Несмотря на высокий интерес компаний к генеративному ИИ и его потенциал для роста выручки, подавляющее большинство корпоративных проектов терпит неудачу. Новый отчёт MIT указывает, что только 5% пилотных внедрений приносят ощутимый финансовый эффект. В переводе от команды Spring АйО рассмотрим основные причины, которые кроются не в самих моделях, а в ошибочной интеграции, неправильных приоритетах и нехватке адаптации под бизнес-процессы.

Компании делают ставку на искусственный интеллект — однако подавляющая часть корпоративных пилотных проектов не даёт тех результатов, на которые был изначальный расчёт.

Согласно новому отчёту The GenAI Divide: State of AI in Business 2025, опубликованному в рамках инициативы NANDA при MIT, несмотря на высокий потенциал генеративного ИИ для бизнеса, большинство инициатив, направленных на стремительный рост доходов путем инкорпорирования AI в свои процессы, оказываются безрезультатными.

Несмотря на стремление интегрировать новые мощные модели, лишь около 5% пилотных ИИ-проектов достигают быстрого роста выручки; подавляющее большинство — не оказывают заметного влияния на финансовые показатели. Исследование, основанное на 150 интервью с руководителями, опросе 350 сотрудников и анализе 300 публичных внедрений ИИ, демонстрирует чёткое разделение между историями успеха и неудачными проектами.

Чтобы подробнее разобраться в этих выводах, я поговорил с Адитьей Чалапалли, ведущим автором отчёта и исследователем проекта NANDA при MIT.

«Некоторые пилотные проекты крупных компаний и молодых стартапов действительно добиваются успеха с генеративным ИИ», — говорит Чалапалли. Так, стартапы, основанные 19–20-летними предпринимателями, «смогли за год увеличить выручку с нуля до 20 миллионов долларов», отметил он. «Секрет в том, что они выбирают одну конкретную проблему, грамотно её решают и налаживают умные партнёрства с компаниями, использующими их инструменты», — добавил он.

Но у 95% компаний в исследуемом массиве данных внедрение генеративного ИИ даёт слабые результаты. «Показатель неудач в 95% среди корпоративных ИИ-решений — это самое наглядное проявление “разрыва между ожиданиями и реальностью генеративного ИИ”», — говорится в отчёте. Основная проблема — не в качестве самих моделей, а в «гепе в обучении» как со стороны инструментов, так и организаций.

Руководители часто винят регулирование или недостаточную производительность моделей, однако, по данным MIT, корень проблемы — в ошибочной интеграции ИИ в корпоративную среду. Такие универсальные инструменты, как ChatGPT, отлично подходят отдельным пользователям благодаря своей гибкости, но в корпоративном применении они пробуксовывают, поскольку не адаптируются под рабочие процессы и не учатся на них, объясняет Чалапалли.

Кроме того, данные указывают на несоответствие в распределении ресурсов. Более половины бюджетов на генеративный ИИ направляются на инструменты продаж и маркетинга, тогда как, по данным MIT, наибольшую отдачу инвестиции приносят в автоматизации внутренних процессов — устранении необходимости в аутсорсинге бизнес-процессов, снижении затрат на внешние агентства и оптимизации операций.

В чём секрет успешного внедрения ИИ?

Ключевую роль играет то, как компании внедряют искусственный интеллект. Приобретение ИИ-инструментов у специализированных поставщиков и выстраивание партнёрств приводят к успеху примерно в 67% случаев, тогда как проекты, разрабатываемые внутри компании, успешны лишь в трети случаев.

Это особенно актуально для финансового сектора и других строго регулируемых отраслей, где в 2025 году многие компании создают собственные генеративные ИИ-системы. Однако, согласно исследованию MIT, при самостоятельной разработке вероятность провала существенно выше.

По словам Чалапалли, опрошенные компании часто неохотно делились информацией о своих неудачах. «Почти везде, куда мы приходили, компании пытались создать собственный инструмент», — отметил он. Однако данные показывают, что покупные решения дают более стабильные результаты.

Среди других факторов успеха — передача ответственности на adoption моделей middle management-у, а не только централизованным AI вендорам. Иными словами, инициативность менеджеров среднего звена в выборе инструментов, способных глубоко интегрироваться в свои процессы и адаптироваться со временем, имеет большой вес.

Изменения в структуре рабочей силы уже происходят — в первую очередь в отделах поддержки клиентов и административных службах. Вместо массовых увольнений компании всё чаще просто не закрывают освободившиеся вакансии. Большинство изменений затрагивает должности, которые ранее передавались на аутсорс.

Отчёт также подчёркивает широкое распространение так называемого «теневого ИИ» — несанкционированного использования инструментов вроде ChatGPT — и продолжающиеся сложности с измерением влияния ИИ на продуктивность и прибыль.

Взгляд в будущее показывает, что самые продвинутые организации уже экспериментируют с агентными ИИ-системами, которые могут учиться, запоминать и действовать автономно в рамках заданных ограничений — давая представление о следующем этапе развития корпоративного ИИ.

Присоединяйтесь к русскоязычному сообществу разработчиков на Spring Boot в телеграм — Spring АйО, чтобы быть в курсе последних новостей из мира разработки на Spring Boot и всего, что с ним связано.