Во многих организациях проекты в области ИИ пока не выходят за рамки пилотных. Что сдерживает их масштабирование и какие факторы могли бы способствовать расширению использования ИИ, рассказывают эксперты, планирующие принять участие в сентябрьском форуме «Интеллектуальное предприятие — 2025».

Олег Гашников: «Важно решить ряд вопросов, связанных с образованием, развитием корпоративной культуры и повышением цифровой грамотности на всех уровнях организации»

«Чтобы масштабирование применения ИИ в бизнесе стало возможным, важно решить ряд вопросов, связанных с образованием, развитием корпоративной культуры и повышением цифровой грамотности на всех уровнях организации — от топ-менеджеров до рядовых сотрудников», — считает Олег Гашников, директор практики искусственного интеллекта и машинного обучения DIS Group.

Кирилл Серов: «Основные рычаги для повышения эффективности ИИ в бизнесе — это люди, культура и данные»

Кирилл Серов, технический директор PIX Robotics, продолжает: «Основные рычаги для повышения эффективности ИИ в бизнесе — это люди, культура и данные. Во-первых, необходимо обучать сотрудников, развивать их цифровую грамотность и формировать культуру, где эксперименты с ИИ приветствуются, а ошибки воспринимаются как возможность учиться. Во-вторых, важно встроить ИИ в повседневные процессы, чтобы он становился неотъемлемой частью работы. В-третьих, работа с данными должна стать приоритетом, поскольку без качественных данных эффективность ИИ неизбежно снижается. В четвертых, люди хотят понимать, как ИИ принимает решения, поэтому честность, прозрачность и безопасность проекта — ключевые факторы его успеха. Наконец, пятый важный фактор – доступность ИИ даже для небольших компаний, это залог его широкого распространения».

Вера Краевская: «Слишком часто ИИ остается пилотным «островком», не встроенным в используемые бизнес-сценарии»

Вера Краевская, генеральный директор компании «ВижнСервис», отмечает три ключевых направления, которые необходимо развивать, чтобы применение ИИ в бизнесе и на производстве стало более результативным: «Первое — обучение и компетенции: многие руководители и заказчики пока что слабо представляют, как встроить ИИ в процессы так, чтобы получить эффект. Второе — это интеграция ИИ в существующий ландшафт технологий и процессов: слишком часто ИИ остается пилотным «островком», не встроенным в используемые бизнес-сценарии. Чтобы ИИ стал частью корпоративного ландшафта, понадобятся инженерное мышление и зрелая архитектура. Третье направление — экономическая мотивация: когда бизнес увидит, что ИИ не увеличивает расходы, а наоборот, обеспечивает экономию или ускоряет получение бизнес-результата, зрелость проектов и их ориентация на практический результат сразу возрастут».

Илья Фомичев: «Без веры в возможности ИИ встроить его в процессы будет сложно»

Коллег поддерживает Илья Фомичев, руководитель направления ИИ в компании SimbirSoft: «Без веры в возможности ИИ встроить его в процессы будет сложно. Поэтому руководителям важно не просто говорить о цифровизации, а активно в нее включаться: поддерживать эксперименты, выделять ресурсы на обучение, исследовать чужой опыт и накапливать свой. Хорошо работают также внутренние хакатоны и регулярные разборы кейсов, на которых сотрудники учатся применять ИИ в реальных условиях. Начинать лучше с небольших пилотных ИИ-проектов. Быстро проверив гипотезу, можно увидеть первые результаты и затем масштабировать. Главное — действовать циклами: пробуем — анализируем — дорабатываем — внедряем шире. На начальных этапах нужно обратить особое внимание на внутреннюю инфраструктуру и интеграцию систем. И, конечно, нужны правильное планирование бюджетов и продуманность инвестиций в новые разработки».

Илья Петухов: «Когда компании видят результаты других, то начинают верить, что и у них тоже получится»

Илья Петухов, руководитель проектов развития ИИ-решений Directum, рекомендует в первую очередь рассказывать, публиковать и делиться в сообществе успешными практиками. Также полезно не только говорить об удачах, но и рассказывать об ошибках и о том, как их преодолеть. «Как показывает практика, это работает: когда компании видят результаты других, то начинают верить, что и у них тоже получится, — добавляет Петухов. — Лекции, обучение, популяризация, даже просто описания работы ИИ — это то «сарафанное радио», которое сегодня очень нужно. Топ-менеджеры, да и просто сотрудники нередко не понимают, как ИИ может помочь им самим и принести пользу компании, поэтому боятся взаимодействовать с ним и всячески его избегают. Если же рассказать этим людям на пальцах, как работают алгоритмы и как они могут помочь им в работе, то сотрудникам проще будет взаимодействовать с ИИ, и они начнут применять полученные знания на практике».

Николай Тржаскал: «Внедрение ИИ требует серьезнейших инвестиций в вычислительные мощности»

Николай Тржаскал, директор по продуктам SL Soft AI компании SL Soft (входит в кластер FabricaONE.AI ГК Softline), напоминает о вполне естественном ограничении: «Внедрение ИИ требует не только длительной подготовки (анализ и оптимизация бизнес-процессов, сбор и подготовка данных для дообучения моделей на реальных данных), но и серьезнейших инвестиций в вычислительные мощности. Альтернативой могло бы стать более широкое применение решений на основе облачных сервисов, но уровень доверия к ним у крупного бизнеса остается низким.

Виталий Баум: «В промышленности процесс применения ИИ идет сложнее и медленнее из-за все еще недостаточной цифровизации»

По словам Виталия Баума, партнера Группы компаний Б1, практика технологического консалтинга, в промышленности освоение ИИ идет сложнее и медленнее из-за все еще недостаточной цифровизации: «Для полноценного использования ИИ-модель должна получать объективные данные о ходе технологического процесса и иметь возможность оперативно реагировать на происходящие события. Для этого требуется инфраструктура, включающая цифровые двойники оборудования, датчики, контроллеры, актуаторы, комплексы АСУТП и пр.».

Николай Михайловский: «Чтобы внедрение было успешным, необходимы готовность организации к изменениям, а также стратегическая либо экономическая эффективность предлагаемого решения»

Николай Михайловский, генеральный директор компании НТР, обращает внимание на то, что проект внедрения практически любой крупной системы, в том числе основанной на ИИ, связан с организационными изменениями: «Чтобы внедрение было успешным, необходимы готовность организации к таким изменениям, а также стратегическая либо экономическая эффективность предлагаемого решения. При этом организации-чемпионы готовы рисковать и внедрять истинно инновационные решения для поддержания лидерства на рынке и удовлетворения своих амбиций, а идущие следом хотят убедиться в технической реализуемости и экономической эффективности внедряемых решений, то есть хотят увидеть готовые кейсы».

Александр Бочкин: «Бизнесу важно понимать, где именно ИИ даст заметный измеримый результат»

Александр Бочкин, генеральный директор компании «Инфомаксимум», в качестве одного из ключевых рычагов влияния на успех ИИ-проектов видит экономическую обоснованность внедрения: «Бизнесу важно понимать, где именно ИИ даст заметный измеримый результат. Для этого нужны инструменты, которые прозрачно показывают: вот здесь ИИ сэкономит ресурсы, ускорит процессы или повысит качество. Без понимания такой конкретной пользы компании просто не будут масштабировать внедрение. Наше решение Proceset, например, автоматически выявляет зоны в процессах, где применение ИИ будет максимально выгодным, позволяя сконцентрироваться на тех участках, где вложения действительно окупятся. Один из наших кейсов связан с анализом и оцифровкой операций процесса обработки входящей корреспонденции и подготовки ответов на запросы. Внедрение элементов ИИ вкупе с RPA позволило реализовать потенциал оптимизации в 40-60%».

Алексей Никитин: «Нужно сделать так, чтобы данные не выходили за пределы организации, а все функции ИИ работали с высоким качеством без облачных сервисов»

Две основные проблемы в работе с ИИ выделяет Алексей Никитин, генеральный директор Visiology, — это безопасность и доверие к результату: «Очень часто сотрудники просто копируют данные и запросы в публичные облачные сервисы, например, в ChatGPT или DeepSeek. Такой подход позволяет эффективно решать текущие задачи, но создает большие риски в сфере информационной безопасности, потому что пользователи могут, сами того не понимая, передать во внешний сервис критичные и даже конфиденциальные данные. Более того, такой подход не позволяет полностью доверять результатам, потому что облачные модели, хотя и обладают высокой мощностью, не имеют доступа к внутренним данным компании. Чтобы решить эти две проблемы, необходимо встраивать ИИ-инструментарий с локальными языковыми моделями непосредственно в корпоративные аналитические платформы. Нужно сделать так, чтобы данные не выходили за пределы организации, а все функции ИИ работали с высоким качеством без облачных сервисов. Например, в Visiology для этого предусмотрены ИИ-помощники для загрузки и обработки данных, в ближайшем релизе появится встроенный помощник написания запросов».

Как это часто бывает, достижение успеха ИИ-проектов в корпоративном секторе следует рассматривать как многопараметрическую задачу, в которой упущение или игнорирование любого из ключевых факторов приводит к серьезному риску разочарований, а нередко и провалов. Очень важно решать эту задачу в комплексе, учитывая как технологические и организационные аспекты, так и человеческий фактор.