Российский бизнес массово осваивает ИИ, но вменяемой финансовой отдачи пока не видно. Казалось бы, можно обвинить в этом регуляторику или санкции, но при ближайшем рассмотрении оказывается, что это один в один та же ситуация, что и за рубежом. Это следует из исследования «ИИ-агенты: где хайп, а где реальность», подготовленного консалтингом «Яков и Партнеры». Давайте смотреть, что там интересного в нашей рубрике #аналитика

88% компаний мира используют ИИ как минимум в одной бизнес-функции. В России, как пишут исследователи, показатель схожий — 71%. Но значимый финансовый результат от внедрения получают только 6% мира, доля российских фирм, где ИИ помог увеличить EBITDA более чем на 5%, достигает 9%. Оговоримся: американцы считали по EBIT, а наши — по EBITDA, сравнивать напрямую — не стоит, но динамика ясна. Есть парадокс — технология есть, а денег нет — в чем дело?

В «Яков и Партнеры» объясняют причину «каскадом затухания». В лабораторных тестах программисты с GitHub CoPilot работают на 55% быстрее, однако когда дело доходит до внедрения инструментов в реальную бизнес-практику — разработка замедляется на 19%, за что спасибо интеграции и унаследованному коду. Причем на уровне компании скорость доставки кода не растет, а количество багов увеличивается аж на 9%. Причем объем запросов на изменения кода вырастает и вовсе на 154%.

По мнению исследователей, три фактора влияют на результаты внедрения:

▶️ Корректное определение типа решения: нужно разобраться, что вам нужно — агент, ассистент или платформа. Плюс, внимательнее к маркетингу — «агент» в презентации не равен агенту в архитектуре. Да и региональную специфику нужно учитывать — с 1 сентября начинает вступать в силу закон об ИИ, будут разборки, где можно использовать «суверенные», а где «национальные» модели. Разумеется, нужно быть осторожнее с зарубежными моделями.

▶️Выбор масштаба пилотного проекта: лучший способ понять, как будет работать решение — прогнать тест в одном повторяемом сценарии, состоящем из 3-7 этапов. Важно, чтобы был заранее определен владелец, исходная метрика, контрольная группа и источник финансового эффекта. За метрики должны отвечать люди из бизнеса, а не из ИТ.

▶️Оценка экономики проекта: автоматизация, конечно, сократит время на отдельные операции, выполняемые сотрудником — но даст ли это реальный финансовый эффект, приведет ли к снижению расходов на персонал? Первоначальный эффект чаще выражается в росте производительности, пропускной способности, качестве процессов или выручки.

Отдельно держим в уме, что на внедрение технологии однозначно уйдет время. Как пишут эксперты, первые 90 дней уйдут на обкатку и проверку гипотезы, первые заметные результаты стоит ждать только через 3-6 месяцев. Подтвержденный операционный эффект в рамках отдельного процесса будет ощутим только через 6-12 месяцев. Так что ждать, что сейчас вы внедрите ИИ, и она перевернет разом всю вашу рэп-игру операционку — не стоит. Да и, откровенно говоря, как пишут исследователи — 95% пилотов не окупаются в первые полгода. Так что имейте терпение.

Ну а полный отчет, традиционно, в первом комментарии.