📉Больше 80% ИИ-проектов в России не доходят до эксплуатации

И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».

Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.

Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.

Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.

А у вас пилоты доходят до эксплуатации — или застревают на данных?

ℹИсточники цифр