95 % случаев внедрения ИИ в бизнес-процессы — неудачные

В Массачусетском технологическом институте пришли к выводу, что внедрение генеративного искусственного интеллекта в большинстве случаев не приносит компаниям ожидаемых результатов. Согласно данным исследования, в 95% случаев такие проекты не ведут к росту доходов.

Несмотря на высокий интерес и стремительное распространение новых моделей, лишь около 5% пилотных программ демонстрируют быстрый эффект. Основная масса инициатив останавливается, практически не влияя на показатели прибыли и убытков.

Отчет под заглавием «Дистрибуция GenAI: состояние ИИ в бизнесе 2025», подготовленный инициативой MIT NANDA, базируется на 150 интервью с управляющими, опросе 350 служащих и анализе 300 публичных кейсов внедрения технологий. В документе четко прослеживается разница между успешными примерами и проектами, которые так и не дошли до практической реализации.

Один из авторов исследования, Адития Чаллапалли, отметил в беседе с журналом Fortune, что успех достигают в основном те компании, которые концентрируются на одной конкретной проблеме, максимально вкладываются в ее решение и выстраивают грамотное сотрудничество с поставщиками инструментов.

Для большинства компаний ситуация складывается по другому. Проблема, как отмечают исследователи, заключается не столько в качестве самих моделей, сколько в «разрывах в обучении» – как при первоначальной настройке систем, так и в процессе их адаптации внутри компании. Руководители часто объясняют неудачи регуляторными ограничениями или ограничениями производительности, однако в MIT считают, что главная причина заключается в неполноценной интеграции в рабочие процессы. Универсальные инструменты как ChatGPT удобны для отдельных пользователей, но их гибкость оказывается неприменимой в корпоративной среде, где требуется настройка под конкретные задачи.

Данные также показывают, что более половины бюджетов на генеративный ИИ уходит на маркетинг и продажи, тогда как наибольшую отдачу MIT фиксирует в автоматизации бэк-офиса — отказе от аутсорсинга бизнес-процессов, сокращении расходов на подрядчиков и оптимизации внутренних операций.

Особое значение имеет метод внедрения. Покупка решений у специализированных поставщиков и работа в партнерстве дают лучшие результаты, тогда как собственная технология чаще заканчивается провалом. Это особенно заметно в сфере финансовых услуг и других строго регулируемых отраслях, где многие фирмы пытаются строить собственные системы.

В отчете также отмечаются конфигурации в структуре занятости: массовых сокращений пока не наблюдается, но компании все почаще не закрывают освободившиеся вакансии, в особенности в сфере клиентской поддержки и на административных позициях. Чаще всего изменения касаются задач, которые раньше отдавались на аутсорсинг.

Отдельное внимание уделено новым экспериментам с агентными системами ИИ, которые способны обучаться в процессе работы, запоминать и действовать автономно в заданных рамках. По мнению исследователей, конкретно такие технологии могут стать основой следующего этапа внедрения искусственного интеллекта в бизнес.