Рынок искусственного интеллекта проходит важный этап взросления. Еще недавно компании в основном искали, где можно протестировать ИИ и какие гипотезы проверить на пилотах. Сейчас повестка заметно изменилась: бизнесу уже недостаточно демонстраций и прототипов. Главный вопрос — как довести ИИ-решение до реального процесса, измеримого эффекта и масштабирования.
Эта смена фокуса хорошо чувствовалась на ЦИПР-2026. Группа fabricaONE.AI (акционер — ГК Softline) приняла участие в деловой программе конференции сразу в нескольких дискуссиях об искусственном интеллекте. Мне довелось модерировать партнерскую сессию fabricaONE.AI (акционер — ГК Softline) «ИИ как управляемый актив. Почему пилоты не становятся работающими решениями?», а также выступить спикером в сессии «От моделей к машинам. Как превратить исследования в технологическое лидерство».
Темы были разными, но в основе обеих дискуссий — один и тот же вопрос: почему одни ИИ-проекты становятся рабочими инструментами, а другие остаются экспериментами. Ответ, как правило, лежит не только в качестве модели. Чаще он связан с данными, процессами, ответственностью, экономикой и готовностью компании менять привычные подходы к работе.
Почему пилоты устревают
За последние два года компании запустили много ИИ-пилотов. Это нормальный этап для новой технологии: нужно проверить гипотезы, собрать опыт, понять, какие сценарии действительно работают. Но успешный пилот сам по себе еще ничего не гарантирует.
На панели fabricaONE.AI мы много говорили о моменте, когда проект вроде бы показал результат, но дальше не двигается. Причины часто лежат не в самой модели. Проблема может быть в данных, интеграции, безопасности, экономике, ожиданиях пользователей или в том, что в компании никто не готов отвечать за решение после пилота.
В тестовой среде ИИ может выглядеть убедительно. Но когда его нужно встроить в ежедневную работу, появляются вопросы: кто владеет результатом, как измерять эффект, что делать при ошибках, как контролировать качество, где проходят границы применения модели. Без ответов на эти вопросы пилот остается демонстрацией, а не инструментом.
ИИ нужен владелец
Один из главных выводов дискуссии — ИИ-решение не может быть «ничьим». Если проектом занимается команда пилота, но после завершения эксперимента у него нет бизнес-владельца, шансы на внедрение резко падают.
Владелец — это не просто человек, который согласовал проект. Это тот, кто понимает, как решение будет жить в процессе: какие метрики считаются успешными, какие риски допустимы, кто следит за качеством, как обновляется модель, что происходит при сбое или некорректном ответе.
Для промышленности это особенно важно. Если ИИ влияет на диагностику, планирование, качество, ремонты или действия персонала, цена ошибки выше. Поэтому здесь нельзя ограничиться логикой «пилот сработал — значит, можно масштабировать». Нужны проверка на реальных данных, понятные ограничения, контроль изменений и доверие пользователей к результату.
Модель — это только часть решения
На сессии «От моделей к машинам» мы обсуждали, как доводить ИИ-разработки до уровня продукта. Для меня важный вывод здесь в том, что сама модель редко бывает главным барьером. Гораздо чаще все упирается в данные, процессы, инфраструктуру и экономику.
Бизнес приходит с очень разными запросами. Одним нужно решение под конкретную задачу. Другим — помощь в усилении внутренней команды. Третьим — технологический компонент, который можно встроить в собственную архитектуру. Поэтому универсальная «коробка» подходит далеко не всегда.
Перед внедрением ИИ важно разобраться в самом процессе. Иногда оказывается, что проблема не там, где ее изначально видели. Иногда сначала нужно привести в порядок данные или уточнить правила работы. Иногда ИИ вообще показывает, что процесс стоит перестроить, а не просто автоматизировать.
Поэтому я бы не рассматривал ИИ как отдельную надстройку над бизнесом. Он дает эффект, когда встроен в понятную задачу: ускорить разработку, снизить издержки, повысить качество решений, убрать рутину или открыть новый сценарий для клиента.
Компетенции внутри компании становятся критичными
Еще один заметный тренд — компании все чаще хотят не просто получить готовое решение, а научиться работать с ИИ сами. Это правильный подход. Даже если разработку делает внешний партнер, внутри компании должны быть люди, которые понимают, как решение устроено, как оценивать его качество и как развивать его дальше.
Отсюда растет спрос на кастомную разработку, обучение команд и передачу методологии. Это говорит о том, что рынок уходит от разовых экспериментов к более устойчивой работе с технологией.
Роль разработчика тоже меняется. Недостаточно просто принести модель или интерфейс. Нужно помочь заказчику пройти весь путь: сформулировать задачу, оценить готовность данных, выбрать архитектуру, встроить решение в процесс, настроить контроль качества и передать команде понятные правила работы.
Что изменилось на рынке
Главное ощущение после ЦИПР строится на том, что разговор об ИИ стал более практичным. Меньше внимания к «магии» технологии, больше — к тому, как она работает в реальной компании. Обсуждают не только возможности моделей, но и экономический эффект, ответственность, безопасность, качество данных, доверие пользователей и масштабирование.
Следующий этап развития ИИ будет определяться не количеством пилотов. Важнее другое — сколько решений действительно дойдет до эксплуатации и станет частью ежедневной работы бизнеса.
ИИ уже перестал быть технологией будущего. Но чтобы он стал рабочим инструментом, недостаточно провести эксперимент. Нужны понятные задачи, владелец результата, качественные данные, контроль рисков и готовность компании менять процессы. Именно это отличает пилот от настоящего внедрения.
Источник: Николай Тржаскал, директор по развитию технологий ИИ fabricaONE.AI (акционер — ГК Softline)
