Андрей Щербаков 
Пока генеративные нейросети, такие как ChatGPT, проникают в нашу повседневную жизнь, в корпоративном мире назревает ключевой вопрос: является ли внедрение искусственного интеллекта (ИИ) скоординированной бизнес-стратегией или же это стихийный процесс, инициированный сотрудниками в попытках сэкономить время?
Руководители компаний все чаще уверенно говорят о «трансформации с помощью ИИ», но на деле картина куда более фрагментарна. Исследование от SAS показывает, что многие сотрудники уже активно интегрировали ИИ-инструменты в свои рабочие процессы для написания электронных писем, обобщения отчетов или генерации кода. Зачастую они действуют без официальных инструкций, управления или надзора со стороны руководства. Эта «партизанская» активность, хоть и полезна, создает серьезные проблемы, связанные с согласованностью данных, безопасностью и возможностями масштабирования.
В результате нарастает разрыв между амбициями топ-менеджмента и реальным положением дел. Некоторые компании решительно встраивают ИИ во внутренние системы и запускают программы обучения, в то время как другие застряли в режиме ожидания, не зная, как оценить рентабельность инвестиций, построить дорожную карту или управлять рисками. Тем не менее, согласно опросу EY, 81% технологических руководителей верят, что ИИ поможет им достичь бизнес-целей в течение ближайшего года, а 70% уже инвестируют в повышение квалификации своих команд.
Эксперты отмечают, что мы достигли переломного момента. Производительность больших языковых моделей (LLM) от ведущих разработчиков, таких как OpenAI и Anthropic, начинает выравниваться, и дальнейший рост ценности зависит уже не столько от самих моделей, сколько от способов их применения. «Мы достигаем точки, когда предельная выгода от новых моделей начинает выравниваться, — отмечает Нимиша Мехта, DevOps-инженер в Confluent. — До тех пор, пока не произойдет настоящий прорыв, успех будет зависеть от того, насколько креативно мы используем то, что у нас уже есть».
Несмотря на поток новых ИИ-продуктов, реальная проблема заключается в преобразовании их возможностей в бизнес-ценность. Сегодня ИИ наиболее эффективен в качестве «закулисного помощника» для автоматизации рутинных задач: обобщения переписок в Slack, сортировки обращений в службу поддержки или создания стандартной документации. Однако при работе со сложными, многокомпонентными системами крупных предприятий LLM часто дают сбой, неверно интерпретируя логику системы или теряя контекст.
Статистика внедрения ИИ может вводить в заблуждение. Хотя 78% глобальных компаний сообщают об использовании ИИ, большая часть этого «внедрения» сводится к тому, что сотрудники самостоятельно используют ChatGPT, часто без ведома IT-отдела. Илия Рыбчин, руководитель в BDO, называет это явление «чистилищем пилотных проектов», когда инициативы запускаются с энтузиазмом, но так и не масштабируются. «Бум ИИ создал вакуум экспертизы, — объясняет Рыбчин. — Многие спешат его заполнить, вооружившись лишь модными словечками и обновленными заголовками в LinkedIn».
Так откуда же исходит импульс к внедрению ИИ? «Генеративный ИИ — это одновременно и инициатива сверху, и движение снизу, — говорит Пол МакДона-Смит, старший преподаватель MIT Sloan. — Именно это делает его таким мощным и таким рискованным». Когда ИИ используется без контроля, ошибки неизбежны, а их цена может быть высокой: финансовой, репутационной и нормативной. Организации должны учитывать не только стоимость исправления ошибок, но и стоимость их полного отсутствия.
Успех внедрения ИИ зависит не от скорости, а от продуманной интеграции. По данным S&P Market Intelligence, прогнозируемый уровень неудач для ИИ-проектов в 2025 году составляет 42%. Среди главных причин — низкое качество данных, нормативные барьеры и нечеткая ценность предложения. Решение заключается не в запрете экспериментов, а в их согласовании с целями бизнеса. Компании, которые смогут объединить инновации «снизу» со стратегией «сверху», превратят разрозненные усилия в устойчивое конкурентное преимущество.