По разным оценкам, от половины до двух третей корпоративных проектов с искусственным интеллектом не доходят до промышленной эксплуатации. Причины повторяются от компании к компании и почти никогда не связаны с самой технологией.
1. Начали с решения, а не с задачи
Самый распространённый сценарий: руководитель возвращается с конференции с идеей «нам нужен ИИ». Дальше ищут, куда его приложить.
Это обратный порядок. Технология выбирается под задачу, а не задача под технологию. Проекты, начатые с вопроса «что у нас работает плохо», доходят до результата в разы чаще.
Признак проблемы: в постановке задачи есть слово «нейросеть», но нет измеримой цели.
2. Процесс не описан
Автоматизировать можно только то, что описано. Если пять сотрудников выполняют одну задачу пятью разными способами, техзадание составить невозможно — каждый будет считать правильным свой вариант.
Проект уходит в бесконечный цикл: разработали, показали, «нет, у нас не так», переделали, показали другому, «и так тоже не так».
Что делать: описать процесс до старта разработки. Часто на этом этапе выясняется, что половину шагов можно просто отменить, и никакой ИИ не нужен.
3. Данных нет или они непригодны
Модели учатся на данных. Компания уверена, что данные есть, потому что «всё в CRM». На практике оказывается: поля заполнены наполовину, комментарии свободным текстом, история только за последний год, дубли не почищены.
Подготовка данных занимает больше времени, чем разработка, и это нормально. Ненормально — обнаружить это после подписания договора.
Проверка до старта: попросите выгрузить 200 реальных записей и посмотрите на них глазами.
4. Нет владельца со стороны заказчика
Проект нужен всем и никому конкретно. Решения принимаются на совещаниях, между совещаниями ничего не происходит, подрядчик ждёт ответов неделями.
Нужен один человек с полномочиями и личной ответственностью за результат. Не «куратор», а тот, кого спросят.
Признак проблемы: на встречах каждый раз новые люди, и каждый раз начинают сначала.
5. Ожидали стопроцентной точности
Модели ошибаются. Всегда. Вопрос не в том, ошибается ли система, а в том, что происходит при ошибке.
Проект, спроектированный по принципу «система заменяет человека полностью», ломается на первом же неверном ответе, и его закрывают. Проект, где человек проверяет критичные шаги, работает годами.
Правильная постановка: не «система принимает решения», а «система готовит решение, человек подтверждает».
6. Внедрили и бросили
Система запущена, подрядчик ушёл, бюджет закрыт. Через полгода изменились продукты, формулировки, процессы — качество упало. Ещё через полгода ей никто не пользуется.
Сопровождение — это 15-25% стоимости проекта ежегодно, и это не опция.
Признак проблемы: в договоре нет раздела о поддержке после запуска.
7. Люди не пользуются
Технически всё работает, но сотрудники продолжают делать по-старому. Причины обычно две: не научили либо новый способ реально неудобнее.
Второе встречается чаще, чем принято думать. Если система требует пяти кликов там, где раньше был один, ею не будут пользоваться независимо от того, насколько она умная.
Что помогает: привлечь будущих пользователей на этапе проектирования, а не показать им готовое.
Что отличает проекты, которые дошли
Общие черты успешных внедрений, если убрать отраслевую специфику:
- начинали с одного узкого процесса, а не с трансформации компании
- зафиксировали метрики до старта
- сделали пилот за 4-8 недель и проверили гипотезу дёшево
- оставили человека в контуре на критичных шагах
- заложили сопровождение в бюджет сразу
- у проекта был конкретный ответственный
Ни один из этих пунктов не про технологию. Все — про управление проектом.
Команды, которые занимаются ИИ-разработкой под задачи бизнеса, обычно сами настаивают на пилоте и фиксации метрик — им это тоже выгоднее, чем полгода спорить о результате без критериев.
Итог
Искусственный интеллект редко бывает причиной провала проекта. Причиной бывает попытка внедрить его без ответа на вопросы: какую задачу решаем, чем измерим результат, кто отвечает и что будет, когда система ошибётся. Проекты, где эти четыре ответа есть до старта, обычно доходят до конца.