Около 70% AI-пилотов так и не становятся промышленными системами, и для бизнеса это уже не красивая статистика из презентации, а прямой намек на то, как легко сжечь бюджет на модной теме. Именно поэтому тезис про внедрение ИИ только туда, где заранее понятен ROI, звучит не как осторожность, а как базовая гигиена для CIO, продактов и команд, которые отвечают за цифровые инициативы.
Об этом, как пишет Habr / Менеджмент, рассказал директор ИТ ГК ФСК и победитель рейтинга ТОП-100 CIO России Владимир Крыльцов. Его позиция предельно прикладная: сам по себе искусственный интеллект он считает сильным инструментом роста операционной эффективности, но выступает против внедрений ради галочки. Главная ошибка, по его словам, начинается в тот момент, когда компания задает не вопрос о конкретной бизнес-проблеме, а вопрос в духе «куда бы пристроить новую нейросеть». Такой подход почти гарантированно приводит к нулевой отдаче и оставляет проект в вечном статусе пилота.
Крыльцов предлагает довольно жесткий фильтр для отбора задач под внедрение ИИ. Первый критерий — измеримый бизнес-эффект. Если компания не может заранее посчитать экономию времени, снижение доли ошибок или рост выручки, проект лучше не запускать. В его логике допустимы только задачи, где можно поставить четкий замер: операция занимала пять минут, стала занимать одну; уровень ошибки был 8%, стал 4%. Если результат описывается расплывчато, вроде «сервис стал лучше», но за этим не стоит внятная метрика, доказать пользу таких инвестиций бизнесу потом почти невозможно.
Второй критерий — простое подключение готового решения. По словам Крыльцова, его команда не делает ставку на собственную разработку моделей для каждого кейса. Вместо этого проверяет, есть ли на рынке API, open-source-модель или коробочный продукт, который можно встроить в существующий ИТ-ландшафт за несколько недель, а не за кварталы. Если интеграция требует переписывать половину систем или обходится дороже ожидаемой экономии, задача автоматически теряет смысл. Для многих российских компаний это, вероятно, самая болезненная часть дискуссии: стоимость модели обычно обсуждают охотно, а стоимость доведения внутренних систем до состояния, в котором модель вообще можно безопасно использовать, вспоминают слишком поздно.
Третий фильтр касается цены ошибки. Крыльцов прямо говорит, что ИИ не стоит сразу нести в процессы, где ошибка может привести к крупным финансовым потерям, утечке персональных данных, компрометации коммерческой тайны или заметному репутационному удару. По сути это напоминание о том, что генеративные модели неплохо чувствуют себя в задачах черновой обработки, первичного анализа и ускорения рутинных операций, но гораздо хуже подходят на роль автономного арбитра там, где цена неверного ответа слишком высока. И для ИТ-директора здесь вопрос не в том, чтобы «верить» или «не верить» в технологию, а в том, чтобы не перепутать полезный инструмент с системой, которой уже можно делегировать риск.
Отдельно Крыльцов разбирает тему, которая до сих пор мешает многим AI-проектам не меньше, чем качество данных, — страх сотрудников перед заменой. Он предлагает разделять профессии и отдельные задачи внутри них. Повторяющиеся, алгоритмизируемые и рутинные операции ИИ действительно снимает с человека довольно эффективно: поиск по большим массивам данных, первичная обработка документов, стандартные ответы на типовые запросы, черновики отчетов. Но это не означает автоматическую ликвидацию роли целиком. Пример с типовым договором звучит показательно: если раньше юрист тратил около часа на вычитку, то ИИ может за минуту подсветить рискованные пункты, после чего специалист за несколько минут оценивает их по существу. Работа не исчезает, исчезает механическая часть, которая редко приносила бизнесу особую ценность.
Для рынка это важный акцент еще и потому, что разговор об AI в компаниях долгое время шел в двух крайностях. С одной стороны, звучали обещания тотальной автоматизации, с другой — почти панический страх, что любая нейросеть неизбежно вытеснит сотрудников. Крыльцов предлагает менее эффектную, но гораздо более жизнеспособную картину: выигрывает не тот, кто громче всех объявил о запуске ИИ, а тот, кто быстрее встроил его в рутину и получил реальный прирост производительности. Отсюда и его формулировка про конкурентов: проблема не в том, что ИИ «уволит» человека, а в том, что компания без таких инструментов может проиграть тем, чьи сотрудники работают в несколько раз быстрее.
При этом самый неприятный сюрприз внедрения ИИ, по его оценке, скрыт не в лицензии на модель, а в совокупной стоимости эксплуатации. После покупки или подключения начинаются расходы на очистку и нормализацию входных данных, удаление чувствительной информации, обработку галлюцинаций и невалидного вывода, логирование, мониторинг и доработку смежных систем, которые должны принимать ответ нейросети и что-то осмысленное с ним делать. Крыльцов говорит, что видел проекты, где итоговая стоимость владения в три раза превышала изначальную смету именно из-за таких скрытых работ. Для любого CIO это почти универсальное предупреждение: подписка на ИИ — не финальная строка бюджета, а только входной билет.
Еще один риск он связывает с управлением изменениями. Если относиться к AI-инициативе как к чисто техническому проекту, без вовлечения пользователей, без понятного сценария перемен и без закрепления новых привычек, команда быстро откатится к Excel, ручной проверке и знакомым процессам. В своей практике Крыльцов опирается на модель Коттера: создать ощущение необходимости, собрать коалицию, быстро показать первые победы и закрепить изменения в корпоративной культуре. Для разработчиков и продуктовых команд это, пожалуй, звучит даже важнее обсуждений о выборе модели: внедрение ИИ проваливается не только из-за качества технологии, но и из-за того, что никто не встроил ее в живой процесс.
На этом фоне особенно любопытно его отношение к «витринным» кейсам — голосовым ассистентам в каждом касании с клиентом или генеративным письмам, которые появляются просто потому, что так делают конкуренты. Если средний чек, объем обращений и структура бизнеса не оправдывают такие вложения, ИИ легко превращается в дорогую декорацию. И ключевой вопрос для отрасли здесь звучит довольно неприятно: сколько компаний в ближайший год перестанут мерить зрелость по числу нейросетей в стеке и начнут оценивать внедрение ИИ по тому, дает ли оно реальный денежный поток, а не только материал для следующей презентации совету директоров?