Проблема обычно не в ИИ, а в данных.

История с «проблемой в данных» стала слишком удобной. Это диагноз, который легко поставить: он часто снимает ответственность с людей, процессов и управленческих решений.

По нашему опыту, одна из главных причин провалов ИИ-внедрений — отсутствие владельца результата. Не плохая модель и даже не плохие данные, а отсутствие человека, который отвечает за бизнес-эффект: KPI, процесс, бюджет и разрешение конфликтов между подразделениями. ИИ-проект без хозяина процесса может умереть даже на хороших данных.

Вторая причина — бесструктурный процесс. Инструкции в PDF, ручные согласования, данные в десяти разных системах — это не всегда проблема данных. Часто это проблема процесса, который не описан и не работает нормально даже без ИИ. Автоматизировать хаос — значит получить очень быстрый хаос.

Третья причина — люди и adoption. В расчете окупаемости самым дорогим может оказаться не лицензия, не модель и не интеграция, а сопротивление сотрудников. Можно создать сильного ИИ-агента, который экономит компании сотни миллионов, и упереться в то, что команда им не пользуется, потому что видит в нем угрозу своей роли.

Поэтому сейчас бизнес будет всё чаще спрашивать не «какую модель выбрать?», а «кто владеет результатом?», «какой процесс мы автоматизируем?» и «кто реально будет этим пользоваться?»