октябрь    2026

Пн	Вт	Ср	Чт	Пт	Сб	Вс
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

показать все 

15.09.2026

Бизнес попросил правительство льготные кредиты на оборудование для работы ИИ

Читать далее 

14.09.2026

GISDAYS 2026: девятый ход главной ИБ-площадки страны пройдёт в двух столицах

Читать далее 

11.09.2026

Группа «Борлас» получила статус мастер-дистрибьютора по продуктам LS-TECH

Читать далее 

11.09.2026

«ТризТех» проведет первое большое мероприятие по сетевой безопасности

Читать далее 

11.09.2026

«Газинформсервис» и Fortis расскажут о российском решении для изоляции веб-сессий

Читать далее 

показать все 

05.10.2026

ИТ-инфраструктура в условиях дефицита

Читать далее 

04.10.2026

Это просто AI FOMO

Читать далее 

04.10.2026

Как вы выстраиваете систему безопасности в новых реалиях?

Читать далее 

30.09.2026

Какие компетенции нужны ИТ-директору, помимо технических знаний

Читать далее 

29.08.2026

ИT-менеджмент и «ссылка в Сибирь»: кровавая битва за души айтишников

Читать далее 

20.07.2026

Ключевая задача для технологического бизнеса — адаптация к новым правилам

Читать далее 

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

Читать далее 

22.09.2023

Сладкая жизнь

Читать далее 

показать все 

Главная / Статьи / Опросы / Это просто AI FOMO

Это просто AI FOMO

Феномен AI FOMO, страх упустить возможности, затрагивает компании по всему миру. 63% ИТ-руководителей по всему миру опасаются, что их компании отстанут от конкурентов, если не начнут использовать ИИ, отмечается в исследовании ABBYY. 55% руководителей бизнеса признали, что еще один ключевой стимул – давление со стороны клиентов. 63% представителей российского бизнеса, по результатам опроса компании «Технологии Доверия», уверены, что компании, не внедряющие искусственный интеллект (ИИ), потеряют конкурентоспособность в течение ближайших пяти лет. Не преувеличены ли страхи?

1. Как страх упустить возможности ИИ влияет на ваш бизнес? Всегда ли решения о внедрении ИИ в вашей компании продиктованы стратегической необходимостью?
2. Сталкиваетесь ли вы с давлением со стороны совета директоров, акционеров или клиентов с требованием «срочно внедрить ИИ»? Какие аргументы вы используете, чтобы перевести абстрактный страх упустить тренд в плоскость конкретных бизнес-задач с просчитанным ROI?
3. Какие конкретные бизнес-задачи вы ставите перед ИИ-проектами? Есть ли у вас четкие метрики ROI и как вы оцениваете успешность внедрения?
4. Были ли в вашей практике случаи, когда поспешное внедрение приводило к негативным последствиям?
5. Рынок неизбежно столкнется с фазой «разочарования», когда завышенные ожидания не совпадут с реальными возможностями технологий. Какие ИИ-сценарии, на ваш взгляд, уже сейчас доказали свою устойчивость и могут стать новым стандартом через 2–3 года?

На вопросы «БИТа» отвечают эксперты отечественных компаний

Алексей Коломыц,
основатель NadelAI

«Кажется, что внедрение технологий — дорого, но невнедрение тоже обходится бизнесу очень дорого. Это как не затачивать пилу: если не выстраивать процессы, при масштабировании вы масштабируете хаос и теряете деньги»

Когда говорят об ИИ, мне часто кажется, что все торопятся поставить технологию раньше, чем поняли процесс и цель. Запустить агента можно быстро. А вот сделать результат предсказуемым, управляемым и эффективным — совсем другая работа.

Мы, например, пока не стали внедрять ИИ-телефонию, хотя технически это возможно и сейчас модно. В нашей практике, когда человек слышит робота, он нередко сразу кладёт трубку, хотя звонок мог быть ему полезен. При назначении встреч даже не самый сильный менеджер пока может дать конверсию выше, чем ИИ. Мы не увидели подтверждённого улучшения этого показателя, ради которого стоило бы переключать звонки на робота. Поэтому не стали внедрять ИИ-телефонию ради самого факта внедрения. Но работу не бросили: ищем, как сделать разговор более естественным и улучшить результат.

Для меня это и есть ответ на страх «мы опоздаем с ИИ». Нельзя ставить агента туда, где человек сейчас делает работу лучше и быстрее. Особенно если вы ещё не разобрались, какую задачу решаете и как будете измерять успех. В случае телефонии мне важен не факт состоявшегося звонка, а то, дошёл ли разговор до встречи. Если этого не происходит, новая технология не решила нашу задачу.

При этом я против другой крайности — бесконечно откладывать изменения. Кажется, что внедрение технологий — дорого, но невнедрение тоже обходится бизнесу очень дорого. Это как не затачивать пилу: если не выстраивать процессы, при масштабировании вы масштабируете хаос и теряете деньги.

Поэтому я не выбираю между «срочно поставить ИИ везде» и «ничего не менять». Там, где технология помогает решить понятную задачу, её нужно развивать. Там, где результат пока хуже человеческого, нужно честно это признать, продолжить работу и вернуться к внедрению, когда оно даст пользу клиенту и бизнесу.

Вячеслав Коэн,
владелец ИТ-компании Usertech

«Самая распространённая ошибка — пытаться автоматизировать не до конца понятный процесс. Сначала стоит разобраться, как работа выполняется сейчас, где возникают основные затраты времени и какие этапы действительно можно передать алгоритму»

В своей работе я не воспринимаю ИИ как технологию, которую нужно внедрить любой ценой, чтобы не отстать от рынка. Мы занимаемся созданием и продвижением сайтов и регулярно используем нейросети, но относимся к ним именно как к инструменту. Хорошему, эффективному, способному заметно экономить время, но не заменяющему специалиста.

Поэтому у меня как у руководителя выраженного AI FOMO нет. Скорее наоборот — первые годы развития генеративных нейросетей хорошо показали риски слишком поспешного внедрения. Мы видели это на вполне рутинных задачах: ИИ выдавал формально связные, но кривые и однотипные тексты, генерировал изображения с эффектом зловещей долины, вроде всё выглядит почти нормально, но лица, руки или детали сразу создают ощущение искусственности.

С кодом похожая история: нейросеть могла написать решение, которое действительно работает, но при этом оно было перегруженным, плохо поддерживалось и создавало проблемы при дальнейшей разработке. В таких случаях сотрудник вроде бы экономил время на первом этапе, но потом намного больше приходилось тратить на проверку, исправления и переделку результата.

Со стороны клиентов давления в духе «обязательно используйте ИИ при создании нашего сайта» мы практически не видим. Зато довольно часто заказчики приносят макеты или концепции, созданные нейросетью, и хотят реализовать их на сайте. Здесь наша задача — объяснить, какие решения действительно можно перенести в интерфейс, что потребует адаптации, а что красиво выглядит только на картинке, но плохо работает с точки зрения UX, адаптивности или разработки.

Я обычно смотрю на ИИ с практической точки зрения: сначала должна быть понятная и сформулированная задача, а уже потом имеет смысл решать, нужен ли для неё выполнения ИИ. В нашей сфере это может быть подготовка черновиков текстов, обработка большого массива информации, поиск вариантов структуры страницы, первичная работа с семантикой, анализ данных или автоматизация некоторых повторяющихся операций. В таких задачах эффект достаточно легко оценить — например, сравнить время выполнения работы до и после внедрения, количество необходимых ручных правок и итоговое качество.

Именно здесь находится и нормальная логика ROI. Если специалист раньше тратил на определённую операцию два часа, а с ИИ выполняет её за час при сопоставимом качестве, экономический эффект понятен. Если же генерация заняла час, но после требуется ещё полтора часа всё проверять и переписывать, формальное «внедрение ИИ» бизнесу ничего не даёт.

Самая распространённая ошибка — пытаться автоматизировать не до конца понятный процесс. Сначала стоит разобраться, как работа выполняется сейчас, где возникают основные затраты времени и какие этапы действительно можно передать алгоритму. И только после этого выбирать инструмент.

Через 2–3 года, на мой взгляд, стандартом станут прежде всего не самые эффектные, а самые прикладные сценарии: подготовка черновиков, поиск информации внутри корпоративных данных, анализ документов и таблиц, помощь сотрудникам поддержки, обработка типовых обращений, генерация вариантов и автоматизация рутинных операций. Там ИИ уже сейчас способен давать измеримый эффект.

Поэтому благоговения перед нейросетями и страха упустить выгоду от них у меня нет. Это сильный рабочий инструмент. Но внедрять его во все процессы только потому, что сейчас это модно, так же бессмысленно, как покупать любое новое программное обеспечение без понимания, какую проблему оно должно решить.

Юлия Болтуцкая,
исполнительный директор WMT AI

«Запрос „нам срочно нужен ИИ“ сам по себе еще не объясняет, что именно должно измениться в компании. Поэтому мы начинаем не с выбора технологии, а с вопроса: где бизнес сегодня теряет деньги, клиентов или время?»

Для WMT AI высокий интерес к искусственному интеллекту, безусловно, создает спрос на обучение и внедрение. Но мы видим большой разрыв между желанием компании «заниматься ИИ» и готовностью действительно менять свою работу.

Например, руководителю относительно легко согласовать обучение сотрудников. Внедрение же требует уже другого уровня ответственности: нужно выбрать конкретный процесс, выделить ресурсы, изменить порядок работы и отвечать за результат. Поэтому компания может много говорить об ИИ, проводить обучение и мероприятия, запускать эксперименты, но при этом практически не менять бизнес-процессы.

Сам по себе страх отстать я не считаю бессмысленным. Если конкурент благодаря ИИ научится быстрее и дешевле обслуживать клиентов, это вполне реальная бизнес-угроза. Поэтому FOMO может стать поводом начать, но его недостаточно, чтобы обосновать инвестиции.

При этом другая крайность — требовать заранее доказанного ROI от любого эксперимента. У исследовательского проекта должны быть ограниченный бюджет, срок и конкретный вопрос, на который он должен ответить. А вот у промышленного внедрения уже должна быть понятная экономика и руководитель, который за нее отвечает.

Запрос «нам срочно нужен ИИ» сам по себе еще не объясняет, что именно должно измениться в компании. Поэтому мы начинаем не с выбора технологии, а с вопроса: где бизнес сегодня теряет деньги, клиентов или время?

Например, менеджеры слишком долго готовят коммерческие предложения, компания теряет часть входящих обращений или длительное согласование документов задерживает сделки. Для каждой такой проблемы можно определить исходные показатели и затем проверить, действительно ли ИИ способен их улучшить.

После этого нужно договориться о конкретных условиях эксперимента: кто отвечает за процесс, какой результат считаем достаточным, сколько готовы потратить на проверку гипотезы и при каких условиях проект останавливаем.

Срочность должна сокращать время до проверки гипотезы, но не отменять саму проверку. Для собственника это гораздо содержательнее, чем обещание внедрить определенное количество AI-агентов до конца года.

Основные ориентиры для нас — дополнительная прибыль, снижение стоимости операций, сокращение сроков и повышение качества. Конкретные метрики зависят от процесса.

В клиентском сервисе можно считать стоимость решенного обращения, количество повторных обращений и удовлетворенность клиента. В продажах — конверсию и дополнительную маржу. В документообороте — время полного цикла, стоимость обработки и долю документов, которые приходится исправлять.

При этом важно не путать операционный эффект с финансовым. Сэкономленные часы еще не равны сэкономленным деньгам. Если сотрудник благодаря ИИ освободил два часа, экономический эффект возникает тогда, когда компания за счет этого может обработать больше заказов, сократить сверхурочные или избежать дополнительного найма. До этого мы можем говорить только о высвобожденном времени.

В ROI также нужно учитывать все затраты: разработку, интеграцию, подготовку данных, обучение, эксплуатацию, проверку ответов и исправление ошибок. А исходные показатели важно зафиксировать еще до пилота. Иначе после внедрения слишком легко выбрать ту метрику, по которой проект будет выглядеть успешным.

Для меня признак зрелого внедрения — когда руководитель может показать, как изменились себестоимость, качество и скорость работы, и объяснить, за счет чего получен этот результат.

Один из главных рисков — принять ускорение отдельной операции за повышение эффективности всего процесса. Например, ИИ может быстрее подготовить документ, но, если после этого руководитель тратит больше времени на проверку и исправления, то реальный эффект нужно пересчитать с учетом этой дополнительной нагрузки.

Похожая проблема возникает и с обучением. Если заранее не спроектировать следующий шаг, интерес сотрудников к ИИ может так и не перейти во внедрение. Компания потратила бюджет, люди прошли обучение, но сами процессы остались прежними.

Хорошо разницу между ощущением продуктивности и измеренным результатом показывает публичный эксперимент METR. В исследовании с инструментами начала 2025 года 16 опытных разработчиков выполняли задачи в знакомых им проектах с ИИ в среднем на 19% дольше. При этом сами участники считали, что ИИ их ускорил. Этот результат нельзя переносить на все команды и современные инструменты, но он показывает важную проблему: субъективное ощущение экономии времени может расходиться с фактическим результатом.

Поэтому мы считаем важным измерять весь процесс целиком, включая время на проверку, переделки и фактическое использование полученного результата.

Думаю, разочарование в первую очередь затронет обещания универсальной автономности, когда одному AI-помощнику приписывают способность заменить целую функцию без серьезной перестройки процессов.

Гораздо устойчивее выглядят сценарии с большим объемом повторяющейся работы и проверяемым результатом: обработка документов, помощь операторам поддержки, поиск по корпоративным знаниям, подготовка типовых материалов, отдельные задачи разработки и тестирования.

Для помощи операторам уже есть измеренные результаты. В исследовании Generative AI at Work, охватившем 5 172 сотрудника поддержки, использование AI-помощника увеличило количество решенных вопросов в час в среднем на 15%. При этом эффект существенно различался в зависимости от опыта сотрудников.

На горизонте двух-трех лет я также ожидаю распространения агентов, которым передают не целую функцию, а ограниченную последовательность действий: принять заявку, проверить данные, подготовить документ и направить его на согласование. Но для такой модели нужны четкие полномочия, контроль качества и возможность передать нестандартную ситуацию человеку.

То есть новым стандартом, скорее всего, станет не «ИИ вместо человека», а ИИ внутри конкретного бизнес-процесса с понятной задачей, измеримым результатом и ответственным за него руководителем.

Алексей Оносов,
основатель компании «Юнисофт», основатель и автор канала «Практики бизнеса»

«У знакомого дистрибьютора чат-бота на сайт запустили за месяц, толком не загрузив туда ни прайс, ни условия доставки. Бот бодро обещал покупателям несуществующие скидки, потом две недели разгребали претензии»

Цифры выглядят крайне интересно, по некоторой статистике — до 63% ИТ-руководителей в мире боятся отстать от конкурентов без ИИ, а до 55% руководителей бизнеса называют главным стимулом давление клиентов. Страх упустить возможность (тот самый FOMO, аббревиатура уже прижилась) стал полноценным участником совещаний, и голос у него нередко громче чем у финансового директора. На встречах с собственниками регулярно звучит одно и то же: «Конкуренты уже внедрили, а мы что, хуже?» Что именно внедрили и сколько это принесло, как правило, не знает никто. Такая вот механика.

В Юнисофт начали внедрение ИИ уже давно и достаточно банально. Как-то сделали простой расчет — менеджеры тратили до двух часов в день на проверку клиентских макетов: разрешение, вылеты под обрез, цветовой профиль. Нейросеть с нормальной инструкцией делает предварительную проверку за пару минут, человек только подтверждает. Настройка заняла три вечера на обычной подписке, окупилось меньше чем за неделю. Такой расчет работает лучше любой презентации про цифровую трансформацию.

Не обходится без провалов. У знакомого дистрибьютора чат-бота на сайт запустили за месяц, толком не загрузив туда ни прайс, ни условия доставки. Бот бодро обещал покупателям несуществующие скидки, а отдел продаж потом две недели разгребал претензии (весело было всем, кроме директора). Еще хуже, когда пытаются автоматизировать хаос. Три карточки одного контрагента в 1С, остатки сверяют раз в квартал... прогноз спроса на таких данных просто быстрее и увереннее выдаст ерунду. Чистые данные штука скучная, но без них дальше ехать некуда. Сотрудники, которые боятся замены, могут месяцами тихо не пользоваться системой.

Разочарование рынок, вероятно, переживет по всем правилам кривой Gartner, где за пиком восторгов идет яма. Часть сценариев из этой ямы уже выбралась. Разбор и распознавание документов работают стабильно. Первая линия поддержки с маршрутизацией обращений приживается, если бот вовремя отдает сложный вопрос живому человеку. Прогноз оттока, сегментация клиентов по поведению, первичный отбор резюме через два-три года скорее всего станут таким же обычным делом, как онлайн-банк.

Самое любопытное происходит с агентами, которые сами выполняют задачу в несколько шагов. Несколько таких у нас собирают новости, следят за упоминаниями бренда и присылают сводку в чат, а собраны они на конструкторах без программистов. Условие одно: агент должен жить внутри CRM и учета, а не болтаться отдельно.

С безопасностью все непросто. Загружать клиентскую базу в первую попавшуюся нейросеть идея так себе. Связка человека и ИИ пока выигрывает у полной замены почти везде, где что-то стоит на кону.

Есть еще одна аббревиатура, JOMO, радость от упущенного. Смысл в том, чтобы спокойно пропустить модную штуку, если она не решает вашу задачу, и не терзаться.

Из двух десятков сервисов, которые попробовали в Юнисофт за год, в работе осталось пять. Про остальные уже никто и не вспомнит. Но внедренные стабильно и эффективно работают во благо.

Тим Зинин,
управляющий партнёр компании «Зинин, Штурбин и партнёры»

«Устойчивые сценарии, которые через два-три года станут стандартом, уже видны. Это разбор входящего потока обращений, ответы по внутренним документам и приёмка текстов агентом-ревьюером»

Страх упустить ИИ я чувствую и сам, мы внедряем искусственный интеллект в бизнес-процессы компаний. У этого страха есть рабочее лекарство. Любую идею о внедрении мы сначала переводим в задачу с измеримым результатом: считаем объём обращений, цену часа сотрудника, цену ошибки. Если экономика процесса сходится, проект запускаем. Если цифры показывают, что сотрудник справляется дешевле и надёжнее, идею откладываем. В наших решениях стратегической необходимости больше, чем страха: страх подаёт тему, а калькулятор решает.

Давление «срочно внедрите нам ИИ» я слышу от клиентов чаще, чем от кого-либо ещё. Мой ответ всегда один: давайте посчитаем. Мы берём конкретный процесс и измеряем, сколько обращений приходит в день, сколько минут сотрудник тратит на разбор каждого, во что обходится письмо, потерянное в общем ящике. После такой арифметики абстрактный страх упустить тренд превращается в проект с ценой внедрения и сроком окупаемости. Типовой бот под один бизнес-сценарий у нас стоит от 45 000 ₽ в месяц, и эту цифру любой финансист за минуту сравнит со стоимостью часа работы своего отдела.

Конкретный пример из нашей работы. У клиента, который сдаёт контейнеры в лизинг, работает наш агент разбора входящих заявок. Он читает письмо, определяет тему и внутреннего адресата, готовит черновик ответа, а решение, по существу, остаётся за сотрудником. Метрики у проекта три: доля писем, где агент верно назначил адресата без правки; время до назначения ответственного; доля черновиков, ушедших клиенту без переписывания. На старте точность назначения была 95–96%, ко второму-третьему месяцу она выросла почти до 99,5%. Это честный ROI: он измеряется в процентах точности и в минутах до ответа, и по таким цифрам видно, живёт проект или его пора закрывать.

Поспешное внедрение у нас тоже было. Мы запускали ботов, которые отвечают по базе внутренних документов, и выяснили жёсткую вещь: если база хранит устаревшие и противоречащие друг другу документы, агент выдаёт уверенные, но ошибочные ответы. Такой запуск мы останавливали, чистили базу и сужали зону ответственности агента до одного понятного участка. После чистки та же модель работает устойчиво. Вывод здесь один: спешка обходится дороже паузы.

Устойчивые сценарии, которые через два-три года станут стандартом, уже видны. Это разбор входящего потока обращений, ответы по внутренним документам и приёмка текстов агентом-ревьюером. Последний сценарий мы проверяем на себе: у нашего сайта больше тысячи страниц, значительную часть текстов пишет модель, каждую принимает агент-ревьюер, а спорные и финальные случаи разбираю я лично. Общая рамка у всех этих сценариев одна: модель берёт объём и рутину, человек держит решение и ответственность.

Елена Никульшина,
руководитель Бизнес-школы Елены Никульшиной

«Если инструмент без проверки отвечает клиенту от имени компании или придумывает условия услуги, сэкономленный час не оправдает последствий. Такие решения я оставляю за человеком»

Для меня AI FOMO — это вопрос времени, которое бизнес теряет каждый день. ИИ уже помогает готовить скрипты для общения с клиентами, собирать страницы, проверять результат в браузере. Картинки и посты — понятный первый шаг. Но пока один собственник на нем останавливается, другой уже поручает ИИ задачи, на которые раньше уходили дни.

У меня решение заняться ИИ было стратегическим. В 2024 году я стала изучать его применение в бизнесе, в декабре создала программу «Искусственный интеллект в бизнесе по-новому», а в январе 2025-го провела первый набор. Сейчас готовлю тринадцатый. Меня интересовало, как применять ИИ к реальной задаче компании, а не к одному посту.

Давления со стороны акционеров или клиентов «срочно внедрить ИИ» у меня не было. Ко мне чаще приходит собственник, который уже пробовал чужие промпты, но не знает, что поручить ИИ в своем бизнесе. Я прошу назвать цель и показать исходную точку: как компания сейчас отвечает на обращения, сколько времени занимает подготовка предложения, что о ней видит клиент в соцсетях и мессенджерах. После этого можно выбрать одну задачу для пилота и сравнить результат. Если предложение готовится быстрее, но клиент все равно не понимает его ценности, это слабый результат. Чтобы посчитать денежный ROI, нужны затраты и результат в обращениях или продажах.

В сентябре проверила возможности ИИ на своей школе. С помощью ChatGPT Work и облачного браузера мы создали внутри действующей программы GetCourse рабочую основу цифровой части: первый экран, оформление десяти уроков, задания и интерактивные элементы. Я задавала логику, проверяла результат в кабинете и на телефоне, отправляла на исправление. Около двух часов активной работы с ИИ вместо минимум пяти рабочих дней команды на такой объем. Это показатель скорости конкретной работы, не подсчитанная прибыль. К такому результату я пришла после более чем двух лет практики.

В цветочном салоне задача может быть такой: понять по обращениям, где теряется заказ, и подготовить ответы на частые вопросы. Ваша ниша бизнеса может быть другой — строительство, юридические услуги или дизайн интерьера. Поэтому мы начинаем с ваших целей, площадок и обращений, а затем решаем, какую часть работы поручить ИИ и как проверить результат. Задача рождается из вашего бизнеса, а не из чужого промпта.

В моей школе случаев, когда поспешное внедрение ИИ привело к ущербу, не было. Но если инструмент без проверки отвечает клиенту от имени компании или придумывает условия услуги, сэкономленный час не оправдает последствий. Такие решения я оставляю за человеком.

В ближайшие два-три года, думаю, закрепятся повседневные сценарии: подготовка информации для решений руководителя, ответы на типовые вопросы, согласованная работа с материалами на разных площадках. Браузер и другие инструменты расширяют эти возможности. Начинать все равно придется с цели, исходных данных и человека, который проверит результат.

Сергей Ергопуло,
директор по развитию технологий информационного моделирования ГК «СиСофт»

Самый устойчивый сценарий — избавление от рутины в проектировании и инжиниринге. Агенты встраиваются в бизнес-процессы в нужном месте и объёме, берут на себя рутинную работу и отдают результат человеку на проверку«

Я никогда не смотрел на эту тему как на страх что-то упустить: наша компания такие опасения уже переросла. Для нас новые технологии не относятся к страхам, это управляемая точка роста. Но, конечно, технологический лидер всегда обязан следить за возможностями, которые принесут пользу клиентам. Мы спокойно прошли несколько цифровых «бумов», например, вокруг цифровых двойников и управления жизненным циклом объекта. И каждую новую технологию оцениваем трезво: сколько придётся вложить, насколько она зрелая, когда начнёт приносить результат.

Гипотезы мы проверяем в собственной лаборатории искусственного интеллекта. Прежде чем предлагать функциональность клиентам, мы смотрим, дает ли она воспроизводимый результат, насколько он предсказуем и как решение ведет себя на реальных данных.

Недавно мы заключили технологическое партнёрство с группой компаний «Ай Джи Эй», которую считаем лидером в применении ИИ на предприятиях. Наши компетенции в инженерном ПО и опыт партнёра дополняют друг друга. И для нас принципиально, чтобы агенты были встроены в производственные процессы, а заказчик мог ими управлять и контролировать их.

Давления совета директоров нет. У нас изначально анализ перспективных технологий встроен в управление компанией и в разработку, это планомерная работа.

Также, мы отчётливо видим, что клиенты все чаще сами начинают применять модели и агентов. Мы же следим за рынком и предлагаем им новый функционал. Такой подход позволяет обсуждать не «внедрение ИИ вообще», а конкретную задачу, ее стоимость, ожидаемый эффект и точку, в которой человек должен проверить результат.

Инструменты ИИ лучше всего раскрываются на рутинных задачах, которые повторяются много раз. В проектировании и на строительно-монтажных работах это сравнение и проверка данных из разных источников: сверка кодов оборудования и материалов, проверка документации субподрядчиков, проверка 3D-моделей на соответствие требованиям. Таких примеров становится всё больше, и этот функционал станет доступен заказчикам.

А с метриками нужно обращаться вдумчиво. Мы заранее решаем, какую модель или агента применить и сколько токенов или вычислительных мощностей потребует задача. Затраты и польза должны оставаться в балансе.

При этом ROI не сводится к сокращению времени: не менее важны снижение числа ошибок, ускорение согласований, повышение полноты и качества данных, а также возможность инженеру тратить время на содержательные задачи, а не на ручную сверку.

Еще один важный критерий — контролируемость. Для ИИ-сценария нужны журналы действий, метрики качества, контроль версий моделей и правил, а также возможность воспроизвести спорный результат. Без этого невозможно ни управлять качеством, ни развивать решение, ни отвечать на вопросы заказчика о том, как был получен вывод.

С ИИ таких случаев не припомню. Неудачи, как у всех, бывали при разработке продуктов, ведь не каждый из них удаётся довести до коммерческого успеха. После каждого проекта мы разбираем, на каком этапе стоило его остановить и сделали ли мы это вовремя. Отрицательный результат не страшен, если он управляемый. Опасно оказаться заложником проекта и продолжать его только потому, что в него уже вложены деньги. Поэтому нужны чёткие механизмы остановки.

В случае с ИИ добавляется и вопрос безопасности. Модель нельзя выпускать в контур с конфиденциальными инженерными данными без разграничения доступа, контроля источников, журналирования и правил обработки информации. Для нас это не формальность: инженерные данные, модели, спецификации и проектная документация относятся к критически важным активам заказчика.

Самым устойчивым сценарием я считаю избавление от рутины в проектировании и инжиниринге. Агенты встраиваются в бизнес-процессы в нужном месте и объёме, берут на себя рутинную работу и отдают результат человеку на проверку.

Правильная постановка задачи при этом становится многократно ценнее. Инженер никуда не денется: итог зависит от того, как он сформулирует задачу и проверит результат.

ИИ меняет характер работы, но не отменяет ответственность специалиста. Скорее наоборот: ценность инженера будет все сильнее определяться его способностью работать с данными, моделями и агентами как с частью инженерного процесса. Поэтому главным трендом ближайших лет станет накопление опыта работы с ИИ. Выиграют те, кто применяет технологию под контролем, без бездумного увлечения.

Ключевые слова: ИИ, AI FOMO, ИИ-агенты, ROI, инструменты ИИ, безопасность, контролируемость.

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи