7 ноября 2025 г.
Оценки реальной отдачи от внедрения искусственного интеллекта в бизнес-процессы значительно разнятся: одни уверенно провозглашают ИИ третьим тектоническим сдвигом на ИТ-рынке (если за первый считать широкое внедрение компьютеров в деловой обиход, а за второй — повсеместное проникновение Интернета); другие рассматривают его не более чем вспомогательный инструмент, — пусть и с внушительным потенциалом. Так или иначе, игнорировать потребности заказчиков в хотя бы ограниченном освоении ИИ участники канала не могут себе позволить, — иначе им придётся уступить свои позиции на рынке более расторопным коллегам-конкурентам.
По крайней мере, в этом убеждены эксперты профильного американского издания CRN, активно призывающие партнёров второго уровня преобразовывать свой бизнес — в направлении ИИ-консалтинга; ни больше, ни меньше. Совсем недавно главной стратегией для поставщиков управляемых услуг (managed services providers, MSP) был примат информационной безопасности — security-first, — что вполне объяснимо: насколько высококачественные сервисы заказчику бы ни предоставлялись, в отсутствие надёжной защиты от злонамеренных воздействий (как внутренних, так и внешних) экономической отдачи от него клиента не увидит. Сегодня же во главу угла должен становиться, убеждены эксперты, подход AI-first, — когда MSP обладает достаточными компетенциями и ресурсами, чтобы перекроить бизнес-процессы заказчика, положив в их основу генеративные модели искусственного интеллекта.
Здравое зерно в такой позиции, бесспорно, присутствует. Давно и успешно сотрудничающий со своими клиентами системный интегратор к настоящему времени уже располагает бесценными (именно с точки зрения прикладного внедрения ИИ) сведениями о структуре и деятельности компаний-заказчиков. Собственно, эффективность практического применения генеративных моделей пропорциональна не столько объёму, сколько качеству данных, на которых нейросеть тренируется исходно и/или дообучается. Соответственно, те заказчики, что используют напрямую общедоступные модели, оказываются априори в невыгодном положении, поскольку получают от ИИ лишь некие обобщённые, абстрактные рекомендации. При помощи же сведущего MSP клиентские данные могут применяться для дообучения нейросетей (доступных либо из облака, либо локально), что значительно увеличит предметную ценность предлагаемых ИИ решений.
И не стоит думать, будто интеграторы на этой почве станут конкурировать с «прямыми» поставщиками ИИ-сервисов; крупнейшими разработчиками генеративных моделей вроде OpenAI, Google или Anthropic. Судя по тому, что ИТ-отрасли жизненно необходимо к 2030 г. вернуть около 2 трлн долл. США инвестиций в ИИ в виде выплат со стороны конечных заказчиков — иначе титанические расходы на «железо», энергию для ЦОДов, тренировку новых моделей и т. п. попросту обанкротят сделавшие ставку на это направление компании, — создатели нейросетей более чем охотно будут идти на партнёрство с интеграторами. Ведь именно стараниями последних в итоге и окажется обеспечен стабильный приток средств от перестроивших под знаком AI-first свои бизнес-процессы клиентов.
Эксперты CRN призывают MSP скорее становиться для своих заказчиков доверенными советниками по ИИ-трансформации. Что, бесспорно, потребует на первых порах от самих интеграторов значительного напряжения сил и расходования немалых средств: невозможно эффективно продавать то, в чём не разбираешься, — а ИИ-как-услуга в этом плане чрезвычайно ресурсозатратен. Подход «сапожник без сапог», ещё более или менее оправдывавший себя в эпоху процветания box moving, теперь решительно контрпродуктивен.
Интеграторам придётся в первую очередь перестраивать свои собственные бизнес-процессы с привлечением ИИ, отлаживать эффективное и безопасное применение нейросетей на своём же примере, чтобы наглядно демонстрировать маловерам все его преимущества. И только потом, суммировав полученный опыт и переупаковав наработанные компетенции в готовый у внедрению на стороне продукт, предлагать его клиентам — причём начиная с тех, которые настолько доверяют избранному ими MSP, что готовы под его руководством проводить глубокую реорганизацию самих основ своей коммерческой деятельности.
Понятно, что на первых порах это могут быть и служебные пилотные проекты — вроде чат-ботов для сервисного обслуживания, средств автоматизации документооборота или инструментов умной бизнес-аналитики. Однако ключевая проблема с внедрением ИИ заключается в уже упомянутой жёсткой зависимости его эффективности от полноты и качества предоставленных для его (до)тренировки данных. В отсутствие обучения на обширном массиве взаимозависимой информации (включая записи той же службы техподдержки, графики поставок запчастей и оборудования, сведения о повышении квалификации обслуживающего персонала и т. п.) самая современная генеративная модель не сумеет обеспечить устраивающий данного конкретного заказчика уровень исполнения задач.
А значит, даже для внедрения пилотного ИИ-проекта интегратору придётся глубоко погружаться в бизнес-процессы клиента, попутно их оптимизируя и в целом преобразуя, — пусть изначально и в ограниченном масштабе. Консалтинг в чистом виде!
Источник: Максим Белоус, IT Channel News
