95% ИИ-пилотов не окупаются: платформы генеративного ИИ решают проблему «зоопарка»

Илья Радченко, директор по платформенным продуктам SimpleOne, опубликовал разбор типичных сценариев корпоративного внедрения генеративного ИИ. Его тезис: российские компании массово повторяют ошибку глобального рынка, множат изолированные ИИ-проекты под каждую задачу и получают «зоопарк» несвязанных инструментов вместо работающей системы. По его данным, 95% ИИ-пилотов в компаниях не достигают измеримого возврата инвестиций.

Два тупика, которые уже знакомы рынку

Радченко выделяет два распространённых подхода, каждый из которых быстро упирается в потолок.

Точечные решения под каждый сценарий. Компания берёт отдельный продукт или делает небольшой внутренний проект: помощник оператору первой линии, разбор счетов, поддержка продаж. Эффект появляется быстро, но когда таких инициатив набирается десятки, начинаются системные проблемы:

• разные технологические стеки и команды под каждый кейс
• дублирование интеграций с одними и теми же корпоративными системами
• несовместимые подходы к доступам, логированию и поддержке
• невозможность перенести удачный сценарий из одного подразделения в другое без переписывания кода

Самописная платформа на открытых компонентах. Компания берёт опенсорс (открытые модели и инструменты, доступные для свободного использования), конструкторы пайплайнов, оркестраторы моделей и строит всё внутри своего контура. На бумаге это полный контроль, на практике тяжёлый инженерный продукт с собственной дорожной картой, нарастающим техническим долгом и высоким порогом входа для бизнес-подразделений.

Оба пути, по словам Радченко, сталкиваются с одним и тем же набором ограничений: бизнесу нужен результат за недели, а не через год; безопасность корпоративного уровня не прикручивается задним числом; жёсткая привязка к одному поставщику языковых моделей (LLM, large language model, большая языковая модель) превращается в риск, потому что модели, тарифы и политики меняются быстрее, чем ИТ-ландшафт компании.

Аргументы за единую платформу

Третий путь, который продвигает SimpleOne, это платформы генеративного ИИ как единый инфраструктурный слой для всей компании. Аргументы в пользу такого подхода:

• Переиспользование. Интеграции, корпоративная память и настройки безопасности создаются один раз и работают для всех сценариев. Не нужно заново подключать Active Directory или базу знаний под каждый новый кейс.
• Свобода смены моделей. Платформа позволяет переключаться между LLM-провайдерами без слома процессов. Когда один поставщик меняет тарифы или условия, компания не оказывается в ловушке.
• Скорость запуска. Подразделения собирают свои ИИ-сценарии на общих строительных блоках, не дожидаясь, пока центральная ИТ-команда напишет отдельный продукт.
• Единый аудит. Доступы, логирование и контроль данных решены на уровне платформы, а не в каждом пилоте по отдельности.

Радченко приводит три конкретных сценария на базе SimpleOne. В ИТ-поддержке ИИ-помощник определяет тип обращения, подбирает ответ из корпоративной базы знаний через RAG (retrieval-augmented generation, метод, при котором модель сначала ищет нужную информацию в документах компании, а потом формулирует ответ) и сам выполняет технические действия, например сброс пароля. В финансах цепочка из OCR (оптическое распознавание текста), автозаполнения полей и маршрутизации согласования сокращает обработку одного счёта примерно с 15 до 2 минут. В продажах помощник расшифровывает запись звонка, извлекает контакт, потребность, возражения и итог, а затем заполняет карточку сделки в CRM.

Аргументы против: почему не всё так гладко?

Честная сторона дискуссии выглядит менее оптимистично.

• Зависимость от нового вендора. Уходя от привязки к LLM-провайдеру, компания приобретает привязку к платформенному вендору. Миграция с платформы сложнее, чем замена точечного инструмента.
• Порог входа для малого и среднего бизнеса. Единая платформа оправдана, когда ИИ-сценариев десятки. Если у компании два-три кейса, платформенный подход может оказаться избыточным.
• Реальная проверка цифр. Данные о 95% провальных пилотов и сокращении времени обработки счёта с 15 до 2 минут приводятся без ссылки на независимые измерения. Насколько эти показатели воспроизводимы в других компаниях и отраслях, пока открытый вопрос.
• Сложность внутренних процессов. Платформа решает технологическую часть, но не организационную. Сопротивление команд, нехватка данных для RAG, низкое качество корпоративных баз знаний остаются за периметром любого продукта.

Вместо того чтобы множить точечные решения или собирать свой зоопарк инструментов, компания опирается на инфраструктурный слой, в котором разные подразделения могут собирать свои ИИ-сценарии на общих строительных блоках. : Илья Радченко, директор по платформенным продуктам SimpleOne

Что делать прямо сейчас, по ролям

Автору на Дзене. Тема платформ генеративного ИИ для корпораций, готовый контент-формат: разбор «до и после» для конкретной функции (поддержка, финансы, продажи). Такой материал ищут руководители среднего звена, которые обосновывают бюджет.

Маркетологу. Если ваш бизнес продаёт услуги ИТ-интеграции, сценарии из статьи Радченко (ИТ-поддержка, обработка счетов, CRM после звонка) можно использовать как структуру кейса для собственного портфолио. Проверьте, есть ли у вас данные о времени «до» и «после» по аналогичным процессам.

Предпринимателю в РФ. SimpleOne, российский продукт, работает в локальном контуре. Из альтернатив на рынке РФ: для отдельных задач с генеративным ИИ можно рассмотреть YandexGPT и GigaChat как LLM-компонент, но именно платформенный подход «всё в одном» пока предлагают единицы. Прежде чем выбирать платформу, посчитайте количество ИИ-сценариев: если их меньше трёх, платформа может быть преждевременной.

Цифра «95% пилотов проваливаются» пугает, но за ней чаще стоит не плохая технология, а отсутствие внятной задачи и метрики успеха. Платформы генеративного ИИ решают инфраструктурную часть этой проблемы, но не заменяют главного: понимания, зачем компании вообще нужен ИИ в конкретном процессе. Кто ответит на этот вопрос до выбора инструмента, тот и окажется в тех самых 5%, которые доходят до окупаемости.