MD Anderson, решил поиграть в киберпанк с IBM Watson.
Спойлер: они сожгли 62 миллиона долларов. 62 миллиона ! Что бы на выходе аудиторы просто сказали: «Ребят, этот проект нежизнеспособен , вырубайте».
Разберем, почему облажались гиганты. И почему этот урок стоит выучить каждому, кто сейчас бежит внедрять ИИ-агентов «чтоб было».
Какие были ожидания на старте ?
2013 год, IBM Watson только что выиграл в Jeopardy. Маркетинг решил , что пора браться за что то серьезное и начать лечить рак, продав инвесторам красивую сказку про потенциал проекта и быструю окупаемость.
Схема была простой: Скармливаем Ватсону миллионы страниц медицинских журналов и историй болезней. ИИ анализирует это за секунды. Врач вводит симптомы, а Ватсон в ответ выдает:
«Это лейкемия, лечить вот так, вероятность успеха 95%».
Проект назвали Oncology Expert Advisor (OEA). Руководство MD Anderson купило этот билет в светлое будущее. Они реально ждали, что ИИ заменит рутину. Но …
С какой реальностью столкнулись ?
А теперь заглянем за кулисы этой истории и посмотрим, почему эта дорогая игрушка так и не взлетела в прод.
1. Проблема «Грязных данных»
Маркетологи IBM забыли упомянуть деталь: Ватсон - это алгоритм и ему нужны структурированные данные.
В реальности медкарта пациента — это адский микс из PDF-сканов, рукописных заметок (врачебный почерк — это та еще криптография) и неструктурированных лаб-результатов. Ватсон просто не мог это распарсить.
Людям приходилось вручную размечать данные и скармливать их машине. Вместо автоматизации врачи получили вторую работу: сначала лечишь пациента, потом учишь бестолкового робота, как его лечить.
2. Классика «Теневого IT»
Проект запускали в обход собственного IT-департамента MD Anderson. Бизнес-заказчики решили, что сами справятся с внедрением и не стали вовлекать свой тех.блок.
Итог закономерен: OEA не был нормально интегрирован с системой электронных медицинских карт (EMR). Врачи сидели и копипастили данные из одного окна в другое. Представь: на проект потрачен бюджет в десятки миллионов, а ты работаешь Ctrl+C / Ctrl+V, чтобы получить совет, который ты и так знаешь.
3. Фатальная ошибка: Смена платформы
В 2016 году MD Anderson решил мигрировать со старой системы учета (ClinicStation) на современную Epic. И тут архитектура сложилась.
Оказалось, что хваленый Watson был жестко захардкожен под старую систему. С Epic он работать не умел. Вся интеграция превратилась в тыкву. Данные в новой системе лежали в других форматах, и ИИ просто ослеп. Чтобы починить это, нужно было переписывать всё с нуля.
Финал: Аудит и вскрытие
За неполных 4 года, проект сожрал $62 млн. Пришли аудиторы из University of Texas и опубликовали отчет. Он читается как некролог здравому смыслу:
• Система не используется в реальной практике (Not in production).
• Деньги тратились с нарушением процедур.
• Результат: проект закрыть, убытки списать.
Позже журналисты Stat News выяснили, что MD Anderson еще легко отделался. В других версиях продукта ИИ давал опасные рекомендации. Например, предлагал препарат, вызывающий кровотечение, пациенту, у которого оно и так уже есть. Если бы эту штуку реально включили на полную мощность - последствия измерялись бы не в долларах, а в жизнях.
Вывод: Не будь как MD Anderson
Эта история - идеальный чек-лист для всех, кто внедряет ИИ.
1. Сначала данные, потом ИИ.
Если у тебя бардак в CRM и эксельках, никакой Watson или GPT-4 это не разгребет. ETL-процессы, сбор и очистка данных должны быть настроены до нейросети.
2. Не игнорируй своих технарей.
Покупка сложного софта в обход IT-отдела - самый дорогой способ выстрелить себе в ногу.
3. Изолированный софт - мертв.
Без API и связки с основной системой любой ИИ превращается в бесполезную игрушку. Не заставляй людей работать буфером обмена.
4. Не верь демо-версиям.
На презентациях всё работает идеально на «синтетике». В проде данные всегда грязные, сложные и противоречивые.
P.S. В следующий раз, когда тебе будет жалко 20 баксов за подписку на крутой рабочий сервис, вспомни этот кейс. Корпорация заплатила 60 млн $ за продукт с нулевым КПД.
Подписывайся на дзен и присоеденяйся в группе в ТГ. Узнавай интересное из мира технологий и практической автоматизации .
Если ты хочешь внедрить ИИ в свои проекты/задачи, но не знаешь с чего начать - пиши мне. Бесплатно проведу аудит твоего бизнеса и предложу рабочие методы повышения эффективности процессов