# Уэс Рот о сенсации MIT: «Журналисты просто не читали исследование» Источник: https://www.youtube.com/watch?v=X6O21jbRcN4 Канал: Wes Roth Опубликовано: 25.08.2025 --- 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 [[JUMP: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»** [0:28]. Исследование проводилось Массачусетским технологическим институтом (MIT) в период с января по июнь 2025 года. Методология исследования включала: * Анализ 52 организаций [0:42]. * 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» [0:55]. 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 [[JUMP:1:08]] Главная ошибка СМИ, по словам ведущего, заключается в игнорировании разделения технологий на две категории, которое четко прописано в отчёте [1:21]: 1. **Универсальные большие языковые модели (LLM)** — такие как ChatGPT, Claude и Gemini. 2. **Встроенный или специализированный GenAI** — инструменты, созданные под конкретные задачи компании (часто сторонними вендорами). Статистика внедрения универсальных LLM выглядит крайне оптимистично [2:15]: * 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%** [11:18]. Та самая цифра в 5%, ставшая основой для негативных заголовков, относится исключительно к **встроенным или специфическим задачам GenAI** [2:57]. 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 [3:50]. ## 🕵️ «Теневая экономика ИИ»: почему сотрудники скрывают использование ChatGPT [[JUMP:4:12]] Исследование MIT выявило феномен, который авторы назвали **«Shadow AI Economy»** (Теневая экономика ИИ) [4:12]. 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 [4:54]. * Автоматизация происходит без ведома или одобрения IT-отделов. * Сотрудники предпочитают ChatGPT корпоративным инструментам, потому что он работает лучше, быстрее и привычнее [5:08]. В качестве примера Рот приводит историю корпоративного юриста из компании среднего размера [5:20]. 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 [6:13]. ## 📈 Где ИИ реально приносит деньги: бэк-офис против фронт-офиса [[JUMP: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» [8:24]: * **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 [8:52]. * **Маркетинг и контент:** сокращение расходов на внешние креативные агентства составило **30%** [9:18]. * **Финансовые услуги:** экономия около **$1 млн в год** на аутсорсинге риск-менеджмента [9:33]. 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 [7:58]. ## 📢 Критика СМИ: «Никто не читает первоисточники» [[JUMP: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 [12:50]. * **Fortune:** Джереми Кан (Jeremy Khan) написал, что «95% пилотов провалились», что Рот называет прямой ложью [13:43]. 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 [16:03]. * **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 [16:23]. 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) [17:16]. ## 🧠 Проблема подходов: советы Итана Моллика [[JUMP:14:37]] В статье Fortune цитируется профессор Уортонской школы Итан Моллик, и Рот считает его слова единственной ценной частью того материала [15:57]. Моллик полагает, что реальная выгода от ИИ наступит тогда, когда компании перестанут пытаться втиснуть нейросети в существующие бюрократические процессы [14:51]. По мнению Моллика (в изложении Рота): 1. Существующие рабочие процессы часто отражают офисную политику и бюрократию, а не эффективность. 2. Нужно позволить моделям «найти свой путь» для достижения бизнес-результатов, исходя из принципов целесообразности, а не следования старым инструкциям [15:04]. Рот резюмирует, что ИИ не является «змеиным ядом» (snake oil) [6:39]. 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» [7:03].