Статистика: бизнес разочаровывается в искусственном интеллекте

Согласно результатам недавнего исследования, 95% ИИ-проектов в частном бизнесе не приносят результата.

-

Эпоха искусственного интеллекта, обещающая революционизировать все сферы нашей жизни, от медицины до промышленности, часто ассоциируется с безграничными возможностями и головокружительными перспективами. Однако за эйфорией и амбициозными заявлениями скрывается отрезвляющая статистика: новое исследование Массачусетского технологического института (MIT) выявило, что лишь 5% ИИ-проектов в частном секторе реально ускоряют рост выручки компаний. Остальные 95% не дают заметного экономического эффекта, а порой оборачиваются прямыми убытками. Главная загвоздка, как выяснили исследователи, — не столько в несовершенстве самой технологии, сколько в критической сложности ее интеграции в существующие бизнес-процессы.

Это понимание, по сути, бросает серьезный вызов распространенному представлению об ИИ как о своего рода «волшебной палочке», способной решить любую проблему. На самом деле, использование ИИ требует фундаментальной трансформации бизнес-процессов, перенаправления рабочих потоков, изменения корпоративной культуры и переосмысления ролей сотрудников. Компании, которые фокусируются исключительно на технологической стороне вопроса, инвестируя в дорогие алгоритмы и высокопроизводительные системы, но игнорируют организационные и человеческие аспекты, сталкиваются с неизбежным разочарованием.

Исследование MIT четко указывает на сферы, где ИИ демонстрирует наибольшую эффективность и быструю окупаемость.

На первом месте — задачи, связанные с автоматизацией рутинных и повторяющихся операций. Именно здесь потенциал ИИ раскрывается в полной мере: происходит сокращение издержек на обработку данных, оптимизация логистики, автоматизация клиентской поддержки низкого уровня или, как указано в исследовании, сокращение расходов на аутсорсинг за счет передачи этих функций интеллектуальным системам.

Ярким примером успешного внедрения является опыт IBM, где чат-бот значительно ускорил решение типовых кадровых вопросов, предоставляя сотрудникам мгновенные ответы на общие запросы и разгружая HR-отделы для работы с более сложными кейсами. В таких сценариях ИИ выступает как эффективный инструмент оптимизации, не требующий глубокой интеграции в процессы принятия решений.

Однако картина меняется, когда речь заходит о более сложных, особенно клиентоориентированных или творческих задачах, где требуется понимание нюансов человеческого языка, контекста и эмоций. Примеры провалов, приведенные в исследовании, являются тому наглядным подтверждением.

McDonald’s вынужден был закрыть свой проект ИИ-ассистента для автокафе, инвестировав значительные средства, но столкнувшись с его неспособностью адекватно обрабатывать заказы в реальных условиях. Посторонние шумы, разные акценты клиентов и нестандартные запросы ставили ИИ в тупик. Этот кейс подчеркивает, что автоматизация, столкнувшись с непредсказуемой человеческой коммуникацией, требует гораздо более совершенных моделей ИИ и тщательной настройки.

Куда более серьезный инцидент произошел с Air Canada, которая проиграла судебный иск из-за ошибки своего чат-бота, давшего пассажиру некорректную информацию о тарифах, что привело к финансовым потерям и подорвало доверие к авиакомпании. Этот случай ярко демонстрирует, что передача ответственности ИИ без адекватного человеческого надзора и четких протоколов может обернуться серьезными юридическими и репутационными рисками.

Даже в сфере контента, где ИИ обещает революцию, возникают курьезы, как в случае с Chicago Sun-Times, опубликовавшей фейковые книжные рекомендации, сгенерированные искусственным интеллектом, что вызвало волну критики и поставило под сомнение редакторскую добросовестность.

Эти примеры показывают, что ИИ пока не готов к задачам, требующим креативности, этической ответственности, тонкого понимания контекста и способности к импровизации.

Таким образом, неудачи ИИ-проектов редко связаны с тем, что технология «не работает». Проблема часто коренится в качестве и доступности данных для обучения моделей (мусор на входе — мусор на выходе), в недостаточно четком определении бизнес-целей и метрик успеха, в дефиците квалифицированных специалистов, способных не только разрабатывать ИИ, но и интегрировать его в бизнес-процессы, а также в завышенных ожиданиях от технологии.

Кроме того, значительную роль играют организационная инерция и сопротивление изменениям внутри компаний: внедрение ИИ неизбежно меняет функционал людей, требует новых навыков и может вызвать страх у сотрудников. Отсутствие стратегического видения, недостаточная подготовка персонала и культуры экспериментирования также способствуют провалам.

Так что будущее ИИ в бизнесе зависит не столько от алгоритмов, сколько от способности компаний стратегически, вдумчиво и с человеческим подходом интегрировать их в свою живую, сложную экосистему.

Николай Яременко, главный редактор ИА «РосБалт», доцент Финансового университета при правительстве РФ