https://1prime.ru/20250923/issledovanie-862614460.html

В "Сколково" назвали шесть главных ошибок при внедрении ИИ в бизнес

В "Сколково" назвали шесть главных ошибок при внедрении ИИ в бизнес - 23.09.2025, ПРАЙМ

В "Сколково" назвали шесть главных ошибок при внедрении ИИ в бизнес

До 95% компаний в России и мире внедряют ИИ без необходимой отдачи и не окупают инвестиции. Причина — в шести распространенных ошибках, не связанных с высокими... | 23.09.2025, ПРАЙМ

2025-09-23T00:01+0300

2025-09-23T00:01+0300

2025-09-23T00:01+0300

технологии

бизнес

сколково

https://cdnn.1prime.ru/img/07e9/06/06/858267492_0:235:2464:1621_1920x0_80_0_0_1461465dbc3235cf3c2c1eb739a00e92.jpg

МОСКВА, 23 сен – ПРАЙМ. До 95% компаний в России и мире внедряют ИИ без необходимой отдачи и не окупают инвестиции. Причина — в шести распространенных ошибках, не связанных с высокими технологиями и "железом", показало исследование Школы управления "Сколково".Эксперты изучили опыт внедрения ИИ в 25 отраслях и выявили главные причины неудач проектов, которые может избежать любой бизнес.1. Неверный выбор формы и культуры работы с информацией. Успешность ИИ-проекта в компании зависит от культуры работы с получаемой информацией и принятием решений. Самый успешный - data-driven подход, когда решающим аргументом служит эксперимент или результат анализа данных;2. Низкое качество и хаотичность исходных данных в компании. Если корпоративная система переполнена дублями, устаревшими файлами и несовместимыми форматами, то даже лучшие алгоритмы не работают;3. Стремление максимально автоматизировать все процессы и функции в компании. Максимальный эффект достигается при грамотном сочетании режимов: ИИ усиливает или заменяет человека там, где это оправдано, а ключевые процессы остаются за людьми.4. Когнитивная дистанция и отсутствие взаимопонимания в коллективе компании. Чем больше разрыв в языке и мышлении у топ-менеджеров, владельцев процессов и разработчиков, тем больше проекты буксуют из-за недоверия и срывов сроков.5. Внедрение ИИ-проектов без последующего регулярного анализа эффективности. Проекты, где команды показывают результат короткими циклами быстрее выявляют ошибки и корректируют ожидания. Напротив, длинные изолированные спринты без демонстрации промежуточных версий приводят к накоплению ошибок, росту недоверия и увеличению рисков провала.6. Использование устаревших методов анализа эффективности внедряемых ИИ-процессов. Анализ показал: классический метод CRISP-DMего отраслевые продолжения (DataPro, CRISP-ML(Q), MAISTRO) задали высокие стандарты работы с данными, но почти не учитывали управленческие и культурные барьеры. Из-за этого даже технически безупречные решения нередко оказывались невостребованными в компаниях.Авторы предлагают свои рекомендации к фреймворку внедрения ИИ, в центр которого нужно ставить целенаправленное управление когнитивной дистанцией и мониторинг принятия нового решения пользователями. Это приносит реальную пользу, например, команда делает шаг вперед, показывает промежуточный результат, получает комментарии от бизнеса и дорабатывает продукт с их учетом. Такой ритм, по мнению экспертов, помогает держать участников "на одной волне" и превращает разницу в подходах в источник знаний, а не конфликтов.

https://1prime.ru/20250913/didenko-862147811.html

2025

Новости

ru-RU

https://1prime.ru/docs/about/copyright.html

технологии, бизнес, сколково