Генеративный ИИ отличается от предыдущих технологических сдвигов: он фундаментально меняет способы работы бизнеса с впечатляющей скоростью. То, что потребовалось десятилетиями для механизации сельского хозяйства (сокращение доли сельскохозяйственных рабочих с трети рабочей силы США до 1%), ИИ решает за месяцы.
Однако, несмотря на миллиарды долларов инвестиций, большинству организаций все еще трудно перейти от пилотного этапа к производству и последующему внедрению. Фактически, согласно исследованию Gartner®, «к 2024 году 60% испытаний концепции GenAI будут заброшены после завершения¹».
Разница между экспериментами в области ИИ и успехом заключается не в выборе правильной широкой языковой модели; Речь идет о гораздо большем.
Работая с партнерами и клиентами на различных этапах развития ИИ, мы наблюдали устойчивые закономерности, которые отличают успешные внедрения от тех, которые тормозятся. Организации, которые успешно переходят от пилотного проекта к производству, сосредотачивают внимание на четырех взаимосвязанных принципах и, что более важно, признают, что технологии — это лишь один из них.
Мы в AWS видим, что именно это хорошо делают победители.
1. Создайте свою базу данных стратегически
Просто иметь данные недостаточно; то, как вы их организуете, управляете и активируете, имеет решающее значение. Ведущие организации реализуют три конкретные практики: объединяют все свои данные, маркируют и организуют их так, чтобы их было легко найти, а также устанавливают средства контроля, гарантирующие, что только нужные люди (или агенты) имеют доступ к наборам конфиденциальных данных.
Жестко регулируемые отрасли, такие как финансовые услуги и здравоохранение, часто имеют преимущество в этом отношении: их существующие системы управления могут ускорить инициативы в области ИИ. Однако организациям, начинающим с нуля, вместо того, чтобы пытаться унифицировать все хранилище данных, начните с работы в обратном направлении от конкретного варианта использования. Например, оператор связи может начать с объединения данных о производительности сети с билетами обслуживания клиентов и записями счетов с единственной целью: спрогнозировать ухудшение качества обслуживания до того, как у клиентов возникнут проблемы. Как только этот вариант использования принесет пользу, вы сможете определить, какие дополнительные подключения к данным наиболее важны, и исходя из этого масштабировать их.
2. Укрепите доверие посредством безопасности и проверки
В корпоративном искусственном интеллекте доверие — это не просто приятное явление: это основа, которая определяет, перейдут ли ваши инвестиции из пилотного проекта в серийное производство. Организации сталкиваются с двойной проблемой: им нужны системы искусственного интеллекта, достаточно безопасные для защиты конфиденциальных данных, но достаточно точные, чтобы принимать важные решения.
Рассмотрим поставщика медицинских услуг с 700 000 участников. Ваши клиенты звонят в наиболее уязвимые моменты, когда им нужна медицинская консультация или информация о страховом покрытии. Возможности, которые может предоставить ИИ, были огромными: поддержка клиентов быстрее, 24 часа в сутки, 7 дней в неделю, на любом языке. Но одна-единственная галлюцинация в этом контексте может нанести реальный ущерб, подорвав доверие, на создание которого уходят годы.
Ведущие организации переходят от принципа «доверяй, но проверяй» к принципу «проверяй, а затем доверяй». Они реализуют несколько уровней проверки: проверку входных данных на наличие вредоносного контента, проверку выходных данных на соответствие известным фактам и политикам, а также постоянный мониторинг отклонений или неожиданного поведения. Новые методы, такие как автоматическое рассуждение (математический подход, десятилетиями используемый при проектировании чипов и проверке безопасности), теперь могут сравнивать результаты ИИ с определенными правилами, в некоторых случаях уменьшая галлюцинации на 99%. Такой подход, основанный на проверке, ускоряет инновации, а не замедляет их, позволяя командам более смело экспериментировать, когда они знают, что защитные меры выявят ошибки до того, как они достигнут клиентов.
3. Трансформируйте культуру, а не только технологии
Самым большим препятствием для внедрения ИИ являются не технологии, а управление изменениями. Организации структурированы вокруг сложных процессов, и сотрудники управляют этими процессами. Чтобы заставить людей сделать шаг назад и переосмыслить эти процессы, сделав их полностью автоматизированными или управляемыми агентами, требуется целенаправленная культурная трансформация.
Успех требует как приверженности сверху вниз, так и поддержки снизу вверх. Лидеры должны демонстрировать видимую приверженность, не выражающуюся словами, в то время как сотрудникам необходимо пространство и поддержка, чтобы заново изобрести свои собственные рабочие процессы. BT Group является примером такого подхода: когда в 2024 году они приступили к использованию искусственного интеллекта, чтобы повысить производительность и улучшить качество обслуживания клиентов, они не просто внедрили технологии. Они разработали стратегию внедрения, соответствующую возможностям технологии. Сегодня около 4000 сотрудников используют помощника по программированию с использованием искусственного интеллекта для написания и поддержки 4 миллионов строк кода в год, но это достижение потребовало инвестиций в обучение, создания чемпионов внутри команд и предоставления людям разрешения на эксперименты.
Реальность имеет нюансы: ИИ будет автоматизировать многие задачи, одновременно создавая новые возможности и повышая человеческий потенциал других людей. Наиболее успешные организации открыто рассказывают об этой трансформации и инвестируют в переподготовку своих сотрудников, чтобы они могли преуспевать в среде, улучшенной искусственным интеллектом.
4. Работайте с нужными экспертами
Хотя некоторые организации обладают ресурсами и опытом для разработки собственных возможностей генеративного искусственного интеллекта, большинство считает, что стратегическое партнерство ускоряет путь от пилотного проекта к производству. Вопрос не в том, сможете ли вы сделать это в одиночку, а в том, является ли это самым быстрым путем к получению прибыли.
Правильные партнеры дают три ключевых преимущества: технические знания для навигации в быстро развивающейся среде ИИ, знания предметной области для применения ИИ в конкретных промышленных и нормативных средах, а также опыт управления изменениями для стимулирования масштабного внедрения.
Об этом свидетельствуют данные: организации, работающие с партнерами, обладающими глубокими знаниями в области искусственного интеллекта и доказанным успехом у клиентов, запускают свои проекты в области искусственного интеллекта в среднем на 25 % быстрее, чем те, которые работают без специализированных партнеров. В условиях, когда скорость создания стоимости часто определяет конкурентное преимущество, такое ускорение может иметь решающее значение.
Путь вперед
Успешные организации подходят к генеративному ИИ как к трансформации бизнеса, а не просто к внедрению технологии. Процветать будут не те организации, которые используют самые передовые модели, а те, которые признают, что успех ИИ требует равных инвестиций в технологии, людей и процессы.
¹ Отчет Gartner, Анализ прогнозов: Службы искусственного интеллекта, по всему миру, Коллин Грэм, Бен Физельманн и др., сентябрь 2025 г. GARTNER является зарегистрированным товарным знаком и знаком обслуживания Gartner, Inc. и/или ее дочерних компаний в США и за рубежом и используется здесь с разрешения. Все права защищены.
Мнения, выраженные в комментариях Fortune.com, являются исключительно точками зрения их авторов и не обязательно отражают мнения и убеждения Fortune.
