Согласно отчету Массачусетского технологического института, опубликованному летом 2025 года, 95% пилотных проектов по генеративному искусственному интеллекту терпят неудачу.<sup> 1</sup> Это отрезвляющая цифра, учитывая миллиарды долларов, вложенных в проект. Ставки невероятно высоки.
Так почему же большинству компаний сложно извлечь выгоду из решений на основе искусственного интеллекта? И как им преодолеть ажиотаж, чтобы достичь своих бизнес-целей к 2026 году?
Оказывается, одних лишь технологических возможностей в области ИИ недостаточно. Некоторые руководители компаний поддались всеобщему ажиотажу, движимые страхом упустить выгоду и желанием опередить конкурентов. Другие же рассматривали корпоративный ИИ как инструмент для реализации бизнес-стратегий. Для достижения положительной рентабельности инвестиций в трансформацию с помощью ИИ необходим более продуманный подход.
Почему сложно добиться высокой окупаемости инвестиций в ИИ
С момента начала бума генеративного ИИ в конце 2022 года организации бросились внедрять инициативы в области ИИ. Руководители искали масштабируемые стратегии ИИ, которые оптимизировали бы операции, позволяли принимать решения на основе данных, снижали затраты и ускоряли разработку продуктов. Сейчас агенты ИИ — это актуальная тема. Но финансовая окупаемость таких решений остается неопределенной. Вот почему:
Дело не в технологиях, а в организационной реальности.
Согласно обсуждениям в рамках аналитического центра IBM Think Circle за 4 квартал 2025 года , основная проблема заключается не в технологиях, а в организации. Культура, управление, проектирование рабочих процессов и стратегия работы с данными являются главными ограничениями для достижения рентабельности инвестиций, и руководители согласились с тем, что амбиции в области ИИ часто сталкиваются с внутренними реалиями задолго до того, как это происходит из-за технических ограничений.
Измерить это сложно.
В отчете Think Circle подчеркивается, что, хотя многие руководители инвестируют в ИИ, сегодня лишь немногие могут надежно измерить рентабельность инвестиций — только около 29% заявляют, что могут уверенно измерить ROI. Между тем, 79% видят повышение производительности, то есть существует операционная ценность, но преобразование краткосрочной производительности в финансовый эффект по-прежнему представляет собой сложную задачу.
Объем инвестиций опережает темпы окупаемости инвестиций.
Исследование, проведенное IBM среди генеральных директоров, показало , что лишь около 25% инициатив в области ИИ приносят ожидаемую отдачу от инвестиций, только 16% масштабируются в масштабах всего предприятия, и руководители компаний вынуждены балансировать между стремлением к краткосрочной окупаемости и долгосрочными целями в области инноваций. Это подтверждает общую тенденцию, согласно которой внедрение ИИ часто начинается с экспериментов, а реализация ценности происходит уже на втором этапе. Это типично для циклов внедрения новых технологий.
Рентабельность инвестиций зависит от стратегического подхода, а не только от пилотных проектов.
Пока еще рано говорить о конкретных результатах, и многие внедрения ИИ носят экспериментальный или узкоспециализированный характер. Это нормально, поскольку ранние эксперименты должны быть узконаправленными, но такие приложения ИИ вряд ли принесут значительную окупаемость инвестиций в краткосрочной перспективе. Однако реальная ценность будет заключаться в более глубокой интеграции в основные рабочие процессы всей организации, а не только в разовых проектах.
Проблема технического долга остается актуальной.
Исследования IBM показывают, что погашение технического долга в устаревших системах может повысить рентабельность инвестиций в ИИ до 29%, поскольку это снижает трение и необходимость переделок. Однако многие организации все еще не достигли необходимого уровня в своей цифровой трансформации, чтобы в полной мере воспользоваться преимуществами интеграции ИИ. Технический долг остается препятствием, но ИИ может помочь и в этом.
Измерение рентабельности инвестиций в ИИ
Расчеты рентабельности инвестиций могут быть сложными, поскольку многие положительные эффекты ИИ носят абстрактный, косвенный характер и не проявляются в краткосрочной перспективе. Например, если организация использует ИИ для оптимизации анализа и визуализации данных, чтобы руководители могли принимать более обоснованные решения, эти результаты могут проявиться лишь спустя годы.
Окупаемость инвестиций в ИИ в режиме реального времени зачастую сложно определить. И любые немедленные выгоды могут быть обманчивыми. Компания, объявившая о планах автоматизации рабочих процессов и сокращения штата с помощью ИИ, может увидеть быстрый рост цен на акции, но это не гарантирует, как в конечном итоге отреагируют клиенты и сотрудники.
Жесткая и мягкая окупаемость инвестиций в ИИ.
Финансовые аналитики делят рентабельность инвестиций на две категории: жесткую и нежесткую.
Ощутимая окупаемость инвестиций (Right ROI) охватывает конкретные результаты, непосредственно связанные с прибыльностью. Например, использование ИИ для автоматизации ИТ-процессов может привести к уменьшению количества сбоев и ускорению времени отклика, повышению операционной эффективности и улучшению удовлетворенности клиентов, что потенциально может привести к увеличению удержания пользователей.
Показатель «мягкой» окупаемости инвестиций включает в себя и другие преимущества, которые, хотя и не связаны напрямую с прибылью, всё же полезны для организации. К ним относятся повышение морального духа сотрудников и улучшение качества обслуживания клиентов . Например, сотрудники могут сообщать о большей удовлетворённости, когда компании выбирают этичный подход к внедрению ИИ .
Ключевые показатели рентабельности инвестиций в ИИ.
Поскольку ROI — это показатель, для его расчета необходимы числовые данные о результатах бизнеса. Ключевые метрики ROI для ИИ, как материальные, так и нематериальные, включают в себя множество ключевых показателей эффективности (KPI), которые можно измерить и количественно оценить. Выберите правильные KPI, чтобы наиболее точно рассчитать ROI ИИ в инициативах по кибербезопасности, контент-маркетинге, прогнозировании и многом другом.
Жесткие показатели рентабельности инвестиций в ИИ.
Показатели рентабельности инвестиций (ROI) относятся к конкретным финансовым данным: сэкономленным затратам или полученной прибыли.
Ключевые показатели эффективности (KPI), влияющие на экономию затрат, включают:
Сокращение затрат на рабочую силу, например, за счет экономии рабочего времени благодаря автоматизации предприятия и повышению производительности при использовании инструментов искусственного интеллекта.
Повышение операционной эффективности, например, за счет сокращения потребления ресурсов в результате оптимизации рабочих процессов в сфере ИИ .
Ключевые показатели эффективности (KPI), влияющие на увеличение прибыли, включают:
Увеличение трафика, генерации лидов и коэффициентов конверсии благодаря улучшенному взаимодействию с клиентами, персонализированному маркетингу на основе данных и системам рекомендаций товаров на базе искусственного интеллекта.
Рост выручки и новые потоки доходов благодаря новым приложениям на основе искусственного интеллекта, ускоренным циклам разработки и новым возможностям для бизнеса.
Показатели рентабельности инвестиций (KPI) для искусственного интеллекта
Показатели рентабельности инвестиций (KPI) сложнее измерить в краткосрочной перспективе, но они, как правило, влияют на долгосрочное здоровье организации. Такие KPI часто измеряются с помощью опросов и качественных исследований и могут включать в себя:
Удовлетворенность и удержание сотрудников связаны с проектами в области ИИ, например, с успешным преодолением организацией внутренних проблем внедрения ИИ или демонстрацией приверженности принципам устойчивого развития в сфере ИИ .
Благодаря использованию аналитики данных на основе искусственного интеллекта, руководители и лидеры команд принимают более точные решения за меньшее время.
Повышение удовлетворенности клиентов , например, за счет снижения оттока клиентов благодаря персонализированным кампаниям на основе ИИ или за счет использования чат-бота для улучшения взаимодействия с клиентами на основе ИИ для обработки большего количества запросов в службу поддержки.
Стратегии оптимизации рентабельности инвестиций в ИИ
Институт деловой ценности IBM провел серию исследований о том, как организации и команды могут добиться оптимальной финансовой отдачи от своих инициатив в области искусственного интеллекта. Хотя тематические исследования носят отраслевой характер, команды в любом секторе могут обобщить полученные результаты в соответствии со своими потребностями.
Максимизация рентабельности инвестиций в ИИ в разработке продуктов.
Команды разработчиков, которые в «чрезвычайно значительной степени» следовали четырем основным передовым методам использования ИИ, сообщили о медианной рентабельности инвестиций в генерацию искусственного интеллекта на уровне 55% . Командам, желающим повторить эти результаты, следует включить в свои рабочие процессы следующие методы :
Учитывайте обратную связь: трансформация с помощью ИИ — это непрерывный процесс. Поощрение обратной связи от заинтересованных сторон помогает сотрудникам чувствовать себя комфортно, высказывая свое мнение, одновременно сокращая потери времени и ресурсов на неэффективные процессы.
Работайте итеративно: внедряйте ИИ в цикл разработки продукта небольшими этапами, чтобы избежать усталости и снизить риски. Корректируйте внедрение ИИ со временем, по мере того как команды понимают, что работает, а что нет. Масштабирование ИИ зачастую лучше всего происходит небольшими шагами, а не сразу.
Учитесь на пользовательских данных: анализируйте пользовательские данные, чтобы выявить возможности, где технологии генеративного ИИ могут принести наибольшую пользу. Качество данных так же важно, как и их количество. Вместо того чтобы пытаться активно формировать поведение пользователей, корректируйте планы проектов, чтобы соответствовать потребностям пользователей.
Создавайте междисциплинарные команды: используйте разнообразные навыки и области экспертизы, чтобы уменьшить узкие места. Межфункциональные команды взаимно поддерживают друг друга, в то время как разобщенность приводит к препятствиям в коммуникации и замедлению проектов.
Оптимизация рентабельности инвестиций в ИИ для цепочки поставок контента (CSC)
Организации, которые придерживаются целостного подхода к ИИ и контенту, сообщают о повышении рентабельности инвестиций на 22% при разработке CSC и на 30% при интеграции genAI. 8 Три основных фактора определяют успех в повышении рентабельности инвестиций в ИИ и CSC:
Для эффективного определения приоритетов используйте комплексный подход: изучите все аспекты взаимодействия машинного обучения с Центром обслуживания клиентов, включая стратегическое планирование, бюджетирование, управление персоналом и проактивное управление изменениями. Учитывайте взаимозависимость между командами и отделами и сосредоточьтесь на сценариях использования ИИ с наибольшим потенциалом окупаемости инвестиций.
Не стоит пренебрегать управлением изменениями: внедрение новых процессов и технологий никогда не бывает простым, особенно когда речь идет о таких противоречивых вещах, как ИИ. Поддержка сотрудников имеет решающее значение для успеха новой инициативы в области ИИ. Межфункциональная стратегия, ориентированная на ключевых сторонников изменений, может поддерживать высокий уровень энтузиазма на протяжении всей трансформации в сторону ИИ.
Минимизируйте риски, чтобы раскрыть творческий потенциал: управление рисками с помощью ИИ обеспечивает творческую свободу, когда командам не нужно беспокоиться о том, что ИИ допустит ошибки. Позвольте системам ИИ взять на себя рутинные задачи с низким уровнем риска, чтобы творческие люди могли заниматься тем, что у них получается лучше всего: создавать потрясающий контент.
Думая не только о рентабельности инвестиций
Несмотря на высокие темпы инноваций в сфере ИИ, пока еще слишком рано говорить о конкретных результатах, и компаниям, возможно, выгоднее рассматривать этот период как время для экспериментов, а не с прицелом на окупаемость инвестиций. Генеральный директор Nvidia Дженсен Хуанг высказал аналогичное мнение на саммите Cisco по ИИ в феврале. Он сравнил требование от инженеров обосновывать работу над ИИ конкретными показателями окупаемости инвестиций с просьбой к ребенку составить бизнес-план для хобби .
«Когда дети говорят, что хотят что-то попробовать, нужно отвечать «да». Мы дома никогда не задаём вопросов типа: „Какова здесь отдача от инвестиций?“»
Такой подход потребует от руководителей заручиться широкой поддержкой в масштабах всей организации, понимая, что окупаемость инвестиций может наступить лишь через несколько лет. Попытка навязать контроль посредством краткосрочной оценки окупаемости инвестиций чревата упущением возможностей для преобразований.
Кроме того, Хуанг также посоветовал компаниям развивать собственное понимание инфраструктуры ИИ, а не полагаться исключительно на сторонних поставщиков услуг, чтобы они могли по-настоящему понять, что работает, а что нет.
«Пусть расцветут тысячи цветов», — сказал Хуан, призывая к широкому, исследовательскому подходу, а не к жесткому отбору идей на основе первоначальных показателей рентабельности инвестиций. Убедить финансовых заинтересованных лиц может быть непросто, но как можно спорить с человеком, возглавляющим компанию-новатора в области искусственного интеллекта, чье состояние сейчас оценивается в 4 триллиона долларов США? И. Белчич , К. Страйкер