Внедрение искусственного интеллекта (ИИ) в инфраструктуру крупного бизнеса в большинстве случаев приводит к неудачным, а иногда даже комичным ситуациям. По статистике, удачным бывает каждый пятый ИИ-проект. Конференция ЦИПР-2026, собравшая в Нижнем Новгороде под своей крышей представителей крупного бизнеса, обрела формат личных историй о промахах, ошибках и неудачах, связанных с внедрением ИИ.
Технопарк "Сколково", как оператор государственной поддержки пилотных проектов в сфере ИИ, с некоторого времени отслеживает все внедрения ИИ-проектов, как удачных, так и неудачных. Анализ последних помогает избежать ошибок в будущих проектах, сохранить бюджеты, время и, главное, заказчика. По статистике, четыре из пяти ИИ-проектов оказываются неудачными, а потраченные на них время и деньги просто сгорают.
Если посмотреть на проекты с позиции генеративного ИИ, то там статистика ещё хуже: только каждый 20-ый проект бывает успешным, остальные 19 - нет. Однако любой провал через призму полученного опыта предстаёт хорошим поучительным уроком, дающим бесценные знания, ведущие к успеху.
История первая. Лучшая оптимизация - это удаление.
Первым поведал о своём неудачном опыте внедрения ИИ-проекта Луганский Алексей, бизнес-консультант по информационной безопасности группы Positive.
Учитывая то, что компания занимается информационной безопасностью, то именно у неё провалов не было. Алексей поделился личной неудачей.
Как начитанный человек и профессионал своего дела, Алексей скопил довольно обширную электронную библиотеку, содержащую более 1000 изданий. В какой-то момент времени библиотека начала тормозить, явно требуя оптимизации. Алексей для решения этой задачи прибегнул к помощи AI-агента в лице чат-бота Codex на базе OpenAI, расширив его полномочия. Надо ли говорить, что оптимизация завершилась успешным удалением всей библиотеки.
Спасло ситуацию правило 3-2-1: три копии - под одной на 2 разных ПК + ещё одна на внешнем носителе.
Ошибка случилась из-за того, что AI-агент использовал другую систему команд, отличную от той версии, которая работала у Алексея. После неудачной попытки AI-агент извинился и предложил повторить. Надо ли говорить о том, что Алексей воздержался от такого "заманчивого" предложения.
Другой забавный пример случился с AI-агентом отдела по кибербезопасности, самостоятельно поменявшим себе правила, ограничивающие его возможности базовых настроек. Недочёт быстро заметили и ничего катастрофического не случилось. Однако такие случаи носят не единичный характер.
История вторая. Лучший доход - это майнинг криптовалюты.
История произошла с известной онлайн-торговой платформой AliBaba во время внедрения новой AI-модели по оптимизации методов извлечения прибыли. Интегрированная модель взломала внутреннюю систему безопасности и установила на сервера компании криптомайнеры. После чего запустила процесс майнинга криптовалюты.
Дело в том, что перед новой умной моделью стояла вполне определённая задача - реализовать наименее затратный способ получения прибыли. По сути, это вполне конкретная задача коммерческой компании: зарабатывать деньги как можно более простым способом. Решение было молниеносно найдено и реализовано, хотя для этого пришлось взломать внутреннюю систему безопасности. Что может быть проще майнинга криптовалюты?
История третья. Мы готовы продать Вам финансового директора.
Следующую историю поведал Романов Константин, директор по ИИ и цифровым технологиям ПАО "Вымпелком".
Эта история произошла с компанией, занимающейся b2b продажами. AI-агент должен был мониторить электронные торговые площадки, а также новости в СМИ и при обнаружении объявленных торгов: тендеров, аукционов, ценовых запросов и т.п.; или срочной необходимости в каких-либо товарах/услугах, рассылать наиболее вероятным участникам или компаниям, испытывающим потребности в товарах, коммерческие предложения на поставку.
Всё работало стабильно до одного события. У одной из компаний уволился финансовый директор, о чём прошла публикация в СМИ. AI-агент отловил эту новость, создал коммерческое предложение на поставку финансовых директоров и направил его в ту самую компанию. Ответ не заставил себя долго ждать. Реакция компании была вполне ожидаемая: отделу рассылок быстро объяснили куда им следует пойти со своими предложениями.
Такой пример наглядно показывает необходимость оптимизации внедряемых AI-агентов.
История четвёртая. ИИ наймёт Вам на работу ИИ.
По словам Романа, в их организации в последнее время наблюдается текучка кадров. Поэтому приходится постоянно нанимать новых сотрудников. Как правило, кандидаты приславшие своё резюме, проходили собеседование с представителями компании.
В один период времени кандидатов стало слишком много и компания перестала справляться с опросами. Решили оптимизировать этот процесс внедрением AI-агента, который опрашивал бы желающих утроится на работу. В какой-то момент было замечено, что длительность опросов стала сильно расти. Как впоследствии оказалось, некоторые желающие утроится на работу додумались для собеседования создать своих AI-агентов. Так ИИ общался с ИИ и в результате приглашал на работу ИИ.
В итоге компания приняла единственно правильное решение - нанять на работу тех самых создателей AI-агентов.
История пятая. Всесторонние переговоры между коммерческим блоком и силами техподдержки.
Следующей историей из своей профессиональной практики поделилась Чухнова Евгения, генеральный директор "РЖД Цифровые пассажирские решения".
Компания "РЖД Цифровые пассажирские решения" - это IT-компания, занятая разработкой и оптимизацией сервисов по продаже билетов. Как и во всякой крупной компании, в этой происходит довольно много совещаний, которые надо записывать. Для этих целей решили использовать AI-агента, а чтобы он грамотно писал на деловом русском языке, языковую модель решили обучить на новостной ленте, взяв за основу публикации новостей за последние десять лет.
В результате после совещания коммерческого отдела с отделом техподдержки компания получила совершенно потрясающий протокол. Пришёл он с хештегом "Молния" в котором само совещание было названо "Саммит". А сам протокол начинался фразой:
«В атмосфере нарастающего взаимного недоверия и затяжного кризиса идей прошли двухсторонние переговоры меду коммерческим блоком и силами техподдержки…»
Вывод.
Все эти примеры показывают, что перед внедрением любого ИИ-проекта следует проверить и перепроверить то, как настроена кибербезопасность. И делать это надо ещё на этапе проектирования AI-агентов.
Также очень важно грамотно и наиболее подробно написать для нейросети промпт генерации того, что Вам нужно. Важно для работы AI-агента использовать качественные данные, в противном случае ожидать хорошего исполнения задач от ИИ не стоит.
Нельзя забывать и про оптимизацию AI-агентов, которые уже работают.
Может быть интересно:
Благодарю Вас за прочтение и потраченное время.
Помочь умственному развитию автора можно здесь.
На что собираются деньги написано здесь.