Почему AI не нужен 99% бизнеса

Эта тема настолько масштабна, что мы с коллегами планируем по ней отдельный эфир. Однако количество запросов на ИИ сейчас так велико, что захотелось перечислить основные причины.

Итак, в чем же проблема?
Отсутствие у менеджмента понимания ИИ. Сейчас мы находимся на волне GPT-хайпа. Однако LLM≠ИИ. Большая часть людей, включая ЛПР, не имеют представления, что такое ИИ. Они идут в ChatGPT, задают какой-то базовый вопрос получают ответ, и вешают на GPT ярлык ИИ общего назначения, который может все. Помню, как в Skyeng в 2022, когда начался тренд на сокращения, несколько топов бегали с идеей засунуть везде GPT и сократить штат 😁 Вот так и рождаются запросы на впихнуть GPT в 10 сценариев, из которых 9 будут абсолютно бесполезны либо просто прожгут бюджет.

Менеджмент далек от линейных сотрудников и думает, что ИИ все решит. Как правило, ЛПР мало чего знают о том, что происходит "в полях". Чем круче ты менеджер - тем ниже у тебя осведомленность. Это не упрек в сторону управленцев, это естественно для иерархичных структур. Отсюда, вместе с пунктом 1, возникает ощущение, что "вот здесь ИИ" точно поможет. Но зачастую это вообще не так. Зная поверхностно о проблеме ты предлагаешь поверхностные решения, леча симптомы, а не первопричину.

ИИ не решает вашу проблему, если вы не пробовали решать ее иначе. В моем фреймворке AI-дизайна продукта один из вопросов, на которые нужно ответить на стадии инициации - это "Какие есть альтернативные способы решения данной проблемы?". Следующий вопрос: "Чем плохи эти альтернативы?". Как правило, те, кто хотят ИИ, эти вопросы даже себе не задавали, хотя есть куча способов решения их запроса быстрее и за меньше денег. Это может звучать странно от человека, который зарабатывает на ИИ, но нам интереснее работать над проектами, которые помимо денег еще несут и пользу.

Отсутствие опыта внедрения ИИ. Если ты никогда раньше не внедрял ИИ в бизнес - ты не знаешь всех особенностей этого процесса и подводных камней. Люди не знают, что за данные нужны для ИИ и в каком количестве, какая нужна инфраструктура, они не понимают нелинейность процесса разработки ИИ. Для них ИИ - это очередная традиционная разработка, которую можно выполнить по ТЗ. Однако в процессе выясняется, что у бизнеса нет данных, нет инфраструктуры и культуры экспериментов, а если начать рабоать над всем этим, то выяснится, что “ой, дорого”, и ИИ им в итоге не нужен.

Отсутствие четкой бизнес-задачи. Главная боль вообще всех, кто занимается внедрением и ИИ-разработкой. Чаще всего, когда ты начинаешь копать, что, зачем и как нужно сделать, оказывается, что заказчик не выполнил свое ДЗ и задача у него не оформлена. Просишь покопаться в этом, а в результате оказывается, что задачу нужно еще описать, подсобрать данные, сформулировать гипотезы и проекты глохнут 🙂

Для большинства AI в том виде, который они хотят, не окупится. Не самые сложные проекты стоят порядка $60 000. Это затраты на команду, данные, разработку. Добавьте к этому затраты на поддерку и содержание системы. Часто внедрение в том виде, в котором хочет заказчик, будет окупаться минимум 2 года. По-сути это следствие вышеописанных проблем, однако подумайте: нормальный ли это срок окупаемости на не самую большую для бизнеса сумму? Не забудьте сделать поправку на темпы развития AI. Выбирать задачу нужно тщательно, и еще тщательнее просчитывать ROI и риски. И лучше чтобы это делали люди с опытом в ИИ, а не простые бизнес-консультанты.

Это не все причины, а лишь малая их часть. Как и говорил, через несколько недель анонсируем эфир по этой теме.