Почему 40% AI-проектов провалится: как не автоматизировать сломанный процесс
Российский бизнес активно внедряет искусственный интеллект, но пока далеко не все понимают, какой эффект он дает. Согласно исследованию «КОРУС Консалтинг», только 12% компаний могут подтвердить реальное влияние ИИ на бизнес. Почти 70% пока не могут оценить результат, а 44% используют технологию в отдельных экспериментах. Томас Хеллстром, эксперт в области цифровой трансформации, рассказывает, почему внедрение ИИ не гарантирует улучшения процессов, какие задачи действительно стоит передавать моделям и как заранее определить границы их автономности.
Почему внедрение AI без изменения процессов приводит к провалу
Искусственный интеллект может многократно ускорить отдельную операцию, но остальные этапы процесса при этом никуда не исчезают. Если сотрудник раньше обрабатывал 20 случаев в день, после внедрения ИИ объем может вырасти до 200. Например, AI ускорил обработку обращений, но команда, которая проверяет и закрывает результаты, физически не может обработать выросший поток.
Есть и другая особенность. Нейросети способны создавать ошибки, которых раньше не было в автоматизированных процессах. Модель может дать правдоподобный, но неверный ответ, неправильно интерпретировать нестандартный случай или по-разному ответить на один и тот же вопрос. AI работает с вероятностями, поэтому результат нельзя оценивать по тому же принципу, что и выполнение операции по заранее заданным правилам.
Из-за этого при внедрении ИИ меняется сам подход к оценке результата: кроме скорости и производительности приходится учитывать степень доверия к ответу модели. Для одних операций достаточно автоматической проверки, для других нужен контроль сотрудника, а некоторые решения вообще нельзя полностью передавать AI.
Как отличить бизнес-задачу, которую действительно можно решить с помощью AI
Подходящие для AI задачи объединяет одна особенность: модель берет на себя часть работы, которую сложно или дорого выполнять вручную, при этом результат можно достаточно надежно оценить. По этому принципу задачи можно разделить на два основных класса.
1. Работа с неточными и неструктурированными данными
AI хорошо справляется с информацией, которую сложно обработать набором заранее заданных правил. Модель может извлечь реквизиты из документа, определить его тип или сопоставить описание товара с существующей категорией. Такой сценарий особенно полезен, когда результат можно проверить формально или с небольшими затратами.
2. Задачи без единственного правильного ответа
К этому классу относятся классификация, сравнение вариантов, поиск и суммаризация информации, генерация гипотез и подготовка нескольких вариантов для дальнейшего анализа человеком. В таких задачах ценность ИИ заключается в том, что модель быстро сокращает объем информации, которую специалисту приходится просматривать самостоятельно.
Оба класса дают пространство для более сложных сценариев, однако требования к контролю растут вместе с автономностью системы. Чем больше решений AI принимает самостоятельно, тем выше цена ошибки и тем тщательнее нужно проверять результат.
Какие признаки указывают на неготовность компании к внедрению AI
Не каждая компания, которая может внедрить AI технически, готова использовать его в реальной деятельности. До запуска проекта стоит проверить, насколько организация готова пересмотреть привычные правила и распределение ответственности. На неготовность указывают два признака:
- Компания ожидает безошибочной работы. В обычной разработке бизнес часто исходит из того, что найденный баг можно исправить, после чего система будет стабильно работать правильно. С AI некоторый процент ошибок может сохраняться даже у хорошо настроенной системы. Поэтому заранее нужно определить их допустимое количество, выделить критичные ошибки и установить, какие решения требуют дополнительной проверки.
- Внедрение AI воспринимается исключительно как IT-проект. IT-команда может выбрать модель, построить инфраструктуру и интегрировать ее с внутренними системами. При этом она не может в одиночку решить, как должны измениться работа поддержки, продаж, комплаенса или операционного отдела. Компания, которая готова приобрести AI-технологию, но не готова менять собственные процессы, скорее всего получит дорогой эксперимент вместо устойчивого производственного решения.
Готовность к внедрению начинается с готовности самой организации меняться.
Как распределяется ответственность за решения, принятые AI
Сам AI не может быть носителем ответственности за принятое решение. Организация сама определяет, где использовать технологию и какие действия можно передать ей без участия сотрудника. Поэтому ответственность распределяется между владельцами процесса, сотрудниками и технической командой в зависимости от уровня решения.
Особенно важен дизайн самого процесса. Например, алгоритм может проанализировать транзакцию, оценить риски и предложить действие, но при высокой цене ошибки финальное решение должен подтверждать сотрудник. К примеру, модель может обнаружить подозрительную операцию и передать ее на проверку специалисту, который уже решает, проводить платеж или заблокировать его. Контроль со стороны человека нужен там, где ошибка способна напрямую привести к серьезным последствиям.
Если системе дали слишком широкие полномочия, качество модели становится только частью проблемы. Так как нейросети могут ошибаться, компания должна заранее определить границы самостоятельных действий и закрепить точки обязательного контроля. Ответственность за последствия в таком случае остается за организацией, поскольку именно она определила, какие решения можно передать алгоритму и насколько далеко может распространяться его автономность.
Что дальше
В ближайшие годы AI будет брать на себя всё больше операций и отдельных этапов внутри процессов. Компаниям стоит регулярно проверять, что происходит после внедрения: сколько времени и ресурсов действительно удалось сэкономить, где выросла производительность и какие новые издержки появились вместе с технологией.
По мере развития моделей границы их применения будут быстро меняться. Система, которая сегодня помогает сотруднику анализировать информацию, завтра сможет самостоятельно выполнять целый участок работы. Поэтому бизнесу важно периодически пересматривать процессы и полномочия цифровых инструментов, чтобы использовать новые возможности без накопления лишней сложности.
Опубликовано 17.10.2026
