Корпорации сжигают триллионы на нейросети, но получают нулевой ROI. McKinsey вскрывает главную уязвимость цифровой трансформации — человеческий фактор.
2 мин
Представьте себе сияющий серверный зал, где гудят кластеры новейших H100, вычисляя будущее вашей компании. А теперь перенеситесь в сборочный цех в Алабаме или на склад в Огайо. Там, где реальность сталкивается с «цифрой», происходит короткое замыкание. ИИ-революция, которую нам продавали венчурные капиталисты, буксует в грязи человеческого фактора.
В прошлом году американские корпорации влили в IT-инфраструктуру более $1 триллиона. Сотни миллиардов ушли на генеративный ИИ и агентные системы. Казалось бы, продуктивность должна пробить стратосферу. Но отчет McKinsey рисует мрачную картину киберпанк-антиутопии: 60% компаний не видят никакого значимого эффекта для своей чистой прибыли. Лишь 2% производственных гигантов смогли полностью внедрить ИИ в свои операции.
Мы наблюдаем классический «цифровой карго-культ»: топ-менеджмент молится на алгоритмы, но игнорирует тех, кто должен эти алгоритмы использовать. Главная причина провала — не баги в коде, а баги в управлении персоналом. У линейных сотрудников — тех самых «синих воротничков», на чьих плечах держится реальная экономика, — просто нет прошивки, совместимой с новыми инструментами.
Цифры выглядят как приговор современной HR-политике. В среднем компании тратят около $9,100 в год на софт (SaaS) для одного сотрудника. А на его обучение? Жалкие $1,200. Это все равно что купить пилоту истребитель пятого поколения, но выдать инструкцию от кукурузника.
Ситуация усугубляется кадровым голодом. Рынок труда лихорадит: текучка среди сотрудников со стажем 1–3 года достигает 70%. Опытные рабочие уходят, унося с собой уникальные знания, а новички («темпы») не задерживаются надолго. В такой среде попытка внедрить сложную нейросеть напоминает попытку установить новейшую ОС на железо, которое дымится от перегрузки.
McKinsey утверждает: чтобы кремниевые мозги начали приносить прибыль, нужно сначала инвестировать в биологические. Лидеры рынка, которые все-таки смогли взломать код продуктивности, пошли от обратного. Они сначала прокачивают скиллы персонала (как технические, так и социально-эмоциональные), и только потом разворачивают ИИ-решения.
Речь идет не просто о том, чтобы научить рабочего нажимать кнопку. Речь о создании гибридных команд, где человек на линии использует аналитику в реальном времени, действуя как оператор сложной кибернетической системы, а не как придаток к станку.
Мы стоим на пороге эпохи, где главным ограничителем технологий становится не вычислительная мощность, а пропускная способность человеческого мозга. Если вы хотите, чтобы ваш ИИ работал, прекратите относиться к персоналу как к расходному материалу. Без квалифицированного «пилота» даже самый продвинутый алгоритм — это просто дорогой генератор тепла.
