Обещал написать про enterprise. Пишу.

Take: продавать AI в enterprise сейчас проще, чем извлекать из него стабильный эффект внутри обычного бизнеса. И это не баг рынка. Это его фича. Потому что механика enterprise-продаж структурно заточена под покупку, а не под результат.

Начнем с простого. В enterprise вы продаете не компании. Вы продаете человеку. Конкретному VP, директору, head of digital transformation. У этого человека есть карьера, амбиции, годовые цели и KPI, в которых где-то написано "AI strategy". И вот этот человек принимает решение не как владелец бизнеса, который утром посчитает P&L. Он принимает решение как наемный менеджер, которому нужно показать прогресс. Это классический principal-agent problem: тот, кто покупает, не несет полную стоимость провала. А вот карьерный upside от того, что он "запустил AI-инициативу", он забирает почти целиком.

Раньше в enterprise работало правило "nobody ever got fired for buying IBM". Безопасный выбор = крупный вендор. Сейчас правило перевернулось. Теперь карьерный риск — это не купить AI. IT-лидеры прямо говорят: боимся отстать. Еще говорят, что на них давят клиенты. В итоге "купить AI" стало новым CYA (cover your ass). Не купить — вот что опасно для карьеры.

Дальше: buying committee. В enterprise решение принимают 6-13 человек. Казалось бы, это должно тормозить. Но с AI происходит обратное. Никто в комитете не хочет быть тем, кто заблокировал инновацию. Политическая цена "нет" выше, чем цена "да". Плюс — размытая ответственность. Если AI-проект не взлетел, это "решение комитета". Никто лично не виноват.

А теперь самое интересное. Демо. Демо в enterprise — это не тест продукта. Это спектакль. Чистые данные, подготовленный сценарий, идеальные условия. Человек, который смотрит демо — это C-level или VP. Он видит потенциал. Он воображает будущее. А человек, который потом будет это использовать — это ops-менеджер с грязными данными, legacy-системами и 47 edge cases, которые никто не задокументировал. Между демо и реальностью — пропасть. Но покупку одобряют по демо, а не по реальности.

И вот тут мы подходим к ключевой асимметрии. MIT NANDA в 2025 году изучил 300 enterprise AI-проектов. 95% не показали измеримого ROI. $30-40 миллиардов вложений — и почти ничего на выходе. Frustration растет.

Почему? Потому что task-level gain не конвертируется в org-level outcome. Активные пользователи AI проверяют его output так же тщательно, как проверяли бы работу человека. То есть вместо обещанного облегчения появляется новый quality-control loop.

Есть и парадокс посильнее. Люди успешно используют AI дома, на личных аккаунтах, через ChatGPT и Claude, решая рабочие задачи без одобрения IT. А те же самые люди внутри корпоративной системы называют AI ненадежным. Индивидуально — работает. Организационно — нет. Потому что организация не перестраивает процессы. Она просто ставит AI поверх старых.

А вендору, который продал, это в общем-то все равно. Его квартальный target и трехлетняя трансформация клиента живут в разных вселенных. Вендор оптимизирован на close, а не на outcome. Консалтинг тоже: к моменту, когда проект доходит до продакшена, технология уже сдвинулась. То, что проектировали в первый месяц — legacy к шестому.

И вот что важно: невозможность измерить ROI от AI — это фича для продавца, а не баг. Если нельзя доказать ценность — нельзя и опровергнуть. Покупка живет в зоне неопределенности годами. Один управляющий партнер прямо сказал: "Ценность проявляется в сэкономленном времени, в ускоренных решениях, в закрытых дырах до того, как они стали проблемами. Попробуйте запихнуть это в spreadsheet." И он прав. Но именно поэтому покупка остается защищенной от жесткой проверки.

Цепочка получается такая. Покупатель — менеджер, чья карьера выигрывает от AI-инициативы независимо от результата. Комитет — одобряет, потому что никто не хочет блокировать. Бюджет — выделен и должен быть потрачен. Демо — оптимизировано под идеальные условия. Вендор — оптимизирован на продажу, а не на внедрение. Система измерения — не может ни доказать, ни опровергнуть ценность 2-4 года.