Присоединяйтесь к интересному

К концу 2025 года, по оценкам аналитиков, до трети ИИ-проектов будут закрыты. Для кого-то это выглядит как крах, но на деле - закономерный этап развития технологии. Любая новая производительная сила проходит через противоречие между ожиданиями и реальностью, между возможностями и существующими условиями. Только пройдя через этот конфликт, отрасль находит устойчивую форму и начинает приносить реальную пользу.

Корпорации по всему миру вливают миллиарды в искусственный интеллект. Инвестиции в генеративные решения уже превысили 30-40 миллиардов долларов, но отдача часто минимальна. Причина проста: технологии приходят в бизнес как внешний элемент, не встроенный в структуру процессов и трудовых отношений. Почти 95% пилотных ИИ-проектов не доходят до промышленной стадии.

Большинство пилотов живут в тепличных условиях - с чистыми данными, идеальными сценариями и вдали от реальных противоречий рынка. Но производство не существует в вакууме: данные грязные, клиенты непредсказуемы, сотрудники сопротивляются переменам. Именно здесь обнажается несоответствие между техническими возможностями и социально-организационной базой, на которую они опираются.

Многие компании создают прототипы ради внешнего эффекта: презентации, демонстрации, громкие обещания. Экономическая логика при этом теряется. Возникает иллюзия прогресса без его содержания - красивая форма без внутреннего движения.

Настоящий результат дают не те, кто гонится за новыми моделями, а те, кто перестраивает саму организацию труда, готовит людей и связывает ИИ с конкретными показателями прибыли, времени и качества.

Почему пилоты рушатся при масштабировании? Пока проект мал, противоречия сглажены. Но стоит перенести систему в реальную среду и внутренние противоречия обостряются. Например, в одном банке ИИ-пилот показал отличные результаты на чистых данных, но после внедрения точность упала на четверть: система столкнулась с хаосом реальных потоков информации. Чтобы наладить работу, пришлось создавать новую инфраструктуру очистки и обновления данных.

Исторические данные отражают прошлое, а рынок живёт в настоящем. Когда условия меняются, алгоритм начинает ошибаться. Один ecom-гигант потерял эффект от ИИ-рекомендаций через полгода после внедрения — модели не успели адаптироваться к новому поведению пользователей. Пришлось создать цикл регулярного переобучения, чтобы вернуть эффективность.

То, что работает в малом масштабе, рушится при росте нагрузки. В телеком-компании голосовой помощник успешно прошёл тест, но при запуске на федеральном уровне система начала сбоить. Возникло классическое противоречие между технической базой и растущими потребностями - его пришлось решать расширением мощностей и перестройкой архитектуры.

Любая технология вторична по отношению к человеку и коллективу, который её использует. Если организация не готова меняться, если работники видят в нововведениях угрозу, никакой ИИ не приживётся.

Исследования показывают, что треть российских компаний сталкивается с сопротивлением сотрудников при цифровизации. Это не психологическая проблема - это отражение конфликта интересов. Люди защищают привычный порядок труда, опасаясь потери контроля или статуса.

Компании, которые внедряют ИИ постепенно, достигают успеха. ВТБ, например, начал с малого - автоматизации обработки обращений в одном подразделении. После обучения команды и сбора отзывов проект масштабировали. Результат: меньше ручной работы, выше скорость, больше вовлечённости.

Технологические преобразования требуют участия всех уровней - от руководителей до операторов. Только когда люди понимают, зачем происходят изменения, и видят их пользу, технология становится частью живого производственного организма.

ИИ-проекты часто тонут в бесконтрольных расходах. Это проявление того, что экономическая основа и технологическая надстройка движутся вразнобой. Без чётких фаз, метрик и системы обратной связи инвестиции превращаются в абстрактные цифры.

Компании, которые умеют удерживать баланс, строят процесс поэтапно. Каждый этап — с фиксированным бюджетом, конкретными KPI и возможностью закрыть проект при отсутствии прогресса.

ММК, Barclays и Deloitte показывают, что успех приходит не через веру в чудеса, а через организацию труда и управление изменениями.

- ММК получил свыше 4,5 млрд рублей экономического эффекта от внедрения ИИ-прогнозирования в сталеплавильном производстве.

- Barclays, обучив сотрудников работе с новой системой, повысил удовлетворенность клиентов с 60% до 90%.

- Deloitte персонализировал обучение с помощью ИИ и сократил время адаптации на треть.

Эти результаты доказывают, что технологии дают эффект лишь тогда, когда встроены в экономическую и человеческую ткань предприятия.

Текущий спад - не катастрофа, а форма очищения. Отрасль избавляется от случайных, спекулятивных проектов и готовится к новому витку роста. Противоречие между хаотичным экспериментированием и реальными потребностями бизнеса постепенно разрешается.

В ближайшие годы рынок станет более структурным:

- появятся отраслевые решения, доказавшие свою эффективность;

- исчезнут универсальные «пустышки» с модным ярлыком;

- сформируется новая норма - технология как инструмент производительного труда, а не украшение для отчётов.

Для компаний, которые только вступают в этот процесс, главный вывод прост: искусственный интеллект - не волшебная сила, а новая ступень в развитии производственных отношений. Его ценность определяется не эффектностью, а тем, насколько он реально повышает эффективность труда и снижает издержки.

Кто научится видеть за технологией реальную материальную основу, тот и выведет свой бизнес в новую эпоху. Остальные останутся в прошлом вместе с неудавшимися пилотами.