# Мэтт Фицпатрик: «Внутренние ИИ-проекты корпораций обречены на провал в 95% случаев»

Источник: https://www.youtube.com/watch?v=9bzeQRGtA-4
Канал: 20VC (Harry Stebbings)
Опубликовано: 31.12.2025

---

Модели искусственного интеллекта развиваются по экспоненте, однако корпоративный сектор сталкивается с жесткой реальностью: подавляющее большинство проектов не доходит до стадии внедрения. В новом выпуске подкаста 20VC **Гарри Стеббингс** беседует с **Мэттом Фицпатриком**, который прошел путь от старшего партнера McKinsey до руководителя одной из самых быстрорастущих компаний в сфере обучения ИИ — **Scale AI** (согласно словарю имен, в контексте беседы обсуждается опыт Мэтта в управлении Invisible Technologies).

Главная тема дискуссии — почему стандартный подход SaaS (программное обеспечение как услуга) больше не работает в эпоху ИИ и почему будущее технологий принадлежит «инженерам передового развертывания» (forward-deployed engineers) и гиперперсонализированным данным.

## 📉 Кризис внедрения ИИ: почему 95% проектов терпят неудачу
[[JUMP:00:00]]

По данным отчета MIT, лишь 5% внедрений генеративного ИИ в реальные бизнес-процессы приносят результат [0:00]. Прогнозы Gartner еще более суровы: к 2027 году до 40% корпоративных ИИ-проектов будут полностью закрыты [7:37]. **Мэтт Фицпатрик** отмечает парадокс: в то время как производительность моделей выросла на 40–60% за два года, а 60% потребителей используют ИИ еженедельно, бизнес застрял на этапе тестирования [7:10].

По мнению гостя, основными барьерами для бизнеса остаются:

*   Отсутствие качественной инфраструктуры данных.
*   Сложность перестройки рабочих процессов под «недетерминированные» (предсказывающие) системы.
*   Проблемы доверия и наблюдаемости (observability) моделей.
*   Необходимость строгого тестирования и валидации, аналогично банковским моделям управления рисками [8:05].

**Мэтт Фицпатрик** утверждает, что корпоративное внедрение ИИ — это путь длиной в десятилетие, а не в два года. Сначала технологию освоят банки и медицинские компании, обладающие ресурсами для глубокого тестирования, и только затем — остальной рынок [8:18].

## 🏗️ Провал внутренних разработок и «ложь» традиционного SaaS
[[JUMP:09:35]]

Одной из главных ошибок крупных корпораций гость считает попытку построить всё своими силами. Статистика MIT показывает, что внешние ИИ-разработки в два раза эффективнее внутренних команд [9:48]. **Мэтт Фицпатрик** объясняет это отсутствием дисциплины в оценке ROI (окупаемости) внутри компаний и дефицитом топовых талантов, которые предпочитают работать в специализированных стартапах, а не в ИТ-отделах традиционных банков [11:04].

В качестве примера он приводит кейс ритейлера, который потратил 25 миллионов долларов на разработку ИИ-агента для обработки возвратов [11:57]. Компания создала собственный инструмент оценки, который учитывал скорость решения тикета и настроение клиента. В итоге агент «галлюцинировал» и предлагал клиентам миллионные выплаты — тикеты закрывались быстро, клиенты были счастливы, но бизнес нес убытки. Через несколько месяцев проект закрыли и вернулись к обычным алгоритмам [12:23].

**Мэтт Фицпатрик** также критикует историческую парадигму SaaS:

*   «Коробочное» ПО часто оказывалось иллюзией: компаниям всё равно приходилось нанимать консультантов (Accenture или TCS) для настройки систем [13:54].
*   В эпоху ИИ модель «одна подписка для всех» окончательно ломается, так как модели требуют обучения на специфических данных конкретного клиента [26:29].
*   Будущее за «гиперперсонализированным слоем гибкости» (system of agility), который строится поверх существующих баз данных [23:01].

## 👨‍💻 Forward-Deployed Engineers: новая элита ИТ-сервисов
[[JUMP:20:12]]

**Мэтт Фицпатрик** убежден, что успешное внедрение ИИ невозможно без инженеров передового развертывания (FDE). В отличие от обычных инженеров поддержки, FDE работают непосредственно «в поле» у заказчика, настраивая сложные рабочие процессы [20:27].

Особенности этой модели в подходе гостя:

1.  **Отказ от оплаты услуг FDE.** Компания не берет деньги за работу инженеров, а зарабатывает только на работающем ПО [22:35].
2.  **Скорость развертывания.** В то время как классические интеграторы могут внедрять систему два года, команда FDE справляется за 2–3 месяца [19:09].
3.  **Постоянная донастройка.** Модели ИИ нельзя внедрить и оставить на четыре года — они требуют постоянного дообучения в меняющемся рыночном контексте [21:56].

По словам гостя, компания тратит меньше ресурсов на продавцов и больше — на инженеров передового развертывания, так как в текущем рынке лучший способ продажи — это доказательство работоспособности технологии через бесплатный пилотный проект (solution sprint) [17:15].

## 🧠 Человеческий фактор против синтетических данных
[[JUMP:31:13]]

Среди экспертов ИИ популярно мнение, что синтетические данные скоро заменят человеческую обратную связь. **Мэтт Фицпатрик** считает это утверждение в корне неверным [31:26]. По его мнению, синтетика хороша для «базовых истин» (например, математики), но бессильна в сложных задачах рассуждения (reasoning), где важен культурный, языковой и узкоспециальный контекст [33:32].

Рынок обучения моделей (AI training) эволюционировал: от простой разметки «кошка/собака» в Google-таблицах до высокотехнологичных «цифровых сборочных линий» [37:43]. Сегодня требуются эксперты сверхвысокого уровня. Например, для обучения модели может понадобиться специалист по французской архитектуре XVII века со знанием языка, которого нужно найти и внедрить в процесс за 24 часа [37:55].

Гость выделяет три этапа востребованности данных:

1.  Обучение базовых LLM (текущий этап).
2.  Тонкая настройка (fine-tuning) для сложных отраслей: банкинг, медицина, юриспруденция [28:47].
3.  Массовое внедрение в остальной бизнес.

По прогнозу **Мэтта Фицпатрика**, потребность в «человеке в контуре» (human-in-the-loop) для валидации статистических выводов ИИ сохранится на десятилетия [52:40].

## 💰 Экономика и инвестиции: Scale AI и Invisible
[[JUMP:53:05]]

**Мэтт Фицпатрик** поделился деталями финансовой стратегии своей компании. Долгое время бизнес развивался на собственные средства (всего 7 млн долларов внешнего капитала за 9 лет) [53:05]. Однако в 2024 году было принято решение привлечь около 130 млн долларов для агрессивного технологического роста [53:11].

Ключевые инвестиционные тезисы гостя:

*   **Рост важнее прибыли сейчас.** В условиях «величайшей среды для роста в истории» компания сознательно отказывается от прибыльности ради захвата рынка [53:43].
*   **Инвестиции в физический мир.** Самые интересные данные находятся вне интернета. Например, компания отправляет инженеров со станциями Starlink на фермы для создания моделей компьютерного зрения, следящих за здоровьем скота [54:48].
*   **Результат определяет оплату.** В отличие от классического SaaS, оплата часто происходит только после прохождения приемочных тестов пользователем (UAT) [26:45].

## 🏢 Управление: отмена удаленки и «стратегия на три месяца»
[[JUMP:1:09:42]]

После перехода на роль CEO **Мэтт Фицпатрик** радикально изменил операционную модель компании, которая 9 лет была полностью удаленной. Теперь открыто 8 офисов в крупнейших городах мира (Нью-Йорк, Сан-Франциско, Лондон, Париж и др.) [1:09:42].

Аргументы гостя в пользу офисной работы:

*   **Культура и сплоченность.** Дистанционно невозможно построить глубокое доверие и общность целей [1:10:08].
*   **Скорость решения проблем.** При троекратном росте инженерной команды сложные архитектурные задачи решаются быстрее при личном контакте [1:10:34].
*   **Клиентский сервис.** Чтобы работать с крупнейшими компаниями в Лондоне или Вашингтоне, нужно находиться в этих же городах [1:10:22].

Кроме того, **Мэтт Фицпатрик** считает, что в мире ИИ «стратегия переоценена». Традиционное пятилетнее планирование не имеет смысла, когда мир меняется каждые три месяца [1:14:05]. Вместо этого он предлагает фокусироваться на «институциональной памяти» (процессах и ценностях) и гибко менять технологический стек каждые 90 дней [1:14:29].

## 🌟 Оптимистичный финал: энергия, медицина и образование
[[JUMP:1:22:03]]

Несмотря на реалистичный взгляд на сложности бизнеса, **Мэтт Фицпатрик** остается ИИ-оптимистом. Он выделил три сферы, где технологии изменят мир к лучшему:

1.  **Энергетика.** ИИ поможет в оптимизации сетей. Хотя дата-центры потребляют энергию, это ничто по сравнению с кондиционированием воздуха (14–20% мирового потребления). Чистый эффект ИИ для климата будет положительным [1:22:42].
2.  **Здравоохранение.** В США 250 тысяч смертей в год происходит из-за предотвратимых ошибок персонала. ИИ уже на 20% лучше определяет риск рака груди, а также способен радикально сократить административные расходы, составляющие 9% бюджета медицины [1:23:38].
3.  **Образование.** Технологии ломают систему, основанную на студенческих долгах. Теперь ребенок из любого уголка мира может обучиться программированию или биологии бесплатно, а работодатели начинают ценить реальные когнитивные навыки выше дипломов колледжей [1:24:04].