В последние недели мировые СМИ облетели заголовки о «провале» искусственного интеллекта: согласно новому исследованию MIT, до 95% пилотных проектов в сфере генеративного ИИ (GenAI) не приносят результата. Популярный технологический обозреватель Уэс Рот в своём новом видео детально разбирает этот отчёт и доказывает, что журналисты крупнейших изданий либо не читали первоисточник, либо намеренно исказили факты ради кликбейта.
📄 Анатомия исследования: что на самом деле изучал MIT 0:00
Уэс Рот обращает внимание на то, что громкие заголовки в Fortune, Forbes и других изданиях ссылаются на исследование под названием «The Gen AI Divide: State of AI in Business 2025» . Исследование проводилось Массачусетским технологическим институтом (MIT) в период с января по июнь 2025 года.
Методология исследования включала:
- Анализ 52 организаций .
- Изучение 300 публично раскрытых инициатив в области ИИ.
- Опросы 153 топ-менеджеров и рядовых сотрудников компаний.
Основной тезис исполнительного резюме гласит: при инвестициях в размере 30–40 миллиардов долларов в корпоративный GenAI, только 5% интегрированных пилотных проектов приносят «миллионы долларов прибыли» . Однако, по мнению Рота, дьявол кроется в деталях того, что именно исследователи называют «провалом» и какие именно технологии они изучали.
🔍 Подмена понятий: LLM против узкоспециализированных систем 1:08
Главная ошибка СМИ, по словам ведущего, заключается в игнорировании разделения технологий на две категории, которое четко прописано в отчёте :
- Универсальные большие языковые модели (LLM) — такие как ChatGPT, Claude и Gemini.
- Встроенный или специализированный GenAI — инструменты, созданные под конкретные задачи компании (часто сторонними вендорами).
Статистика внедрения универсальных LLM выглядит крайне оптимистично :
- 80% опрошенных компаний используют универсальные LLM.
- 50% компаний запустили пилотные проекты по их интеграции в рабочие процессы.
- 40% компаний успешно внедрили их на постоянной основе.
- Коэффициент перехода от пилота к внедрению для LLM составляет внушительные 83% .
Та самая цифра в 5%, ставшая основой для негативных заголовков, относится исключительно к встроенным или специфическим задачам GenAI . Рот отмечает, что под «успехом» в этой категории исследователи понимали только те проекты, которые через 6 месяцев после запуска показали измеримый возврат инвестиций (ROI) и были оставлены руководством для долгосрочного использования .
🕵️ «Теневая экономика ИИ»: почему сотрудники скрывают использование ChatGPT 4:12
Исследование MIT выявило феномен, который авторы назвали «Shadow AI Economy» (Теневая экономика ИИ) . Пока руководство компаний отчитывается о «неудачных пилотах», сотрудники массово автоматизируют свою работу самостоятельно.
Основные факты «теневого» использования:
- В то время как только 40% компаний официально приобрели подписки на LLM, сотрудники 90% организаций регулярно используют персональные аккаунты ChatGPT и Claude для рабочих задач .
- Автоматизация происходит без ведома или одобрения IT-отделов.
- Сотрудники предпочитают ChatGPT корпоративным инструментам, потому что он работает лучше, быстрее и привычнее .
В качестве примера Рот приводит историю корпоративного юриста из компании среднего размера . Её фирма потратила $50 000 на специализированный инструмент для анализа контрактов. Тем не менее, она продолжала использовать обычный ChatGPT за $20 в месяц, так как он выдавал более качественные результаты. Рот иронизирует, что трата $50 000 на то, что можно сделать за $20, действительно дает плохой ROI, но это проблема менеджмента, а не технологии .
📈 Где ИИ реально приносит деньги: бэк-офис против фронт-офиса 8:11
Несмотря на общий скепсис, те самые 5% успешных специализированных проектов показали значительные результаты. Рот выделяет ключевые зоны успеха, которые в отчете названы «победами бэк-офиса» :
- Аутсорсинг бизнес-процессов (BPO): компании сэкономили от $2 млн до $10 млн ежегодно, заменив внешних подрядчиков по обслуживанию клиентов и обработке документов на ИИ-решения .
- Маркетинг и контент: сокращение расходов на внешние креативные агентства составило 30% .
- Финансовые услуги: экономия около $1 млн в год на аутсорсинге риск-менеджмента .
Также ведущий отмечает, что привлечение внешних экспертов или партнеров для разработки ИИ-инструментов удваивает шансы на успех по сравнению с попытками создать решение внутри компании .
📢 Критика СМИ: «Никто не читает первоисточники» 12:37
Большую часть видео Уэс Рот посвящает разбору конкретных публикаций в крупных изданиях, обвиняя их в дезинформации.
- Forbes: утверждает, что только 5% компаний внедрили ИИ-инструменты, вообще не упоминая об успехах LLM, о которых говорится в том же исследовании .
- Fortune: Джереми Кан (Jeremy Khan) написал, что «95% пилотов провалились», что Рот называет прямой ложью . В статье не проводится различия между типами ИИ.
- Tom's Hardware: издание утверждает, что ChatGPT «не адаптируется к рабочим процессам», хотя в отчёте MIT говорится прямо противоположное — ChatGPT доминирует именно за счет удобства .
- Entrepreneur.com: ошибочно утверждает, что компании, покупающие инструменты у OpenAI, имеют преимущество перед теми, кто разрабатывает свои, хотя 5% успеха относятся как раз к кастомным разработкам .
Рот подчеркивает, что единственным журналистом, который, по его мнению, действительно прочитал отчет и указал на несоответствие заголовков фактам, стал некий блогер по имени Кайл (Kyle) .
🧠 Проблема подходов: советы Итана Моллика 14:37
В статье Fortune цитируется профессор Уортонской школы Итан Моллик, и Рот считает его слова единственной ценной частью того материала . Моллик полагает, что реальная выгода от ИИ наступит тогда, когда компании перестанут пытаться втиснуть нейросети в существующие бюрократические процессы .
По мнению Моллика (в изложении Рота):
- Существующие рабочие процессы часто отражают офисную политику и бюрократию, а не эффективность.
- Нужно позволить моделям «найти свой путь» для достижения бизнес-результатов, исходя из принципов целесообразности, а не следования старым инструкциям .
Рот резюмирует, что ИИ не является «змеиным ядом» (snake oil) . Он сам использует его ежедневно для кодинга, анализа контрактов и исследований, утверждая, что технология работает эффективно, если использовать правильные инструменты, а не переплачивать за бесполезные корпоративные «надстройки» .
