Почти все компании инвестируют в AI, но лишь 5% считают свои данные готовыми

К середине 2026 года предприятия уже начинают видеть ощутимую отдачу от инвестиций в AI. Однако для масштабирования им требуется не столько эффектная frontier-модель или продвинутый бенчмаркинг, сколько чистые, совместимые и управляемые данные.

Согласно новому опросу AI Momentum Survey от Dun & Bradstreet, 97% организаций сообщают об активных AI-инициативах, но только 5% говорят, что их данные готовы поддерживать такие проекты.

Это отражает сложную реальность AI: предприятиям все еще трудно перейти от экспериментов к промышленной эксплуатации.

«Вам не нужны данные, полностью готовые к AI, на уровне всей компании, чтобы запускать пилоты или отдельные кейсы», — сказал Cayetano Gea-Carrasco, директор по стратегии Dun & Bradstreet. «Но они нужны, чтобы надежно масштабировать AI в критически важных рабочих процессах и системах».

Ранние результаты уже видны

По данным отчета D&B, в 2026 году организации полностью делают ставку на AI и рассматривают его как критически важный приоритет. Более двух третей (67%) видят «ранние признаки или отдельные очаги» ROI, а 24% сообщают о «широкой или сильной» отдаче.

Кроме того, более половины (56%) из 10 000 опрошенных компаний заявили, что планируют увеличить инвестиции в AI в течение следующих 12 месяцев. Примерно треть (30%) масштабирует AI до production, а 26% внедряют технологию в нескольких ключевых процессах.

По мере быстрого роста внедрения ранняя отдача встречается чаще, чем даже год назад, отметили в D&B, но результаты по-прежнему неоднородны. Одновременно опасения по поводу готовности данных стали «еще более серьезными», чем в 2025 году.

Причины разные: проблемы с доступом к данным (их указали 50% опрошенных D&B), риски конфиденциальности и compliance (44%), а также опасения по поводу качества и целостности данных (40%). Еще 38% сообщили об отсутствии интеграции между системами, а 37% — о нехватке квалифицированных специалистов по AI.

Особенно тревожно, что лишь небольшая доля предприятий (10%) с высокой уверенностью говорит, что может выявлять и снижать риски, связанные с AI.

«Ключевой вопрос уже не в том, экспериментируют ли организации с AI, — сказал Gea-Carrasco. — Вопрос в том, есть ли у них данные и инфраструктура, необходимые для надежного внедрения AI в масштабе предприятия».

Computerworld Smart Answers

http://www.computerworld.com/smart-answers

Посмотреть связанные вопросы

Он отметил, что предприятиям относительно легко запускать copilots, chat-интерфейсы или отраслевые AI-инструменты на базе универсальных моделей и получать «впечатляющие результаты в контролируемой среде». Но гораздо меньше компаний способны внедрить AI в production-процессы, где точность, подотчетность, explainability, interoperability и consistency напрямую влияют на бизнес-решения. Речь идет, в частности, о таких областях, как onboarding, compliance, управление рисками и клиентские операции. «Именно здесь готовность данных становится критически важной», — сказал Gea-Carrasco.

Проблема данных

Сложности с данными только усиливаются по мере того, как предприятия переходят от copilots к более автономным agentic workflows. «Большинство корпоративных data environments создавались для человеческих рабочих процессов, а не для автономных AI-систем, которые непрерывно работают во всей компании», — отметил он.

Хотя AI-системы могут выдавать результаты, звучащие связно, на операционном уровне им трудно доверять из-за hallucinations, противоречивых рекомендаций между системами и проблем с compliance, подчеркнул Gea-Carrasco. Это проблема для всех предприятий, но особенно для компаний в регулируемых отраслях, таких как banking, insurance, healthcare и financial services, где надежные и поддающиеся аудиту результаты «не подлежат обсуждению».

Наибольший прогресс показывают организации, которые работают над тем, чтобы их данные были качественными, надежными и управляемыми. Они инвестируют в единообразный identity resolution, а также в interoperability и обслуживание данных, чтобы AI мог «надежно потреблять» информацию и действовать на ее основе, пояснил он.

Где предприятия видят ROI

Предприятия начинают видеть ROI в тех областях, где базовые data environments более зрелые, а значит, AI проще напрямую встроить в реальные рабочие процессы, сказал Gea-Carrasco. Речь идет о sales intelligence, onboarding, compliance workflows, customer research, risk analysis, workflow automation, prospecting, screening, supplier evaluation и business verification.

Обычно ROI выражается в сокращении объема ручных исследований, ускорении onboarding и проверок, повышении операционной согласованности, ускорении sales workflows и более качественной поддержке решений для сотрудников, сказал он. «Во многих случаях организации используют AI, чтобы помочь командам обрабатывать и синтезировать большие объемы информации значительно быстрее, чем раньше».

Он подчеркнул, что AI наиболее эффективен, когда дополняет существующие операционные процессы, а не полностью заменяет человеческое принятие решений. «Организации добиваются успеха там, где AI помогает сотрудникам работать быстрее, принимать более качественные решения и сокращает рутинную ручную работу, при этом люди остаются вовлеченными в контроль и финальное утверждение», — сказал он.

Корпоративный подход к agentic AI

Agentic AI начинает входить в production-среду, хотя это все еще «относительно ранняя и точечная» стадия, отметил Gea-Carrasco.

Сегодня большинство предприятий развертывают agents с узкой областью применения, а не полностью автономных, сказал он. Ближайшая модель — supervised autonomy, когда agents выполняют части workflows, а люди по-прежнему участвуют в утверждении, контроле и обработке исключений. Поэтому agents входят в то, что он назвал «четко определенными workflows», например в исследования, поддержку onboarding и orchestration workflows.

В ближайшие несколько лет AI перейдет от отдельных copilots к более связанным agentic systems, встроенным непосредственно в enterprise workflows, отметил он. Они будут все активнее координировать работу между клиентами, поставщиками, партнерами, сотрудниками и корпоративными приложениями. Agents, вероятно, станут еще заметнее в workflows, связанных с sales operations, onboarding, compliance, procurement, customer research, risk management, supplier evaluation и monitoring.

«Enterprise AI становится все меньше похож на изолированные инструменты повышения продуктивности, — сказал Gea-Carrasco, — и все больше — на создание интеллектуальных операционных систем, способных поддерживать принятие решений и выполнение workflows в масштабе».

_Эта статья впервые была опубликована на CIO.com._

Материал — перевод статьи с английского.

Оригинал: Nearly every enterprise is investing in AI, but only 5% say their data is ready