Почему компании улучшают процессы, но не получают бизнес-результат?
За последние два года компании массово внедряют ИИ: автоматизируют задачи, улучшают процессы, сокращают время операций. Но есть нюанс, который признают почти все аналитики: AI улучшает процессы, но не улучшает бизнес… И это самая частая причина разочарования в проектах ИИ.
Почему так происходит?
Компании улучшают не то, что влияет на деньги
Большинство AI-инициатив начинается с задач уровня: «ускорим документооборот»,
«сократим время ответа», «сделаем чат-бота»… Это хорошие улучшения, но они не драйвят P&L.
По данным McKinsey (2024): Только 11% AI-проектов напрямую влияют на доход или маржинальность. Остальные улучшают процессы, но не экономику. Пока компания не связывает ИИ с деньгами – эффекта нет.
Все делают “инструменты”, а не меняют бизнес-логику
AI внедряют внутри старой системы координат, не меняя сами правила игры. Компании оставляют те же KPI, те же роли, те же процессы, ту же культуру принятия решений. И под это ставят «какой-нибудь ИИ».
Получается, как в анекдоте: новый мотор ставят в старую машину и удивляются, что она все равно едет медленно.
Улучшения рассеиваются внутри организации
MIT Sloan (2025) пишет, что ИИ создает ценность не в точке внедрения, а в интеграции между подразделениями.
Например:
- юридический департамент оптимизировал работу → супер
- но цикл сделки всё равно длинный → результата нет
или:
- маркетинг сделал персонализацию → отлично
- но продажи работают по старым сценариям → маржинальность = 0
Такая несогласованность бизнес-функций обнуляет даже самые перспективные проекты и начинания.
Компании не меняют способ принятия решений
Это фундаментальная проблема: если вы внедрили AI, но решения в компании все еще принимаются по интуиции, по статусу, “как всегда делали” и т.д., то AI никак не может повлиять на результат. Здесь кроется главная проблема и разрыв между эффективностью процессов и эффективностью бизнеса.
Нет роли, которая соединяет ИИ и стратегию
У большинства компаний отсутствует такая роль, как AI Business Partner (AIBP). В штате просто нет человека, который одновременно понимает бизнес и понимает AI, соединяет это в стратегию, убирает хаос между департаментами и ставит правильные приоритеты. Пока роли нет, в компании царит хаос, а не AI.
И, наконец, никто не ставит измеримые цели
По данным Harvard Business Review (2024) 79% AI-проектов не имеют бизнес-метрик и ROI еще до начала работ. То есть в 8 из 10 проектов вообще невозможно объективно понять, что они должны были дать.
Если цель звучит так: «улучшить процессы», «повысить эффективность», «ускорить работу» и т.д., то и результат будет соответствующим: непонятно что, непонятно когда и непонятно зачем.
Что со всем этим делать?
Внедрять искусственный интеллект, но начинать не с с технологий, а с бизнес-модели. Хотите получить результат, который будет ощутим в финансовом плане? Тогда сначала ответьте себе на вопросы: откуда компания получает прибыль? Где растет стоимость? Где теряются деньги? И внедряйте AI, исходя из полученной информации.
Стройте AI-проекты отталкиваясь “от P&L”, а не от процессов– всегда думайте, сколько принесет или сэкономит внедрение того или иного инструмента. И, конечно, вводите роли, которые соединяют ИИ и стратегию (AIBP), без этого у вас не будет бизнес-метрик до начала проекта, не будет критериев, по которым вы сможете измерить эффективность проекта и будет эффективной коммуникации между отделами.
Помните, что даже самый продвинутый ИИ не дает бизнес-результат автоматически. Результат появляется только там, где меняется сама логика бизнеса.
Вот почему Improving Processes ≠ Improving Business. И вот почему AI-проекты проваливаются, даже когда внутри “все работает”.