Как минимизировать риски при внедрении ИИ

Вместе с Виталием Поповым, директором департамента реализации инфраструктурных проектов ГК Softline, разбираем, какие подводные камни встречаются на пути цифровой трансформации, как избежать типичных ошибок и какие уроки можно извлечь из неудачных кейсов.

Виталий, многие компании сегодня внедряют ИИ-решения, но не у всех это проходит успешно. Можете рассказать о случаях, когда проекты не оправдали ожиданий?

В моей практике было несколько кейсов, где внедрение искусственного интеллекта не дало ожидаемого результата. Один из них — попытка заменить сотрудников, занимающихся обработкой первичной документации, ИИ-решением.

Что пошло не так?

На этапе пилота все выглядело отлично: система обрабатывала документы в заданные сроки и демонстрировала стабильные показатели. Однако в процессе промышленной эксплуатации появились проблемы — данные начали поступать в разных форматах и разметках, что вызвало ошибки в обработке. Мы предложили заказчику провести дополнительное обучение модели и нарастить вычислительные мощности, но с учетом затрат на внедрение проект перестал быть экономически выгодным. В результате заказчик отказался от доработки, и система так и не была запущена в полном объеме.

Какие выводы можно сделать из этого кейса?

Первый — важно учитывать, что тестовая среда не всегда соответствует реальным условиям работы. Второй — необходимо заранее закладывать механизмы адаптации модели к изменяющимся данным. И третий — экономическая целесообразность должна оцениваться не только на этапе пилотного тестирования, но и в долгосрочной перспективе.

А были случаи, когда ИИ-решение показало себя хорошо в одном сценарии, но оказалось бесполезным в другом?

Да, был интересный случай с HR-ботом. Первоначально он использовался для обработки кадровых регламентов и помогал сотрудникам находить нужную информацию. Бот отлично справлялся с задачей, но когда систему решили масштабировать и загрузить в нее регламенты других отделов (финансовый, ИТ, административно-хозяйственный), начались сбои. Оказалось, что в разных департаментах один и тот же термин трактуется по-разному, а между регламентами практически отсутствуют логические связи. В результате бот стал выдавать некорректные ответы, и проект пришлось свернуть.

Почему сотрудники не стали активно использовать ИИ, даже когда он был внедрен?

Здесь сработал человеческий фактор. Люди привыкли обращаться за консультацией к HR-специалистам, а не к чат-боту. Более того, у сотрудников часто есть предвзятое отношение к ИИ — кто-то не доверяет технологии, а кто-то боится, что его заменит автоматизированная система. В результате, даже если бот работал хорошо, им пользовались реже, чем ожидалось.

Основные барьеры внедрения ИИ в бизнес-процессы

1. Качество данных

ИИ-решения зависят от исходных данных. Если информация разрознена, некорректна или плохо структурирована, система не сможет выдавать адекватные результаты.

2. Завышенные ожидания

Компании часто ждут, что ИИ сразу же решит все проблемы. Однако технология требует настройки, адаптации и сопровождения.

3. Сложность интеграции

Бизнес-процессы включают устаревшие системы, ручной труд и сложные взаимосвязи. Без четкого понимания, как именно ИИ встроится в экосистему компании, внедрение может закончиться провалом.

4. Человеческий фактор

Сотрудники могут воспринимать ИИ как угрозу или просто не доверять новым технологиям. Управление изменениями играет важную роль в успехе цифровой трансформации.

5. Стоимость владения

ИИ — это не просто подписка на готовый сервис. Настоящие затраты включают интеграцию с локальными системами, закупку серверов, обучение моделей и персонала.

Виталий, что посоветуете компаниям, которые хотят внедрить ИИ, но боятся рисков?

Во-первых, начинать с четкой постановки задачи: какую проблему мы решаем и какие метрики успеха должны быть достигнуты? Во-вторых, проводить глубокий анализ данных: насколько они структурированы и готовы к работе с ИИ? В-третьих, планировать интеграцию с учетом существующих процессов, а не пытаться внедрять ИИ ради самого факта его наличия. И, конечно, не забывать о пользователях — без их вовлеченности даже самый продвинутый ИИ может оказаться невостребованным.

Получается, ИИ — это инструмент, но не волшебная таблетка?

Совершенно верно. Искусственный интеллект способен значительно повысить эффективность бизнеса, но только при грамотном подходе. Важно не просто внедрить технологию, а встроить ее в реальные процессы и обеспечить ее использование сотрудниками. Если подходить к этому осознанно, ИИ действительно может стать ценным помощником, а не просто модным трендом.