95% AI-проектов не достигают стадии производства, и одна из причин — новые формы технического долга, которые усложняют управление. По данным исследования MIT, за 2025 год 42% компаний отменили несколько AI-ин инициатив — резкий рост с 17% в прошлом году.
Новые слои технического долга
Сложности, возникающие в AI-системах, проявляются в форме четырех новых типов долгов: первый из которых — это долг по подсказкам. Он появляется из-за недокументированных изменений в подсказках, накопления быстрых решений и плохого контроля версий. Это делает подсказки «непротестированным кодом», что увеличивает уязвимость.
Второй тип — это долг зависимостей от моделей. Большинство компаний сейчас используют внешние модели для создания своих приложений. Обновления моделей могут ухудшить производительность, так как подсказки, настроенные под одну модель, могут не сработать с другой.
Третий — долг по обеспечению извлечения, из-за наличия неверных, устаревших или дублированных данных в репозиториях. Это приводит к тому, что AI дает «правильные» ответы, которые на самом деле не актуальны.
Как это отражается на бизнесе
После установки AI-систем требуется постоянный мониторинг для предотвращения ухудшения производительности. Этот фактор ставит перед CIO и CTO задачи по разработке новых стандартов тестирования и мониторинга AI-моделей. Упущение этого компонента может усугубить проблемы с производительностью и увеличит объем технического долга.
Российские компании, внедряющие AI, должны понимать, что без постоянного контроля и тестирования риск неудачи увеличивается. Это может обернуться значительными финансовыми потерями и отставанием от конкурентов.
Подводя итог, следующий уровень развертывания AI требует от компаний не только правильных технологий, но и новой культуры управления и контроля качества, чтобы избежать увеличения технического долга.