ИИ бесполезен в реальном бизнесе. Большинство компаний в Юго-Восточной Азии с трудом добились вообще каких-либо финансовых выгод от использования ИИ

Почему ИИ не приносит денег: честный разбор по данным McKinsey

Три из пяти компаний Юго-Восточной Азии вложили от 11 до 40% своего IT-бюджета в искусственный интеллект. Каждая пятая — не увидела ни цента отдачи. Это не мои догадки. Это данные свежего отчета McKinsey, правительственного Economic Development Board и Tech in Asia. 330 компаний, 10 секторов, шесть стран. Итог — провал.

Почему? Давайте разбираться.

Цифры, которые заставляют задуматься

Исследование провели летом 2025 года. 63 страницы отчета «Искусственный интеллект в Юго-Восточной Азии: эра возможностей» показали жесткую реальность. Больше 60% фирм выделили под ИИ серьезные деньги. Но доля ИИ в общей операционной прибыли у тех же компаний — меньше 5%. Почти каждая пятая вообще не заметила влияния на доходы.

Диссонанс. Инвестиции есть — прибыли нет.

В презентации отчета партнер McKinsey Вивек Лат отметил две причины: неправильные приоритеты и слабая адаптация сотрудников. Другими словами, компании либо тратят на не те проекты, либо персонал не готов работать с новыми инструментами.

Почему деньги не работают

Мое мнение — проблема не в технологии. ИИ сегодня доступен. Облачные сервисы, open-source модели, готовые API. Дело в людях и процессах.

Компании часто покупают «модное железо» без четкого понимания, какую бизнес-задачу оно решает. Пример: внедряют чат-бота для поддержки, но не настраивают базу знаний. Чат-бот отвечает шаблонно, клиенты бесятся, затраты на разработку не окупаются.

Или другой кейс: строят модель прогнозирования продаж, но данные в CRM — грязные. Модель выдает мусор. Доверие к ИИ падает.

Вивек Лат прав — адаптация персонала хромает. Людей не учат. Им просто ставят задачу: «используй ИИ». Без методологии, без обучения. Результат — сопротивление или формальное использование.

Важно: ИИ — это не волшебная палочка. Это инструмент. Как молоток. Если не уметь им бить, можно только разбить пальцы.

Как превратить ИИ в прибыль: пошаговая инструкция

Успешные компании в отчете делали иначе. Вот что можно взять на заметку.

• Шаг 1. Определите одну конкретную боль бизнеса. Не «улучшить всё», а, например, «сократить время обработки заказов на 20%».
• Шаг 2. Проверьте данные. Прежде чем строить модель, убедитесь, что данные чисты, структурированы и доступны. На это уходит 70% времени — и это нормально.
• Шаг 3. Запустите пилот на маленьком участке. Без масштабирования. Посчитайте ROI. Только если пилот окупился — идите дальше.
• Шаг 4. Обучите персонал. Не разовым вебинаром, а постоянной программой. В идеале — привлеките лидера изменений из числа сотрудников.
• Шаг 5. Измеряйте результат. Сравнивайте «было/стало» по четким KPI. Если через 3-6 месяцев нет эффекта — меняйте подход.

Сравнение: что делают неуспешные vs успешные компании

Личное наблюдение автора. Недавно я заметил, что компании из Сингапура и Малайзии, которые участвовали в отчете, меньше всего жаловались на ROI. Оказывается, многие из них использовали ИИ не для «революции», а для мелкой автоматизации: проверка договоров, прогнозирование оттока клиентов, управление запасами. Скучно? Зато работает. А «амбициозные» проекты вроде генеративных ассистентов для топ-менеджмента часто приносили убытки.

Резюме от автора

ИИ в Юго-Восточной Азии буксует не из-за технологии. А из-за того, что компании путают инвестиции с затратами. Они ждут чуда, вкладывая миллионы в алгоритмы, но не меняют процессы и не учат людей. Хотите, чтобы ИИ принес прибыль? Начните с малого. Научитесь измерять результат. И перестаньте верить в магию.