Исследование McKinsey показывает, почему большинство компаний терпят неудачу при масштабировании ИИ-агентов, и предлагает структурный подход для получения реальной финансовой отдачи.
3 мин
Многие корпорации пытаются масштабировать агентный искусственный интеллект быстрее, чем перестраивают лежащие в его основе рабочие процессы. Аналитики McKinsey отмечают, что период хаотичных экспериментов и обучения на ходу подошел к концу. Финансовые директора и советы директоров больше не готовы финансировать пилотные проекты без четкого возврата инвестиций. Ожидания сместились от доказательства работоспособности технологий к требованию измеримой ценности в масштабах всего предприятия.
Данные подтверждают наличие серьезного разрыва между усилиями и результатами. Согласно исследованиям, 88 процентов организаций регулярно используют искусственный интеллект, но только 39 процентов сообщают о влиянии на операционную прибыль (EBIT) на уровне всей компании. Несмотря на рост бюджетов и количества инструментов, большая часть потенциальной ценности остается нереализованной.
В основе этой проблемы лежат не технологические ограничения. Традиционные корпоративные процессы проектировались для людей и детерминированного программного обеспечения. Они не предназначены для систем, способных проявлять автономность, выносить суждения и предпринимать самостоятельные действия.
Isometric view of a translucent cube-shaped block with blue glowing futuristic data flowing inside.
Опыт внедрения ИИ за последний год позволил выявить пять типичных сценариев неудач. Во-первых, компании часто автоматизируют сломанные процессы. ИИ-агенты не исправляют недостатки рабочих процессов, они лишь масштабируют и усиливают их.
Во-вторых, готовность данных воспринимается как второстепенная задача. Системы могут казаться интегрированными в теории, но на практике данные оказываются фрагментированными. Агенты обнаруживают это уже на этапе промышленной эксплуатации, когда стоимость исправления ошибок измеряется месяцами работы.
В-третьих, решения о разработке собственных систем или покупке готовых продуктов принимаются до того, как становятся понятны реальные потребности бизнеса. В-четвертых, происходит хроническое недофинансирование управления изменениями. Технически совершенные системы не приносят пользы, если сотрудники ими не пользуются.
Наконец, слабое управление проектами. Комитеты часто лишь заслушивают отчеты, но не имеют реальных полномочий для перераспределения бюджетов или закрытия неэффективных направлений на ранних стадиях.
Damian Lewandowski
Компании, которые извлекают непропорционально большую выгоду из ИИ, действуют иначе. Для них тщательность важнее скорости. Они относятся к агентному ИИ как к системе, которую нужно проектировать с нуля, а не как к очередному инструменту для установки.
Основой такого подхода становится детальный проектный план. Это интенсивная фаза длительностью от четырех до восьми недель, цель которой — устранить неопределенность до начала активной разработки. План включает в себя четкую формулировку решаемой проблемы, проектирование новых рабочих процессов, адаптацию операционной модели, аудит технологической базы и строгий план реализации.
Время, потраченное на предварительное проектирование, окупается многократно. Наличие четкого плана позволяет разработчикам сократить общее время создания продукта на 30-40 процентов за счет снижения количества переделок.
В ближайшем будущем успешность интеграции ИИ будет определяться не выбором конкретной языковой модели, а готовностью компаний фундаментально перестраивать свои операционные процессы. Те организации, которые смогут внедрить строгую дисциплину на этапе планирования, получат значительное преимущество перед конкурентами, продолжающими действовать методом проб и ошибок.
Oana Cheta
Venky Anant
Abstract image of a digital sphere forming dots and color lines on dark blue.
Для успешного масштабирования ИИ-агентов компаниям необходимо фундаментально перепроектировать рабочие процессы, а не просто наслаивать новые технологии на старые операционные системы.
Главная проблема внедрения ИИ кроется не в технологиях, а в том, что корпоративные системы изначально создавались исключительно для людей и жестко заданных алгоритмов, а не для автономных агентов.
