ИИ ускорился — бизнес нет

Каждую неделю появляются новости о том, как искусственный интеллект ускорил отдельные задачи: программист написал код на 55% быстрее, маркетолог за несколько минут подготовил черновик статьи, менеджер продукта за секунды обобщил документ с требованиями на 200 страниц. Цифры могут быть вполне реальными. Но именно они часто уводят компании от главного вопроса: создаёт ли ускорение задачи ценность для бизнеса?

Во многих случаях узкое место находится не в выполнении работы, а раньше — в выборе того, что вообще нужно делать и зачем. Важно не только спросить, что поручить IT-разработчикам, но и понять, какую проблему решит новая система. Не просто заказать публикацию в блоге, а определить, какой материал повлияет на результаты бизнеса. Не абстрактно «оптимизировать процесс», а выяснить, как снизить брак и связанные с ним переделки или не допустить, чтобы задержки поставок сорвали обещанные клиентам сроки.

На такие вопросы ИИ пока не может ответить вместо компании. Разрыв между автоматизацией отдельного задания и достижением значимого результата становится одним из главных вызовов эпохи агентного ИИ — систем, которые могут выполнять задачи и взаимодействовать с инструментами без постоянных пошаговых указаний человека.

В начале 2026 года Harvard Business Review назвал одну из сторон этой проблемы «ловушкой микропроизводительности». Компании ускоряют написание кода, подготовку кратких пересказов и распределение обращений в поддержку, но не пересматривают рабочие процессы и модели создания ценности, частью которых являются эти задачи. В результате отдельные улучшения не складываются в заметный эффект для бизнеса — возникает скорее мираж ценности.

Исследование PwC об эффективности ИИ за 2026 год показало: 74% экономической ценности, создаваемой ИИ, приходится на 20% организаций. Автор статьи приводит эти данные как свидетельство того, что лидеры используют технологии иначе, чем компании, ограничившиеся разрозненными улучшениями. Gartner предупреждает: к концу 2027 года более 40% проектов агентного ИИ могут быть отменены. Среди причин — неспособность организаций заранее определить, какого результата они хотят добиться.

По мнению PwC, преуспевающие компании сосредоточены на росте и извлечении ценности, а не только на повышении производительности. Многие организации плохо расставляют приоритеты и просят ИИ быстрее двигаться в неверном направлении. Это всё равно что свернуть не на ту дорогу и утешать себя тем, что автомобиль очень быстрый.

Чтобы получать от ИИ реальную пользу, нужны знания о самом бизнесе: какая тема заинтересует аудиторию ещё до написания статьи, принесёт ли документ пользу до того, как его подготовят, какой процесс стоит менять и какие данные нужно связать. Такие решения принимаются «выше по потоку» — до начала непосредственной работы. Для них нужны понимание отрасли, затрат и последствий изменений. Например, важно знать, как сбой на производственной линии повлияет на финансовый результат компании. Одна лишь автоматизация задач таких знаний не заменяет.

Автор предлагает развивать межфункциональные команды, известные как fusion teams. В них специалисты по бизнесу и операционной деятельности работают вместе с разработчиками и помогают быстрее согласовать технологическое решение с реальной проблемой. Их задача — не просто ускорить выполнение плана IT-отдела, а правильно определить проблему и двигаться со скоростью её решения. Тот же принцип, утверждает автор, следует заложить в создание ИИ-агентов и их взаимодействие между разными рабочими процессами.

Чтобы агенты не превращались в очередной источник микропроизводительности, их нужно связывать с контекстными данными и работающими моделями машинного обучения. Тогда цель — не только выполнять задачи быстрее, но и принимать более качественные решения. Для этого за одним столом должны работать отраслевые специалисты — например, инженеры заводов, руководители процессов и цепочек поставок, бизнес-аналитики, специалисты по закупкам и урегулированию страховых претензий — вместе с командами IT и данных.

Такие специалисты знают, у каких товарных направлений самая низкая маржа, задержка какого поставщика сильнее всего повлияет на дальнейшее производство и какие этапы контроля качества удлиняют цикл работы. «Мышление fusion-команды» означает сначала определить желаемый результат, затем проектировать решение и оценивать его по созданной для бизнеса ценности, а не по числу ускоренных операций.

По версии автора, организации, которые получают основную долю экономической ценности от ИИ в 2026 году, не просто ускоряют процессы. Они сначала выбирают значимые операционные проблемы, обеспечивают надёжное управление данными и выстраивают работу людей и ИИ-агентов вокруг результатов, влияющих на бизнес. Поэтому перед следующим проектом стоит спросить: он поможет добиться принципиально нового результата — или всего лишь автоматизирует отдельную задачу?

Статья опубликована в рамках авторской рубрики TechRadar Pro Perspectives. Представленные в ней взгляды принадлежат автору и не обязательно отражают позицию TechRadar Pro или Future plc. Рекламная и навигационная вставки о конструкторе сайтов с ИИ и отправке материалов в перевод не включены.