Василий Григорьев,
Lizard Soft CEO

В прошлый раз, в «Как вырастить AI-Пользователя: roadmap по управлению изменениями», я писал, что переходить к этапу работы с людьми стоит только тогда, когда выполнено базовое «домашнее задание» на уровне Бизнеса. Поэтому сегодня именно об этом.

Сейчас на Владельцев Бизнеса и Руководителей наваливается непрерывный поток информации об АІ, агентах, автономных агентах и о том, что не успевший с внедрением непременно потеряет рынок. Параллельно приходят Партнеры с новыми предложениями, пилотами, демонстрациями, примерами и собственным видением того, «как надо». В такой среде очень легко попасть в ловушку цейтнота: начать действовать наспех, собирать решения торопливо и спутать технологическую новизну с реальным бизнес-эффектом.

В нашем анализе мы сгруппировали основные причины, по которым АІ-инициативы «не взлетают» или не дают ожидаемого результата, в четыре категории: Бизнес, Люди, Технологии, Процессы.

Так что сегодня — о Бизнесе.

[Значительное влияние] Нечеткая бизнес-цель и отсутствие измеряемой ценности

Многие инициативы в генеративном АІ стартуют как ответ на тренд «нам нужен свой ChatGPT» и «давайте сделаем АІ-ассистента для всех».

Звучит современно, но в такой формулировке обычно нет ответа на главный вопрос: какой именно бизнес-процесс мы меняем и какой показатель хотим улучшить.

В конце концов, решение оказывается в стороне от реальной операционной деятельности. Оно быстро превращается либо в опционный инструмент, которым пользуются лишь иногда, либо в R&D-активность без четкой привязки к P&L.
Эффект не измеряется, а затраты на поддержку первыми попадают под сокращение. И это вполне логично: трудно защищать бюджет на то, чья ценность для бизнеса так и не была доказана.

[Значительное влияние] Мы не умеем — или не готовы — измерять эффект

Есть виды экономического эффекта, которые сосчитать относительно просто: например, когда Компания сокращает расходы на бумагу, внешние сервисы или работу Подрядчиков. Но как только речь заходит об экономии времени Сотрудников, повышении качества, уменьшении количества ошибок или ускорении принятия решений, многие говорят «это почти невозможно измерить».

На это я обычно задаю встречный вопрос: а как у вас сегодня измеряется эффективность людей и процессов? Есть ли эти метрики? Доверяет ли им Менеджмент? Принимаются ли на их основе управленческие решения?
Если на это нет четкого ответа, проблема не в АІ. Просто попытки оценить «эффективность» АІ очень быстро подсвечивают слабые места в управлении, существующие в Компании.

[Высокое влияние] Отсутствие сильного Бизнес-спонсора и Команды внедрения

Если у инициативы нет определенного Владельца со стороны Бизнеса — то есть Человека, который отвечает за процесс и за изменение целевых показателей, — он почти неизбежно превращается в технический эксперимент.

ІТ может создать инструмент. Но ІТ само по себе не меняет операционную модель. Оно не перепишет регламенты, не просмотрит роли, не перестроит контрольные точки, не изменит KPI и не создаст стимулов для Пользователей.

То же касается и Команды. Сложные системы не внедряются силами только ІТ. Но также они не внедряются силами «только Подрядчика». Внутри Компании должна быть сформирована кроссфункциональная Команда, которая берет ответственность не за сам факт запуска, а за бизнес-результат.

[Посредственное влияние] Кейсы выбирают по зрелищности, а не по ROI

Во многих Компаниях первые бюджеты на GenAI идут в продажи и маркетинг. Это понятно: такие сценарии легко показать, быстро продемонстрировать и красиво упаковать в презентацию. Генерация контента, коммерческих материалов, поддержка Менеджеров по продажам, персонализация коммуникаций – все это выглядит убедительно.

Но самый предполагаемый и масштабируемый экономический эффект очень часто лежит не там. На практике он часто появляется в бэк-офисе. Там же автоматизация направления конвертируется в снижение затрат, сокращение времени выполнения типовых операций и повышение качества.

Проблема в том, что такие кейсы менее зрелищны. Их сложнее «продать» внутренне на старте. Но если первый проект выбран не по экономике, а по эффектности, и результат не впечатляет, то запустить следующую инициативу уже труднее.

[Посредственное влияние] Ловушка пилотов

Одна из самых распространенных ситуаций выглядит так: Компания успешно проводит PoC или пилот, подтверждает техническую осуществимость решения, все довольны демонстрацией. Однако регулярного использования дело так и не доходит.

Почему так происходит? Чаще всего причины достаточно очевидны:

• не учли требования Юридического отдела, информационной безопасности или Профсоюзов;
• в реальной среде решение не выдержало объема данных, нагрузки или требований к стабильности;
• не был привлечен Владелец бизнес-процесса, который имеет полномочия изменять регламенты, роли, KPI и правила контроля;
• пилот тестировал «идеальный» сценарий, но не отражал реальный процесс – с исключениями, неполными данными, зависимостями от других систем и необходимыми интеграциями.

Здесь важно помнить простую вещь: демонстрация возможностей еще не равна гарантированному операционному эффекту.

[Посредственное влияние] Отсутствует прозрачная финансовая модель для промышленной эксплуатации

На этапе пилота решение почти всегда выглядит недорогим. Нагрузка небольшая, часть работы выполняется вручную, а значительная часть затрат остается «за скобками». Но как только Компания переходит к подготовке решения для промышленного использования, появляется совсем другая экономика. И в ней уже необходимо учесть: оплату использования LLM-моделей, инфраструктуру для поиска по базе знаний, аудит и политики хранения данных, мониторинг и т.д..

Без прозрачной модели полной стоимости владения (TCO) на старте Компания не видит главного: сколько на самом деле стоит решение на единицу использования, где предел его окупаемости и какой бюджет нужен, чтобы поддерживать качество и надежность в масштабе. И именно на этом этапе проект часто останавливается.

[Посредственное влияние] Упрощенный выбор: собственная разработка или готовое решение

Очень часто дискуссия сводится к упрощенной схеме: делаем сами или покупаем готовое. Но промышленное GenAI-решение – это не только модель и чат-интерфейс. Это целая система, которая должна быть глубоко встроена в повседневную работу Компании: данные, права доступа, интеграции с корпоративными системами, контроль качества ответов и т.д.

Когда Компания выбирает путь «делаем сами» без полной оценки объема работ и полной стоимости владения, проект часто входит в режим бесконечной доработки. Сначала работает демо. Затем появляются требования безопасности. Далее – интеграции. Затем – масштабирование. И на каждом этапе становится очевидным, что нужны новые компетенции, новые ресурсы и постоянное внимание.

Есть и еще одно недооцененное обстоятельство: языковые модели и инструменты вокруг них меняются очень быстро. То, что считалось топовым год назад, сегодня уже устарело. Поэтому GenAI-решения нельзя просто запустить и «оставить как есть». Если его не развивать, оно не стоит на месте – оно теряет конкурентоспособность.

Что из этого следует

Если свести все указанное к одному мнению, оно будет очень простым: большинство неудачных АІ-инициатив начинаются не с плохой технологии, а с неправильно поставленного бизнес-вопроса: не «какой бот нам нужен?», а «какой процесс мы меняем, какую ценность хотим получить и как именно будем ее измерять?»
Когда на эти вопросы есть честный ответ, дальше становится гораздо легче:

• выбрать первый кейс;
• назначить сильного Спонсора;
• собрать правильную Команду;
• не застрять на уровне пилота;
• трезво сосчитать экономику;
• и понять, где действительно стоит строить свое, а где разумнее использовать готовое решение.

В следующей публикации отдельно остановлюсь на блоках Технологии и Процессы. Потому что даже правильно сформулированная бизнес-цель еще не гарантирует результат — дальше начинается не менее важная часть работы.