Искусственный интеллект сегодня является главным корпоративным трендом, однако у большинства компаний до сих пор отсутствуют ощутимые результаты от его внедрения. Согласно данным McKinsey, устойчивый экономический эффект от ИИ пока остается скорее исключением, чем правилом. Анализ этого исследования позволяет выяснить, на каких этапах тормозится внедрение, почему пилотные проекты не переходят в масштабирование и что необходимо сделать, чтобы ИИ реально способствовал росту бизнеса.
Цифры и инсайты
Одной из ключевых проблем является низкий уровень ожиданий среди персонала: лишь 20% сотрудников прогнозируют значимое влияние ИИ в ближайший год.
Даже при активных инвестициях технология зачастую остается на уровне экспериментов, не становясь частью повседневной рабочей рутины.
Изменить ситуацию можно, если обучать команды на конкретных кейсах, наглядно демонстрируя, как нейросети решают реальные задачи. Начинать следует с процессов, обладающих высокой видимостью эффекта, — например, поддержки клиентов, обработки данных или подготовки обучающих материалов.
Главные барьеры
Недоверие к новому
Недоверие к технологии выступает главным барьером на пути внедрения. Средний уровень доверия к безопасной разработке ИИ составляет 71%, при этом в отдельных секторах этот показатель значительно ниже. Сотрудники сомневаются, можно ли полагаться на ответы нейросетей, как именно принимаются решения и где проходят границы применения ИИ. Для преодоления этого барьера необходимо не только рассказывать о возможностях, но и четко объяснять ограничения систем, а также внедрять понятные правила их использования. Без доверия персонала любые проекты автоматизации и ИИ не смогут достичь ключевых бизнес-показателей.
Устаревшие процессы
Главные препятствия, как выяснили эксперты McKinsey, кроются внутри самих компаний. В их числе — устаревшие ИТ-системы, сложные процессы согласования, ограничения инфраструктуры и непрозрачность моделей LLM (так называемый эффект «черного ящика»). Технологии существуют, но они не готовы к оперативному внедрению. Без адаптивной архитектуры и интеграции ИИ в повседневные процессы масштабирование становится невозможным.
Отсутствие видимого эффекта
Показатель возврата инвестиций (ROI) также пока нестабилен. Рост выручки более чем на 5% фиксируют лишь 19% компаний, 36% не видят никаких изменений, а 23% отмечают снижение издержек. Эффект появляется только при масштабировании на реальные рабочие процессы, тогда как локальные пилоты сами по себе бизнес-результата не дают.
Ожидания руководителей заметно превышают текущие реалии: 87% топ-менеджеров ожидают роста выручки в ближайшие три года, причем около 51% прогнозируют увеличение более чем на 5%. В связи с этим необходима реалистичная стратегия внедрения с приоритизацией сценариев, где эффект можно измерить быстро.
Начинать следует с приоритетных процессов и масштабировать решения постепенно, чтобы соответствовать ожиданиям как сотрудников, так и руководства.
Сопротивление сотрудников
Примечательно, что сильнее всего внедрению ИИ сопротивляются именно те, кого эта трансформация затронет в первую очередь.
В функциях с высоким потенциалом использования ИИ около 50% сотрудников настроены негативно, тогда как в остальных подразделениях, где влияние технологии менее значительно, доля скептиков достигает 70%.
В ключевых функциях люди чаще боятся замещения и хуже понимают свою будущую роль.
Поэтому работа с восприятием персонала критически важна: необходимо показывать ценность ИИ и его роль в упрощении работы, а также вовлекать сотрудников ключевых функций на ранних этапах пилотов для снижения страхов и повышения эффективности.
Где ИИ уже даёт видимый результат
Существуют области, где искусственный интеллект уже демонстрирует видимый результат. Порядка 11% всего экономического потенциала ИИ приходится на клиентский сервис. Технология помогает автоматизировать ответы на типовые обращения, генерировать подсказки для операторов и ускорять обработку запросов. Таким образом, если бизнесу требуется быстрый эффект, начинать внедрение стоит именно с поддержки.
Что сделать прямо сейчас
ИИ начинает давать реальный эффект там, где его используют ежедневно.
На практике это требует разработки четкого дорожной карты с приоритизацией сценариев, обладающих максимальным бизнес-эффектом. Компаниям следует развивать навыки сотрудников, обучая ключевые команды работе с ИИ и демонстрируя прямую пользу для их задач.
Автоматизация ручного труда путем внедрения ИИ в рутинные действия позволяет людям сосредоточиться на критических решениях.
Расширять использование технологии стоит только после тщательного тестирования и оценки эффекта, а также постоянной работы с восприятием: вовлекать сотрудников, объяснять возможности и ограничения, показывать результаты на практике.
Пилоты и эксперименты — это лишь первый шаг. Настоящий эффект появляется, когда ИИ встроен в процессы команд, сотрудники понимают, как его использовать, а результаты измеряются в конкретных показателях.
Фокус на обучение, интеграцию и контроль позволяет повысить продуктивность, снизить нагрузку и сохранить экспертные знания внутри компании.
Теория, цифры и практические советы — это хорошо, но что насчет реального опыта?
Если вы хотите увидеть конкретные кейсы внедрения ИИ в крупных российских компаниях, приходите 23 апреля на конференцию TEAMLY × QSOFT, посвященную знаниям, обучению и искусственному интеллекту.
Лидеры и ведущие практики из ГК «Росатом», ПАО «Северсталь», ПАО «Ростелеком», Яндекса и других организаций расскажут, как обучить более 90 000 сотрудников промпт-инжинирингу, что происходит внутри «черного ящика» искусственного интеллекта, а также как вовлечь свыше 1000 сотрудников в ИИ-революцию и получить бизнес-результат.
Эти и многие другие интересные темы раскроем на конференции.
Время и место: 23 апреля, ЧТ, 14:00 офлайн в Москве и онлайн из любой точки мира.