Большинство проектов в области искусственного интеллекта (ИИ) терпят неудачу не из-за технологических проблем, а из-за неэффективного управления. Об этом сообщает «Код Дурова» со ссылкой на директора по развитию технологий ИИ FabricaONE.AI Николая Тржаскала.

«ИИ-проекты сегодня проваливаются не потому, что технологии не работают. Технологии как раз работают. Проваливается управление», — заявил Николай Тржаскал, директор по развитию технологий ИИ FabricaONE.AI.

По данным ГК Softline, около 95% пилотных проектов генеративного ИИ не доходят до промышленной эксплуатации. Только пятая часть инициатив масштабируется, а 42% компаний полностью сворачивают ИИ-проекты после стадии proof-of-concept. При этом у компаний, успешно внедривших ИИ, возврат инвестиций составляет от 171% до 540% на трехлетнем горизонте.

ИИ перестал быть просто «еще одной технологией», превратившись в отдельный операционный слой бизнеса со своей экономикой, метриками и рисками. Управлять таким слоем точечными пилотами невозможно. ИИ — это универсальный ускоритель и умножитель: он усиливает как хорошо работающие процессы, так и умножает хаос в неэффективных.

Частая ошибка — вера в «волшебную таблетку» в виде одной большой модели. Однако такой подход не работает. Во-первых, качество данных критически важно: если работа с данными не выстроена, никакая модель не поможет. Во-вторых, ИИ неоднороден и включает в себя различные слои зрелости, каждый из которых решает свою задачу: классическое машинное обучение для прогнозов, генеративный ИИ для создания контента, агенты для многошаговых задач. Реальный корпоративный ИИ — это гибридный стек технологий, включающий классический ML, генеративные и малые доменные модели, RPA, BPMS, OCR/IDP, векторный поиск и RAG.

Процессы необходимо выпрямлять и стандартизировать до автоматизации. Автоматизация кривых процессов приводит к «бардаку в квадрате». Роль центра управляемости здесь играет BPMS. Внедрение агентов также требует участия человека для проверки промежуточных результатов, что позволяет обучать систему и постепенно оцифровывать проверочную логику.

Для эффективного управления ИИ-проектами необходима отдельная роль — директор по ИИ. Эта позиция отличается от CDO (отвечает за данные) и CTO (отвечает за платформу и инфраструктуру). Директор по ИИ определяет ценность ИИ, формирует портфель инициатив и приоритизирует их по отдаче и рискам. ИИ — это горизонтальная история, пронизывающая все функции компании, поэтому ему нужен выделенный владелец с мандатом от генерального директора. Эта роль трансформируется из технолога в стратега, отвечающего за бизнес-ценность, ROI и риски.

Для успешного внедрения ИИ рекомендуется назначить ответственного за ИИ и утвердить базовый пакет governance (правила работы с данными и моделями). Также важно считать экономику каждого проекта, чистить процессы до автоматизации, собирать гибридный стек технологий, внедрять агентов с человеком в контуре и закладывать требования продакшена (SLA, безопасность, стоимость инференса, интеграции) на стадии пилота.

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.