Представьте себе: компания торжественно «запускает ИИ», а прибыль, услышав фанфары, аккуратно выходит из зала через чёрный ход. Именно так сегодня выглядит реальность генеративного ИИ в бизнесе.

По данным, на которые ссылается The Register и летний отчёт MIT, корпорации уже влили в GenAI десятки миллиардов долларов — порядка $30–40 млрд. Но 95% организаций честно признаются: измеряемой отдачи нет. Лишь около 5% кастомных инициатив доживают до широкого продакшна. Остальные зависают в «пилотном аду» — вечных экспериментах, красивых демо и презентациях для совета директоров.

Технология тут почти ни при чём. Модели мощные, инфраструктура зрелая. Проблема в том, что ИИ пытаются внедрять как обычный софт: купил, подключил, интегрировал — жди чуда. Но ИИ ведёт себя не как программа, а как новый тип труда. Ему нужны контекст, обучение, встраивание в цепочку действий человека. Без этого он остаётся дорогой игрушкой.

Большинство компаний просто прикручивают ИИ к старым процессам. Те самые отчёты, согласования, регламенты, будто писались в эпоху факса, внезапно получают «нейросетевую кнопку». Итог предсказуем: пилоты запускаются изолированно, работу вокруг них не меняют, и через пару месяцев все забывают, зачем это вообще делали.

Отдельная беда — «амнезия» решений. Исследователи отмечают: во многих проектах система не накапливала опыт. Модель была умной, но каждый сеанс начинала как первый рабочий день стажёра. Ни корпоративной терминологии, ни памяти о прошлых решениях — только чистый лист. Бизнес ждёт «цифрового сотрудника», а получает безликий алгоритм без памяти.

Те самые успешные 5% действуют иначе. Они нанимают не только ML‑инженеров, но и архитекторов процессов, доменных экспертов, которые умеют перевести способности модели в ежедневную практику. Чаще всего это делается не в гордом одиночестве, а с внешними партнёрами: по данным MIT, совместные проекты успешнее внутренних почти вдвое.

Ещё один интересный вывод: реальный ROI приходит не из глянцевых чат-ботов для клиентов, а из скучного бэк-офиса. Счета, комплаенс, отчёты, логистика — там, где рутина и тонны ручной работы, ИИ окупается быстрее всего. Просто об этих победах не так эффектно рассказывать инвесторам.

И тут у России есть хороший шанс. Там, где сильны инженерные школы, привычка оптимизировать процессы и считать деньги, а не пресс-релизы, ИИ естественным образом уходит в «серую зону» — автоматизацию бухгалтерии, документооборот, производство. Не в шум, а в пользу.

Вывод неприятно прост: это не провал искусственного интеллекта, это провал управленческого. Пока компании не готовы менять себя, даже самый умный ИИ останется красивым, но бесполезным пилотом — навсегда.