Почему? В 80% случаев проблема вообще не в технологиях. Компании запускают проекты, не ответив на три базовых вопроса: где это вообще будет работать, сколько это принесет денег, и кто в бизнесе за это отвечает.
Инфраструктура: ни своей, ни чужой
Запуск ИИ-модели под бизнес-задачи — вопрос вычислительных мощностей. Использование зарубежных сервисов — риск блокировок и 152-ФЗ. Российские альтернативы ограничены дефицитом GPU, кластеры перегружены, география в основном вокруг столиц. Попытка развернуть все внутри компании упирается в вопрос «где?» — большинство корпоративных ЦОДов не рассчитаны на нагрузки, которые требует современный ИИ (5–10 кВт против 40–60). В итоге проект тормозится в поиске мощностей.
Экономика: ROI нет, и никто не ищет
Если проект переживает первый этап, его почти всегда добивает экономика. Точнее, ее отсутствие. Подавляющее большинство ИИ-инициатив не могут внятно ответить на вопрос: «Сколько денег мы заработаем или сэкономим на этом решении?». Для бизнеса это критический момент. Без понятного ROI проект автоматически уходит в категорию «интересных экспериментов». В итоге инициатива зависает где-то между пилотом и продом, постепенно теряя приоритет.
Бизнес vs ИТ: игра в одни ворота
Еще одна болезненная точка — это люди. Большинство внедрений в корпорациях до сих пор идут как инициатива ИТ-департаментов, без реального участия бизнеса. Решения принимаются сверху или внутри цифровых подразделений, а те, кто потом должен с этим жить — операторы, менеджеры, логисты — узнают о нововведениях постфактум. В результате получается типичная ситуация: ИТ внедрил систему, а бизнес продолжает работать по-старому. В лучшем случае сотрудники игнорируют систему. В худшем — саботируют. Руководство не получает быстрых результатов и постепенно теряет интерес. Проект формально числится активным, но реально — либо глохнет, либо требует долгого «разжевывания»: зачем это нужно, как пользоваться и почему это не угроза, а помощь. Без вовлечения бизнеса с первого дня ИИ остается костылем.
Что получаем?
Разница между экспериментом и рабочим решением в большинстве случаев оказывается не в технологии, а в том, как изначально была выстроена логика проекта. Сильные ИИ-проекты начинаются не с моделей. Они начинаются с правильных вопросов. Где компания реально теряет деньги? Где сотрудники тратят время впустую? Какие процессы болят настолько, что бизнес готов менять их прямо сейчас? И только после этого появляется место для ИИ — как инструмента, а не как самоцели.
Что же делать?
1. Начните с боли бизнеса, а не с нейросети. Спросите: что реально бесит сотрудников и тормозит процессы?
2. Оцените данные. Они вообще есть? Они структурированы? Часто проекты умирают на этапе «а давайте сначала все оцифруем». А некоторым (да что уж там, половине) достаточно просто немного автоматизировать процессы, ИИ там не нужен.
3. Считайте ROI до старта. Если не можете прикинуть экономику — не начинайте.
4. Вовлекайте бизнес с первого дня. Пусть они ставят задачи и принимают результаты.