AI остается пилотом в компаниях — почему?

Много обещаний, но мало пользы

По данным MIT, из 20 ИИ‑проектов только один уходит в промышленную эксплуатацию. Опрошенные предприниматели и топ‑менеджеры говорят, что видят громкие заголовки о том, как ИИ меняет рынок, но к их компаниям это не имеет отношения. ИИ не дает ценности и зачастую остается на уровне «научных проектов».

В России складывается похожая ситуация. С одной стороны, мы видим больше кейсов по использованию ИИ в разных отраслях, от IT и ритейла до недвижимости и сельского хозяйства. С другой, мало кто добивается влияния на бизнес‑показатели. По данным МТС Web Services, только 26% российских компаний, планирующих бюджеты на работу с ИИ, понимают, как пройти путь от пилота до готового решения. У остальных стратегии пока нет.

Почему так получилось

Проблема подогревается тем, что ИИ не всегда способен удовлетворить потребности бизнеса здесь и сейчас. Проект может быть заточен, например, на работу с LTV: вчера ты продавал товары как все, а сегодня запустил ИИ‑ассистента, чтобы консультировать покупателей, готовить подборки, оптимизировать доставку. Но эффективность тут можно измерить, оценить и перевести в деньги только через год. Бизнес бывает к этому не готов.

Во‑вторых, многие проекты страдают от галлюцинаций. ИИ может врать, коверкать цифры и факты или выдумывать их. Рынок работает с проблемой, галлюцинаций становится меньше, но они есть, и иногда бизнес не видит в ИИ достаточной безопасности с точки зрения данных и репутации. Инвестиция представляется рискованной.

Яркий кейс 2025 года — Deloitte и их консалтинговый отчет стоимостью 440 000 долларов, в котором обнаружились следы ИИ‑генерации, причем с ошибками и сфабрикованными цитатами. Компания признала проблему, принесла официальные извинения и вернула клиенту 98 000 долларов. Но скандал все равно повлек за собой внешние и внутренние проверки Deloitte, а также негативные обсуждения в медиа.

Пользователи тоже подливают масла в огонь. Люди видят новое решение и сразу пытаются его сломать. Например, заходят в ИИ‑поиск и спрашивают, какой отверткой лучше выколоть глаза. Кому‑то интересно найти слабые места в системе, кто‑то хочет хайпа в соцсетях. Но результат один — ИИ еще больше обрастает багами и галлюцинациями. Надо закладывать время и деньги, чтобы все починить. То есть инвестиция — не только рискованная, но и дорогая. А веры в нее, как мы уже выяснили, не хватает.

В‑третьих, российский бизнес, как правило, не готов быть первопроходцем. Про ИИ говорят давно, но это все равно нечто новое, не до конца понятное, без четких инструкций. Многие ждут, пока тренд закрепится, крупные и средние игроки его подхватят, протестируют, отточат — чтобы потом выйти уже на протоптанную дорожку. А пока можно либо ничего не предпринимать, либо играть с пилотами без практической пользы.

Не все понимают, что такой подход опасен. Если затянуть, то бизнес обнаружит себя в роли динозавра на новом рынке с прокачанными конкурентами, которые уже переманили к себе клиентов, сотрудников, партнеров. Такое произошло лет 10 назад с теми, кто не захотел вовремя включаться в тренд на электронную коммерцию. А через несколько лет произойдет с теми, кто игнорирует ИИ или никак не может продвинуться дальше пилотов.

Как решить проблему вечных пилотов

Какие задачи вы собираетесь решать вместе с ИИ? Чего хотите добиться с точки зрения метрик? Сколько и каких ресурсов у вас есть — и хватает ли их? Как ИИ интегрируется в процессы? Надо ли обучать команду? Это лишь часть вопросов, на которые важно ответить до того, как инвестировать хотя бы рубль. По сути — стандартный процесс по внедрению новых технологий.

Дальше — не менее очевидное: запускать, тестировать и улучшать пилоты, решать проблемы и доводить проект до результата. Важно только помнить, что универсальных решений нет. В каждой компании все складывается по‑своему. Многое зависит от ниши, процессов, бюджетов, команды.

Если возвращаться к галлюцинациям, то с ними можно бороться разными способами. Например, мы с командой razum.tech делаем следующее — в зависимости от специфики проекта:

1. Скрытые пилоты. ИИ сначала тестируют на сотрудниках, фокус‑группах или конечных потребителях, но не всех, а отобранных через А/В‑тестирование. Полноценный релиз планируется уже после работы над ошибками.
2. Внутренняя самопроверка. Человеческими силами, когда в период запуска кто‑то со стороны бизнеса отслеживает, как ведет себя ИИ, или с помощью тех же технологий. Если упрощать, то внутри ИИ‑продукта создается подпродукт, который в режиме реального времени контролирует, все ли в порядке, и держит команду в курсе. Тут же можно подключить распознавание стоп‑слов из заранее сформированной библиотеки.
3. Сбор обратной связи напрямую от пользователей. Лайки и дизлайки, отправка репортов о проблемах, переключение на диалог с членом команды. Еще можно настроить тот же подпродукт так, чтобы он самостоятельно анализировал поведение пользователей, делал выводы и находил способы улучшиться.

Зачастую весь этот пул задач укладывается в период гиперподдержки, когда ИИ начинает работать и требует повышенного внимания.

Что будет дальше

ИИ — не игрушка, а инструмент, который меняет процессы, экономит ресурсы и, при грамотном применении, повышает прибыль. Это наша реальность, и она продолжит трансформироваться на уровне рынков, компаний, продуктов, команд.

Несколько крупных тенденций, на которые стоит обратить внимание, в том числе при запуске или доработке пилотных проектов.

Поиск переходит в ИИ‑поиск. Многие используют нейросети вместо Яндекса и Google, и таких людей с каждым месяцем все больше. Потому что ИИ‑поиск — удобный, быстрый, бесшовный и настроенный на реальный человеческий язык. Кроме того, тут открывается перспектива мультимодальности, когда поиск — это не только «написать», но и «сказать», «показать на видео», «отправить фото». Потребительский опыт обогащается и в В2В, и в В2С.

Ритейл превращается в agentic‑машину. ИИ‑консультанты — наше все. Покупка становится диалогом с ИИ по схеме «запрос — решение — покупка», причем в одном окне. Победит не тот бизнес, у кого больше товаров в каталоге, а тот, у кого достаточно ресурсов для технической интеграции ИИ и хватает данных о продукте: совместимость, сценарии, альтернативы, FAQ.

ИИ — ваш новый сотрудник. Или скоро им станет. Генерация и адаптация фото, видео, текстов. Переводы с любых языков. Управление маркетинговыми кампаниями. Обработка запросов в кол‑центре и техподдержке. Поиск по внутренним данным. Это лишь небольшая часть задач, с которыми ИИ уже справляется. Дальше — больше.

Лучшее, что бизнес может сделать в 2026 году, — осознать, что все это происходит сейчас. А значит, действовать, запускать, изучать и доводить до готовности свои пилоты важно сейчас, а не в неопределенном будущем.