FOMO вокруг ИИ:
как компаниям не потратить бюджет впустую

ИИ стал главным технологическим трендом последних лет. Компании боятся отстать от конкурентов и начинают внедрять новые инструменты — часто без четкого понимания задач и сценариев применения. В результате проекты с ИИ нередко остаются на уровне пилотов или не дают ожидаемого эффекта. Разберемся, почему так происходит, как компаниям не поддаться страху упущенных возможностей (FOMO) и трезво оценить необходимость внедрения ИИ.

ИИ-бум и FOMO на рынке

Интерес бизнеса к ИИ резко вырос после появления доступных генеративных моделей. В 2023–2024 годах рупором технологии стал ChatGPT и аналогичные инструменты. ИИ показал, что сложные задачи — от анализа данных до подготовки документов — можно автоматизировать за несколько секунд. В публичном поле искусственный интеллект нередко описывают почти как в песне из фильма «Приключения Электроника»: «позабыты хлопоты, остановлен бег — вкалывают роботы, а не человек». В мечтах некоторых руководителей компаний ИИ должен почти одновременно увеличить выручку в разы, заменить значительную часть штата, ускорить все процессы и при этом работать без галлюцинаций, отпусков и багов.

На сегодняшний день страх упущенных возможностей усиливают всего три вещи.

1. Давление рынка. Крупные игроки один за другим отчитываются об успешных пилотах, и у остальных сразу возникает тревога и развивается комплекс «А мы что, отстаем?».
2. Ожидания сверху. Инвесторы и советы директоров хотят видеть быстрый рост эффективности и снижение затрат, причем уже в следующем квартале.
3. Активность вендоров и интеграторов. Все вокруг предлагают воткнуть ИИ куда угодно — от клиентского сервиса до внутренней отчетности.

Компании часто покупают не решение конкретной бизнес-проблемы, а сам факт «Посмотрите! У нас есть ИИ!». Сначала рождается установка «нам тоже нужно», и только потом команда лихорадочно ищет, «а куда же это применить?».

Это классический перевернутый порядок — главный симптом FOMO. Технология становится самоцелью, а не инструментом. И в такой ситуации вспоминается народная мудрость «не ищите, куда применить молоток, сначала найдите гвоздь».

Реальность: эффективность ИИ в B2B не всегда подтверждается

Глядя на ажиотаж, можно подумать, что ИИ уже везде работает как часы. Но правда в том, что многие проекты в российских компаниях остаются на стадии пилотов и дальше не идут. По данным TAdviser, страна тратит на внедрение ИИ больше 90 млрд рублей в год, но реально используют технологию не более 6% организаций.

Рассмотрим тезис более детально по отраслям.

Ритейл	Крупная сеть магазинов решила автоматизировать распознавание накладных от поставщиков. ИИ настроили, точность на тестовой выборке показала 97%. А в боевом потоке — 70%. Почему? Поставщики присылали сканы разного качества, с рукописными правками, с повернутыми страницами. Сотрудникам пришлось перепроверять каждый третий документ. Экономия времени тут вышла не в пользу ИИ.
Банковский сектор	По данным Naumen, чат-боты внедрены уже в 29% банков, голосовые помощники в 24%. Но автоматизация остается частичной. В одном известном банке бот обрабатывал только 15% обращений без перевода на оператора. Остальное — это сложные вопросы, эмоциональные клиенты, нетиповые ситуации. Итог — операторов не сократили, а добавили им еще и контроль за ботом.
Внутренние процессы	Компании запускают ИИ для анализа договоров или обработки заявок. Но если документы приходят в десяти разных форматах, а данные размазаны по трем учетным системам, сотрудник вынужден все перепроверить вручную. Пример. На одном производстве запустили распознавание счетов-фактур.Точность извлечения сумм — 94%. Но оставшиеся 6%, требовали ручного поиска исходника, сверки в системе, перезвона контрагенту. В итоге бухгалтерия сэкономила всего 10% времени, а ожидала гораздо больше.

ИИ сам по себе не панацея

Без наведения порядка в данных, стандартизации процессов и реалистичных ожиданий пилот так и останется пилотом. Не стоит идти на поводу у хайпа технологии, лучше сначала «причесать» документы и справочники, потом уже обратить взор на нейросеть.

Ключевой вопрос для бизнеса сегодня звучит не «где внедрить ИИ», а готовы ли процессы и данные компании к его использованию.

Как не стать жертвой FOMO вокруг ИИ

Еще в прошлом веке основатель Toyota Industries Сакичи Тойода придумал методику «5 почему»: чтобы добраться до причины проблемы, нужно несколько раз подряд задать вопрос «почему». Мы вдохновились этим подходом и собрали свой список вопросов — более широкий и применимый к управленческим решениям в целом.

1. Почему мы хотим внедрить ИИ?

Потому что у конкурентов уже есть? Потому что совет директоров ждет «инноваций»? Потому что рынок шумит про нейросети?

Если ответ начинается с внешнего давления, а не с проблемы бизнеса, это уже симптом FOMO. Задумайтесь, может рановато говорить о внедренИИ?

2. Почему текущий процесс нас не устраивает?

Что именно болит: сотрудники тратят слишком много времени; растет число ошибок; люди захлебываются в рутине; клиенты долго ждут ответа.

Пока проблема не названа прямо, внедрять технологию рано. Попробуйте углубиться в сам процесс и выяснить причину сбоя.

3. Почему эту проблему нельзя решить без ИИ?

Это самый неприятный вопрос. Нередко выясняется, что компании нужен не ИИ, а нормальный регламент, единая база документов или интеграция двух систем.

Бывает, что процесс настолько хаотичный, что и автоматизировать пока нечего. В таких случаях нужна совсем другая работа — сначала разобраться, как вообще устроены алгоритмы внутри компании.

Например, если бизнес системно не достигает целей, проблема может быть не в отсутствии ИИ, а в самом подходе к целеполаганию, управлению и контролю. Здесь полезно начать с аудита стратегии и операционной модели, а уже потом обсуждать автоматизацию.

4. Почему проект должен окупиться?

Вот здесь заканчивается хайп и начинается экономика. Нужно честно посчитать:

• сколько времени компания теряет сейчас;
• сколько стоит ошибка;
• сколько денег уйдет на внедрение и поддержку;
• кто будет контролировать результат.

Если после этих вопросов экономика проекта все еще выглядит убедительно, ИИ действительно может дать эффект. И лучше потратить несколько недель на подробный расчет, чем потом год поддерживать дорогое внедрение без внятной пользы для бизнеса.

5. Почему у конкурентов получилось, и что осталось за кадром?

Перед запуском полезно поговорить с теми, кто уже внедрял ИИ в похожих процессах. Узнать, что не взлетело, где потратили лишнее, какие ограничения вылезли уже после запуска.

Такие разговоры можно искать через отраслевые сообщества, профильные бизнес-клубы, интеграторов и вендоров. Попросите не презентацию кейса, а встречу с командой, которая работала с внедрением: ИТ, операционным блоком, поддержкой, бэк-офисом. Вам расскажут то, что не попадает в маркетинговые материалы.

Расценивайте наши пять вопросов не как «истину в последней инстанции», а как пример стратегического подхода. Перед внедрением важно выйти из режима «все побежали — и мы побежали» и включить критическое мышление. Спокойно посмотреть на процессы, данные, экономику и честно ответить себе, готова ли компания к таким изменениям сейчас.