Бизнес вложил в генеративный ИИ 30–40 млрд долларов, но отдачу видят лишь 5% компаний

Почему 95% корпоративных ИИ-проектов проваливаются

Бизнес вложил в генеративный ИИ 30–40 миллиардов долларов. Результат? Только 5% компаний видят реальную отдачу. Остальные — пустые эксперименты, презентации и бесконечные пилоты. Проблема не в технологии. Нейросети работают. Но бизнес к ним не готов.

Я как редактор видел десятки таких кейсов. Компания покупает лицензии Copilot, раздает сотрудникам ChatGPT — а эффекта ноль. Почему? Давайте разберемся.

Ловушка пилота: процесс ради процесса

Пилот — удобная форма. Руководство видит активность. ИТ не трогает основной контур. Бизнес-подразделение пробует, но ничего не меняет. Все заняты. Проект идет. Но критериев успеха нет. И пилот живет вечно.

Вот реальный пример. Одна компания запустила пилот по автоматизации договоров. Нейросеть быстро находила риски, готовила резюме. Но согласование по-прежнему шло через почту, мессенджеры и папку «финальная_версия_2». Автоматизация не спасла. Она просто ускорила производство новых версий того же бардака.

Пилот должен отвечать на простой вопрос: гипотеза сработала или нет. Если критериев нет — это не эксперимент, а имитация.

Мое личное наблюдение: часто заказчик даже не знает, сколько времени занимала задача до ИИ. Без базовых метрик любой результат выглядит как чудо. А потом оказывается, что чуда не было.

Грязные данные — главный убийца ИИ

Данные — топливо для нейросети. Но в компаниях они живут в разных системах. В CRM одна картина, в биллинге другая, в Excel у руководителя третья, «самая правильная». Поля не заполнены, доступы потеряны, данные устарели.

Gartner называет плохое качество данных одной из главных причин провала GenAI-проектов. ИИ все съест и выдаст уверенный ответ. Но верить ему нельзя. Ошибка может стать рекомендацией к действию. Риск — колоссальный.

Плюс безопасность. Чем глубже ИИ в бизнесе, тем больше «дата-паранойи». Критические данные остаются в контуре предприятия. Не все можно отправить во внешнюю модель. А контролировать доступ сложно.

Автоматизируем хаос: процесс должен быть готов

ИИ плохо переносит процессы, которые держатся на привычке и устных договоренностях. Пока работу делают люди, многое не замечается. Один знает, кому написать. Другой помнит, где лежит правильная таблица. Формально процесс есть, но понять его логику невозможно.

Когда вы пытаетесь наложить нейросеть на такой «процесс», она не наводит порядок. Она ускоряет ошибки. Бардак тоже автоматизируется. Только управлять им после этого сложнее.

Пошаговый совет:

• Прежде чем внедрять ИИ, опишите процесс «как есть». Документально. С ролями, сроками, артефактами.
• Измерьте текущие метрики: время, стоимость, количество ошибок.
• Определите, какой показатель вы хотите улучшить и на сколько.
• Назначьте одного владельца результата — человека, который имеет право менять правила.

Кто отвечает? Никто

У ИИ-проекта редко бывает один хозяин. ИТ отвечает за платформу. Безопасность — за риски. Финансы — за отдачу. Бизнес-подразделение хочет результат, но не готово менять процесс. Проект становится ничьим.

Компании, которые получают от ИИ реальную ценность, втрое чаще имеют руководителя, лично вовлеченного в проект и отвечающего за результат. Без хозяина ИИ остается красивой игрушкой.

Итог: готов ли ваш бизнес к ИИ?

ИИ не отменяет управление. Он требует более зрелых процессов. Там, где компания понимает свои данные, умеет считать эффект и назначать ответственных, нейросеть приносит пользу. Где этого нет — она усиливает хаос.

Поэтому вопрос не «готов ли ИИ к бизнесу?». Вопрос: «Готов ли ваш бизнес к ИИ?» Если ответ честный и неуверенный — начните с наведения порядка. Иначе 95% шансов, что вы пополните статистику провалов.