ИИ: ещё не “член команды”, но толковый инструмент
Про преимущества ИИ мы с вами тут говорим часто (см. #иишница). Робот — уже не просто “молоток”, а продвинутый инструмент. Он выполняет задачи, которые раньше казались фантастикой и помогает людям сильно высвободить время. Правда, пока не всем и не во всём. И при этом до статуса полноценного партнёра ИИ не дотягивает. Ожидания высоки, а реальность пока сдерживает. Ниже практические выводы + кейсы, которые раскрывают эту мысль.
1️⃣ Большинство внедрений не даёт ощутимой отдачи
• По данным NTT Data, 70–85 % проектов GenAI не оправдывают ожиданий — то есть провальный исход, скорее, ещё правило, а не исключение.
• Ещё одно исследование от S&P Global показывает, что 42 % компаний в 2025 году прекратили большинство своих AI-инициатив до фазы продакшна.
• Пример: алгоритмическое направление в Zillow закончилось крупным убытком и отменой проекта.
Вывод: не планируйте масштабные внедрения сразу — начните с пилотных задач, где можно быстро измерить результат (скрининг, первичная аналитика, автоматизация рутинных задач).
2️⃣ ИИ иногда игнорирует инструкции и наносит ущерб
• В июле 2025 года AI-кодер от Replit удалил рабочую базу данных, хотя в инструкциях было указано “не вносить изменения”.
• Это не просто баг — это сценарий, где ИИ действует автономно и разрушительно, особенно в кодовых / данных средах.
Вывод: при внедрении ИИ в процессы, которые затрагивают чувствительные данные, инфраструктуру или коммуникации — обязательно вводить ограничения, жёсткие рамки, аварийные пути отката и контрольные точки с людьми (см.дальше).
3️⃣ В сложных (отраслях) обещания часто не реализуются
• Классический пример: IBM Watson for Oncology — обещал революцию в медицине, но не смог обеспечить надёжные рекомендации, не прижился у врачей, а проект обернулся большими потерями.
• Это подтверждает: если задача плохо формализована, данные шумные или неполные, ИИ-решения дают мало ценности.
Вывод: ставьте ИИ на те процессы, где результат легко измерим (отклики, текучка, оценка профилей), а не на прогнозы поведения без исторических данных (за этим пока нет надёжной базы).
4️⃣ Без человека автономность рушится
• Вот здесь есть подробный рассказ о том, как мыслит ИИ и как он не вписывается в естественную картину мироздания со своим алгоритмическим мышлением. И считать и убедительно аргументировать ИИ может всё, что угодно, но реально полезным и эффективным оно будет далеко не всегда.
• Мой личный обширный опыт работы с GenAI полон фрустрирующих моментов, ИИ-галлюцинаций и необходимости очень чётко проверять всё, что мне говорит ИИ. Со временем привыкаешь, но не забываешь, что “за рулём” всегда человек.
• Это прямой аргумент: ИИ может быть драйвером эффективности, но пока не готов принимать сложные автономные решения, особенно вне области, где у него есть жёсткие правила (с оглядкой на п.2).
Вывод: необходимо сохранить за людьми ключевые точки принятия решений и контрольные шаги.
💡ИИ уже пробует взять на себя часть “рабочих обязанностей”, но он ещё не готов к самостоятельному руководству. Ошибки дорого обходятся — финансово, репутационно, операционно. Однако именно на этапе экспериментов закладываются основы будущих прорывов.
Вы, наверное, подумаете: “А может, подождать, пока ИИ станет совершеннее?” И тогда вы потеряете время, которое можете превратить в опыт. И точно будете минимум на шаг позади конкурентов.
❓Согласны? Ставьте 🔥, если да и было полезно. Рассказывайте в комментах, что у вас сломалось в работе с ИИ.
#иишница #цифры
@PeopleManagementTech
Про преимущества ИИ мы с вами тут говорим часто (см. #иишница). Робот — уже не просто “молоток”, а продвинутый инструмент. Он выполняет задачи, которые раньше казались фантастикой и помогает людям сильно высвободить время. Правда, пока не всем и не во всём. И при этом до статуса полноценного партнёра ИИ не дотягивает. Ожидания высоки, а реальность пока сдерживает. Ниже практические выводы + кейсы, которые раскрывают эту мысль.
1️⃣ Большинство внедрений не даёт ощутимой отдачи
• По данным NTT Data, 70–85 % проектов GenAI не оправдывают ожиданий — то есть провальный исход, скорее, ещё правило, а не исключение.
• Ещё одно исследование от S&P Global показывает, что 42 % компаний в 2025 году прекратили большинство своих AI-инициатив до фазы продакшна.
• Пример: алгоритмическое направление в Zillow закончилось крупным убытком и отменой проекта.
Вывод: не планируйте масштабные внедрения сразу — начните с пилотных задач, где можно быстро измерить результат (скрининг, первичная аналитика, автоматизация рутинных задач).
2️⃣ ИИ иногда игнорирует инструкции и наносит ущерб
• В июле 2025 года AI-кодер от Replit удалил рабочую базу данных, хотя в инструкциях было указано “не вносить изменения”.
• Это не просто баг — это сценарий, где ИИ действует автономно и разрушительно, особенно в кодовых / данных средах.
Вывод: при внедрении ИИ в процессы, которые затрагивают чувствительные данные, инфраструктуру или коммуникации — обязательно вводить ограничения, жёсткие рамки, аварийные пути отката и контрольные точки с людьми (см.дальше).
3️⃣ В сложных (отраслях) обещания часто не реализуются
• Классический пример: IBM Watson for Oncology — обещал революцию в медицине, но не смог обеспечить надёжные рекомендации, не прижился у врачей, а проект обернулся большими потерями.
• Это подтверждает: если задача плохо формализована, данные шумные или неполные, ИИ-решения дают мало ценности.
Вывод: ставьте ИИ на те процессы, где результат легко измерим (отклики, текучка, оценка профилей), а не на прогнозы поведения без исторических данных (за этим пока нет надёжной базы).
4️⃣ Без человека автономность рушится
• Вот здесь есть подробный рассказ о том, как мыслит ИИ и как он не вписывается в естественную картину мироздания со своим алгоритмическим мышлением. И считать и убедительно аргументировать ИИ может всё, что угодно, но реально полезным и эффективным оно будет далеко не всегда.
• Мой личный обширный опыт работы с GenAI полон фрустрирующих моментов, ИИ-галлюцинаций и необходимости очень чётко проверять всё, что мне говорит ИИ. Со временем привыкаешь, но не забываешь, что “за рулём” всегда человек.
• Это прямой аргумент: ИИ может быть драйвером эффективности, но пока не готов принимать сложные автономные решения, особенно вне области, где у него есть жёсткие правила (с оглядкой на п.2).
Вывод: необходимо сохранить за людьми ключевые точки принятия решений и контрольные шаги.
💡ИИ уже пробует взять на себя часть “рабочих обязанностей”, но он ещё не готов к самостоятельному руководству. Ошибки дорого обходятся — финансово, репутационно, операционно. Однако именно на этапе экспериментов закладываются основы будущих прорывов.
Вы, наверное, подумаете: “А может, подождать, пока ИИ станет совершеннее?” И тогда вы потеряете время, которое можете превратить в опыт. И точно будете минимум на шаг позади конкурентов.
❓Согласны? Ставьте 🔥, если да и было полезно. Рассказывайте в комментах, что у вас сломалось в работе с ИИ.
#иишница #цифры
@PeopleManagementTech