Заказать ИИ-автоматизацию

Как внедрить4 мин чтения

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.

Красная клавиша с предупреждающим знаком среди клавиш с крестиком и списком

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.

  1. Fortune: MIT report — 95% of generative AI pilots at companies are failing (18.08.2025) ·
  2. Gartner: over 40% of agentic AI projects will be canceled by end of 2027 (25.06.2025) ·
  • ошибки
  • пилот
  • внедрение ИИ

Все статьи блога