При планировании ИТ-бюджетов компании сталкиваются с высокими рисками при внедрении искусственного интеллекта. В ГК Softline предупредили, что до 90% проектов по внедрению ИИ не приносят ожидаемого финансового эффекта. По оценкам аналитиков, до конца 2026 года компании закроют или забросят до 60% корпоративных ИИ-проектов из-за отсутствия готовой ИТ-инфраструктуры и качественных данных. В компании отмечают, что рынок достиг точки, когда бизнес понимает ценность технологий, но находится на разных этапах зрелости. Одни только изучают возможности, другие уже внедрили решения, третьи столкнулись с необходимостью централизовать десятки разрозненных ИИ-инструментов. Главными барьерами для заказчиков остаются три фактора: риски утечки данных, отсутствие гарантированной окупаемости и необходимость перестройки привычных бизнес-процессов.
В ГК Softline отмечают, что бизнес часто начинает цифровую трансформацию без четкого понимания экономической целесообразности. Стоимость разработки базовых ИИ-решений стартует от 500 тыс. рублей. В компании выделяют три типичных сценария
развития событий. В первом случае организации только изучают возможности технологий и рискуют потратить бюджет на неэффективные инструменты. Во втором сценарии компании пытаются разрабатывать решения самостоятельно на базе открытого исходного кода, но сталкиваются с нехваткой вычислительных мощностей и узкой экспертизой. В третьем случае крупные корпорации масштабно используют ИИ, но не имеют централизованного управления, что ведет к неэффективному распределению ресурсов серверов и GPU между подразделениями.
Проблема затрагивает различные отрасли, включая финтех, ритейл, телеком и промышленность. На практике отсутствие аудита и инжиниринга данных оборачивается скрытыми убытками. Например, один ИИ-агент может экономить время сотрудника, но потреблять неоправданно много вычислительных ресурсов, тогда как другому агенту этих мощностей не хватает для оперативной работы. В ГК Softline считают, что для решения этих задач необходим комплексный подход. Он включает предпроектный консалтинг с расчетом возврата инвестиций, поставку оборудования по моделям аренды, инжиниринг данных и аудит информационной безопасности.
Компания приводит примеры инструментов для автоматизации рутины. Использование классификаторов обращений на базе машинного обучения в банковском секторе может сократить время обработки одной заявки до 30 секунд при точности до 97%. Другой пример: в энергетическом холдинге внедрение программных роботов для обработки первичной документации и счетов-фактур сократило ежемесячные трудозатраты на два дня. При этом доля корректно обработанных заявок увеличилась с 70 до 92 процентов. При этом в Softline подчеркивают, что не все задачи требуют применения больших языковых моделей. Значительную часть операций экономически целесообразнее решать с помощью классической RPA-автоматизации.
В ГК Softline резюмируют, что преодоление барьеров требует поэтапного внедрения с прозрачными контрольными точками. Дальнейшим трендом становится создание AI-native компаний, где процессы и инфраструктура изначально проектируются под использование искусственного интеллекта, что обходится дешевле, чем последующая модернизация устаревших систем.