Почему окупаемость инвестиций в ИИ зависит от качества данных и доверия со стороны людей.

Интеграция ИИ является ключевым элементом современной и будущей бизнес-стратегии. Проблема в том, что многие организации до сих пор рассматривают ИИ как простое внедрение технологии, тогда как на самом деле это оперативный и человеческий фактор.

Этот разрыв начинает отражаться в цифрах. Последний доклад MIT о состоянии ИИ в бизнесе Исследование показало, что 95% компаний заявляют, что их инициативы в области генеративного искусственного интеллекта не оправдывают ожиданий. Отчет Deloitte об корпоративном искусственном интеллекте за 2026 год Это указывает на схожую закономерность: организации заявляют о готовности своей стратегии к внедрению ИИ, но не столь уверены в инфраструктуре, данных, рисках и кадрах. Другими словами, стремление к масштабированию и полноценному развитию систем ИИ есть. Но операционная основа для доведения проекта до конца часто отсутствует.

Многие организации до сих пор не осознают, что окупаемость инвестиций в ИИ зависит от «качества данных» и доверия со стороны людей.

Благополучие данных — основа доверия к искусственному интеллекту.

Благополучие данных означает нечто большее, чем просто чистые записи. Истинное благополучие данных достигается тогда, когда данные определены последовательно, четко определены, управляются продуманно и понятны людям, которые должны с ними работать. Во многих предприятиях это до сих пор не соответствует действительности. Данные о доходах означают одно для отдела продаж, другое для финансового отдела, и совсем другое для отдела доставки. Состояние клиентов отслеживается в нескольких системах. Методы отчетности и показатели различаются от команды к команде. Затем поверх этого добавляется слой искусственного интеллекта, и руководители удивляются, когда сотрудники ставят под сомнение результаты.

Этот скептицизм — не сопротивление. Это рациональная реакция на системы, которые не заслужили доверия.

В недавнем Отчет IBM Institute for Business Value Исследование показало, что 43% операционных директоров считают качество данных своим главным приоритетом, а более четверти организаций оценивают свои ежегодные потери из-за низкого качества данных более чем в 5 миллионов долларов. IBM также отметила, что дубликаты, избыточность и несогласованные записи увеличивают затраты на хранение, вносят путаницу и ухудшают производительность. Суть проста: если ваши данные некачественные до того, как в дело вступает ИИ, ИИ не исправит это. Он лишь усугубит проблему.

Если у организации есть сильные основные бизнес-процессы, четкое управление и здоровая коммуникация между подразделениями, ИИ может сделать эти сильные стороны более заметными и ценными. Прогнозирование становится более точным. Команды по работе с клиентами быстрее выявляют закономерности. Чат-боты и инструменты поддержки становятся более согласованными, поскольку они используют системы, отражающие реальность. Но когда эти базовые условия слабы, ИИ увеличивает трение. Команды тратят больше времени на проверку результатов, сверку данных и устранение тех же пробелов в процессах, которые существовали до внедрения.

Вот почему так много дискуссий об ИИ до сих пор не достигают цели. Они сосредоточены исключительно на модели. Настоящая проблема заключается в реализации и данных, лежащих в её основе.

Лидерство задает стандарты для внедрения

Существует также вопрос лидерства, который часто упускается из виду. Прежде чем ИИ сможет успешно применяться в операционной деятельности, руководство должно принять решение относительно внутренней стратегии. Внедряется ли ИИ для автоматизации человеческой работы или для расширения человеческих возможностей и способностей? Это не одно и то же, и сотрудники сразу понимают разницу.

Если сообщение расплывчато, люди сами заполняют пробелы. Именно здесь замедляется внедрение. Работники становятся осторожными. Менеджеры не решаются полагаться на результаты. Команды начинают использовать инструменты непоследовательно или вовсе избегают их. Исследования Deloitte в области человеческого капитала Исследование показало, что руководители, которые доносят до сотрудников роль ИИ в трансформации рабочих мест, карьерном росте и балансе между работой и личной жизнью, могут способствовать укреплению доверия среди персонала. Deloitte Также утверждалось, что организациям необходимо четко объяснять, как ИИ повлияет на работу и создаст ценность для людей как для личностей.

Это важно, потому что доверие напрямую связано с результатами работы.

Если сотрудники доверяют данным и понимают роль, которую должен играть ИИ, внедрение и масштабирование будут значительно более успешными. В противном случае даже самые лучшие инструменты с трудом выйдут за рамки пилотного этапа. Это особенно важно в сфере профессиональных услуг и B2B-сфере, где решения зависят от общих определений, межфункциональной координации и реальной уверенности в лежащих в их основе системах. Невозможно построить надежную модель прогнозирования, если финансовый, торговый и сервисный отделы используют разные версии истины. Нельзя ожидать от системы ИИ, ориентированной на клиента, высокой производительности, если данные, используемые для ее работы, устарели, разрознены или неполны.

Вот почему зрелые организации инвестируют не только в модели. Они инвестируют в оркестраторов. Они обеспечивают, чтобы кто-то владел данными и чтобы данные были чистыми и достоверными. Они согласовывают системы, прежде чем масштабировать автоматизацию. Они определяют, что значит успех, с операционной, а не только технической точки зрения.

Исследования директора по цифровым технологиям (CDO) компании IBM Предлагается другой ракурс: организации, получающие больше пользы от ИИ, — это не обязательно те, кто имеет доступ к большему количеству данных. Это те, кто использует наиболее ценные данные для достижения конкретных результатов. Именно такой подход необходим предприятиям. Это означает понимание того, что действительно важно, объединение команд вокруг общих определений и целенаправленное применение данных. Именно такой образ мышления необходим предприятиям, если они хотят, чтобы ИИ приносил реальные бизнес-результаты.

Успех ИИ зависит от людей.

Успех следующего поколения ИИ не будет достигнут за счёт притворства, что эти системы полностью автономны. Мы ещё не достигли этого уровня. ИИ по-прежнему нуждается в управлении, мониторинге и человеческом суждении. Ему по-прежнему нужны люди, которые понимают бизнес, понимают данные и могут отличить технически корректный результат от результата, полезного в практическом применении.

Это должно стать хорошей новостью для руководителей, обеспокоенных долгосрочной перспективой формирования кадрового резерва. Будущее не ограничивается только моделями. Оно – это человек плюс система. Компании, которые серьезно относятся к качеству данных и строят стратегию, ориентированную на расширение возможностей, обеспечивают себе более высокую окупаемость инвестиций в ИИ и создают организации, где люди могут выполнять свою работу лучше, опираясь на более мощные системы.

Если предприятиям нужны не только пилотные проекты, им следует перестать задаваться вопросом, достаточно ли мощна модель. Им нужно спросить, достаточно ли качественны данные, достаточно ли четко организовано управление и понимают ли пользователи системы, зачем она вообще существует. Именно это превращает ИИ из эксперимента в настоящий бизнес-актив, демонстрирующий ценность.