Василь Григор’єв, 
Lizard Soft CEO

Минулого разу, у «Як виростити AI-Користувача: roadmap з управління змінами», я писав, що переходити до етапу роботи з людьми варто лише тоді, коли виконано базове «домашнє завдання» на рівні Бізнесу. Тож сьогодні — саме про це.

Зараз на Власників Бізнесу та Керівників навалюється безперервний потік інформації про АІ, агентів, автономних агентів і про те, що той, хто не встигне із впровадженням, неодмінно втратить ринок. Паралельно приходять Партнери з новими пропозиціями, пілотами, демонстраціями, прикладами та власним баченням того, «як треба». В такому середовищі дуже легко потрапити в пастку цейтноту: почати діяти поспіхом, збирати рішення похапцем і сплутати технологічну новизну з реальним бізнес-ефектом.

У нашому аналізі ми згрупували основні причини, через які АІ-ініціативи «не злітають» або не дають очікуваного результату, у чотири категорії: Бізнес, Люди, Технології, Процеси.

Тож сьогодні — про Бізнес.

[Значний вплив] Нечітка бізнес-мета і відсутність вимірюваної цінності

Багато ініціатив у генеративному АІ стартують як відповідь на тренд «нам потрібен свій ChatGPT» та «давайте зробимо АІ-асистента для всіх».

Звучить сучасно, але в такому формулюванні зазвичай немає відповіді на головне питання: який саме бізнес-процес ми змінюємо і який показник хочемо покращити.

Зрештою, рішення опиняється осторонь реальної операційної діяльності. Воно швидко перетворюється або на «опційний інструмент», яким подеколи користуються, або на R&D-активність без чіткої прив’язки до P&L. Ефект не вимірюється, а витрати на підтримку першими потрапляють під скорочення.

І це цілком логічно: важко захищати бюджет на те, чия цінність для бізнесу так і не була доведена.

[Значний вплив] Ми не вміємо — або не готові — вимірювати ефект

Є види економічного ефекту, які порахувати відносно просто: приміром, коли Компанія скорочує витрати на папір, зовнішні сервіси або роботу Підрядників.

Але щойно мова заходить про економію часу Співробітників, підвищення якості, зменшення кількості помилок чи пришвидшення ухвалення рішень, багато хто каже «це майже неможливо виміряти».

На це я зазвичай ставлю зустрічне запитання: а як у вас сьогодні вимірюється ефективність Людей і процесів? Чи є ці метрики? Чи довіряє їм Менеджмент? Чи ухвалюються на їхній основі управлінські рішення?

Якщо на це немає чіткої відповіді, то проблема не в АІ. Просто спроби оцінити «ефективність» АІ дуже швидко підсвічують слабкі місця в управлінні, які існують в Компанії.

[Високий вплив] Відсутність сильного Бізнес-спонсора і Команди впровадження

Якщо ініціатива не має визначеного Власника з боку Бізнесу — тобто Людини, яка відповідає за процес і за зміну цільових показників, — вона майже неминуче перетворюється на технічний експеримент.

ІТ може створити інструмент. Але ІТ саме по собі не змінює операційну модель. Воно не перепише регламенти, не перегляне ролі, не перебудує контрольні точки, не змінить KPI і не створить стимулів для Користувачів.

Те саме стосується і Команди. Складні системи не впроваджуються силами «лише ІТ». Але так само вони не впроваджуються силами «лише Підрядника». Усередині Компанії має бути сформована кросфункціональна Команда, яка бере відповідальність не за сам факт запуску, а за бізнес-результат.

[Посередній вплив] Кейси обирають за видовищністю, а не за ROI

У багатьох Компаніях перші бюджети на GenAI йдуть у продажі та маркетинг. Це зрозуміло: такі сценарії легко показати, швидко продемонструвати й красиво запакувати в презентацію. Генерація контенту, комерційних матеріалів, підтримка Менеджерів із продажів, персоналізація комунікацій — усе це виглядає переконливо.

Але найбільш передбачуваний і масштабований економічний ефект дуже часто лежить не там. На практиці він нерідко з’являється в бек-офісі. Саме там автоматизація напряму конвертується у зниження витрат, скорочення часу виконання типових операцій і підвищення якості.

Проблема в тому, що такі кейси менш видовищні. Їх складніше «продати» внутрішньо на старті. Але якщо перший проєкт обраний не за економікою, а за ефектністю, і результат не вражає, то запустити наступну ініціативу вже значно важче.

[Посередній вплив] Пастка пілотів

Одна з найпоширеніших ситуацій виглядає так: Компанія успішно проводить PoC або пілот, підтверджує технічну здійсненність рішення, усі задоволені демонстрацією. Однак регулярного використання справа так і не доходить.

Чому так стається? Найчастіше причини доволі очевидні:

• не врахували вимоги Юридичного відділу, інформаційної безпеки або Профспілок;
• у реальному середовищі рішення не витримало обсягу даних, навантаження або вимог до стабільності;
• не був залучений Власник бізнес-процесу, який має повноваження змінювати регламенти, ролі, KPI та правила контролю;
• пілот тестував «ідеальний» сценарій, але не відображав реальний процес — із винятками, неповними даними, залежностями від інших систем і необхідними інтеграціями.

Тут важливо пам’ятати просту річ: демонстрація можливостей ще не дорівнює гарантованому операційному ефекту.

[Посередній вплив] Відсутня прозора фінансова модель для промислової експлуатації

На етапі пілота рішення майже завжди виглядає недорогим. Навантаження невелике, частина роботи виконується вручну, а значна частина витрат лишається «за дужками».

Але щойно Компанія переходить до підготовки рішення для промислового використання, з’являється зовсім інша економіка. І в ній уже потрібно враховувати: оплату використання LLM-моделей, інфраструктуру для пошуку по базі знань, аудит і політики зберігання даних, моніторинг і так далі.

Без прозорої моделі повної вартості володіння (TCO) на старті Компанія не бачить головного: скільки насправді коштує рішення на одиницю використання, де межа його окупності та який бюджет потрібен, щоб підтримувати якість і надійність у масштабі. І саме на цьому етапі проєкт часто зупиняється.

[Посередній вплив] Спрощений вибір: власна розробка чи готове рішення

Дуже часто дискусія зводиться до спрощеної схеми: «робимо самі» або «купуємо готове». Але промислове GenAI-рішення — це не лише модель і чат-інтерфейс. Це ціла система, яка має бути глибоко вбудована у повсякденну роботу Компанії: дані, права доступу, інтеграції з корпоративними системами, контроль якості відповідей тощо.

Коли Компанія обирає шлях «робимо самі» без повної оцінки обсягу робіт і повної вартості володіння, проєкт часто заходить у режим нескінченного доопрацювання. Спочатку працює демо. Потім з’являються вимоги безпеки. Далі — інтеграції. Потім — масштабування. І на кожному етапі стає очевидно, що потрібні нові компетенції, нові ресурси і постійна увага.

Є й ще одна недооцінена обставина: мовні моделі та інструменти навколо них змінюються надзвичайно швидко. Те, що вважалося топовим рік тому, сьогодні вже застаріло. Тому GenAI-рішення не можна просто запустити і «залишити як є». Якщо його не розвивати, воно не стоїть на місці — воно втрачає конкурентоздатність.

Що з цього випливає

Якщо звести все зазначене до однієї думки, вона буде дуже простою: більшість невдалих АІ-ініціатив починаються не з поганої технології, а з неправильно поставленого бізнес-питання: не «який бот нам потрібен?», а «який процес ми змінюємо, яку цінність хочемо отримати і як саме будемо її вимірювати?»

Коли на ці питання є чесна відповідь, далі стає значно легше:

• обрати перший кейс;
• призначити сильного Спонсора;
• зібрати правильну Команду;
• не застрягти на рівні пілота;
• тверезо порахувати економіку;
• і зрозуміти, де справді варто будувати своє, а де — розумніше використати готове рішення.

У наступній публікації окремо зупинюся на блоках Технології та Процеси. Бо навіть правильно сформульована бізнес-мета ще не гарантує результату — далі починається не менш важлива частина роботи.