Исследование BCG показывает, что лишь 6% компаний получают финансовую отдачу от ИИ. Главная причина кроется в автоматизации хаоса вместо изменения бизнес-процессов.
3 мин
Согласно недавнему исследованию BCG, 82% руководителей компаний настроены оптимистично в отношении рентабельности инвестиций в искусственный интеллект. Однако лишь 6% организаций действительно извлекают из технологии значимую ценность, которая выражается в снижении затрат и росте доходов. Разрыв между ожиданиями и реальностью оказался огромным.
Проблема заключается в обманчивой простоте запуска ИИ-проектов. Компании с легкостью инициируют десятки пилотных программ в разных отделах. Сотрудники начинают работать быстрее, разработчики пишут больше кода, а маркетологи генерируют больше текстов. На первый взгляд это выглядит как прогресс. Но фундаментально структура затрат бизнеса и его операционная модель остаются неизменными.
Аналитики выделяют три ключевые причины, по которым пилотные проекты не приносят финансовых результатов. Во-первых, компании пытаются автоматизировать существующие задачи, не меняя кросс-функциональные процессы. Если процесс был излишне сложным до появления ИИ, технология просто зацементирует эту сложность. Одобрения, лишние решения и бюрократическое трение никуда не исчезнут.
Например, если подготовка документа сократилась с десяти дней до одного благодаря ИИ, но клиент все равно ждет ответа десять дней из-за старой системы согласований, ценность технологии теряется. Только после того, как компания начинает измерять конечный результат для клиента, она устраняет промежуточные комитеты и перепроектирует процесс.
Во-вторых, сэкономленное время часто незаметно поглощается системой. Если задача выполняется на 20% быстрее, освободившееся время сотрудников необходимо целенаправленно перераспределять на другие проекты. В противном случае экономическая выгода просто испаряется.
В-третьих, бизнес использует ошибочные метрики. Успех измеряется в активности (сэкономленные часы, количество автоматизированных задач), а не в строгих финансовых показателях, отражаемых в отчете о прибылях и убытках (P&L). Пока рост производительности не привязан к конкретным действиям, таким как сокращение расходов на внешних подрядчиков или увеличение пропускной способности, выгода остается исключительно теоретической.
Компании, попадающие в успешные 6%, действуют иначе. Они отказываются от распыления ресурсов на множество разрозненных пилотов. Вместо этого они выбирают несколько ключевых направлений и погружаются в них максимально глубоко. Они определяют, где именно человеческое суждение приносит наибольшую пользу, и автоматизируют все вокруг этого узла: сбор данных, отчетность, прогнозирование и исполнение.
Успешный подход требует перепроектирования всей цепочки создания стоимости. Компании готовы применять подход «чистого листа» к структуре управления, сокращать уровни менеджмента и упрощать процессы до того, как внедрять в них ИИ.
Результаты такого фокуса впечатляют. По оценкам BCG, полноценная ИИ-трансформация способна снизить административные расходы на 25-35%, а затраты на исследования и разработки — на 20-30%. Практика это подтверждает. Одна глобальная потребительская компания сэкономила 250 миллионов евро, полностью перестроив маркетинговые рабочие процессы вокруг ИИ. Крупный производитель продуктов питания трансформировал закупки, снизив затраты на 500 миллионов долларов. Технологическая корпорация автоматизировала более миллиона бэк-офисных операций, нацелившись на сокращение операционных расходов на 30% при базе затрат в 15 миллиардов долларов.
Очевидно, что устойчивое конкурентное преимущество возникает не от самого факта развертывания новых инструментов. Оно рождается из глубокой трансформации операционной модели. Те, кто продолжит играть в точечные пилотные проекты, останутся с раздутой базой затрат. Победителями станут организации, которые усвоят главное правило: глубина изменений всегда важнее их широты.
Реальная финансовая отдача от ИИ возникает только при полной трансформации бизнес-процессов, а не при точечной автоматизации устаревших задач.
Автоматизация неэффективного процесса с помощью ИИ лишь цементирует его сложность, не принося бизнесу фактической пользы.
