В различных отраслях инструменты искусственного интеллекта (ИИ) стремительно перешли из стадии экспериментов в категорию обязательных решений, которые компании внедряют в свои рабочие процессы. За последний год этот процесс значительно ускорился, особенно с появлением автономных ИИ-систем. Однако, как отмечают руководители крупных компаний, проблемой является не отсутствие интереса, а недостаток ясности в выборе и применении этих технологий.
По словам генерального директора и управляющего партнера Silicon Foundry, многие предприятия стремятся разобраться, что является подлинной ценностью, а что — лишь рекламной шумихой на переполненном рынке. Им также необходимо оценить готовность своих команд к внедрению ИИ и принять решение о стратегии: покупать готовые решения, разрабатывать собственные или сотрудничать с партнёрами. Такое сочетание факторов — необходимость быстрого развития при отсутствии чётких инструкций — часто приводит к ошибкам.
ИИ как бизнес-решение, а не только технологическое
Одна из наиболее распространённых ошибок — это начинать выбор с инструмента, а не с желаемого результата. Компании часто оценивают ИИ-решения по репутации поставщика и техническим характеристикам (архитектура модели, функционал), не привязывая свой выбор к чётко определённым бизнес-целям и ключевым показателям эффективности (KPI). В результате, впечатляющая демонстрация или мощные технические возможности могут подтолкнуть к внедрению, но без связи с бизнес-результатом трудно определить, что именно считать успехом. Успешные организации поступают иначе: они сначала формулируют проблему, оценивают потенциальное влияние на прибыль или затраты, а затем уже подбирают технологию. Например, в ходе цифровой трансформации одной международной розничной сети команда сначала определила пять приоритетных направлений инноваций, непосредственно связанных с выручкой и операционной эффективностью. Затем было рассмотрено более сотни потенциальных решений, которые поэтапно сужались до ограниченного круга кандидатов. Такой подход определял каждый этап — от тестирования и структуры пилотных проектов до окончательного выбора, привязывая решения к бизнес-плану и ожидаемому эффекту, а не к самой технологии.
Избегайте множества неструктурированных пилотных проектов
Многие компании ошибочно полагают, что объём экспериментов равнозначен прогрессу. Часто можно наблюдать десятки пилотных проектов, запущенных одновременно, каждый из которых имеет разные цели, участников и критерии успеха. Современные успешные организации применяют иной подход: сначала они сужают круг вариантов, затем тестируют, проверяют и масштабируют. В упомянутом ранее примере, для международной розничной сети изначально рассматривались сотни стартапов по нескольким приоритетным направлениям. Затем, с помощью независимых экспертов и официального процесса запросов информации (RFI), список был сокращён до небольшой группы надёжных и перспективных поставщиков в каждой категории. После проведения демонстрационных дней были выбраны только два конкурирующих вендора для каждой области. И только потом начались пилотные проекты. Такая предварительная дисциплина существенно меняет результат. Вместо запуска десятков слабо определённых пилотных проектов, компания запустила небольшое количество чётко очерченных инициатив, каждая с ясными гипотезами, KPI и рамками принятия решений. Это значительно повысило качество данных и снизило информационный шум.
Неверное толкование консолидации поставщиков
В настоящее время активно обсуждается консолидация поставщиков ИИ-решений и тенденция к использованию меньшего числа платформ. Это отчасти верно, но суть часто понимается неправильно. Настоящие изменения происходят на более ранних этапах принятия решений. Сегодня команды чаще выбирают платформы, способные поддерживать множество сценариев использования. Такие платформы, возможно, не являются «лучшими в своём классе» в каждой отдельной категории, но охватывают более широкий спектр задач. Этот компромисс является сознательным. С точки зрения управления ИТ, логика проста: каждый дополнительный поставщик увеличивает накладные расходы на интеграцию и эксплуатацию систем, повышает риски безопасности и создаёт дополнительные точки отказа. Меньшее количество систем проще в управлении и поддержке. С точки зрения бизнес-пользователя такое решение может показаться компромиссом. Вместо выбора лучшего инструмента для каждой конкретной задачи, они могут предпочесть платформу, которая хорошо работает по нескольким направлениям, но не является сильнейшей ни в одном из них. Однако большинство компаний решают не изолированные проблемы, а управляют системой взаимосвязанных рабочих процессов. Оптимизация каждой части по отдельности может усложнить работу всей системы.
Выбор поставщика ИИ — это не разовое решение
Многие предприятия до сих пор рассматривают выбор ИИ-поставщика как одноразовое решение: выбрали, провели пилот, и на этом работа закончена. Однако технологии развиваются слишком быстро, и большинство организаций решают не одну, а множество задач. Команды, добивающиеся реального прогресса, создают повторяющиеся методы оценки технологий, задают более точные вопросы на ранних этапах и сохраняют гибкость по мере изменения приоритетов. В случае с упомянутой международной розничной сетью, это стало очевидно после запуска первых пилотных проектов. Пилотный проект по оптимизации ценообразования обеспечил повышение валовой прибыли более чем на 5 процентов, что привело к росту выручки на 4,2 процента. Параллельно продолжались другие пилотные проекты, например, в области планирования ассортимента и анализа потребительских предпочтений, указывающие на потенциальное ежегодное увеличение выручки более чем на 300 миллионов долларов США. Целью было не выбрать одно решение и двигаться дальше, а оценить различные возможности по всему бизнесу и определить, где каждая из них принесёт наибольшую пользу. Такой подход требует большей дисциплины на начальном этапе, но позволяет избежать поспешных и необратимых решений.
Внедрение инструментов без оценки собственной готовности
Одна из менее очевидных ошибок компаний — это переход к выбору поставщика без чёткого понимания собственной готовности. Это включает качество данных, внутреннюю ответственность и процессы принятия решений после внедрения инструмента. Команды могут выбрать решения, зависящие от несуществующих возможностей, или склониться к покупке, когда реальная проблема заключается во внутренних пробелах. Компании, которые избегают этой ошибки, тратят время на предварительную оценку того, где они могут создать ценность и какие ограничения существуют. Этот контекст определяет дальнейший путь: покупать, разрабатывать самостоятельно или вступать в партнёрство, а также сужает круг жизнеспособных вариантов. Во многих случаях ключевым фактором является не сама технология, а готовность организации к её эффективному использованию.
04.06.2026