Цифровой проект не дал обещанного эффекта. Что делать дальше?

По данным Рексофт (2025, 330+ кейсов в горно-металлургическом комплексе), планового эффекта от цифровизации достигает лишь каждая вторая компания. Исследование ИТ-инфраструктуры (март 2026, 140 ИТ-руководителей) детализирует картину: только 8% российских компаний фиксируют ощутимый экономический результат от внедрения ИИ, 24% — затраты уже превышают измеримую пользу, 20% видят лишь косвенные результаты, 45% остановились на стадии эксперимента. Недостигнутый эффект — статистическая норма российской цифровизации, а не исключение. Разбирать такие ситуации нужно, замалчивать их внутри компании — контрпродуктивно.

Лаборатория искусственного интеллекта Сколково (исследование «От пилота к масштабу», октябрь 2025) выделила три класса причин провалов.

Первый — культура принятия решений: в организациях, где решения опираются на данные и измеримые метрики, ИИ приживается значительно лучше, чем там, где решения держатся на авторитете и неформальной экспертизе.

Второй — несогласованность процессов: система внедрена, акт подписан, а операционный маршрут не изменился.

Третий — отсутствие включения сотрудников в изменение: люди продолжают использовать новую систему как дополнительный слой поверх прежнего порядка работы, а не как его замену.

Чисто технологические причины — нехватка данных, ограничения оборудования — Сколково характеризует как самый редкий класс провалов из трёх.

Forbes в феврале 2026 года зафиксировал российскую специфику: CEO Napoleon IT Павел Подкорытов описывает устойчивую модель, при которой средства освоены, пилоты формально завершены, отчёты сданы — но проект не встроился в операционную деятельность. Причины, по его оценке, почти всегда одинаковы: разрозненные данные без единой архитектуры, неопределённые бизнес-метрики и отсутствие ответственного за результат у конкретного процесса. TAdviser в феврале 2026 года зафиксировал системную составляющую: значительная часть ИИ-проектов в России реализуется без метрической оценки реальной эффективности, а культура разработки таких метрик в стране всё ещё находится на этапе формирования. По данным ComNews (декабрь 2025), только 26% российских компаний имеют стратегию развития ИИ — старший разработчик систем ИИ Innostage Александр Лебедев характеризует это так: часть компаний внедряет технологию формально, «выполняя KPI по внедрению», без связи с измеримыми бизнес-результатами.

Разбор ситуации начинается с трёх вопросов.

Проблема инструмента или постановки задачи? Если метрика успеха была сформулирована как «внедрить систему», а не как «сократить время цикла на X%» или «снизить долю брака с Y до Z», — это проблема постановки. Система могла отработать корректно и при этом не дать бизнес-результата, потому что результат не был определён в измеримых единицах до старта.

Проблема принятия пользователями? Пока сотрудник осваивает систему, он закономерно теряет в скорости, но результат с него продолжают спрашивать по прежним меркам. В такой ситуации проще остаться с тем инструментом, которым умеешь пользоваться. Если это не было учтено при внедрении — изменение не состоялось организационно, и технология здесь ни при чём.

Что передать в следующий проект? Любой незавершённый проект содержит данные о том, где процесс не выдержал, где метрика оказалась нерабочей, где сопротивление было максимальным. Зафиксировать эти наблюдения нужно до того, как команда разошлась по другим задачам, — иначе следующее внедрение начнётся с того же места.

Компании, которые не разбирают незавершённые проекты, воспроизводят одни и те же ошибки в следующем бюджетном цикле.