Про барьеры внедрения AI в рабочие процессы
Как вы могли заметить, я позитивно смотрю на перспективу внедрения AI для решения бизнес-задач. В долгосрочной перспективе стоит ждать повышения производительности сотрудников и компаний. Но до светлого будущего надо дожить. Нашел обзор от HBR, в котором выделяют несколько ключевых челленджей, которые стоят перед компаниями на этом пути.
Уже неоднократно упоминалась статистика Gartner, что только 1 из 50 инвестиций в AI даёт трансформационный результат. И только 1 из 5 - хоть какой-то измеримый возврат. Статья описывает девять факторов влияющих на это - упомяну лишь три, которые объясняют, почему эффект от AI на коротком горизонте не всегда оправдывает ожидания.
1. Решения принимаются на ожиданиях, а не на данных
Компании увольняют сотрудников в расчёте на будущие выгоды от AI, которые ещё не наступили. Менее 1% увольнений в первой половине 2025 года были следствием реального роста производительности благодаря AI. Остальное - ставка на прогноз. Риск очевиден: если эффект не наступит, придётся нанимать заново - дороже и дольше.
2. Без управления изменениями AI не приживается
В статье появился термин «AI workslop» - низкокачественная работа, сделанная с помощью AI. Сотрудники генерят тексты, отчёты, презентации через нейросети, но без критической проверки. Результат - ошибки, которые потом приходится разбирать. По данным исследования, на каждый такой случай уходит в среднем около двух часов. Компании требуют от людей использовать AI, но не вкладываются в управление изменениями. Получается парадокс: инструмент для повышения продуктивности её снижает.
3. Каждый сотрудник должен переизобрести свою работу
Технические компетенции - не универсальны. Для успешного внедрения крайне важна доменная экспертиза (где применяем). Согласно Gartner, значимого роста показателей (десятки %) достигают те подразделения, которые переосмысляют и перестраивают рабочие процессы с помощью AI, а не автоматизируют старый процесс из прошлого. То есть ключевой дефицит - не программисты, а люди на местах, способные переизобрести свою работу, повысив эффективность.
Общий вывод: главные барьеры внедрения AI сегодня - не технологические. Модели достаточно хороши для многих задач (продажи, маркетинг, кодинг, customer service). Барьеры - в людях, процессах и управленческих решениях. И пока компании не начнут работать с этими барьерами системно, разрыв между ожиданиями и результатами будет только расти.
Какие барьеры внедрения AI видите у себя?
