В различных аналитических отчётах приводятся цифры, отражающие картину текущего отношения компаний к внедрению ИИ-решений:
- 95% genAI-пилотов не дают эффекта на PL (MIT)
- 56% CEO не видят финрезультата от ИИ (PWC)
- 42% компаний свернули ИИ-проекты (S&P)
- лишь 5% компаний генерируют значимую ценность от ИИ (BCG)...
Эти цифры изменятся. И очень скоро. Компании накапливают опыт работы с ИИ и расширяют своё понимание, как и что может помочь их бизнесу. Ценен как положительный опыт, так и провалы. Давайте разберём, какие типичные ошибки совершают компании в рамках процесса ИИ-трансформации.
Сначала - про общий путь.
Компании поэтапно проходят ряд стадий своей ИИ-зрелости:
1) Отрицание ценности ИИ
2) Бессистемные точечные попытки внедрения
3) Эксперименты разрозненных команд
4) Внедрение комплексной стратегии развития ИИ (только с этого этапа появляются значимые системные эффекты)
5) ИИ - ключевой драйвер развития бизнеса
Типичные ошибки компаний на этом пути
✕ Нет культуры работы с данными
Если данных мало, они фрагментарные, неавтоматизированные, нет единого источника, то ИИ выдаст результат, которому бизнес не поверит. Поэтому сначала - аудит качества данных и автоматизация. И только потом на этом фундаменте ИИ.
✕ Некорректная оценка реальной стоимости ИИ
Компании обычно учитывают только часть затрат и не оценивают стоимость подготовки данных, изменения процессов, обучения персонала, инфобез и т.п. И потом удивляются, что экономика не сошлась. А ещё компании порой думают, что для развития ИИ достаточно купить лицензии и сервер помощнее. Но в реальности технологии и инфраструктура - это <50% затрат, ключевое - это компетенции, развитие процессов, обучение сотрудников и культивирование ИИ-культуры, без них любые технологии будут бесполезны. Проверьте, что в вашей структуре затрат на ИИ этим вещам отводится большая часть.
✕ Сопротивление культуры и команды
Руководители не вовлечены, сотрудники не обучены, нет мотивации. Непонимание важности ИИ-грамотности - один из самых распространённых барьеров. Даже при наличии ИИ-решений их использование будет лишь эпизодическим. Нужен полноценный план управления изменениями.
✕ Использование открытых моделей без политик информационной безопасности
Данные могут стать публичными, появляются репутационные и бизнес-риски, растёт риск кибератак. Реализация риска может стать критичной. Политики, понятные инструкции и контроль за использованием данных - всё это требуется до старта, а не в процессе и не после.
Роль ИИ-стратегии
И самый важный момент - без стратегии никакая ИИ-трансформация не случится. Это не гипотеза - это факт. Если цели ИИ-развития не связаны с бизнес-целями компании, нет принципов выбора и приоритезации ИИ-проектов, нет прозрачных метрик успеха и не настроен процесс оценки реализации стратегии ваша компания просто потратит деньги впустую. У вас будет куча проектов, не дошедших до прода, экономия на ФОТ вместе с потерей конкурентных преимуществ ключевых продуктов, разработанные, но не используемые ИИ-решения... Потому что результат формируется на базе комплексного подхода от понимания целей и развития данных, компетенций и ресурсов до управления изменениями и выполнением.
В следующем посте разберём ключевые этапы разработки ИИ-стратегии, метрики успеха, типичные проблемы и лучшие практики