Почему ИИ требует пересмотра ИТ-бюджета

Искусственный интеллект обычно обсуждают как инструмент повышения эффективности. Он помогает автоматизировать рутину, ускоряет аналитику, снижает нагрузку на сотрудников. Но в корпоративной практике у этой темы есть менее очевидная сторона.

ИИ не работает в вакууме. Он встраивается в уже существующие процессы, данные, системы, интеграции и управленческие контуры. Если эта основа сложная и фрагментированная, новые ИИ-решения могут не упростить работу компании, а добавить еще один слой процессов, систем и затрат.

На мой взгляд, именно это сегодня становится одним из главных рисков для бизнеса. Компании могут инвестировать в ИИ, запускать пилоты, покупать новые инструменты, но при этом не получать ожидаемого эффекта — потому что не меняется сама технологическая и операционная модель.

Почему вопрос не только в бюджете на ИИ

В статье McKinsey о пересмотре технологических бюджетов в эпоху искусственного интеллекта рассматривается старая дилемма ИТ-директоров: как распределять средства между поддержанием текущих систем и инвестициями в изменения. Авторы отмечают, что ИИ усиливает эту проблему: он требует новых вложений, но одновременно увеличивает эксплуатационные расходы — на данные, модели, платформы, контроль качества, безопасность и поддержку.

Расходы не заканчиваются на внедрении решения. После запуска появляются новые обязательства: систему нужно сопровождать, интегрировать, обновлять, контролировать качество ее работы, обучать пользователей и управлять рисками.

Поэтому обсуждать ИИ только как отдельную статью инвестиций недостаточно. Важнее понять, как его внедрение повлияет на весь технологический бюджет: какие затраты появятся, какие процессы будут изменены, какие старые решения можно будет заменить, а какие, наоборот, придется продолжать поддерживать.

Риск: новое добавляется поверх старого

Во многих компаниях значительная часть ИТ-бюджета уходит на поддержание уже существующего ландшафта: инфраструктуры, приложений, интеграций, систем безопасности, регуляторных требований, внутренних платформ. Это нормальная часть корпоративных расходов — без нее бизнес не сможет работать стабильно.

При этом нередко новые инициативы добавляются поверх старого контура, но ничего не заменяют. Компания продолжает поддерживать прежние системы и процессы в полном объеме. В результате технологический ландшафт не становится проще. Наоборот, он усложняется: растет количество систем, интерфейсов, точек контроля, интеграций и команд, которые должны все это сопровождать.

Такой сценарий может быть особенно опасен для ИИ-проектов. При масштабировании они потребуют зрелых данных, понятной архитектуры, методологии управления изменениями и ответственности со стороны бизнеса. 

Что это значит для российских компаний

Для российского бизнеса эта тема актуальна. За последние годы многие компании были вынуждены перестраивать ИТ-ландшафт быстрее, чем планировали: менять поставщиков, переходить на новые решения, развивать внутренние платформы, усиливать информационную безопасность, адаптировать процессы под новые ограничения.

Во многих случаях это происходило не как спокойная долгосрочная модернизация, а как вынужденная перестройка. Поэтому в компаниях могли появиться параллельные контуры: старые системы продолжают работать, новые решения внедряются рядом, часть функций дублируется, а интеграции становятся сложнее.

На такой базе ИИ может дать эффект, только если его внедрение связано с пересмотром процессов и архитектуры. Например, ИИ может помочь ускорить подготовку отчетности. Но если данные по-прежнему собираются вручную из разных систем, а согласование решений остается прежним, эффект будет локальным. Он может снять нагрузку с отдельного участка, но не изменить общую производительность процесса.

То же самое касается клиентского сервиса, закупок, производства, управления персоналом или финансовой функции. ИИ полезен там, где он встроен в понятную модель работы. Там, где процессы не описаны, данные разрознены, а ответственность за результат размыта, технология не компенсирует управленческую сложность.

ИИ должен быть частью модернизации

Одна из распространенных ошибок — рассматривать ИИ как быстрый способ показать инновационность. Запустить пилот проще, чем пересмотреть архитектуру данных, убрать дублирующие системы или изменить процесс принятия решений.

Но устойчивый эффект появляется тогда, когда ИИ помогает компании работать проще. Для этого нужны единые принципы работы с данными, понятная архитектура, прозрачный портфель ИТ-инициатив и совместная ответственность бизнеса и ИТ за результат.

Важно также заранее оценивать не только эффект от внедрения, но и будущую стоимость владения. Любой ИИ-проект создает постоянные расходы: на поддержку, развитие, мониторинг, безопасность, обучение пользователей и управление изменениями. Если эти расходы не просчитаны, экономический эффект может оказаться ниже ожиданий.

Это уже не только задача ИТ-директора

Технологический бюджет больше нельзя считать внутренним вопросом ИТ-департамента. Решения о том, какие системы развивать, какие выводить из эксплуатации и куда направлять инвестиции, напрямую влияют на бизнес-модель компании.

Поэтому обсуждение ИИ должно проходить не только на уровне ИТ. В нем должны участвовать руководители бизнес-направлений, финансовый блок, владельцы процессов и топ-менеджмент.

Для бизнеса важно понимать не только то, какую технологию внедряет компания, но и какой управленческий эффект она должна получить. Станет ли процесс быстрее? Снизятся ли затраты? Улучшится ли качество решений? Какие операции будут автоматизированы? Какие системы можно будет больше не поддерживать? Кто отвечает за результат после запуска?

Что стоит сделать перед масштабированием ИИ

Перед тем как увеличивать инвестиции в искусственный интеллект, компаниям стоит провести ревизию технологического ландшафта и портфеля изменений.

Во-первых, важно понять, какая часть бюджета уходит на поддержку текущих систем и какие из них создают наибольшую нагрузку.

Во-вторых, нужно определить, какие ИИ-инициативы действительно меняют процессы, а какие просто добавляют новые инструменты поверх старой модели работы.

В-третьих, стоит заранее решить, какие операции, решения или системы могут быть упрощены или выведены из эксплуатации после внедрения ИИ.

В-четвертых, необходимо развивать внутренние компетенции. Внешние подрядчики могут помочь с технологиями, но понимание процессов, данных, ограничений и целей должно оставаться внутри компании.

ИИ может стать сильным инструментом развития бизнеса, но он не решает автоматически проблемы сложной архитектуры, разрозненных данных и неуправляемого портфеля систем. Ценность создается не самим фактом внедрения ИИ, а тем, насколько он помогает перестроить процессы, снизить избыточную сложность и сделать технологический ландшафт более управляемым.