О том, на какие ключевые факторы для достижения возврата инвестиций (ROI) следует обратить внимание организациям, находящимся на ранних этапах внедрения искусственного интеллекта, на портале InformationWeek рассказывает Кристин Ливингстон, управляющий директор и глобальный лидер ИИ-практики компании Protiviti.

Чтобы полностью реализовать потенциал ИИ, организации должны быть готовы к долгосрочной работе, которая требует терпения, настойчивости и стратегической согласованности. Хотя быстрые победы важны, в одиночку они не могут обеспечить значимую ценность; необходимы гибкие эксперименты, отладка требует итераций, а ранние проблемы неизбежны.

Первое глобальное исследование Protiviti «AI Pulse Survey 2025» выявило убедительную корреляцию между ИИ-зрелостью и ROI, а также разрыв между ожиданиями и результатами для многих организаций, находящихся на ранних этапах внедрения ИИ. В исследовании, в котором приняли участие более 1000 респондентов, организации из более чем десятка отраслей разделены на пять этапов достижения зрелости:

  • Этап 1. Начало — признание потенциала ИИ, но отсутствие стратегических инициатив.
  • Этап 2. Эксперименты — проведение небольших пилотных проектов для оценки осуществимости.
  • Этап 3. Определенность — интеграция ИИ в бизнес-процессы.
  • Этап 4. Оптимизация — повышение эффективности и масштабируемости с помощью обратной связи по данным.
  • Этап 5. Трансформация — ИИ стимулирует значительную трансформацию бизнеса.

Ожидания от инвестиций в ИИ

По мере прохождения этих этапов удовлетворенность организаций инвестициями в ИИ повышается. Так, из 50% респондентов, которые указали, что находятся на ранних этапах (начальном или экспериментальном) внедрения ИИ, около 26% сообщили, что доходность инвестиций в ИИ оказалась ниже ожиданий.

Конечно, не все экспериментаторы в области ИИ сталкиваются с низкой доходностью. Более того, большинство респондентов сообщили, что ROI соответствует ожиданиям, но результаты показали, что среди групп, находящихся на средней и продвинутой стадиях внедрения ИИ, доля тех, чьи ожидания по ROI оказались немного или значительно превышены, была выше.

Проанализировав, что отличает успешных экспериментаторов — тех, кто находится на экспериментальной стадии внедрения ИИ и сообщил о превышении ожиданий по ROI — от тех, кто этого не сделал, можно выделить три важных фактора:

  • Сосредоточение внимания на сбалансированных ключевых показателях эффективности (KPI) и измерение успеха с помощью комбинации финансовых и операционных показателей, таких как производительность сотрудников, экономия затрат и рост доходов.
  • Меньшее количество проблем с навыками и интеграцией благодаря инвестициям в обучение, повышение квалификации и межфункциональное сотрудничество.
  • Поиск разнообразной поддержки, включая помощь в стратегическом планировании и инструменты управления данными, а не только обучение.

Еще одно замечание: эти успешные экспериментаторы также уделяли больше внимания финансовым и операционным результатам, в то время как другие сосредоточивались в большей степени на сокращении затрат.

Проблемы, с которыми сталкиваются экспериментаторы в области ИИ

Многие экспериментаторы в области ИИ сталкиваются с трудностями не из-за нереалистичных ожиданий, а скорее из-за неясных целей или неправильного понимания потенциальной ценности. Эта проблема и сложности с интеграцией ИИ в существующие системы являются двумя самыми большими препятствиями, с которыми сталкиваются организации на ранних этапах внедрения (этапы 1 и 2).

Проблемы интеграции достигают пика на средних этапах внедрения ИИ, но начинаются они на ранних этапах. Интересно, что проблема, связанная с пониманием наиболее эффективных сценариев использования, наиболее остро проявляется на самом раннем этапе, становится менее острой на средних этапах и вновь возникает даже на самых высоких уровнях зрелости, хотя и по другим причинам.

Экспериментаторы в области ИИ, конечно, не уверены, как стратегически применять ИИ, и техническая совместимость остается для них препятствием, в отличие от более зрелых компаний. Эти проблемы усугубляются неясными или противоречивыми нормативными рекомендациями и трудностями с доступностью данных и доступом к ним, что является основополагающей проблемой для эффективного внедрения ИИ.

Именно отсутствие структурированных подходов, неясные цели проектов и ненадежные данные часто приводят к неудовлетворительной рентабельности инвестиций для этих компаний на ранних этапах.

Переосмысление успеха ИИ

Еще один интересный вывод из опроса заключается в том, что по мере продвижения организаций к этапам 3-5 их показатели успеха эволюционируют от экономии затрат и эффективности процессов к росту доходов, удовлетворенности клиентов и инновациям.

Хорошая новость заключается в том, что организации, которые только начинают свой путь в области ИИ, могут скорректировать курс, сосредоточившись на этих показателях успеха. Начать следует с переосмысления успеха ИИ, что означает переход от краткосрочных побед к устойчивой трансформации.

С самого начала крайне важно четко понимать, чего вы хотите достичь с помощью ИИ. Без четкого понимания того, что должно быть достигнуто с помощью ИИ и как будет измеряться его ценность, будет сложно раскрыть весь его потенциал.

Те, кто начинает экспериментировать с ИИ, должны стремиться создать прочную основу, выполнив следующие действия:

  • Спросите себя «Почему?». Почему вы внедряете ИИ? Какие конкретные проблемы вы решаете?
  • Критически важно инвестировать в инфраструктуру данных. Этот шаг должен включать аудит существующих систем данных и внедрение надежных механизмов управления данными. Организациям будет полезно рассмотреть возможность использования облачных платформ для обеспечения масштабируемости.
  • Разработка надежной стратегии интеграции на раннем этапе. Многие существующие системы изначально не были разработаны для поддержки ИИ. Чтобы преодолеть этот недостаток, организации должны проактивно оценивать и модернизировать инфраструктуру для обработки рабочих нагрузок ИИ на начальных этапах. Они, скорее всего, добьются большего успеха, если ИТ-отделы, отделы по работе с данными и бизнес-команды будут сотрудничать, а инициативы в области ИИ будут осуществляться совместно, чтобы обеспечить согласованность и принятие.
  • Согласование ИИ-стратегий с бизнес-целями и организационной культурой. Это не просто технический шаг. Он включает в себя обеспечение готовности организации и эффективное управление культурными и операционными изменениями.

Превращение проб в области ИИ в триумфальный ROI

Исследование показало: компании, находящиеся на ранней стадии ИИ-развития, которые могут быстро тестировать, изучать и масштабировать сценарии использования ИИ, имеют огромный потенциал для обеспечения рентабельности инвестиций. Однако, хотя скорость имеет решающее значение для получения ценности, важно понимать, что эксперименты с ИИ носят постоянный характер и требуют непрерывной итерации.

Чтобы добиться успеха, думайте масштабно, действуйте быстро и постоянно развивайтесь — никогда не останавливайтесь.