Почему ваш проект по внедрению ИИ умрёт на старте

«Автоматизируй! AI! ИИ-агенты!» слышит‎ ИТ-директор каждый божий день. В переговорках только и разговоров, что об автоматизации. При этом 95% ИИ-пилотов в компаниях проваливаются, то есть не достигают измеримого ROI. Давайте разбираться, почему, несмотря на популярность технологии, ИИ-инициативы в компаниях обречены.

ИИ не дружит с хаосом

В общем-то, в этом разделе есть короткий ответ на главный вопрос статьи: любой ИИ-инструмент, будь то чат-бот для HR, классификатор заявок или предиктивная аналитика, требует от рабочей среды порядка, которого обычного нет. А именно:

1. Структурированные данные — кто, что и когда сделал.

2. Стандартизированные процессы — чёткая последовательность шагов, которую можно описать и воспроизвести. 

3. Оркестрация — кто-то или что-то должно управлять взаимодействием между людьми, системами и моделью в режиме реального времени.

60% пилотов не масштабируются из-за проблем с интеграцией, качеством данных и задержек в перестройке рабочих процессов. Когда процессы живут в Excel, почте и мессенджерах, ИИ-лихорадка заканчивается разочарованием — в лучшем случае ничего не изменится, в худшем станет ещё хуже. Всё три условия выполнимы только если у компании есть одна операционная среда — место, где фиксируются события, живут процессы и маршрутизируются задачи. Не три системы, не Excel плюс почта, а одна.

Как это выглядит

Вот обезличенный, но вполне типовой сценарий. Компания решает запустить ИИ-ассистента для HR, чтобы он отвечал на вопросы сотрудников о больничных, отпусках и льготах. Нанимают подрядчика, выделяют бюджет, стартуют пилот.

Через шесть недель выясняется следующее:

• Часть заявок приходит на корпоративную почту HR-менеджеров, часть — в общий Telegram-чат, часть — устно.

• История обращений не хранится нигде системно, у каждого HR-специалиста своя папка в почте.

• Процесс обработки заявки у каждого сотрудника немного свой, стандарта нет.

• Данные из разных источников противоречат друг другу: одна система говорит, что у сотрудника 10 дней отпуска, другая — 14.

Модель, запущенная на таких данных, не просто работает плохо, а очень уверенно даёт неверные ответы — Gartner прогнозирует, что к концу 2026 года организации бросят больше половины ИИ-проектов, не обеспеченных AI-ready данными. Пилот замораживают, деньги уже потратили. Вывод топ-менеджмента: «ИИ у нас не работает». Однако ИИ здесь ни при чём. Чат-бот не может автоматизировать процесс, которого не существует в структурированном виде. Всё равно что пытаться построить навигатор для города без дорог.

Цена вопроса

Прежде чем хоть что-то автоматизировать, кому-то нужно разобраться: где вообще лежат данные, в каком формате, у кого доступ, что с ними делали раньше. ИТ-специалисты вручную чистят выгрузки из Excel и почты, данные дублируются и противоречат друг другу, часть информации просто потеряна. И всё это до того, как хоть одна строчка модели написана. Эта работа — операционные потери, время, которое никто не считает, но которое однако оплачивают.

При этом когда ИИ-инициатива не учитывает качество данных, вы упускаете много возможностей. ИИ мог бы делать рутину за вас: принимать и распределять заявки, отвечать на типовые вопросы и эскалировать нестандартные случаи. Но если заявки приходят по почте, в мессенджерах и устно — боту просто не к чему подключиться. Следствие — невозможно запустить даже самый простой сценарий. Например, классификатор заявок учится на данных, где одна и та же ситуация в разных отделах называется по-разному. Отчёт по эффективности нельзя собрать, потому что события фиксируются в пяти местах и не связаны между собой.

Один провальный пилот — это неприятно, но пережить можно. Проблема в другом: каждый такой пилот формирует у совета директоров устойчивое убеждение, что «ИИ у нас не работает». В 2025 году только 11% финансовых директоров сообщили о прямой финансовой отдаче от ИИ-проектов. Следующий бюджет на инновации урезают, следующую инициативу встречают скептически. 

И когда ИИ-пилот проваливается — виноват не подрядчик и не модель, а тот, кто «взялся за ИИ». CIO рискует прослыть человеком, который не смог: не разобрался, не подготовил фундамент, потратил деньги впустую. На совете директоров нечего предъявить, кроме презентации с красивыми схемами и объяснений, почему пилот «ещё не готов к масштабированию». При смене руководства или в период оптимизации именно этот провал станет первым аргументом против.

Что ИИ на самом деле требует от вашей компании

Первый импульс при проблеме — искать причину в технологии. Сменить подрядчика, выбрать другую модель, увеличить вычислительные мощности. Но дело не в этом. У ИИ есть вполне конкретные требования к операционной среде, их мы уже назвали выше, и пока они не выполнены, любая модель будет давать одинаковый результат.

Вот как себя проверить:

Вопрос 1. Есть ли у вас «операционная память» компании?

ИИ учится на истории: кто что запросил, как это было обработано, сколько времени заняло, что пошло не так. Если эта история существует только в головах сотрудников, в почтовых цепочках и в Excel-файлах на личных дисках — у модели нет материала для обучения. 

Признак готовности: любое сервисное событие в компании — заявка, инцидент, согласование — фиксируется в одной системе, с понятной структурой, без дублей. Есть единый источник правды.

Вопрос 2. Можно ли описать ваши процессы в виде алгоритма?

ИИ-агент или автоматизация — это, по сути, алгоритм. Чтобы его настроить, нужно сначала самому понять: а что именно происходит, когда сотрудник подаёт заявку на отпуск? Кто её получает? Какие шаги обязательны? Где могут быть ветвления? Если ответы на эти вопросы разные у разных людей — алгоритмизировать нечего.

Признак готовности: процесс можно нарисовать на бумаге за 10 минут, и три разных сотрудника нарисуют одно и то же.

Вопрос 3. Кто будет управлять взаимодействием между людьми, системами и моделью?

ИИ не работает в вакууме. Он получает задачи, передаёт результаты, эскалирует нестандартные случаи — и всё это должно происходить в управляемой среде, а не через «напишите Пете в Telegram». Без оркестрационного слоя модель либо зависает в ожидании данных, либо делает выводы без контекста.

Признак готовности: есть платформа или система, например, ESM-система для управления корпоративными услугами, которая видит весь процесс целиком и умеет маршрутизировать задачи между участниками.

Сталкивались с этим? Расскажите в комментариях, на каком этапе у вас умирал пилот и что в итоге помогло сдвинуться с места.