12 подписчиков
ИИ за миллион, которым никто не пользуется: почему 9 из 10 внедрений заканчиваются провалом?
В самых разных источниках — от глобальных отчетов Gartner и McKinsey до нашей российской практики — накопилась целая база исследований с суровой статистикой: от 84% до 97% IT- и ИИ-проектов в бизнесе проваливаются. Они либо умирают на стадии пилота, либо тихо замораживаются после спуска миллионных бюджетов.
Почему так происходит?
Как CEO IT-компании, я постоянно вижу одни и те же грабли, на которые наступают руководители. Вот 4 главные причины, почему ИИ в бизнесе так и не начинает приносить деньги:
1. Внедрение ИИ ради ИИ
Приходит топ-менеджер и говорит: «Нам срочно нужен ChatGPT в компании, у всех конкурентов уже есть!». На вопрос «Какую конкретно бизнес-метрику мы этим улучшим?» ответа нет. В итоге разрабатывается красивый сервис, которым никто не пользуется, потому что он не решает реальную боль.
2. «Мусор на входе — мусор на выходе»
ИИ-модель умна ровно настолько, насколько качественные данные ей дали. Если в вашей компании регламенты устарели, базы CRM забиты дублями, а знания хранятся в головах ключевых сотрудников — нейросеть начнет галлюцинировать и выдавать бред. Сначала наводим порядок в данных, потом ставим ИИ.
3. Конфликт с legacy-инфраструктурой
Подрядчик может собрать крутого ИИ-агента для бизнеса, но когда доходит дело до интеграции с вашей 1С, Битрикс24 или самописной ERP-системой 2012 года, оказывается, что они не умеют общаться. Проект встает, бюджет кончается.
4. Саботаж и отсутствие обучения
Люди боятся, что ИИ их заменят. Или просто не понимают, зачем и как встроить агента в свои рабочие процессы, и возвращаются к привычным экселькам. В таком случае проект обречен. Именно поэтому системное корпоративное обучение ИИ для сотрудников — такой же критический этап проекта, как и написание самого кода.
Как войти в оставшиеся 3–16% успешных проектов?
Мое правило простое: никогда не начинайте с масштабной разработки на полгода.
Грамотное внедрение ИИ в бизнес всегда начинается с предпроектной аналитики и PoC (Proof of Concept) — прототипа на 2–4 недели.
Он проверяет конкретную гипотезу на узком участке процесса. Пошел рост метрик — масштабируем. Не пошел — сэкономили миллионы и скорректировали вектор.
👇 Поделитесь, был ли у вас опыт запуска ИИ или крупных IT-проектов в компании? Вышли в плюс или проект заглох?
1 минута
4 августа