https://1prime.ru/20251016/didenko-863369391.html

“Похожи издали на мух”: какие попытки внедрения ИИ обречены на провал

“Похожи издали на мух”: какие попытки внедрения ИИ обречены на провал - 16.10.2025, ПРАЙМ

“Похожи издали на мух”: какие попытки внедрения ИИ обречены на провал

Несколько недель назад все медиа разнесли чудовищную цифру из одного зарубежного исследования: 95% проектов внедрения ИИ экономически неуспешны. Это не новое... | 16.10.2025, ПРАЙМ

2025-10-16T05:05+0300

2025-10-16T05:05+0300

2025-10-16T05:05+0300

технологии

сколково

развитие ии

https://cdnn.1prime.ru/images/sharing/article/rus/863369391.jpg?1760580302

МОСКВА, 16 окт - ПРАЙМ. Несколько недель назад все медиа разнесли чудовищную цифру из одного зарубежного исследования: 95% проектов внедрения ИИ экономически неуспешны. Это не новое число: по разным источникам последних 5 лет, от 60% до 90% проектов внедрения ИИ заканчиваются тем или иным видом провала. Причины и формы поражают разнообразием.Согласно аргентинскому писателю Борхесу, некая китайская энциклопедия под названием "Небесная империя благодетельных знаний" классифицировала животных на "… а) принадлежащих Императору, б) набальзамированных, в) прирученных, г) молочных поросят, д) сирен, е) сказочных, ж) бродячих собак, з) включенных в эту классификацию, и) бегающих как сумасшедшие, к) бесчисленных, л) нарисованных тончайшей кистью из верблюжьей шерсти, м) прочих, н) только что разбивших цветочную вазу, о) похожих издали на мух".В последнее время, на волне охлаждения всеобщих восторгов по поводу ИИ, появились многочисленные классификации причин провалов этой технологии, и каждый раз, читая их, я вспоминаю этот пассаж. В самом деле, причинами называют а) отсутствие поддержки руководства и вместе с тем б) чрезмерный энтузиазм руководства; в) отсутствие денежных средств и при этом г) неопределенность экономических эффектов (что комплементарно, ибо если экономический эффект предсказуем, на проект с подходящим IRR деньги всегда найдутся); д) недостаток квалифицированных кадров, д) “внедрение ради внедрения” и е) непонимание подходящих для внедрения ИИ проблем (квалифицированные кадры знают); ж) разрыв между пилотами и масштабированием и з) противоречия с организационными практиками на этапе внедрения.Наконец, самая редкая в списке категория, “издали похожая на муху” - чисто технологические проблемы: отсутствие данных, дрифт данных, дрифт концепта, технологические ограничения концевых устройств (часть этих проблем тоже решается наличием квалифицированного персонала).Что объединяет эту энциклопедию провалов с борхесовской? Обе они пытаются упорядочить хаос через категории, которые одновременно пересекаются, противоречат друг другу и размножаются при каждой новой попытке классификации.Пытаясь разобраться в этом хаосе, мы провели собственное исследование “От пилота к масштабу: как встроить ИИ в процессы и получить отдачу. Опираясь на интервью и автоматизированный разбор открытых источников (мы сознательно использовали ИИ для анализа провалов внедрения ИИ), мы выделили три класса причин, которые наводят порядок в борхесовском "каталоге".Во-первых, у разных организаций различается само понятие знания. В data-driven средах, где практика эксперимента и модели уже встроены в управление, ИИ приживается заметно лучше; в people-driven организациях, где решения принимаются c опорой на авторитет и неформализованную экспертизу, ИИ чаще "отторгается" как чужеродный объект. Но это, конечно, не означает, что всем организациям нужно стать data-driven; это означает, что мы просто очень плохо умеем внедрять ИИ там, где окончательным эпистемическим авторитетом обладает субъективное мнение.Во-вторых, позитивный эффект скорее возникает не при точечных “пилотах”, а при реинжиниринге рабочих процессов end-to-end. Это подтверждает и свежий обзор McKinsey, прямо связывающий экономические эффекты с глубиной внедрения ИИ в бизнес-процессы, а не с количеством экспериментов. Иными словами, внедряя ИИ, нужно менять логику процессов и интерфейсы между людьми и системами. Еще одно наблюдение, которое мы сделали в ходе исследования - это некоторые свойства “кандидатных” процессов для внедрения ИИ; если хотя бы одно из таких свойств присутствует в процессе - то попытка полного делегирования его ИИ приведет к провалу. В таких случаях предпочтительно аугментировать процессы человеческим вмешательством.Наконец, в третьих, человеческий фактор на этапе принятия ИИ-решения - это главное "бутылочное горлышко". Интересно, что широко рекламируемые фреймворки для внедрения интеллектуальных решений, такие как CRISP-DM, вполне справедливо указывая на важность понимания бизнеса на старте проекта, совместного учета и бизнес- и DS-метрик на этапе моделирования, совершенно обходят вниманием вопросы принятия технологии на этапе эксплуатации. Если вы будете все делать “строго по CRISP-DM”, вы избежите всех напастей из классификации выше - кроме самой главной: развернутая в эксплуатационной среде, работающая строго в рамках метрик модель, может быть совершенно невостребованной пользователями - и при этом, с точки зрения CRISP-DM, проект будет абсолютно успешен. Один из наших респондентов, которых мы опрашивали при проведении исследования, прямо указал, что люди сопротивляются не потому что они принципиально против всего нового, а потому, что им не объяснили в чем их выгода; не сделали использование решения максимально удобным и понятным.Тем же, кто любит считать стоимость неудачных экспериментов c ИИ, я бы предложил обсудить не только то, сколько теряют компании от собственных неудачных внедрений, но и другую, невидимую часть: сколько они теряют от удачных внедрений конкурентов. Любой успех конкурента в части снижения расходов, расширения продаж или выхода на новые рынки - это ваши потери от того, что вы не сделали этого раньше.Пора закрыть борхесовскую "энциклопедию" причин и заняться дисциплиной внедрения: договориться о том, что считать знанием, перестроить процессы end‑to‑end и спроектировать человеческое принятие — иначе невидимый счёт за чужие удачные внедрения будет и дальше вам приходить.Автор - руководитель лаборатории искусственного интеллекта Московской школы управления "Сколково" Александр Диденко.

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

2025

Новости

ru-RU

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

технологии, сколково, развитие ии