Анализ отчета MIT NANDA за июль 2025 года: почему 95% неудачного показателя пилотных проектов AI не является концом

Я – убежденный оптимист, и я всегда открыт для любой новой технологии, которая приходит ко мне. Моя последняя одержимость, которая, вероятно, останется на долгое время? AI.

MIT NANDA недавно опубликовал свою статью под названием «Разделение GenAI. Состояние AI в бизнесе в 2025 году», и я считаю, что эта статья действительно стоит прочитать. Она дает трезвый взгляд на AI и его место в бизнесе сегодня. Лента LinkedIn может показаться почти истеричной в отношении того, как AI изменил все, но отчет рисует другую картину.

Прежде всего, что такое MIT NANDA?

Networked Agents and Decentralized AI (аббревиатура NANDA) – это амбициозная исследовательская инициатива от Media Lab MIT. Проект охватывает более 18 ведущих исследовательских учреждений с 6 континентов и некоторых крупных игроков в технологической отрасли – например, Meta, Dell, Microsoft и т. д. Цель NANDA действительно футуристична, если не революционна. Амбиция заключается в создании основной инфраструктуры для Интернета агентов AI, т. е. децентрализованной сети, где агенты AI обнаруживают, проверяют и сотрудничают друг с другом в Интернете через организационные границы. По сути, NANDA работает над созданием четких правил, протоколов, руководств и рамок, которые позволяют агентам AI взаимодействовать с другими агентами от имени людей и организаций. Проект NANDA имеет открытый исходный код, что означает, что он приветствует предпринимателей, видящих, технологов и политиков в качестве полномасштабных сотрудников. (У вас есть википедийные ощущения?)

Я рассказываю вам об этом, потому что отчет MIT NANDA – это верхушка исследования торта, когда речь идет об AI. Авторы находятся на переднем крае мира AI, и их выводы следует воспринимать серьезно (хотя и с долей скептицизма).

Статья была в разработке с января и была опубликована в июле 2025 года. Отчет основан на систематическом обзоре более 300 публично раскрытых инициатив AI и интервью с лидерами 52 организаций, а также опросов 153 старших руководителей на четырех крупных отраслевых конференциях.

5% показатель успеха пилотных проектов AI

В отчете вводится термин «Разделение GenAI», который описывает разрушение, которое происходит (или не происходит) в организациях и даже отраслях, которые успешно (или неудачно) используют AI. Если бизнес находится на «неправильной стороне разделения», согласно NANDA, бизнес не может真正 измениться, эволюционировать и переосмыслить свою структуру и бизнес-операции. Быть на правильной стороне разделения означает иметь осязаемый результат от использования AI – «Эта инвестиционная предвзятость увековечивает разделение GenAI, направляя ресурсы на видимые, но часто менее трансформирующие варианты использования, в то время как возможности с самым высоким ROI в функциях бэк-офиса остаются недофинансированными».

Причина, по которой отчет получил такую популярность, заключается в его ключевом выводе. Резюме гласит: «Несмотря на инвестиции в размере 30-40 миллиардов долларов в корпоративный GenAI, этот отчет раскрывает удивительный результат: 95% организаций не получают никакой отдачи… Только 5% интегрированных пилотных проектов AI извлекают миллионы в виде стоимости, в то время как подавляющее большинство застряло без измеримого влияния на прибыль и убытки». Не очень обнадеживающе, правда?

Фундаментальное ограничение, которое препятствует организациям в реализации истинной ценности AI, – это то, что отчет определяет как «пробел в обучении». Большинство систем GenAI по своей сути лишены способности сохранять обратную связь, адаптироваться к контексту или улучшаться с течением времени.

• Системы не учатся на обратной связи. На самом деле это означает, что менеджер подает ему один и тот же набор данных снова и снова, но не происходит никакого улучшения производительности. Один менеджер среднего рынка описал повторную загрузку одного и того же руководства по продукту в свою систему AI для уточнения контрольных списков выполнения, но каждая итерация копировала идентичные пропуски и ошибки, без измеримого улучшения качества вывода, несмотря на несколько сессий обратной связи.
• Избыточный ручной контекст требуется каждый раз. Инструменты AI лишены памяти между сессиями, поэтому каждое взаимодействие означает повторную подачу прошлого знания и прошлого контекста. Сложные рабочие процессы, в отличие от простых одноразовых задач, тянутся и тянутся, не являясь надежной поддержкой для продолжающихся проектов. В отчете цитируется корпоративная юридическая команда, которая для каждого проекта контракта должна повторно вводить предпочтения клиентов, предыдущие заметки о переговорах и нормативные ограничения в инструмент AI – превращая то, что должно быть вспомогательным рабочим процессом, в трудоемкую обязанность, которая подрывает производительность в сложных, многоэтапных проектах.
• Недостаточная настройка для некоторых бизнес-процессов. Вместо получения отзывчивого инструмента, который адаптируется к более широкому контексту, более широкий контекст адаптируется к инструменту, заставляя пользователей работать вокруг жестких систем. CIO отметил, что их поставщиком предоставленный инструмент анализа рисков AI «felt like a one-size-fits-all box», заставляя команды перестраивать свои рабочие процессы кредитной проверки, чтобы они соответствовали жестким входным данным инструмента, а не иметь AI, адаптирующийся к установленным процессам. Несоответствие в конечном итоге привело к заброшенным пилотным проектам

Мои основные выводы из отчета NANDA

1. Тень AI-экономики процветает

В отчете вводится термин «тень AI-экономики», чтобы описать, как сотрудники используют AI на своем уровне как личный инструмент, а не как инструмент, утвержденный на уровне организации. Это звучит знакомо для меня, на самом деле. Мой друг из китайского филиала автомобильного бренда в СНГ поделился, что она использует ChatGPT для написания контента в приложении (новостные посты, реклама и т. д.). Она говорит, что на уровне штаб-квартиры не было утверждено никакого инструмента AI для общего использования, поэтому ее использование AI – это ее личный усилитель и экономия времени, которую она не особенно обсуждает с менеджером.

В отчете приведены очень конкретные цифры. Хотя только 40% компаний приобрели официальные подписки на LLM, сотрудники более 90% опрошенных компаний сообщили о регулярном использовании личных инструментов AI для рабочих задач. Это тень-использование часто дает лучший ROI, чем формальные корпоративные инициативы, раскрывая, что действительно работает, когда у людей есть доступ к гибким, отзывчивым инструментам.

2. Распределение инвестиций отражает неправильные приоритеты

В отчете раскрывается значительный несоответствие между инвестициями в AI и реальным потенциалом ROI. Приблизительно 50% бюджетов GenAI направляются на функции продаж и маркетинга, в основном потому, что результаты можно легко измерить и соответствуют показателям KPI на уровне совета директоров. Однако самые высокие доходы часто возникают из автоматизации бэк-офиса, например, устранения BPO, экономии до 10 миллионов долларов в год, сокращения внешних творческих затрат на 30% и экономии 1 миллиона долларов в год на аутсорсинговом управлении рисками. Эта инвестиционная предвзятость увековечивает разделение GenAI, направляя ресурсы на видимые, но менее трансформирующие варианты использования.

Однако моя личная убежденность заключается в следующем. Из того, что я помню из своего опыта в международной банковской компании, которая владеет розничными банками по всему миру, введение инструмента, который проникает в самые внутренние механизмы организации, питается ее данными и (кто знает?) утечет внутреннюю информацию наружу, – это большой риск. Итак, я понимаю, почему подписание контракта на AI-фабрику контента для простых творческих материалов для рекламы в Facebook – это простая задача, тогда как сложные нарушения бэк-энда не так энтузиастически принимаются. Если бы это не было прямой командой от уровня C, реализация серьезных инструментов AI в основу компании заняла бы как минимум 12 месяцев.

К счастью, у меня была возможность увидеть внутреннюю работу автоматизации AI, созданной для команды продаж местной компании по производству окон. Они наняли фрилансера из n8n, и он построил для них инструмент анализа звонков и чата на основе AI. Бизнес теперь может быстрее находить узкие места в своем воронке, и больше болевых точек стали очевидными, поскольку AI помогал бизнесу обрабатывать письменную и устную речь. Их уровень удовлетворенности был чрезвычайно высоким, и больше данных обрабатывалось быстрее.

3. Внутренние разработки проигрывают внешним поставщикам

Чтобы быть совершенно честным, этот вывод удивил меня. Вопреки распространенному мнению, что предприятия должны строить свои собственные инструменты AI, исследования показывают, что стратегические партнерства с внешними поставщиками в два раза более вероятно достигнут развертывания по сравнению с внутренними усилиями по разработке. Кто бы мог подумать, правда? Ну, rõчно не я.

Организации, которые рассматривают поставщиков AI как поставщиков бизнес-услуг – требующих глубокой настройки и подотчетных операционным результатам, а не показателям модели – достигают значительно более высоких показателей успеха и более быстрого времени достижения цели.

4. Более высокие инвестиции означают более высокое нарушение? Не совсем.

Используя композитный индекс нарушения рынка AI, отчет показывает, что только две отрасли – Технологии и СМИ и Телекоммуникации – демонстрируют явные признаки структурного нарушения от GenAI. Семь из девяти крупных секторов демонстрируют значительную пилотную активность, но минимальные структурные изменения, причем отрасли, такие как здравоохранение, финансовые услуги и энергетика, показывают показатели нарушения ниже 0,5 по 5-балльной шкале. Этот разрыв между видимостью инвестиций и реальной трансформацией иллюстрирует разделение GenAI на уровне отрасли.

Почему показатель неудач в 95% временный

Несмотря на казалось бы безнадежные промежуточные результаты, есть некоторый свет в конце туннеля. Отчет объясняет, что разделение GenAI временно и будет преодолено с помощью появляющихся разработок.

Сам NANDA является одним из ведущих вкладчиков в еще более связанный мир AI. Механизмы, на которые ссылается отчет, – это Протокол контекста модели (или MCP) и Протокол агента к агенту (или A2A) в качестве основы для бесшовного взаимодействия агентов и автономной координации между системами.

Усилия NANDA и эти инструменты – это путь к тому, чего NANDA действительно добивается – к Вебу агентов, сети агентов, способных к автономной координации в Интернете. Их взаимодействие будет разработано для замены статических рабочих процессов на динамические самообучающиеся системы.

Звучит ли это слишком хорошо, чтобы быть правдой, или даже магией? Ну, Microsoft Copilot Studio’s Multi-Agent Orchestration – это самое близкое подобие этой концепции. Система помогает строить дерево агентов, где основной агент Copilot запускает подчиненных агентов, ответственных за конкретные задачи, такие как планирование или генерация документов. Каждый агент остается в своей области экспертизы, координируя с другими. Чтобы выразить это более практично, когда пользователь запрашивает «Спланируйте наш запуск продукта за 4 квартал», агент-оркестратор автоматически делегирует задачи специализированным агентам – один занимается маркетинговыми исследованиями, другой управляет созданием графика, а третий координирует с инструментами управления проектами. Работа продолжается синхронно, но автономно.

Итак, что оставляет нас отчет NANDA? Окно для пересечения разделения GenAI сужается быстро, поскольку предприятия начинают заключать отношения с поставщиками, имеющими инструменты, способные к обучению, которые производят нарушение и эволюционируют и оптимизируют бизнес-операции в бэк-энде, добавляя импульс к самому ядру организаций. Успех заключается в покупке систем агентов AI, а не в их создании с нуля внутри. По мере того, как агентское обучение, запоминание и самообеспечивающиеся системы становятся более распространенными, текущий показатель неудач в 95% уступит место новой эре, в которой системы AI сотрудничают бесшовно между поставщиками, доменами и организационными границами. Это будущее -真正 ROI текущих инвестиций.

Альтернативные взгляды на принятие AI

Проект NANDA сделал удивительную работу, собирая данные из нескольких источников и опрашивая лидеров из нескольких областей. Но является ли это окончательным мнением по принятию AI во всем мире? Если вы, как и я, нашли Разделение GenAI несколько депрессивным, если не обескураживающим, я нашел эти альтернативные взгляды на принятие AI, чтобы сохранить мою личную искру AI.

• Jed Nykolle Harme из IT Brief UK разбил CIO Playbook 2025 от Lenovo. Исследование включает обратную связь от лидеров IT по всей EMEA (Европа, Ближний Восток и Африка), и его вывод заключается в том, что отрасль розничной торговли лидирует, когда речь идет об удовлетворенности AI, где 96% производительности пилотных проектов AI либо соответствует, либо превышает ожидания.
• Ранее я выражал сочувствие гигантским игрокам рынка, которые находят AI трудным для реализации и не особенно открыты для интенсивного внедрения. Lenovo, однако, представляет другую картину с отраслями BFSI (Банковское дело, Финансы и Страхование): несмотря на самую низкую ставку принятия AI в 7%, 33% тех, кто тестирует AI, сообщают, что пилотные проекты превосходят ожидания. Секрет таких положительных тенденций – «осторожный подход», как Arabian Business говорит.
• Другой успокаивающий отчет IBM CEO Study открывается смелым предисловием вице-председателя IBM Гэри Кона: «По мере ускорения принятия AI… окончательная отдача будет только у тех генеральных директоров, которые имеют смелость воспринимать риск как возможность. … Когда бизнес-среда неопределенна, использование AI и ваших корпоративных данных для определения областей, где у вас есть рычаг, – это конкурентное преимущество. На данный момент лидеры, которые не используют AI и свои данные для продвижения вперед, принимают сознательное решение не конкурировать.»
• Исследование IBM CEO показывает некоторые вдохновляющие факты. Например, рост инвестиций в AI, как ожидается, более чем удвоится в течение следующих двух лет, поэтому почти 20% общих бюджетов IT будут выделены на AI – это демонстрирует, что, несмотря на видимые и доказанные проблемы, вера в AI сильна и, что самое главное, это стратегическая инвестиция, а не реактивные расходы.
• Наконец, 64% генеральных директоров в отчете согласны с тем, что риск отстать от других стимулирует инвестиции в новые технологии задолго до того, как будет достигнуто четкое понимание их влияния. Однако нет быстрых решений. Вместо этого принимают «стратегическое хеджирование». В простых терминах, когда конкурент запускает чат-бот AI для персонализированных рекомендаций, вы делаете то же самое для своего веб-сайта. Вам, возможно, неясно, увеличится ли доход, но вы знаете, что если вы отстаете на два года, пока не соберется «идеальный набор данных», вы безвозвратно потеряете импульс. Итак, правило простое: агрессивно копируйте, затем посмотрите на результат.

Заключение

В заключение я хотел бы выразить свою личную искреннюю веру в AI. Как предприниматель, CMO, разработчик бизнеса и бывший сотрудник офиса в банке, я вижу много способов, которыми AI может помочь оптимизировать бюджеты, оптимизировать рабочие процессы и усилить команды. Будущее ускорено и дополнено. Если бизнес хочет конкурировать, он должен быть грамотным в AI. Хотя выводы, которые я представил, являются противоречивыми, я убежден, что текущий ландшафт AI, с его пиками и впадинами, – это естественный период обучения, повторяющийся снова и снова с каждой новой технологией.