Внедрение искусственного интеллекта в корпоративный сектор часто воспринимается как гонка вооружений, где технологические гиганты априори имеют преимущество. Однако реальность оказывается сложнее: даже компании, создающие ИИ-продукты для рынка, сталкиваются с теми же внутренними барьерами, что и традиционный бизнес. Исполнительный директор Ассоциации индустрии технологий и услуг (TSIA) Томас Ла в беседе с Крейгом Смитом анализирует, почему «сапожники остаются без сапог», и как бизнесу перестроить свою операционную модель, чтобы не проиграть в эффективности конкурентам уже через пару лет.
🏢 Парадокс технологических гигантов: сложности внутреннего внедрения 2:30
Многие полагают, что такие компании, как Microsoft, Cisco или Salesforce, находятся в авангарде использования ИИ во всех своих процессах. Однако, по словам Томаса Ла, технологические компании испытывают те же трудности с внедрением ИИ внутри своих организаций, что и компании из нетехнологических секторов . TSIA (Technology and Services Industry Association), объединяющая таких гигантов, как Microsoft, Dell, Salesforce, а также трансформирующихся игроков вроде John Deere и Siemens, занимается исследованием их операционных моделей .
Томас Ла выделяет два разных подхода к ИИ в техсекторе:
- Внешний фокус: создание и продвижение ИИ-функций внутри своих продуктов для продажи клиентам .
- Внутренний фокус: использование ИИ для трансформации собственных рабочих процессов — от разработки продуктов до поддержки и обучения .
Гость подчеркивает, что именно вторая сфера сейчас является «слоном в посудной лавке». Компании пытаются понять, как ИИ изменит их внутреннюю экономику, и часто обнаруживают, что их данные так же разрознены и «замусорены», как и у любого ритейлера .
📊 Спектр готовности к ИИ: от лидеров до аутсайдеров 20:11
TSIA классифицирует компании по уровню адаптации ИИ, выделяя определенный спектр готовности :
- AI Advantaged (Преимущество ИИ): компании, которые имеют ИИ-продукты, монетизируют их и активно используют технологию внутри. Таких в индустрии около 10–14% .
- Средний сегмент: компании, находящиеся в процессе трансформации (основная масса, напоминающая классическую кривую Гаусса) .
- Severe AI Laggards (Тяжелые аутсайдеры): игроки без ИИ-предложений, без внутреннего внедрения и с плохой структурой данных. Их доля составляет около 10–15% .
Томас Ла сравнивает текущую ситуацию с появлением интернета, но предупреждает, что ИИ — это «интернет на стероидах» . Скорость изменений выше, а разрыв в стоимости операционной модели между лидерами и отстающими может достичь 20–40% уже через 2–3 года .
🛠 Ключевые сценарии использования и ROI 22:12
Исследовательская группа TSIA выделила более 70 практических сценариев использования ИИ в операционной деятельности . По мнению Ла, наиболее зрелыми на данный момент являются следующие направления:
- Сервисная поддержка: использование интеллектуальных агентов для самообслуживания и предиктивной поддержки, позволяющей предотвращать сбои до их возникновения .
- Образовательные услуги: создание обучающего контента . Ла приводит в пример компанию OpenText, которая использует ИИ для генерации обучающих материалов. Это позволяет персонализировать обучение под конкретные роли и языки, а также сократить время на обновление контента при выходе новых релизов ПО .
- Полевое обслуживание (Field Services): ИИ помогает диагностировать проблемы удаленно, чтобы лишний раз не отправлять инженеров и дорогостоящее оборудование на объекты .
ROI и метрики: Ла утверждает, что реальный возврат инвестиций виден там, где процессы четко измеримы. Например, если на создание часа обучающего контента раньше уходило 10 часов труда, использование ИИ дает прямую экономию . В то же время гость критикует компании, которые просто раздают сотрудникам Microsoft Copilot за $30 в месяц, не определяя конкретных целей и ожидаемых результатов .
🚦 Стратегия «Маньяна» и риски ожидания 15:06
Многие руководители высшего звена (C-suite) занимают выжидательную позицию, которую Ла называет «стратегией маньяна» (откладывание на завтра) . Они аргументируют это незрелостью инструментов и желанием дождаться, пока другие набьют шишки.
Однако Томас Ла считает эту осторожность опасной по нескольким причинам:
- Кривая обучения персонала: внедрение ИИ — это не просто покупка софта, а изменение привычек сотрудников. Команде контент-разработчиков или инженеров нужно время, чтобы научиться работать в новом рабочем процессе .
- Накопительный разрыв: каждый месяц промедления увеличивает разрыв в эффективности между компанией и конкурентами, которые уже начали пилотировать решения .
- Устаревание модели продаж: Ла отмечает, что отделы продаж являются одними из самых консервативных («аутсайдерами») в плане внедрения ИИ . Традиционно продавцы полагаются на интуицию, игнорируя аналитические модели ранжирования лидов, что снижает их общую продуктивность .
🧬 Данные и культура: фундамент для ИИ-агентов 45:18
Главным препятствием для внедрения ИИ остаются «организационные феодальные владения» (silos) . Отделы продаж, маркетинга и сервиса хранят свои данные отдельно, создавая разные «версии правды». Ла утверждает: чтобы ИИ приносил пользу, необходимо создать «единый источник истины» .
Рекомендации TSIA по структуре данных:
- Централизация: около 47% опрошенных компаний уже создали централизованные группы обработки данных и аналитики .
- Культурный сдвиг: отделы должны добровольно отказаться от владения «собственными» данными в пользу централизованной системы .
- Гигиена данных: процесс очистки и рационализации данных должен начинаться задолго до выбора конкретного ИИ-инструмента .
🔮 Будущее: от чат-ботов к ИИ-агентам 42:13
Обсуждая будущее, участники затронули тему ИИ-агентов и копайлотов. Ла отмечает, что примитивные чат-боты прошлого уступают место специализированным решениям. Например, Nokia разработала копайлот специально для инженеров в сфере телекоммуникаций, обучив его профессиональному сленгу и специфике отрасли . Изначально инструмент применялся внутри компании, а затем был предложен клиентам .
В заключение Томас Ла приводит статистику, подтверждающую, что ИИ уже влияет на рынок труда: такие компании, как Microsoft, Amazon и Salesforce, за последние два года увеличили выручку, но при этом сократили общую численность персонала . Это прямое следствие роста производительности за счет автоматизации и технологий .
