Бизнес-стратегия не успевает за развитием ИИ: что делать

По данным исследования Strategy Partners, большинство экспериментов с генеративным ИИ в промышленных компаниях не доходят до стадии пилота. Возникает парадокс: без проб нельзя найти рабочие гипотезы, но сами по себе они часто оказываются тупиком. Почему компании много тестируют ИИ, но редко получают эффект, и в чём корень проблемы: в отсутствии стратегического управления или в нехватке гибкости? Управляющий директор по искусственному интеллекту Авито Андрей Рыбинцев и управляющий директор департамента развития корпоративного бизнеса Сбербанка Дмитрий Трофимов обсуждают, как преодолеть ловушку экспериментов и выйти на реальные бизнес-результаты.

«Часть гипотез закономерно не проходит дальше пилота — и это нормально. Но если на ранней стадии застревает большинство инициатив, это сигнал о проблемах в управлении. Типичная ошибка — запускать много отдельных ИИ-проектов без общей системы приоритизации и пытаться «наложить ИИ сверху» на процессы, которые сами по себе остаются неудобными или неэффективными.

Решение — переход от разрозненных экспериментов к единой программе с выделенным лидером. Такой подход позволяет координировать команды, определять приоритеты, избегать дублирования и быстрее оценивать потенциал гипотез для масштабирования.

Нужен баланс стратегии и экспериментов. Жёсткая дорожная карта внедрения быстро устаревает — технология меняется динамично, пространство для проб необходимо сохранять. Но без стратегической рамки ресурсы распыляются, а большинство инициатив не дают экономического эффекта и закрываются.

Баланс должен заключаться в следующем:

• стратегия задаёт направление и критерии отбора;
• эксперименты помогают быстро проверять конкретные гипотезы внутри этой рамки.

Как реализовать механизм на практике? Вариант — создать внутри компании «инкубатор» и проверять гипотезы на минимальных прототипах в сжатые сроки. Это позволяет понять, стоит ли инвестировать в направление, принесёт ли оно ценность бизнесу и пользователям, а также заранее снизить риски масштабирования.

Крупному бизнесу оптимально совмещать два горизонта:

• годовую стратегическую рамку — чтобы зафиксировать приоритеты;
• короткие циклы проверки — чтобы быстро запускать прототипы, оценивать результат по конкретным метрикам и принимать решение: масштабировать, дорабатывать или закрывать.

Как построить внедрение

• Определить цель: какие пользовательские, операционные или бизнес-задачи компания хочет решать с помощью генеративного ИИ.
• Назначить владельца направления и выстроить процесс отбора, проверки и масштабирования гипотез.
• Научить команды формулировать инициативы через ожидаемый результат: какую проблему решаем, как измерим эффект, какие ресурсы готовы потратить, при каких метриках эксперимент стоит масштабировать или закрыть.

Успех внедрения ИИ определяется не технологией, а готовностью компании меняться. Открытые решения уравняли возможности игроков, и конкурентное преимущество теперь формируется за счёт скорости трансформации, качества данных, зрелости процессов и системного управления. Ценность создаёт не число экспериментов, а способность превращать удачные решения в рабочий бизнес-процесс».

«Главная причина провалов при внедрении генеративного ИИ не в количестве пилотов и не в отсутствии формальной стратегии. Технология ломает классические управленческие модели. Подход «сначала стратегия, потом внедрение» работал в эпоху предсказуемых изменений, но для генеративного ИИ он не годится: эта технология развивается быстрее, чем корпоративный цикл принятия решений. Пока бизнес проходит все этапы — от анализа и формирования требований до выбора решения и согласования бюджета, — актуальный сценарий применения успевает устареть. В этом и есть корневая причина отставания.

Сегодня горизонт стратегического планирования радикально сократился: если раньше стратегии писались на 5–7 лет, затем на 3 года, то сейчас даже годовой горизонт не выдерживает реальности. Причина — в изменении роли технологии:

• в 2024 году генеративный ИИ использовался как инструмент создания контента;
• в 2025 году он стал ассистентом.

Следующий шаг — автономные системы и агенты, принимающие решения. Сценарии применения пересобираются быстрее, чем компании успевают их формализовать. Попытка заранее спроектировать «идеальную» дорожную карту приводит к потере времени.

Решение. Ключевая задача — не выбрать правильный сценарий, а выстроить механизм отбора. При этом практика показывает: устойчивые кейсы возникают там, где компания создаёт среду для быстрых проверок и умеет оперативно перераспределять ресурсы в пользу работающих решений.

Это означает, что необходимо:

• запускать много коротких проверок;
• быстро фиксировать эффект;
• масштабировать только те решения, где есть измеримое влияние на бизнес.

Именно так формируется реальная, а не декларативная стратегия.

Как выстроить процессы для генеративного ИИ. Скорость не должна разрушать управляемость. Есть жёсткое ограничение: генеративный ИИ напрямую влияет на клиентский опыт и операционные процессы, а ошибка на масштабе может стоить дороже, чем выигрыш от скорости. Поэтому пробы должны быть быстрыми, но контролируемыми.

Процесс, в который внедряется технология, должен быть:

1. формализован;
2. оптимизирован;
3. оставлять цифровой след.

Если хотя бы одно из этих условий не выполняется, внедрение не даст результата независимо от качества модели. В этом смысле генеративный ИИ не заменяет управленческую дисциплину, а наоборот, усиливает требования к ней.

Вопрос больше не в том, где внедрить ИИ, а в том, как выстроить в компании систему, которая постоянно находит, проверяет и масштабирует работающие сценарии. Компании, которые решат эту задачу, будут расти вместе с технологией, а остальные будут оставаться в режиме бесконечной адаптации к уже изменившейся повестке».

Дарья Староверова

Автор

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в канале в Max. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.