За последнее время я довольно много писал про одну и ту же тему с разных сторон — почему сделать что-то с AI сейчас стало относительно просто, а внедрить это так, чтобы оно реально работало и приносило пользу, всё ещё сложно.

Решил собрать несколько постов в одном месте.

Почему между AI-демо и реальным внедрением огромная разница.
Сейчас можно очень быстро собрать красивый прототип и показать его на конференции. Но дальше появляются пользователь, бизнес-процесс, инфраструктура, ИБ, качество, поддержка и экономика.
Писал об этом здесь: пост про разрыв между демо и внедрением

Как мы сейчас проверяем AI-идеи до полноценной разработки.
Сначала разговор с бизнесом и пользователями, потом custdev и JTBD, затем быстрый прототип. Иногда от идеи до рабочего MVP действительно можно дойти за один день.
При этом довольно много таких прототипов потом отправляется в мусорку — и для меня это скорее хороший результат. Лучше потратить день и понять, что идея не нужна, чем несколько месяцев её разрабатывать.
Здесь подробно описывал весь процесс: как мы собираем и проверяем MVP-прототипы

Самый неудобный вопрос автоматизации: что произошло с освободившимся временем?
Если AI сэкономил человеку два часа в день, это ещё не означает, что компания получила экономический эффект.
Нужно заранее договориться, что изменится в результате работы, как это будет измеряться и куда пойдёт освободившаяся мощность.
Пост здесь: что происходит с высвободившимся временем

Почему легко попасть в pilot trap.
Мне близка мысль McKinsey: если просто автоматизировать отдельные кусочки существующего процесса, можно получить много AI-пилотов и почти не изменить саму работу.
Мне кажется, интереснее задавать вопрос не «что здесь автоматизировать?», а «как теперь вообще должен быть устроен этот процесс, если появились новые технические возможности?».
Писал об этом здесь: про AI pilot trap и перепроектирование процессов

И один большой практический пример — AI-помощник для 50 000 сотрудников.
Там особенно хорошо видно, сколько всего находится между идеей «дадим модели корпоративные документы» и реально работающим продуктом: база знаний, качество, интерфейс, персонализация, аналитика, обновление знаний и куча мелких продуктовых решений.
Начало истории здесь: кейс корпоративного AI-помощника
Кажется, мой главный вывод из всего этого довольно простой.

Сам AI сейчас постепенно становится дешёвой и доступной частью решения. Самое сложное — выбрать правильную задачу, встроить решение в работу людей и доказать, что после внедрения действительно что-то изменилось.
И вот эта часть мне сейчас интереснее всего.

@AlexGetsHrDone