Почему ИИ-проекты застревают в пилотах, исследование причин провалов и успехов при внедрении
Александр Диденко, руководитель Лаборатории ИИ, Сколково.
Конференция CNews «Технологии искусственного интеллекта 2026».
Исследование причин провалов и успехов при внедрении искусственного интеллекта (ИИ) в организациях. В нём выделяются ключевые факторы, влияющие на успешность таких проектов, и предлагаются практические рекомендации.
Основные тезисы:
1. Разные культуры, разный успех: Успех внедрения ИИ во многом зависит от организационной культуры. Выделяются три основных типа культур:
People-driven: Решения принимаются на основе опыта и авторитета людей (например, киноиндустрия).
Process-driven: Решения принимаются на основе регламентов и анализа данных (например, некоторые производственные процессы).
Data-driven: Решения принимаются на основе данных, экспериментов и гипотез. Data-driven культура является наиболее благоприятной для внедрения ИИ.
2. End-to-end vs. точечное внедрение: Исследования показывают, что успешные проекты чаще всего используют стратегию end-to-end, когда ИИ внедряется в рамках одного процесса целиком. Это позволяет быстрее показать результаты и вовлечь всех заинтересованных сторон.
3. Аугментация, а не полная автоматизация: Успешные проекты ИИ часто связаны с аугментацией, когда ИИ помогает человеку, а не заменяет его полностью. Попытки полной автоматизации часто приводят к провалам из-за технологических и социальных ограничений.
4. Когнитивная дистанция: Взаимодействие между различными группами внутри команды разработки (топ-менеджмент, бизнес-специалисты и data-аналитики) может быть сложным из-за когнитивной дистанции (различия в языках, целях и ментальных моделях). Для успешной реализации проектов необходимо оптимизировать эту дистанцию. Решения:
Специалисты, говорящие на нескольких языках (продакт-оунеры, топ-менеджеры с опытом работы в разных областях).
Граничные объекты (например, хорошо документированные данные).
Организационные процедуры для согласования решений.
5. 90-дневный тест: Для оценки успешности пилотных проектов рекомендуется использовать 90-дневный период. Этого времени обычно достаточно для оценки эффективности, выявления проблем и принятия решения о масштабировании или закрытии проекта.
Ключевые выводы:
Внедрение ИИ требует анализа и адаптации к организационной культуре.
End-to-end подход может быть более эффективным, чем точечное внедрение.
Аугментация – ключевой элемент успешных проектов.
Оптимизация взаимодействия между различными группами внутри команды разработки имеет решающее значение.
Быстрая оценка результатов пилотных проектов (90-дневный тест) позволяет эффективно управлять рисками.
Цитаты:
"В большинстве случаев аугментация необходима."
"Победители очень быстро прибивают те пилоты, которые не показывают никаких результатов. 90 дней достаточно для того, чтобы проверить, что работает, что нет."
"В большинстве случаев аугментация необходима."
"Попытка изо всех сил автоматизировать что-либо полностью является причиной провала."
Статистика:
В зависимости от способа определения провала, от 70% до 90% проектов внедрения ИИ терпят неудачу.
Только в 30% успешных кейсов наблюдается полная автоматизация процессов.
70% бюджета победителей тратится на редизайн процессов и обучение персонала.
