Три пилота К2Тех провалились: почему бюджет на ИИ-проекты сгорает до старта разработки

Василий Мухин, руководитель направления внедрения ИИ в К2Тех, разобрал на Хабре несколько пилотных проектов компании. Все они выглядели логично на бумаге, но разбились о практику. Ценность этого разбора в том, что он российский: не абстрактные кейсы из Кремниевой долины, а конкретные цифры в рублях, с реальными командами и живыми процессами.

Три способа сжечь бюджет на ИИ-проекты

Первый кейс: экономика не сходится. Заказчик хотел заменить двух из четырёх секретарей ИИ-классификатором документов. Поток: около 100 документов в день. Люди маршрутизировали их с точностью 90%. Экономия от сокращения двух ставок при зарплате 70 000 рублей составляла 1 680 000 рублей в год.

Модель обучили на архиве за год с реальной историей маршрутизации. На тестовой выборке получили точность 80%, то есть хуже, чем у людей. Пилот стоил около 2 млн рублей, доработка до целевого качества потребовала бы ещё 2-3 млн. Руководитель подразделения заморозил проект: стоимость работ не окупалась в течение двух лет.

Мухин формулирует правило прямо: стоимость пилота по ИИ редко ниже двух миллионов рублей, и если годовой эффект меньше трёх миллионов, идти в такой проект нецелесообразно.

Второй кейс: автоматизировали не то место. Финансовая компания попросила ускорить клиентскую поддержку. Команда из 9 человек, 4 на первой линии. Логика простая: сделать чат-бот, который ищет ответы в документации, и сотрудники будут тратить меньше кликов.

Бота собрали, загрузили документы, запустили. Метрика улучшилась на 3-4%, в пределах погрешности. Причина оказалась неожиданной: сотрудники поддержки почти не пользовались документацией. Они спрашивали старших коллег. База знаний просто не содержала нужных ответов.

Прежде чем автоматизировать базу знаний с помощью ИИ, необходимо сначала провести детальный анализ самого процесса поддержки и убедиться, что именно эта база является основным источником данных для ответов. : Василий Мухин, руководитель направления внедрения ИИ, К2Тех

Третий кейс: согласования убили проект. Ещё один заказчик хотел похожего чат-бота. Подготовили подробное техническое задание, согласовали детали. Но внутренние согласования заняли месяцы. За это время смежное подразделение компании собрало аналогичное решение своими силами. Команда заказчика переключилась на другие задачи, интерес к проекту испарился.

Почему рынок должен это услышать?

Все три провала объединяет одно: проблема не в модели. Дообучение (обучение модели на ваших примерах под узкую задачу) работало, классификатор выдавал приемлемую точность, чат-бот находил ответы в загруженных документах. Проекты ломались на уровне выше: неверная оценка экономического эффекта, ошибочный выбор участка для автоматизации, затянутые внутренние процессы.

Для рынка это означает, что волна разочарования в ИИ может ударить не по технологии, а по интеграторам и внутренним ИИ-командам. Компании, потратившие бюджет на ИИ-проекты с нулевым результатом, будут замораживать следующие инициативы, даже если те экономически оправданы.

Мухин отмечает, что компании, начавшие массово заменять сотрудников ИИ-агентами (программами, которые выполняют задачи без участия человека), уже начали возвращать людей. Среди них он упоминает Amazon, Microsoft и IBM.

Что делать с этим прямо сейчас, по ролям

Автору на Дзене и копирайтеру. Если вам предлагают ИИ-инструмент для автоматизации контента, задайте тот же вопрос, что и К2Тех: окупится ли подписка за месяц? Бот для генерации черновиков за 2 000 рублей в месяц имеет смысл, если экономит больше 3-4 часов вашего времени. Если меньше, вы в ситуации первого кейса.

Маркетологу. Перед запуском ИИ-пилота в отделе проверьте, действительно ли «узкое место» там, где вы думаете. Кейс с чат-ботом К2Тех показывает: если сотрудники решают задачи через личные контакты, а не через базу знаний, никакой бот ситуацию не изменит.

Предпринимателю в РФ. Цифры Мухина дают конкретный порог: пилот стоит от 2 млн рублей, и идти в него стоит только при ожидаемом годовом эффекте от 3 млн. Это фильтр, который стоит применить до первого звонка интегратору.

Лучший фильтр для любого ИИ-проекта укладывается в одно предложение Мухина: если годовой эффект меньше трёх миллионов при пилоте за два, не начинайте.