McKinsey бьет тревогу: 60% внедрений GenAI не приносят прибыли. Причина — не в коде, а в людях. Разбираемся, почему «железу» срочно нужны прокачанные операторы.
3 мин
Представьте себе завод в Алабаме или сеть дискаунтеров в Огайо. Руководство заливает миллионы долларов в нейросети, ожидая, что алгоритмическая магия мгновенно решит проблемы с простоями и логистикой. Но на экранах мониторов — красивые дашборды, а в реальности — те же усталые смены, текучка кадров и нулевой рост производительности.
Свежий отчет McKinsey вскрывает неудобную правду цифровой трансформации: технологии без «пропатченных» людей — это просто дорогой металлолом.
В прошлом году корпоративный сектор США потратил более $1 трлн на IT, включая сотни миллиардов на генеративный и агентный ИИ. Ожидания были завышены до небес. Реальность же ударила сухой статистикой: почти 80% компаний используют GenAI, но более 60% не видят никакого значимого влияния на чистую прибыль (bottom-line impact).
Проблема не в том, что нейросети глупы. Проблема в «прокладке» между монитором и креслом оператора. Руководители высшего звена (C-suite) массово жалуются на то, что развертывание ИИ идет слишком медленно. И главная причина задержки — «talent skill gaps», или, говоря проще, катастрофическая нехватка квалификации у тех, кто работает «в поле».
Линейный персонал (frontline workers) — это 100 миллионов человек в экономике США. Это те, кто собирает, перевозит, продает и лечит. Именно здесь, на стыке физического и цифрового миров, происходит настоящий сбой.
Годами работодатели экономили на обучении этих людей, тратя на развитие навыков жалкие $1,200 в год на сотрудника (против $9,100 на софт). Теперь же от этих людей требуют управлять сложнейшими кибер-физическими системами. Результат закономерен: работники считают, что ИИ генерирует «интересную аналитику», но не экономит ни время, ни силы. А менеджеры, получив приказ сокращать косты, замораживают найм, надеясь на чудо-алгоритмы.
McKinsey проанализировали опыт компаний из списка Global Lighthouse Network — тех, кто реально смог заставить технологии работать. Их секрет кроется в радикально иной формуле распределения бюджета.
На каждые два доллара, потраченных на технологии («железо» и софт), эти лидеры тратят три доллара на перестройку процессов и пять долларов на масштабирование и адаптацию. Львиная доля этих «пяти долларов» уходит на прокачку навыков персонала.
Это не просто курсы повышения квалификации. Это полная перепрошивка менталитета. На самых передовых заводах производственные рабочие теперь занимаются анализом данных в реальном времени прямо в цеху — задачей, которую раньше выполняли белые воротнички в удаленных офисах.
Эра, когда можно было просто купить лицензию на софт и уволить половину отдела, закончилась, не начавшись. Чтобы ИИ стал реальным драйвером продуктивности, а не игрушкой для CEO, бизнесу придется инвестировать в «человеческий капитал» больше, чем в серверные стойки. Без апгрейда wetware (человеческого мозга) никакой hardware не спасет вашу эффективность.
