Компании тратят миллиарды на ИИ, но не видят отдачи: как Amazon сократил время на рутину на 92% и что мешает остальным

Компании по всему миру ежегодно вкладывают миллиарды в автоматизацию и ИИ, но ожидаемая отдача часто не наступает. Исследование Bain & Company, охватившее почти тысячу глобальных компаний, показало: 37% ставили цель сократить расходы на 11–20%, но почти 40% измеривших результат достигли лишь 0–10% экономии. При этом 90% этих же компаний снова увеличивают бюджеты на ИИ-агентов. Как же так, и почему некоторые, как Amazon, добиваются кратного роста эффективности?

Инвестиции в ИИ, это не волшебная таблетка. Если бизнес-процессы изначально неэффективны, ИИ-агент лишь ускорит и масштабирует эту неэффективность, сделав её ещё дороже. Проблема не в технологии, а в готовности компании к её внедрению. Без системного подхода, без пересмотра процессов и управления данными, ИИ-агент не принесёт ожидаемого результата, а лишь создаст иллюзию движения.

Проблема: почему ИИ-агенты не оправдывают ожиданий

Основная причина, по которой инвестиции в ИИ не приносят желаемой отдачи, кроется не в самой технологии. Проблема в разрыве между ожиданиями и реальностью, а также в недооценке организационных изменений, необходимых для успешного внедрения.

По данным исследования, только 7% компаний используют полностью автономных ИИ-агентов в продакшене. Большинство (38%) требуют подтверждения человека, а ещё 32% работают с ограничениями, где человек вмешивается, если агент сталкивается с неопределённой ситуацией. Это означает, что бизнес-кейсы для ИИ-агентов часто строятся на предположении о полной автономии, тогда как на практике значительная часть решений всё равно требует участия человека. Это создаёт финансовый разрыв: отдел финансов утверждает одни цифры, а организация работает с другими.

Финансирование «воздухом»: следующая волна ИИ за счёт несбывшихся надежд

Ещё один риск, это подход к финансированию новых ИИ-инициатив. 44% компаний планируют финансировать инвестиции в генеративный ИИ и ИИ-агентов за счёт экономии от предыдущих программ автоматизации. На первый взгляд, это выглядит как дисциплинированный подход. Но проблема в том, что предыдущие программы часто не дотягивали до запланированных показателей экономии. Таким образом, следующая волна инвестиций финансируется за счёт «воздуха» — предполагаемой, но не реализованной экономии.

Это создаёт порочный круг, где риски накапливаются, а не управляются. Компании, которые не проверяют фактическую отдачу от предыдущих автоматизаций, прежде чем инвестировать в новые, существенно увеличивают свои финансовые риски.

Данные: стена, которую не обойти

Самым большим препятствием для прогресса в области ИИ остаётся доступ к данным и их интеграция, что отмечают 41% респондентов. Это выше, чем проблемы с соответствием нормативным требованиям, бюджетом, нехваткой навыков или поддержкой руководства. Несмотря на десятилетия инвестиций в модернизацию данных, компании по-прежнему не могут надёжно получить доступ к своим собственным данным, что является основной причиной низкой производительности ИИ-программ.

Интересно, что компании, достигшие своих целевых показателей, чаще считают данные большей проблемой (44% против 40% у тех, кто не достиг), потому что они внедряют решения в масштабе. Неудачники же чаще ссылаются на организационные препятствия: недостаток бюджета, отсутствие центра компетенций, конкурирующие приоритеты. Это не технологические проблемы, а признаки того, что ИИ не получил необходимого мандата и внимания со стороны руководства.

Как переломить ситуацию: уроки от лидеров

Компании, которые успешно внедряют ИИ и получают реальную отдачу, принимают несколько ключевых решений:

1. Погасите «долги по рабочим процессам» до внедрения ИИ. Автоматизация неэффективного процесса лишь закрепит его недостатки. Прежде чем внедрять ИИ, необходимо пересмотреть процесс с нуля, убрать ненужные шаги и оптимизировать его. ИИ не должен фиксировать «долговые обязательства» бизнес-процессов, а строиться на чистом листе.
2. Проверьте инвестиционный кейс и назначьте ответственного за управление. Финансовые директора должны проверять фактическую отдачу от предыдущих программ автоматизации, а не полагаться на прогнозы. Кроме того, необходимо заранее определить, кто несёт ответственность, если ИИ-агент примет ошибочное решение. Ответственность не может быть импровизирована.
3. Используйте ИИ для решения проблемы с данными, а не ждите её решения. Несовершенная инфраструктура данных — наименее веская причина откладывать инвестиции в ИИ. Начинать стоит с тех областей, где данные уже ограничены и доступны, и использовать сам ИИ для улучшения потоков данных в организации. Например, команда Amazon Finance Technology внедрила решение для отслеживания нормативных обновлений по НДС по всему миру. То, что раньше занимало 26 минут на одно обновление, теперь занимает 2 минуты, а 80% сгенерированных ИИ сводок принимаются экспертами без изменений. Это не «полёт на Луну», это целенаправленная автоматизация конкретного потока, где данные были готовы.
4. Перепроектируйте операционную модель, а не только процесс. Внедрение ИИ-агентов без изменения того, как люди работают с ними, гарантирует недостижение бизнес-целей. В модели с ИИ-агентами сотрудники становятся оркестраторами и супервизорами, принимая решения, которые агенты не могут. Это требует инвестиций в изменение ролей, новые методы работы и управление изменениями.
5. Измеряйте результаты на уровне предприятия, а не программы. Программы всегда оптимизируются под измеряемые параметры, обычно это затраты и сэкономленные часы. Для компании важнее, производит ли ИИ лучшие решения, более быстрые ответы и улучшенные результаты для клиентов. Если эти метрики не на приборной панели CEO, программы будут продолжать эффективно поставлять «не то», и разрыв в ценности будет сохраняться.

Переломный момент для большинства компаний — это не поиск лучшей ИИ-технологии, а осознание личной ответственности руководства за создание организационных условий для успеха ИИ. Окно возможностей для принятия такого решения сужается быстрее, чем многие руководители осознают.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру