Ошибки внедрения ИИ: 10 причин, почему пилот не дошёл до работы
ИИ-пилоты чаще всего проваливаются, потому что начинают с технологии, а не с процесса, не записывают метрику до старта, подключают агента к грязным данным, дают ему лишние права, не обучают людей и не назначают внутри компании ответственного. Каждая из этих ошибок исправляется до запуска, а не после.

Исследование MIT NANDA 2025 года оценило, что около 95% корпоративных пилотов генеративного ИИ не дали измеримого эффекта в прибыли. Gartner прогнозировал, что больше 40% проектов с ИИ-агентами закроют к концу 2027 года из-за затрат, неясной ценности и слабого контроля рисков. Причины провала удивительно повторяются.
1. Начали с технологии
«Нам нужен агент на GPT» — плохое начало. Хорошее: «менеджеры тратят три часа в день на перенос заказов в 1С». Технологию выбирают под процесс, а не наоборот.
2. Не записали метрику
Без цифры до старта через два месяца каждый оценивает результат по ощущениям: руководитель доволен, отдел продаж нет. Метрику (время ответа, доля заказов без ручного ввода) нужно замерить до запуска и записать в договор.
3. Слишком большой пилот
Попытка автоматизировать весь отдел сразу растягивается на месяцы, и к концу уже никто не помнит, что хотели получить. Один процесс, одна метрика, 4–6 недель.
4. Грязные данные
Агент отвечает по прайсу, в котором три версии цен, и базе знаний, где старый регламент лежит рядом с новым. Результат предсказуем. Наведение порядка в данных часто занимает больше времени, чем сборка агента, и это нормально.
5. Агент без границ
Агенту дали права на всё, и однажды он отправил счёт не тому клиенту. Минимум прав, пороги для передачи человеку, журнал каждого действия. Подробно о границах в статье «Что такое ИИ-агент».
6. Сразу на всех клиентов
Без недели работы «в тени», когда агент предлагает, а человек подтверждает, первые ошибки видят клиенты. После этого доверие к системе внутри компании падает так, что её выключают.
7. Люди обходят систему
Менеджеры продолжают отвечать вручную, потому что «так надёжнее», а агент работает вхолостую. Людей надо обучить и объяснить, что задача не в сокращении, а в рутине. Подробно в статье «Обучение сотрудников работе с ИИ».
8. Нет хозяина
У агента нет ответственного внутри компании, и когда что-то ломается, никто не знает, кому писать. Назначьте человека, который отвечает за процесс и получает отчёты агента.
9. Забыли про закон
Отправили паспортные данные в сервис, который обрабатывает их за рубежом, или дали ИИ решать, кому отказать. В Узбекистане в 2026 году правила в этой области стали строже; подробно в статье «ИИ и персональные данные в Узбекистане».
10. Запустили и забыли
Модели обновляются, процессы меняются, и через полгода агент отвечает хуже. Раз в месяц смотрите метрику и выборку диалогов.
Проверка перед запуском пилота
- выбран один процесс с понятной болью
- метрика замерена и записана
- данные приведены в порядок
- у агента минимальные права и журнал
- запланирована неделя работы в тени
- люди обучены
- назначен ответственный
- проверены требования к данным
Большую часть этих ошибок закрывает ИИ-аудит до начала разработки. Как выбрать подрядчика, который их не допустит, рассказано в статье «Как выбрать подрядчика по внедрению ИИ».
Какая ошибка самая частая?
Отсутствие метрики. Без неё нельзя ни доказать успех, ни понять, что исправлять.
Можно ли спасти провалившийся пилот?
Часто да: сузить задачу, навести порядок в данных и записать метрику. Иногда честнее признать, что выбран не тот процесс.
Сколько пилотов из десяти удаются?
Общие оценки рынка пессимистичны. Шанс сильно выше, если пилот маленький, с метрикой и ответственным.


