Зимой 2025 года руководитель компании, работающей в сфере энергетики, решил проанализировать возможность запуска производства нового оборудования, связанного с охлаждением. Тема была незнакомой, и он открыл GPT, чтобы сократить время на поиск информации. Результат впечатлил: за пару вечеров удалось глубоко погрузиться в производственную цепочку и прикинуть стартовые инвестиции. Однако аудит схожего производства показал, что около 40% «экспертизы» GPT — убедительно замаскированная фантазия. Этот случай стал прививкой от восторга и главным уроком: ИИ быстро создаёт иллюзию экспертности, которую легко перепутать с реальной глубиной изучения.
Несмотря на риск галлюцинаций, руководитель продолжил использовать GPT как интеллектуальный ускоритель: научился писать промпты, проверять данные, формировать техзадания. Через 3–4 месяца ChatGPT стал постоянным бизнес-компаньоном, и возникло желание перенести личный опыт на корпоративный уровень. Однако посадить всех сотрудников на GPT-подписку нельзя из-за требований информационной безопасности, поэтому в офисной серверной развернули корпоративный чат-бот на базе языковой модели GPT.
Первая версия, запущенная в 2025 году, оказалась «умилительно тупой». Единственное, что доверили ИИ, — проверку входящих сообщений attention-ботом, риск-аналитику контрактов и сравнение документов. В свободном диалоге ассистент не помогал, что усилило скепсис сотрудников. Мнения разделились: одни активно тестировали инструменты, другие не поняли, как ими пользоваться, третьи упорно отстаивали естественный интеллект. Чтобы преодолеть скепсис, нужно было расширять возможности корпоративного ИИ.
Сотрудники разделились на энтузиастов, скептиков и тех, кто не понял, как пользоваться ИИ; для преодоления скепсиса потребовалось расширять функциональность.
Перейдя на следующий уровень, компания осознала две вещи. Во-первых, промышленному предприятию вкладываться в ИИ только ради офисной рутины бессмысленно: нужны инструменты контроля конструкторской документации, видеоаналитика производства и база знаний. Во-вторых, собственная ИТ-команда не справится с такой задачей. Это привело к решению искать подрядчика, но и он не решил проблему полностью. В итоге компания пришла к выводу, что взаимовыгодно делиться разработками с рынком — так можно показать собственной команде ценность ИИ-инструментов и окупить затраты.
Опыт компании иллюстрирует типичные сложности внедрения ИИ в корпоративной среде: от иллюзии экспертности до скепсиса сотрудников и нехватки компетенций. Ключевой вывод — создание рабочего ИИ-инструмента требует в три раза больше усилий, чем кажется, и найти людей, способных выстроить этот процесс правильно, непросто. Для руководителей, стремящихся внедрить ИИ во все процессы, это предостережение: скорость погружения в тему не равна глубине изучения, а энтузиазм без компетенций приводит к разочарованию.
