Компании массово внедряют ИИ из страха отстать от конкурентов (FOMO – Fear Of Missing Out). Из-за этого многие проекты проваливаются. Правильный подход – сначала найти реальную проблему в бизнесе, а затем решать её с помощью ИИ, а не наоборот.
Ключевые факты и цифры
- 95% пилотных проектов с генеративным ИИ в организациях не работают (данные исследования MIT).
- Большинство proof of concept (доказательств концепции) терпят неудачу именно потому, что ИИ становится самоцелью, а не инструментом.
Технические детали
- Пример правильного подхода: HP – компания, известная железом (ПК, принтеры), но также предлагающая SaaS-платформу Workforce Experience Platform. Она помогает IT-командам управлять цифровым опытом сотрудников на разных устройствах (Windows, Mac, виртуальные машины).
- Новый инструмент HP – AI Remediation (автоматическое исправление проблем). Что делает:
- сокращает ручное вмешательство;
- автоматизирует повторяющиеся задачи, например, очистку памяти.
Мнение эксперта (Фейсал Масуд, президент HP по цифровым услугам)
Нельзя «придумывать проблему под ИИ». Сначала – бизнес-задача, потом – решение.
Нужно смотреть на текущие рабочие процессы (workflows) и спрашивать: где ИИ может их усилить (augment), а не заменить полностью.
ИИ редко полностью заменяет людей. В большинстве случаев человек должен оставаться в контуре (human-in-the-loop), чтобы:
- обеспечивать подотчётность системы;
- помогать организации управлять ИИ.
Риски FOMO-подхода
- Компании начинают видеть в ИИ замену сотрудникам, что создаёт проблемы в будущем.
- Часто это просто «хорошая тема для разговора» (good talk track), а не реальная экономическая выгода.
Советы
1. Начинайте с боли, а не с моды
Не спрашивайте: «Где бы нам применить ИИ?». Спросите: «Какая наша самая дорогая, медленная или глупая операция?». Если ИИ может её ускорить или удешевить – отлично. Если нет – не внедряйте.
2. Считайте провалы не катастрофой, а данностью
95% неудач – это норма для инноваций. Но чтобы не сливать бюджет, выделяйте на пилот не более 5–10% от ИТ-бюджета и ставьте чёткий критерий успеха (например: «снижение времени на задачу X на 30%»).
3. Не увольте людей раньше времени
ИИ сейчас хорош в автоматизации чётких, повторяющихся действий (чистка памяти, классификация, поиск). Но он плох в ответственности, этике и нестандартных ситуациях. Оставьте человека «в контуре» – пусть проверяет, дообучает и страхует.
4. Избегайте «решения в поисках проблемы»
Это классическая ошибка: купили крутой AI-инструмент, а потом думаем, куда его приткнуть. В итоге – дорогой proof of concept, который никому не нужен. Внедряйте только то, что просит бизнес, а не то, что модно.
5. Используйте метрики, а не эмоции
Измеряйте:
- процент автоматизированных повторяющихся задач (как в AI Remediation);
- время реакции на инциденты;
- долю ручного труда в процессе.
Если метрики не улучшаются – FOMO не сработал.
6. Помните про устройство ИИ
Генеративный ИИ – это вероятностная модель, не база данных. Он может галлюцинировать. Поэтому в критических задачах (медицина, финансы, безопасность) человек обязателен. Если ваша сфера строгая – не верьте обещаниям «full automation».
7. Что делать прямо сейчас
- Проведите аудит рабочих процессов (workflow audit).
- Найдите 1–2 задачи, которые:
-чётко определены;
-не требуют 100% точности;
-имеют измеримый результат. - Запустите маленький пилот с конкретным KPI.
- Если провал – анализируйте, а не сворачивайте всё. Если успех – масштабируйте.
Резюме
Не спрашивайте «как нам внедрить ИИ?», спрашивайте «какую проблему нам решить?». ИИ – это средство, а не стратегия.
Ссылка на первоисточник: https://aibusiness.com/generative-ai/fear-of-missing-out-no-reason-to-implement-ai
Вас также могут заинтересовать: