ИИ-трансформация организации: ожидание vs реальность

Большинство компаний сейчас делает одну и ту же ошибку: покупает доступ к GTP-модели и называет это ИИ-трансформацией.

Но исследования показывают неприятную вещь: массовое использование ИИ уже есть, а бизнес-эффект — далеко не у всех. По McKinsey, 88% организаций уже регулярно используют ИИ хотя бы в одной функции, но только около трети начали масштабировать ИИ-программы на уровне компании. И только 39% видят влияние на EBITDA на уровне предприятия. Кстати, на российском рынке цифры по компаниям, которые видят экономический эффект ГОРАЗДО ниже.

Главный инсайт: ИИ даёт эффект не там, где можно «посоветоваться», а там, где он встроен в процесс.

MIT называет это «пропасть генеративного ИИ» (GenAI Divide): после $30–40 млрд инвестиций в корпоративный GenAI 95% организаций, по их оценке, не получают измеримого P&L-эффекта.

Причина не в слабых моделях, а в том, что ИИ остаётся надстройкой над старыми процессами: без памяти, обратной связи, доступа к контексту и связи с ежедневными операциями.

Самые интересные кейсы как раз про это:

X5 использует ИИ не как чат-бот, а как часть операционной модели ритейла: ценообразование, прогнозирование спроса, логистика, ассортимент, автоматизация магазинов. По открытым данным, эффект от ИИ-решений у X5 оценивается примерно в 5 млрд рублей дополнительного операционного результата за год. Это не магия модели, а результат встраивания ИИ в ежедневную механику торговли.

СИБУР применяет ИИ в R&D: автоматизирует анализ экспериментальных данных и изображений материалов. В отдельных аналитических испытаниях скорость может вырасти до 7 раз, а совпадение автоматического и ручного анализа по ключевым параметрам превышает 85%. ИИ по сути ускоряет научно-производственный цикл.

Альфа-Банк пошёл ещё дальше и прямо формулирует AI-native-модель развития: ИИ становится базовым слоем процессов - разработка, документы, клиентские сервисы, инциденты, аналитика, валютный контроль.

Вывод для бизнеса простой.

ИИ-трансформация - это только частично про внедрение ИИ.

На самом деле это ответ сразу на несколько вопросов:
1. Умеем ли мы быстро тестировать и «убивать» неудачные гипотезы?
2. Какие процессы обходятся дороже всего организации и можем ли мы применять ИИ в них?
3. Как обучить сотрудников, масштабировать успешный опыт применения ИИ внутри организаций и создать систему поддержки?
4. Как мы замеряем качество работы ИИ? Умеем ли мы мерить результат в виде постоянных A/B-тестов?
5. Как мы обеспечиваем безопасность и контроль?
6. Какой наш текущий уровень зрелости применения ИИ и куда мы стремимся? Какой целевой облик нашей AI-native организации?

Компании, которые просто дают сотрудникам нейросеть, получают временный всплеск продуктивности сотрудников, который идет на спад с течением времени.

Компании, которые встраивают ИИ в процессы, получают новую управленческую архитектуру.

И, кажется, именно здесь сейчас проходит настоящая граница между “мы тоже используем ИИ” и реальной ИИ-трансформацией.

А как происходит у вас в организации? Пишите в комментариях 👇

PS: картинку взял из исследования Antrophic. Разберу его отдельно чуть позже

#полезное

ген ии | MAX