95% организаций получают нулевую отдачу от ИИ

В MIT засомневались в том, что внедрение ИИ может принести реальную прибыль компании. Разбираемся в отчете NANDA «The GenAI Divide: State of AI in Business 2025».

Исследователи Массачусетского технологического института (MIT) посчитали, что инвестиции в «GenAI» в размере $30-40 млрд окупились только у 5% компаний.

Аналитики NANDA (Networked Agents and Decentralized AI) Массачусетского технологического института (MIT) провели масштабное исследование, в котором опросили 150 руководителей и 350 сотрудников, проанализировали 300 кейсов по внедрению ИИ в бизнес.

Более 80% организаций опробовали инструменты генеративного ИИ, как ChatGPT и Copilot, на практике. Почти 40% сообщают об интеграции с бизнесом. Но эти инструменты в первую очередь повышают производительность отдельных сотрудников, а не финансовые показатели. Только 20% из опрошенных объявили о запуске пилотных стадии и только 5% – производственной.

Многие компании не достигли ожидаемых результатов, тогда как узкосегментированные – напротив, вышли в плюс. Часть стартапов добилась выручки в миллионы долларов за несколько дней, но у другой части – зафиксированы убытки. Результаты настолько сильно различаются, что это феномен получил отдельное название: «разрыв GenAI».

Разрыв во многом проявляется на отраслевом уровне. Исследователи MIT изучали 7 индустрий: технологии, медиа и телеком, профессиональные услуги, здравоохранение, ритейл, финансовые услуги, высокотехнологичная отрасль, энергетика и материал.

Только в двух исследуемых сегментах (технологии и медиа) наблюдаются явные признаки структурных изменений. Ввиду особенностей медицинского сектора, многие разработки находятся на пилотном этапе.

Ключевые причины низкой эффективности ИИ в несбалансированном распределение ресурсов. Слабая интеграция и отсутствие обучающихся систем снижают эффективность автоматизации, считают в MIT. Результаты исследования подчеркивают, что стратегическое управление ИИ-внедрениями и развитие ИИ-грамотности сотрудников становятся решающими факторами цифровой конкурентоспособности бизнеса.

Основным препятствием для масштабирования является обучаемость моделей. Большинство систем «GenAI» не поддерживают обратную связь, не адаптируются к контексту и не совершенствуются с течением времени.

Успешные стартапы создают системы, которые учатся на обратной связи (66% руководителей хотят этого), сохраняют контекст (63% требуют этого) и глубоко адаптируются к конкретным рабочим процессам. Они начинают с периферийных рабочих процессов, настраивая их, а затем масштабируют до основных процессов.

Предпринимателем выгодно покупать уже готовые системы, отвечающие всем нужным профилям бизнеса. Большие компании требуют глубокой кастомизации, стимулируют внедрение с самого начала. Предприниматели понимают, что преодоление «Разрыва GenAI» требует партнерства, а не просто покупки. Наибольшего успеха добиваются стартапы, которые создают «неуниверсальные» продукты. Прибыль получают те, кто внедряет ИИ в конкретные бизнес-процессы, например, голосовых ассистентов для колл-центров, автоматизацию документооборота и генерацию кода.

Пять мифов о «GenAI», которые можно сделать из отчета

Миф 1. В ближайшие несколько лет искусственный интеллект займет большинство рабочих мест

→ Исследования показали, что «GenAI» приводит к ограниченным увольнениям и только в тех отраслях, на которые искусственный интеллект уже оказывает значительное влияние. Среди руководителей нет единого мнения относительно уровня найма на ближайшие 3-5 лет.

Миф 2. Генеративный ИИ трансформирует бизнес

→ Уровень внедрения высок, но трансформации происходят редко. Только на 5% предприятий инструменты ИИ интегрированы в рабочие процессы в полном масштабе, а в 7 из 9 секторов не наблюдается реальных структурных изменений.

Миф 3. Предприятия медленно внедряют новые технологии

→ Предприятия чрезвычайно заинтересованы во внедрении искусственного интеллекта, и 90% из них серьезно рассматривают возможность покупки решения с использованием искусственного интеллекта.

Миф 4. Больше всего ИИ мешает качество моделей, юридические аспекты, данные, риски

→ На самом деле его сдерживает то, что большинство инструментов ИИ не поддаются обучению и плохо интегрируются в рабочие процессы.

Миф 5. Лучшие предприятия создают свои собственные инструменты

→ Внутренние сборки дают сбой в два раза чаще, требуют значительных бюджетов и могут быть слишком амбициозными на старте, что мешает им быть эффективными.

«Разрыв GenAI» не является аксиомой, но его преодоление требует принципиально иного выбора в отношении технологий, партнерских отношений и адаптации к конкретным запросам. Компании и разработчики, которые понимают эти закономерности и будут действовать в соответствии с ними, займут доминирующие позиции в своей отрасли.