Хотя инструменты генеративного ИИ и помощники становятся легкодоступными, сотрудники активно используют их в повседневной работе, бизнес-подразделения проводят пилотные проекты, и новые возможности ИИ интегрируются в существующие корпоративные платформы, гораздо сложнее найти доказательства того, что вся эта активность приводит к изменению показателей бизнеса с одинаковой скоростью.
Согласно опросу McKinsey о состоянии ИИ в 2026 году, почти девять из десяти респондентов регулярно применяют ИИ где-либо в своей организации. При этом около 80% сообщили об улучшении личной производительности, однако лишь 37% заявили, что ИИ способствовал увеличению прибыли до вычета процентов и налогов (EBIT). Всего 6% квалифицировались как высокоэффективные пользователи ИИ, приписывая не менее 5% EBIT использованию ИИ и отмечая значительную ценность от его применения. Именно это явление и называется разрывом воздействия ИИ.
Технология развивалась стремительно, но многие компании все еще пытаются понять, как превратить быстро меняющиеся возможности ИИ в ощутимые результаты в масштабе.
Смещение ограничений
Ранее ограничения раннего генеративного ИИ были преимущественно техническими: модели не обладали контекстом предприятия, испытывали трудности со сложными задачами и не могли надежно взаимодействовать с системами, от которых зависят компании. Однако эта ситуация изменилась. Теперь ИИ способен выполнять более сложный анализ, работать с различными типами информации и взаимодействовать с корпоративными системами через агентов. Кроме того, организации могут предоставлять моделям значительно больше необходимого им контекста для выполнения полезной работы.
Тем не менее, повышение возможностей не устраняет необходимости в человеческом суждении или надзоре. Поскольку ИИ становится быстрее и автономнее, последствия ошибочного решения могут возрастать, особенно если оно встроено в критически важные бизнес-процессы. Защитные механизмы теперь не могут полагаться на то, что отдельные пользователи сами обойдут ограничения; они должны быть заложены в сам процесс выполнения работы.
Именно здесь произошло смещение ограничений. Предоставление сотрудникам доступа к ИИ-помощнику относительно просто, но перепроектирование процесса претензий, клиентского пути, финансовой операции или цепочки поставок вокруг ИИ является куда более сложной задачей. Это требует принятия решений о том, как будет выполняться работа, где лежит ответственность, какие данные необходимы, а также как будет обеспечена безопасность и управление получившейся системой.
Эти пробелы часто становятся очевидными, когда успешный пилотный проект пытается перейти в производственную среду. Команда может внезапно потребовать производственные данные, поддержку инженеров, одобрение службы безопасности, контрольные механизмы управления или владельца, готового нести ответственность за результат. В этот момент вопрос перестает быть просто о том, работает ли ИИ; он сводится к тому, готова ли организация эксплуатировать его в масштабе.
Много ИИ не означает ИИ в масштабе
Это также объясняет, почему измерение внедрения ИИ дает лишь частичную картину. Бизнес может иметь тысячи активных пользователей ИИ, но при этом испытывать трудности с указанием на изменения в доходах, затратах, клиентском опыте или операционной эффективности. Он может проводить успешные концептуальные доказательства, не имея при этом надежного способа перевести их в производство.
В предыдущих статьях этой серии рассматривались части этой проблемы с разных сторон: необходимо изменение талантов и операционных моделей по мере того, как ИИ берет на себя больше задач; служба безопасности должна поддерживать внедрение, не становясь причиной остановки проектов; а управление должно справляться с системами, которые все чаще действуют, а не просто предоставляют информацию. Эти аспекты не могут обсуждаться изолированно, если организации хотят, чтобы ИИ вышел за рамки индивидуальной производительности.
Создание повторяемого механизма масштабирования
Необходимо рассматривать это с точки зрения ключевых факторов успеха в области ИИ. Все начинается с понимания того, где ИИ может принести значимую пользу бизнесу и какие возможности следует рассмотреть в первую очередь. Без такого направления проекты ИИ могут конкурировать за финансирование и внимание, не имея четкого представления о том, какие из них принесут наибольшую ценность. «Северная звезда» помогает организациям устанавливать эти приоритеты.
Затем эти приоритеты должны проверяться на соответствие способности организации их реализовать. Перспективный сценарий использования может зависеть от недоступных данных, отсутствующих навыков в бизнесе или еще не установленных мер безопасности и управления. Выявление этих ограничений на раннем этапе обходится гораздо дешевле, чем обнаружение их в середине реализации.
Перевод одного сценария использования в производство — это одна проблема, а ее многократное повторение — совсем другая. Если каждый проект требует собственного инженерного подхода и нового раунда решений по управлению и безопасности, затраты и усилия будут расти с каждым развертыванием. Компаниям необходимо использовать полученный опыт, а не каждый раз заново строить основы.
Руководство также нуждается в полном обзоре использования ИИ в бизнесе. Если инвестиции продолжают поступать в ИИ, лица, принимающие решения, должны знать, какие инициативы приносят ценность, а какие застопорились. Им также необходимо видеть, какие общие ограничения замедляют несколько проектов одновременно.
В конечном итоге, влияние ИИ будет определяться способностью организации выявлять перспективные возможности и быстро превращать их в бизнес-результаты — безопасно, повторяемо и прибыльно.
Следующий этап корпоративного ИИ
Организации уже ощущают цену слабодисциплинированного управления. Проекты застревают на стадии пилота, команды дублируют работу, а различные части бизнеса инвестируют в пересекающиеся возможности. Со временем сотрудники начинают скептически относиться к программам ИИ, когда они генерируют больше активности, чем реальных изменений.
В то же время возможности ИИ будут продолжать развиваться, открывая новые перспективы для автоматизации работы и пересмотра бизнес-процессов. Но само по себе увеличение активности ИИ не закроет разрыв воздействия. Те организации, которые опередят конкурентов, — это те, которые учатся на результатах, внедренных в производство, используют то, что работает, и делают каждое последующее развертывание проще, чем предыдущее. Вопрос больше не в том, сколько ИИ использует организация, а в том, насколько эффективно она его масштабирует.