ИИ для предприятий: почему модели не решают задачи бизнеса и что делать дальше

Почему генеративный ИИ не работает в бизнесе

Крупные языковые модели (LLM) не являются корпоративной архитектурой. Это утверждение вызвало бурную реакцию: аргумент сложно опровергнуть. Но куда важнее другой вопрос: если не это, то что? Проблема никогда не заключалась в том, что ИИ не работает. Он работает. Проблема — в том, куда мы его внедряем.

Ошибка в слое внедрения

За последние два года компании инвестировали десятки миллиардов долларов в генеративный ИИ. Результат недвусмыслен: по данным исследования MIT, около 95% корпоративных инициатив по ИИ не приносят измеримого бизнес-результата, несмотря на массовое внедрение. Причина не в моделях — они работают. Проблема в том, что их внедряли как инструменты, а не как системы.

Мы пытались «прикрутить» интеллект к существующим рабочим процессам. Но нужен принципиально другой подход: системы, где интеллект — это сам процесс.

От инструментов к системам: почему LLM не подходят для бизнеса

LLM по своей природе безсостоятельны: каждое взаимодействие начинается с нуля, если не искусственно воссоздавать контекст. Компании же — состоятельные системы: они накапливают решения, отслеживают отношения, эволюционируют со временем и зависят от непрерывности.

Это не просто неудобство. Это структурное несоответствие. Исследования показывают: системы терпят неудачу не из-за плохих ответов, а потому, что не могут интегрироваться в текущие процессы или поддерживать контекст в долгосрочной перспективе.

От ответов к результатам: почему ИИ не меняет бизнес

Сегодня ИИ оптимизирован для ответов на вопросы. Но компании нуждаются в системах, которые изменяют результаты. Вот где разрыв становится очевидным:

• LLM может сгенерировать убедительную стратегию продаж, но не отследит, сработала ли она;
• он не адаптируется на основе результатов;
• не координирует выполнение задач между командами;
• не улучшается со временем.

Это не проблема реализации. Это проблема дизайна.

Исследование MIT описывает «разрыв генеративного ИИ»: компании находятся в состоянии высокого внедрения, но низкой трансформации, потому что текущие системы не замыкают цикл между действием и результатом.

От промптов к ограничениям: почему ИИ не вписывается в бизнес-процессы

Сегодня разговоры об ИИ часто сводятся к промптам. Но промпты — это всего лишь интерфейс. Компании работают не через промпты, а через ограничения:

• правила соответствия;
• разграничение прав доступа;
• пороговые значения риска;
• операционные границы.

Именно здесь большинство систем ИИ ломаются. Они генерируют в рамках вероятностей. Компании же работают в рамках ограничений. Это одна из наименее обсуждаемых, но самых важных причин, почему инициативы по ИИ терпят неудачу.

Более того, исследования показывают: проекты проваливаются, когда системы не соотносятся с реальными ограничениями, рабочими процессами и контекстами принятия решений.

Промпты — это UX. Ограничения — это архитектура.

От «автопилота» к системам действий: почему метафора «копайота» не работает

Последние два года доминировала метафора «копайлота». Она звучит привлекательно, но вводит в заблуждение. Копайлот предлагает. Компаниям нужны системы, которые действуют.

Это принципиальное различие: предложение — это дешево. Исполнение — сложно. Для исполнения требуется:

• интеграция с системами учета;
• координация между подразделениями;
• автоматизация процессов;
• поддержка долгосрочных решений.

Что должно стать следующим шагом для корпоративного ИИ?

Переход от инструментов к системам требует радикального изменения подхода:

1. От состояния к непрерывности: ИИ должен «помнить» контекст и накапливать знания, а не начинать с нуля при каждом запросе.
2. От ответов к результатам: системы должны не только генерировать идеи, но и отслеживать их выполнение, адаптироваться и улучшаться.
3. От промптов к ограничениям: ИИ должен работать в рамках корпоративных правил, а не игнорировать их.
4. От «копайлотов» к исполнению: метафора должна смениться на системы, которые не просто подсказывают, а выполняют действия.

Генеративный ИИ не провалился. Он просто был внедрен не туда. Пришло время переосмыслить его роль — не как инструмента, а как основы бизнес-систем.

«95% корпоративных инициатив по генеративному ИИ не приносят измеримого бизнес-результата».
MIT Sloan Management Review, 2024