Добрый день. Компании делают ставку на ИИ, но почти все бизнес-двигатели застряли на старте.
Новый отчет «GenAI Divide: State of AI in Business 2025», опубликованный инициативой NANDA Массачусетского технологического института, показывает, что, хотя генеративный искусственный интеллект обещает бизнесу, большинство инициатив по обеспечению быстрого роста доходов терпят неудачу. Несмотря на стремление интегрировать новые мощные модели, около 5% пилотных проектов в области ИИ добились быстрого увеличения доходов; подавляющее большинство компаний находились в состоянии стагнации, практически не оказывая заметного влияния на прибыли и убытки. Исследование, основанное на 150 интервью с руководителями, опросе 350 сотрудников и анализе 300 общедоступных внедрений ИИ, показывает четкий разрыв между историями успеха и застопорившимися проектами. Чтобы обсудить эти результаты, я поговорил с Адитьей Чаллапалли, ведущим автором отчета и научным сотрудником проекта NANDA в Массачусетском технологическом институте. Например, стартапы, которыми управляют 19- или 20-летние, «видели, что их доход вырос с нуля до 20 миллионов долларов в год», — сказал он. «Это потому, что они выбирают болевые точки, хорошо работают и умело сотрудничают с компаниями, которые используют их инструменты», — добавил он. Но для 95% компаний в наборе данных внедрение генеративного ИИ не соответствует действительности. «95% отказов корпоративных решений искусственного интеллекта представляет собой наиболее яркое проявление разрыва в области генного искусственного интеллекта», — говорится в отчете. Центральный вопрос? Не качество моделей ИИ, а «пробел в обучении» как для инструментов, так и для организаций. В то время как руководители часто обвиняют регулирование или эффективность моделей, исследования MIT указывают на ошибочную интеграцию бизнеса. Общие инструменты, такие как ChatGPT, превосходны для частных лиц благодаря своей гибкости, но не используются в корпоративном использовании, поскольку они не учатся на рабочих процессах и не адаптируются к ним, объяснил Чаллапалли. Данные также показывают несогласованность в распределении ресурсов. Более половины бюджетов на генеративный ИИ тратится на инструменты продаж и маркетинга, но MIT обнаружил наибольшую отдачу от инвестиций в автоматизацию бэк-офиса: устранение аутсорсинга бизнес-процессов, сокращение расходов на внешние агентства и оптимизацию операций.
Что стоит за успешным внедрением ИИ?
То, как компании внедряют ИИ, имеет решающее значение. Покупка инструментов ИИ у специализированных поставщиков и установление партнерских отношений успешны примерно в 67% случаев, тогда как внутренние сборки успешны лишь в трети случаев. Этот вывод особенно актуален в сфере финансовых услуг и других жестко регулируемых секторах, где многие компании к 2025 году создадут свои собственные генеративные системы искусственного интеллекта. Однако исследования MIT показывают, что компании видят гораздо больше неудач, работая в одиночку. По словам Чаллапалли, опрошенные компании часто не решались сообщать о показателях неудач. «Практически везде, где бы мы ни были, компании пытались создать свой собственный инструмент», — сказал он, но данные показали, что покупные решения давали более надежные результаты. Другие ключевые факторы успеха включают предоставление линейным менеджерам (а не только центральным лабораториям искусственного интеллекта) возможности стимулировать внедрение и выбирать инструменты, которые можно глубоко интегрировать и адаптировать с течением времени. Перебои в работе персонала уже происходят, особенно в административных функциях и функциях обслуживания клиентов. Вместо массовых увольнений компании все чаще не заполняют вакантные должности. Большинство изменений касаются ранее переданной на аутсорсинг работы из-за ее низкой воспринимаемой ценности. В отчете также подчеркивается широкое использование «теневого ИИ» (мошеннических инструментов, таких как ChatGPT) и сохраняющаяся проблема измерения влияния ИИ на производительность и прибыль. Заглядывая в будущее, более продвинутые организации уже экспериментируют с агентными системами искусственного интеллекта, которые могут обучаться, запоминать и действовать независимо в установленных пределах, предлагая представление о том, как может развернуться следующий этап корпоративного искусственного интеллекта.
Шерил Эстрадашерил.estrada@fortune.com
Эта история первоначально появилась на Fortune.com.
