Добавить в корзинуПозвонить
Найти в Дзене

90% AI-проектов в России свернуты или заморожены

CNews опубликовал исследование консалтинговой компании «Интеллектуальная аналитика»: только 10% пилотных AI-проектов крупных компаний, запущенных в 2025 году, дошли до полноценного внедрения. Остальные 90% либо остаются на стадии пилота, либо уже закрыты.
На самом деле, я довольно сильно удивился. Я, конечно, представлял, что все плохо, но не думал, что настолько.
На самом деле, я довольно сильно
Оглавление

CNews опубликовал исследование консалтинговой компании «Интеллектуальная аналитика»: только 10% пилотных AI-проектов крупных компаний, запущенных в 2025 году, дошли до полноценного внедрения. Остальные 90% либо остаются на стадии пилота, либо уже закрыты.

На самом деле, я довольно сильно удивился. Я, конечно, представлял, что все плохо, но не думал, что настолько.

На самом деле, я довольно сильно удивился. Я, конечно, представлял, что все плохо, но не думал, что настолько.

Причины провалов

Главная причина — плохая интеграция в реальные производственные процессы. Вторая причина — запускали не проекты по автоматизации, а проекты по PR, получению «медалек» и произведению вау-эффектов.

Пример из исследования: компания дообучила Qwen без привлечения внешних экспертов. Данные собрали недостаточные и нерепрезентативные. Количество точных ответов AI-ассистента в юридическом департаменте было ниже 30%, проект закрыли. Ба-дум-тсс!) Сколько было потрачено денег и сил, страшно представить.

Международный опыт

Западные коллеги в этом вопросе нас немного обгоняют — у них статистика еще хуже) В отчете «The GenAI Divide — State of AI in Business 2025» говорится, что только около 5% интегрированных AI-пилотов дают измеримый P&L-эффект. Главный вывод отчета: провалы чаще связаны не с качеством моделей, а с интеграцией в процессы и отсутствием ясной бизнес-цели. Люди везде одинаковые.

Я часто пишу в канале, что неумелые интеграторы испортили репутацию VR, хотя технология не при чем. Руки просто кривые.

С AI то же самое — технология работает, но если запускать проект ради моды и хайпа и без измерения эффекта — провал гарантирован.

Что с этим делать?

Если планируете AI-проект, задайте себе вопросы:

— Какой измеримый бизнес-эффект мы хотим получить? Максимально конкретно: сократить время обработки заявки с X минут до Y, снизить нагрузку на поддержку на Z%, увеличить конверсию на N% и т.д. Как мы это измерим?

— Как AI встроится в существующие процессы (включая интеграции)? Если ответ «никак, это будет отдельный инструмент», это беда. AI должен интегрироваться с CRM, ERP, базами знаний, системами, которыми пользуются сотрудники каждый день.

— Кто будет этим пользоваться и зачем? Если сотрудники не понимают ценность или им неудобно — инструмент не приживется.

Надеюсь, это прибавит процентик к позитивной статистике.А пока перед нами очередное подтверждение того, что кривая Гартнера работает, мы на пике, и нас ждет стремительное "ю-ху" в пропасть)

Не забудьте переслать пост другу, которому как раз недавно пришла классная мысль автоматизировать все с помощью нейросетей.