17 декабря 2025 г.

Самой горячей темой современного ИТ уже несколько сезонов подряд является «искусственный интеллект», который, на первый взгляд, демонстрирует радикально новые возможности, важные как для частных пользователей, так и для корпоративных.

Однако во второй половине года начали приходить тревожные сообщения, что корпоративные внедрения «искусственного интеллекта» не приводят к драматичным изменениям в экономических показателях компаний и даже отдельных подразделений, а в ряде случаев заканчиваются провалами и закрытием ИИ-проектов. Измеримую пользу приносят только 5% инициатив, связанных с внедрением ИИ в бизнесе, по данным Massachusetts Institute of Technology (MIT).

Так хайп и антихайп стали соседствовать друг с другом в пределах одного года. Что же произошло?

Чудес не бывает...

Внедрение новых инструментов — особенно настолько новых, как ИИ — в большинстве случаев не способно «автоматически» привести к улучшению бизнес-показателей. Для получения значимого результата от внедрения компании нужно производить изменения в бизнес-процессах. Это стало очевидным во времена становления «цифровой трансформации», в ситуации с ИИ-инструментами это более заметно.

Только 2% компаний смогли внедрить ИИ без внесения каких-либо изменений в свои бизнес-процессы, по данным ежегодного исследования MIT SMR и BCG, проведенного еще в 2021 году. Заметим, что тогда ИИ-инструменты были существенно менее демократичными, поэтому к ним обращались компании с высокой степенью «цифровой зрелости». Результат уже тогда был выразительным: исследование показало, что появление технологий «искусственного интеллекта» в организации повышает эффективность персонала и помогает улучшить процесс принятия решений, а 62% опрошенных отметили повышение конкурентности компании.

Сейчас внедрение ИИ стало более массовым, этим занялись компании, далеко не всегда обладающие высоким уровнем внутренней организации. При детальном рассмотрении их неудач ясно, что причины провальных внедрений связаны не с ИИ, а с бардаком в бизнес-процессах. Это приводило к неверно поставленным ТЗ, к отсутствию аппаратных мощностей для развертывания решений внутри контура компании, а зачастую и к сопротивлению персонала (люди все еще боятся, что «ИИ заберет мою работу!»). Проблемы не новы и вполне решаемы, но решение требует ресурсов: времени, управленческих усилий, работы HR и пр.

Проблемы, связанные с внедрением ИИ в компаниях ровно те же, какие возникают при использовании традиционных программных решений для оптимизации бизнес- и производственных процессов. В ситуации с ИИ некоторые дополнительные особенности создают эффект завышенных ожиданий и требуют от заказчика понимания специфики новых инструментов.

...но от ИИ их продолжают ждать

С традиционным софтом в большинстве случаев разобрались, никто не ждет чудес от попыток внедрения без внятного ТЗ, поверх запутанных бизнес-процессов и т. д. Но с ИИ пока не так: множество корпоративных заказчиков, завороженные терминами «интеллект» и «инференс», считают, что внедрение ИИ способно совершить чудо. Не получив желаемой волшебной кнопки «Сделай все сам и чтоб было красиво», многие заказчики расстраиваются.

Всемогущий «компьютерный мозг», способный самостоятельно разобраться в проблемах компании, поставить задачи и предложить варианты решений — AGI (Artificial General Intelligence) — пока не существует; если его создадут, то в отдаленном будущем. Далеко не все исследователи и визионеры верят в возможность создания такого решения в обозримой перспективе — пока мы не знаем, как работает естественный интеллект.

«Искусственный интеллект» — который при ближайшем рассмотрении оказывается и не искусственным, и не интеллектом — мощный инструмент, но это всего лишь софт. Он прекрасно подходит для одних задач и малоприменим для других. Это не «волшебная палочка», а на AGI существующие на сегодня многочисленные инструменты даже не похожи, хотя их развитие идет очень быстро. Разрыв между динамикой развития ИИ-инструментов и осознания их особенностей корпоративными заказчиками оказывается очень заметен.

Новые инструменты требуют новых подходов или хотя бы отказа от старых

ИИ как инструмент требует новых подходов, в частности, по причине нечеткой логики — на одинаково поставленный вопрос модель может выдавать несколько отличающиеся друг от друга результаты. Необходимость проверять результаты работы ИИ, критически подходить к его рекомендациям и оценивать его советы на логику почему-то пугают многих заказчиков, хотя ровно такие же подходы актуальны и для софта, построенного на основе традиционных алгоритмических инструментов.

При развертывании решений заказчики нередко капризничают. Например, многие требуют, чтобы ИИ работал на ресурсах, размещенных в контуре корпоративной ИТ-инфраструктуры, «чтобы чего не вышло» — согласитесь, возражение знакомое, например, по внедрению «облаков»! — и оказываются удивлены затратами на новые аппаратные решения, нужные для реализации такого подхода.

Легче не будет! И вот почему...

Управление жизненным циклом нужно для любых инструментов, в том числе, для использующих ИИ. В данном случае процессы сложные как по причине новизны самих инструментов, так и из-за необходимости «топлива» для развития ИИ, которыми выступают данные.

ИИ нужно дообучать на данных компании (см. врезку), заказчики же к передаче своих данных «на сторону» относятся настороженно. Зачастую они не имеют ни собственных мощностей, ни внутренней экспертизы для создания на основе этих данных корпоративного ИИ. В большинстве случаев эта коллизия все же оказывается разрешенной, но это требует времени, а зачастую и нескольких итераций с неудачными внедрениями ИИ-инструментов, обученных на неполных данных.

«Необходимо мониторить качество данных, используемых в высокорисковых ИИ-системах — как в обучении, так и в принятии решений — и обеспечивать человеческий контроль и надзор», — говорит Анушри Верма, старший директора-аналитик Gartner. В данном случае важен двойной акцент на необходимости контроля: как результатов работы, так и данных для обучения ИИ.

В современном мире компаниям необходимо меняться на разных уровнях — от организации внутренних бизнес-процессов до пересмотра политик в отношении данных и взаимодействий со сторонними сервисами. В широком понимании нужно изменение корпоративной культуры, чему способствует ИИ.

«Чтобы внедрить ИИ, зачастую необходимо поменять культуру компании, и наоборот — внедрение ИИ способствует оздоровлению культуры», — говорит Дэвид Кайрон, шеф-редактор MIT SMR.

Выбор процессов, при внедрении в которые ИИ-инструменты дадут максимальный эффект — или вообще приведут к бизнес-значимому результату — процесс непростой, требующий широты взглядов и экспертизы или, как минимум, «насмотренности». С последним в российских условиях проблемы — одним из самых неприятных результатов санкций стало отрезание внутрироссийских команд и локальных специалистов от глобальной экспертизы.

Источник: Александр Маляревский, внештатный обозреватель IT Channel News