В 2024 году компании, как IBM и Klarna, решили автоматизировать свои бизнес-процессы с помощью искусственного интеллекта в надежде на значительную экономию затрат и повышение эффективности. Однако, как показывает практика, не всегда внедрение ИИ дает ожидаемые результаты. Вместо значительного сокращения расходов компании часто сталкиваются с новыми вызовами и дополнительными инвестициями в инфраструктуру и специалистов. Почему же некоторые амбициозные проекты с ИИ не оправдывают чаяний и как избежать этих ошибок в будущем? Рассказывает Алексей Выгодский, Head of Enterprise Applications and Technologies в MODUS X
Купуйте річну передплату на 6 журналів Forbes Ukraine зі змістовними матеріалами, рейтингами та аналітикою від 1 350 грн.
В 2024-м американский технологический гигант IBM объявил о масштабной автоматизации HR- и административных процессов с привлечением искусственного интеллекта. Под сокращение попали около 8000 сотрудников.
Похожий пример – у шведской финтех-компании Klarna с одним из крупнейших портфелей BNPL -решений. Она в 2024 году заменила операторов контакт-центра на ИИ-ботов. Хотя технически все работало, клиентская удовлетворенность резко упала, что отразилось на объемах кредитования. Klarna признала ошибки: не всякое взаимодействие с клиентом готово к полной автоматизации, поэтому часть автоматизированных функций компания вернула людям.
Оба кейса демонстрируют главное: внедрение ИИ должно базироваться не только на энтузиазме, но и реальном экономическом расчете.
В 2025-м 42% компаний в США и Европе полностью отказались от большинства своих ИИ-инициатив, по данным S&P Global Market Intelligence. В 2024 году таких было всего 17%. Лишь около половины пилотных проектов (46%) дошли до продакшена. Причины: рост расходов, риски безопасности и юридические ограничения.
ИИ-провалы – не катастрофа, а часть инновационного процесса. В Boston Consulting Group советуют «праздновать неудачи», ведь именно с них начинается путь к реальным прорывам.
Инструмент под бизнес-цели
Самая распространенная ошибка – автоматизировать процессы, используя определенную технологию, «потому что это модно». Но хайповая технология без экономического смысла – это затраты без возврата.
Прежде чем запускать любую технологическую инициативу, в том числе ИИ, бизнес должен ответить на основные вопросы:
- какую проблему мы решаем;
- можем ли ее решить дешевле и быстрее без ИИ;
- какие ожидаемые результаты в цифрах;
- как мы измерим эффективность от внедрения технологии.
Технология не имеет ценности без бизнес-контекста. Если ИИ-решение не приводит к увеличению прибыли, уменьшению рисков или росту компании – оно не имеет смысла. В отличие от автомобиля, не тратящего бензин, пока стоит в гараже, ИИ-модель потребляет ресурсы всегда.
Когда ИИ работает: пять показательных кейсов
Применение искусственного интеллекта возможно по трем направлениям: сокращение затрат в сервисных функциях, повышение операционной эффективности в бизнес-функциях и фокус на росте продаж.
Ontada и медицинские данные
В 2024 году компания Ontada, входящая в состав американского фармацевтического гиганта McKesson, столкнулась с типичным вызовом медицинского сектора – обработкой более 150 млн неструктурированных онкологических документов. Данные содержали важную клиническую информацию, но были недоступны для аналитики. Ручная обработка занимала много времени и стоила дорого.
Решением стало внедрение искусственного интеллекта, что позволило создать платформу ON.Genuity, автоматически извлекающую до 100 релевантных данных из документов, касающихся 39 типов опухолей. Ключевое преимущество – точность, скорость и соответствие требованиям регуляторов, включая FDA.
Технически проект был реализован успешно: обработка документов, ранее занимавшая месяцы, теперь занимает до трех недель, а аналитика доступна менее чем через час. Ontada заявляет о 4-кратном ускорении процесса. Однако ценность этого проекта заключается не только в скорости. Ключевое – появились данные нового качества, которые можно использовать для клинических исследований, улучшения лечения и создания персонализированных медицинских решений.
Проект не привел к массовым сокращениям, поскольку ИИ стал дополнением к аналитической работе, а не ее заменой. Ontada – пример успешного использования ИИ: четкая цель, экономическое обоснование и измеряемые результаты, ориентированные на повышение эффективности бизнес-функций. Именно такие проекты отличают успешную трансформацию от погони за технологическими трендами без четкой стратегии.
Wipro – переход от описательной к прескриптивной аналитике
Wipro, одна из ведущих технологических и консалтинговых компаний Индии, столкнулась с проблемой разрозненных BI-инструментов, десятками систем отчетности и более 500 отчетами, формировавшимися вручную или как запланированные задачи, без интеграции и на устаревших on-premise платформах. Сначала это выглядело как стандартная оптимизация, но потенциал данных оставался недоступным и решение не было эффективным.
Компания решила построить озеро данных, объединяющее SAP и non-SAP данные, чтобы повысить скорость и точность аналитики, обеспечить единую версию данных для более чем 10 000 пользователей внутренних отчетов. Вместо 500 статических отчетов было создано около 50 интерактивных дашбордов, обеспечивающих доступ к оперативной, аналитической и частично предиктивной аналитике.
Технически система успешно прошла трансформацию: данные централизованно обрабатываются, отчеты обновляются в реальном времени, масштабируемость без ограничений старой инфраструктуры обеспечена, а также поддержан высокий уровень безопасности (мультифакторная авторизация, управление доступом).
Однако главной особенностью является стратегический подход Wipro. Компания не только автоматизировала процессы, но и перешла от описательной аналитики (Hindsight) к диагностической (Insights) и теперь движется к прескриптивной аналитике (Foresight). Это позволяет компании осуществлять лучшее планирование, быстрее реагировать и получать предполагаемые результаты.
Это пример зрелого подхода к ИИ, где стратегия, обучение, аналитика и прогнозирование работают вместе для повышения эффективности. В частности, это позволило улучшить точность ресурсного планирования, что в свою очередь повысило рентабельность delivery-дивизионов.
CarMax – революция в покупке автомобилей благодаря ИИ
CarMax, крупнейший ритейлер б/у автомобилей в США, использовала искусственный интеллект для повышения эффективности процесса покупки автомобилей. Благодаря ИИ компания упростила поиск идеального автомобиля для клиентов среди 45 000 единиц на складе, автоматизируя создание контента, в частности резюме отзывов клиентов и сравнение моделей. Это позволило создавать до 5000 страниц в течение нескольких месяцев, значительно ускорив процесс. Кроме того, улучшилось SEO, что повысило видимость на поисковых системах.
Инновационный подход также включает высокий уровень безопасности данных, обеспечивая защиту персональной информации клиентов. CarMax продолжает совершенствовать использование ИИ, планируя создание текстов сравнений автомобилей с инсайтами о сходствах и отличиях моделей. Это показывает, что ИИ – это не просто тренд, а мощный инструмент, изменяющий индустрию.
MediaMarktSaturn – голосовой ИИ-ассистент для повышения эффективности
MediaMarktSaturn, один из самых крупных ритейлеров электроники в Европе, решил облегчить процесс принятия решений для своих сотрудников. Поскольку компания имеет обширный и постоянно обновляемый ассортимент товаров, она обратилась к технологиям для оптимизации доступа к информации. В сотрудничестве с Accenture, Avanade и Microsoft MediaMarktSaturn разработала MyBuddy – многоязычный голосовой ИИ-ассистент, который помогает сотрудникам быстро получать точную информацию о продукции без необходимости вводить текст или взаимодействовать с техникой.
Ассистент позволяет продавцам предоставлять покупателям актуальную информацию о товарах без пауз или отвлечений на поиск. Благодаря возможности получать сравнения, рекомендации и информацию о гарантиях в реальном времени сотрудники могут повысить эффективность работы и улучшить опыт покупателей.
MyBuddy также поддерживает адаптацию новых работников, способствуя быстрому освоению изменений в ассортименте товаров. Технологии, на которых базируется система, улучшают SEO и общий опыт покупателей, делая ИИ важной частью стратегии компании для персонализации покупок.
Majid Al Futtaim – использование ИИ для улучшения операционной эффективности в ритейле
Majid Al Futtaim, ведущий ритейлер на Ближнем Востоке и в Африке, обладающий эксклюзивными правами на бренд Carrefour в 32 странах, решил интегрировать передовые решения по искусственному интеллекту для улучшения управления ценообразованием, обработки данных и обслуживания клиентов. Компания, которая владеет более 450 магазинами и обслуживает более 770 000 клиентов ежедневно, столкнулась с проблемой управления ценообразованием более 7 млн артикулов.
Для решения этой задачи был создан ИИ-двигатель Spider, помогающий обеспечить конкурентоспособные цены, учитывая различные сценарии, акции и рекомендации. Это не только улучшает процесс ценообразования, но и предоставляет клиентам больше информации о продуктах, что позволяет делать более обоснованные выборы, например, для товаров без глютена или экологически чистых упаковок.
Другое важное ИИ-решение – Geo, использующее географические данные для создания персонализированных предложений. Это позволяет лучше удовлетворять потребности покупателей в зависимости от их места жительства, снижая время по выбору товара и повышая эффективность сервиса.
Кроме того, компания интегрировала Excellence – инструмент для обработки отзывов клиентов, автоматически анализирующий до 70 000 отзывов еженедельно, что ранее занимало до семи дней. Это позволяет оперативно реагировать на такие проблемы, как доставка или качество товара. Excellence также автоматизирует обработку юридических документов, что существенно повышает эффективность работы юридической команды.
Для успешной интеграции цифровых технологий Majid Al Futtaim запустила инициативу Enterprise Data Management, которая включает обучение сотрудников новым инструментам и автоматизацию рабочих процессов. Это позволило сосредоточиться на стратегическом развитии, одновременно уменьшая издержки.
ИИ – это не волшебная палочка
Эффективность внедрения искусственного интеллекта зависит не только от технологий, но и правильного выбора задач, реалистичных ожиданий и готовности к экспериментам. Успешность ИИ-проекта определяется не технологией, а тем, как она решает конкретную проблему, насколько эффективно и в каких условиях.
Искусственный интеллект – это не цель, а инструмент. Его эффективность зависит от бизнес-логики: без четкого экономического обоснования технология превращается из инвестиций в расходы. Важно, что работает в одной компании, может быть неэффективным в другой. Успешные трансформации основываются не только на технологиях, но и на готовности к экспериментам, ведь инновации рождаются из-за ошибок.
Однако в центре любого ИИ-проекта должны оставаться люди: только сочетание человеческой экспертизы и машинной аналитики дает наилучшие результаты. Наконец, ни одна система не будет работать без надлежащего внедрения и обучения – эти шаги критичны для того, чтобы технология действительно принесла пользу бизнесу.
Вы нашли ошибку или неточность?
Оставьте отзыв для редакции. Мы учтем ваши замечания как можно скорее.
