Почему большинство инвестиций в ИИ не оправдывают ожиданий и как это исправить

Реальность провалов инвестиций в ИИ

Несмотря на высокий интерес к потенциалу ИИ, около 80% проектов в этой сфере терпят неудачу. Причина не в отсутствии желания, а в том, что компании недостаточно готовы к технологическим изменениям, которые требует ИИ.

Цена неподготовленности

По данным Boston Consulting Group, каждая третья компания в мире планирует вложить более 25 миллионов долларов в ИИ. Без стратегического планирования такие инвестиции рискуют оказаться потраченными впустую.

Приоритет бизнес-целей над технологией

Многие компании спешат внедрять новейшие технологии ИИ без четких бизнес-целей, что приводит к неясным результатам и потере ресурсов. Gartner прогнозирует, что к 2025 году 30% проектов с генеративным ИИ будут прекращены из-за плохого качества данных, недостаточного контроля рисков, роста затрат и неясной бизнес-ценности.

Разрозненные и плохие данные мешают эффективной работе ИИ — ошибки и отсутствие связности препятствуют корректной работе моделей машинного обучения. Организациям необходимо сначала определить конкретные бизнес-проблемы, которые должен решить ИИ, и установить измеримые KPI, такие как снижение затрат или повышение эффективности, прежде чем внедрять технологии.

Например, логистическая компания может поставить цель сократить использование пустых грузовиков на 25% и увеличить прибыль на 5% за шесть месяцев, оптимизируя прогнозирование спроса и управление парком с помощью ИИ.

Избегание чрезмерно амбициозных внедрений ИИ

Гипербола вокруг ИИ может заставить компании пытаться сразу масштабно внедрять технологии, что часто приводит к провалу. Лучше начинать с малого и масштабировать стратегически.

Walmart постепенно внедрял машинное обучение для оптимизации управления запасами, что привело к снижению излишков на 30% и увеличению наличия товаров на полках на 20%.

Методология 'zone to win' помогает сбалансировать текущие операции и инновации:

Зона производительности: Основные операции с KPI по повышению эффективности.
Зона продуктивности: Внутренние процессы с использованием предиктивной и реального времени аналитики.
Зона инкубации: Пилотные проекты с ИИ.
Зона трансформации: Масштабная цифровая трансформация организации.

Этот подход помогает избежать разброса инвестиций в ИИ по слишком многим направлениям, что повышает шансы на успех.

Обеспечение принятия пользователями через управление изменениями

ИИ-инструменты часто терпят неудачу, если пользователи не понимают и не доверяют им. В отличие от традиционных инструментов, которые управляют целыми процессами, генеративный ИИ работает на уровне отдельных задач, что усложняет обучение и принятие.

Дефицит обучения может быть незаметен, поскольку пользователи используют ИИ разрозненно и не всегда понимают его роль в бизнес-целях. Эффективное управление изменениями и квалифицированное руководство критичны для выявления этих пробелов и организации целевого обучения.

Повышение уверенности и понимания сотрудников способствует широкому принятию и эффективному применению технологий ИИ.

Итог

ИИ — ключевая технология десятилетия, но без ясной бизнес-стратегии, постепенного внедрения и управления изменениями большинство инвестиций будут неэффективными. Фокус на измеримых KPI и принятии пользователями поможет бизнесу получить прибыль от ИИ-проектов.