Проблемы внедрения ИИ: данные, люди, ожидания

Проблемы внедрения ИИ похожи во многих компаниях: проект начинается с энтузиазмом, пилот показывает интересные результаты, но до ежедневного использования дело не доходит. Понимание типичных причин помогает их избежать.

Данные

Модели работают на данных, а данные часто разрознены, неполны или содержат ошибки. Исторические записи ведутся в разных форматах, часть информации — только на бумаге. Подготовка данных занимает больше времени, чем ожидается.

Решение: оценить данные до начала проекта, начать с задач, где данные уже есть, параллельно наводить порядок в учёте.

Завышенные ожидания

ИИ ожидают от безошибочной работы и мгновенного эффекта. Реальность: модели ошибаются, а эффект появляется после интеграции и привыкания пользователей.

Решение: заранее договориться о допустимой точности и способе контроля ошибок.

Отсутствие интеграции

Пилот работает отдельно от рабочих систем, и сотрудникам приходится переносить результаты вручную. Это сводит выгоду на нет.

Решение: планировать интеграцию с самого начала.

Люди

• Опасения потерять работу
• Недоверие к результатам машины
• Нежелание менять привычные процессы

Решение: объяснять цели, вовлекать сотрудников в пилот, показывать, как ИИ убирает рутину.

Безопасность и данные

Передача данных во внешние сервисы, требования к персональным данным, доступы. Эти вопросы часто всплывают поздно и останавливают проект.

Решение: решить их на этапе подготовки.

Стоимость эксплуатации

Вычисления, подписки, поддержка, контроль качества. Затраты после запуска иногда оказываются выше ожидаемых.

Решение: считать стоимость владения, а не только разработки.

Отсутствие владельца

Проект без ответственного со стороны бизнеса превращается в технический эксперимент. Нужен человек, который отвечает за результат в процессе.