Цифра, которую приводят участники дискуссии, выглядит неудобно на фоне корпоративного оптимизма: 56% директоров по информационным технологиям в мире за последний год не зафиксировали от ИИ ни роста выручки, ни снижения затрат. В России картина не лучше — ИИ внедряют 97% компаний, стратегию внедрения имеют 26%, а больше половины не могут сформулировать, какой ценности ждут от технологии.
Александр Сахаров, директор по партнерствам Диасофт, собрал коллег — Артема Бочкарева из AliExpress, Игоря Кононова из InsurTech-платформы AIINS и Михаила Шрайбмана из ИИ-интегратора OSMI IT — чтобы разобрать три мифа, на которых бизнес теряет деньги.
| Показатель | Значение |
|---|---|
| Доля CIO в мире без результата от ИИ за год | 56% |
| Доля российских компаний, внедряющих ИИ | 97% |
| Доля российских компаний со стратегией внедрения | 26% |
| Команда с LLM + платформа (было / стало) | 12–15 человек → 4–5 человек |
Первый миф: купили подписку — внедрили ИИ. Самый распространённый сценарий выглядит так: компания оформляет корпоративный доступ к ChatGPT, направляет его в маркетинг или колл-центр и отчитывается о цифровой трансформации. Через полгода CIO не может объяснить совету директоров, где обещанный эффект. Игорь Кононов формулирует проблему точно: инструмент, поставленный без понимания боли, не просто не даёт результата — он ухудшает метрики. Перевод клиентской поддержки на чат-бота нередко снижает лояльность, хотя в отчёте выглядит как успех. Провальные кейсы остаются за кадром — о них не принято говорить публично, поэтому реальная статистика неудач выше, чем видно из открытых источников.
В России ИИ внедряют 97% компаний, но стратегию внедрения имеют только 26%.
Второй миф: мы живём в эпоху тектонического сдвига. Артем Бочкарев, Director of Machine Learning в AliExpress, предлагает разделить понятия. Большинство решений, которые сегодня напрямую приносят деньги Google, Яндексу и маркетплейсам, построено не на LLM, а на классическом машинном обучении — том, что раньше называлось Data Science. LLM — это новый класс моделей, хорошо работающих с текстом, но не универсальное решение всех задач. Разговоры о скором AGI Бочкарев считает преждевременными: до системы, неотличимой от человека по универсальности, технологии ещё далеко.
Третий тезис — про условие, без которого ИИ не работает. Сахаров описывает его на собственном примере: на конвейере Диасофт LLM обеспечивает скорость генерации кода, а платформа Digital Q — архитектурные стандарты и контроль качества. Результат: 4–5 человек закрывают объём работы, который раньше требовал 12–15. Это и есть гибридный подход — модель даёт скорость и снижает стоимость, платформа обеспечивает качество. Без второй части уравнения ИИ не ускоряет бизнес, а расходует бюджет.
Михаил Шрайбман из OSMI IT добавляет, что ситуация в России постепенно улучшается: всё больше пилотных проектов доходит до промышленного внедрения, особенно там, где ИИ закрывает конкретный отрезок в пайплайне, а не подменяет весь процесс. Пример — автоматизация подбора персонала в производственной компании: ИИ справился с задачей на своём участке, не претендуя на большее. Именно такая точечная постановка задачи, по мнению участников дискуссии, и отличает проекты с реальным результатом от тех, что остаются строчкой в пресс-релизе.
