Почему корпоративный ИИ застревает, и что необходимо для масштабирования за пределами пилотного проекта

Три года назад большинство руководителей предприятий отрицали значение ИИ. Преобладало мнение, что это рыночный шум или просто умная игрушка, а не технология корпоративного уровня. «Галлюцинация» была словом, которое было у всех на уме. За последний год скептицизм почти полностью изменился. Ожидания сейчас находятся на пике, а совещательные органы убеждены, что ИИ трансформирует каждую роль и каждый процесс.

Однако обе крайности упускают суть. ИИ — ни мимолётная мода, ни волшебная палочка. Это самая всесторонняя трансформация, которую когда‑либо видела отрасль; она масштабнее облака, которое было в первую очередь о повышении эффективности и гибкости. ИИ — бизнес‑трансформация. Именно поэтому после проведения впечатляющих пилотных проектов многие организации оказываются в тупике. Опрос State of AI от McKinsey & Company фиксирует масштаб проблемы: почти две трети респондентов заявляют, что их организации ещё не начали масштабировать ИИ по всему предприятию.

Настоящий узкий места — не возможности

Легко обвинить технологию, но это было бы ошибкой. На данном этапе передовые модели обладают огромными возможностями. Сложность заключается во внедрении ИИ в реальные бизнес‑процессы для получения измеримых результатов.

Исследование IDC показало, что 88 % доказательств концепции ИИ не достигают внедрения в производство, то есть из каждых 33 запущенных только четыре проходят. Причина редко кроется в самой технологии. Пилот демонстрирует, что возможно; масштабирование требует, чтобы организация изменила способ выполнения работы. Это гораздо более сложная задача, чем ожидают большинство руководителей. Она включает управление изменениями, трения между функциями, бюджетные циклы, не предназначенные для такого рода инвестиций, и сложную задачу полной перестройки рабочих процессов. Именно поэтому путь от от доказательства концепции к эксплуатации занимает больше времени, чем обещают рекламные заявления: предприятия сложны, а сложность противостоит быстрым решениям.

Руководителям следует сопротивляться рефлексу «внедрять ИИ сейчас», который приводит к разрозненным, несвязанным экспериментам. Вместо этого начните с определения конкретной проблемы и ожидаемого результата, например, сокращения времени решения сервисных запросов, ускорения доступа к знаниям, сокращения жизненного цикла разработки. Когда ИИ разрабатывается вокруг чётко определённого рабочего процесса, эффект становится измеримым, а измеримый эффект даёт право на масштабирование.

Видимое и невидимое

Агенты — это способ, которым ИИ оживает внутри предприятия, и они делятся на два типа. Первые, вспомогательные агенты, являются видимыми помощниками, которые суммируют электронные письма или помогают разработчику писать код. Вторые агенты вплетаются незаметно в рабочие процессы, сверяя счета, управляя цепочками согласования и выявляя мошенничество. Они должны быть действительно корпоративного уровня: масштабироваться до больших объёмов, обеспечивать точность, предоставлять полную прослеживаемость и работать в рамках правил ответственного ИИ.

Заголовки о «количестве агентов» мало значат, поскольку нет стандартного способа подсчёта агента. Важна работа, которую достигает комбинация человек‑плюс‑агент. Продуктивность под управлением агентов может сэкономить миллион долларов; переосмысление бизнес‑процесса с командами человек‑плюс‑агент может принести сто миллионов при тех же усилиях, и именно на этом должны сосредоточиться руководители.

Управление, доверие и тест на случай непогоды

Ответственность за результат критически важна для обеспечения успеха. Легко развернуть ИИ, когда допускаются десять ошибок; но иначе, когда процесс должен работать безупречно в масштабе. Руководящий принцип — тест на случай непогоды: когда ИИ отказывается сотрудничать, но бизнес продолжает работать. Таким образом, управление не враг скорости, а её ускоритель. При этом гибкость без управления приводит к хаосу, а управление без гибкости душит инновации. Что в конечном итоге сдерживает ИИ, так это страх, доверие, безопасность и контроль над собственными данными. Эти опасения определяют, будет ли предприятие масштабировать ИИ или замёрзнет.

Оптимальный размер архитектуры

Ключевой момент: для 80‑90 % корпоративных сценариев передовая модель не требуется. Маленькая языковая модель, построенная на данных организации и часто работающая совместно с передовой моделью, является более разумным решением. Стоимость за токен падает экспоненциально, но модели рассуждения и расширяющиеся окна контекста резко увеличивают потребление, делая оптимизацию токенов значительной возможностью сама по себе.

Создание для следующей волны

В каждой технологической волне ценность проявляется на переднем крае, когда бизнес действительно использует технологию. Текущие расходы сосредоточены на инфраструктурном уровне, как это всегда происходит в начале технологического цикла. Следующая, более крупная волна — масштабное внедрение.

Руководителям следует отметить, что корпоративный ИИ не застревает из‑за слабой технологии. Он застревает, потому что организации рассматривают бизнес‑трансформацию как технологический проект. Победители сделают ИИ надёжным, повторяемым и подотчётным бизнес‑процессом, а затем проявят терпение, чтобы масштабировать его и воспользоваться более крупной волной впереди.