Массачусетский технологический институт считает, что, несмотря на миллиардные инвестиции в ИИ нового поколения, только 5% пилотов приносят ощутимую прибыль бизнесу, обнажая растущий “Разрыв в ИИ нового поколения”.
Корпоративные инвестиции в генеративный ИИ во всем мире достигли 30–40 млрд долларов США, однако 95 % организаций сообщают о нулевой рентабельности таких инициатив.
Новое исследование Массачусетского технологического института под названием «Разрыв поколений в искусственном интеллекте. Состояние искусственного интеллекта в бизнесе в 2025 году», в котором рассматриваются 300 общедоступных реализаций, выявляет то, что исследователи называют «Gen AI Divide»: разрыв между небольшим меньшинством, добившимся значительных результатов, и большинством, застрявшим в неудачных пилотных программах.
Исследование показало, что только 5 % пилотных проектов по внедрению ИИ приносят ощутимую прибыль или убытки, и разница обусловлена подходом к внедрению, а не качеством модели или регулированием.
Между тем такие универсальные инструменты, как ChatGPT и Microsoft Copilot, получили широкое распространение: более 80 % организаций изучают их возможности, а почти 40 % уже используют.
Однако в первую очередь они повышают индивидуальную продуктивность, а не эффективность организации в целом.
Системы корпоративного уровня — это совсем другая история. Хотя 60 % организаций оценивают собственные инструменты или инструменты, предоставляемые поставщиками, только 20 % доходят до стадии пилотного проекта и лишь 5 % — до этапа промышленного внедрения.
Большинство из них терпят неудачу из-за неэффективных рабочих процессов и несоответствия повседневным операциям.
Почему «теневая экономика ИИ» обходит стороной банкротства предприятий
Исследование выявило процветающую «теневую экономику ИИ», в которой сотрудники используют личные подписки для выполнения рабочих задач без согласования.
Исследование показало, что в этой сфере экономики сотрудники более чем 90 % опрошенных организаций регулярно используют персональные инструменты на базе ИИ, в то время как корпоративные подписки приобретают только 40 % компаний.
В исследовании говорится, что корпоративный юрист является примером такого подхода. Её фирма инвестировала 50 000 долларов США в специализированный инструмент для анализа контрактов, но она постоянно использует ChatGPT для составления документов.
«Наш купленный инструмент на базе искусственного интеллекта выдавал жёсткие сводки с ограниченными возможностями настройки, — говорит она. — С помощью ChatGPT я могу направлять беседу и повторять запросы, пока не получу именно то, что мне нужно».
Тот же юрист проводит чёткие границы в работе с конфиденциальной информацией: «Он отлично подходит для мозгового штурма и написания черновиков, но не сохраняет информацию о предпочтениях клиента и не учитывает предыдущие правки», — объясняет она.
«Для работы с высокими ставками мне нужна система, которая накапливает знания и со временем совершенствуется».
Эти результаты указывают на пробелы в обучении, из-за которых большинство организаций оказываются не на той стороне.
Кроме того, согласно предпочтениям пользователей, 70 % выбирают ИИ для выполнения быстрых задач, но 90 % предпочитают людей для работы над сложными проектами, требующими постоянного внимания.
Как внешнее партнёрство удваивает шансы на успех
По данным Массачусетского технологического института, стратегическое партнерство с внешними поставщиками обеспечивает развертывание в 67 % случаев по сравнению с 33 % при использовании внутренних сборок.Пять мифов Массачусетского технологического института о Gen AI на предприятиях:
- ИИ скоро заменит большинство работников: увольнения ограничены и в основном касаются конкретных отраслей, а мнения руководителей о найме в будущем расходятся
- Генеративный ИИ меняет бизнес: спрос на него высок, но только 5 % компаний внедряют ИИ в рабочие процессы. В большинстве отраслей изменений практически нет
- Предприятия внедряют ИИ медленно: на самом деле 90% компаний всерьёз рассматривают возможность покупки ИИ, демонстрируя готовность, а не нерешительность
- Качество моделей и регулирование — это барьеры. Настоящая проблема заключается в плохой интеграции рабочих процессов и в том, что инструменты не обучаются и не адаптируются
- Лучшие инструменты на основе ИИ успешны сами по себе. Успех приходит, когда инструменты настраиваются, интегрируются и привязываются к измеримым результатам
Лучшие компании сообщают о 90-дневном цикле внедрения, в то время как предприятиям обычно требуется девять месяцев или даже больше.
В то же время структура инвестиций свидетельствует о неправильном распределении приоритетов: на продажи и маркетинг приходится 50 % бюджетов, выделяемых на ИИ, несмотря на то, что автоматизация бэк-офиса часто приносит более высокую прибыль.
Успешные проекты сообщают о ежегодной экономии в размере от 2 до 10 миллионов долларов США за счёт отказа от аутсорсинга бизнес-процессов, сокращения расходов на внешнее креативное сопровождение на 30 % и экономии 1 миллиона долларов США на аутсорсинге управления рисками.
Вице-президент по закупкам фармацевтической компании из списка Fortune 1000 сказал исследователям из Массачусетского технологического института: «Если я покупаю инструмент, который помогает моей команде работать быстрее, как мне оценить его влияние?»
«Как мне объяснить это своему генеральному директору, если это напрямую не повлияет на прибыль и не снизит измеримые затраты?»
По данным Массачусетского технологического института, наиболее эффективные покупатели относятся к поставщикам ИИ как к поставщикам бизнес-услуг, а не программного обеспечения, и требуют глубокой настройки и инструментов сравнительного анализа операционных результатов.
Наиболее успешные стартапы в сфере ИИ достигают годового дохода в размере 1,2 млн долларов США в течение 6–12 месяцев, ориентируясь на узкие рабочие процессы, прежде чем расширяться.
ИТ-директор компании, предоставляющей финансовые услуги на сумму 5 млрд долларов США, описывает процесс выбора: «Мы оцениваем пять различных решений на основе генеративного ИИ, но в конечном счёте наш бизнес выиграет та система, которая лучше всего обучается и адаптируется к нашим специфическим процессам», — говорит он.
«После того как мы потратим время на обучение системы, чтобы она понимала наши рабочие процессы, затраты на переход станут непомерно высокими».
Руководитель отдела закупок крупной компании по производству потребительских товаров рассказывает о проблеме оценки поставщиков: «Каждый день я получаю множество электронных писем, в которых утверждается, что мы предлагаем лучшее решение на основе искусственного интеллекта», — говорит она.
«У некоторых из них впечатляющие презентации, но установить доверительные отношения — вот в чём настоящая сложность. Поскольку в наш почтовый ящик приходит так много предложений, мы в значительной степени полагаемся на рекомендации коллег и отзывы из нашей сети».
Один из ИТ-директоров, участвовавших в исследовании, подытожил: «В этом году мы увидели десятки демонстрационных версий. Возможно, одна или две из них действительно полезны. Остальные — это оболочки или научные проекты».