Высокоценные сценарии применения AI отстают от шумихи вокруг enterprise AI

Иконки AI-приложений показаны на iPhone в Лондоне 3 мая 2025 года. Успех enterprise AI, хотя и редкий, зависит от интеграции в процессы, говорится в отчете Appian. alexsl via Getty Images

Dive Brief:

• В корпоративном секторе формируется разрыв в успехе AI, и его причиной становится неспособность полностью встроить технологию в рабочие процессы, согласно опросу Harvard Business Review Analytic Services, заказанному Appian и опубликованному на прошлой неделе. В исследовании приняли участие 385 компаний, использующих AI.
• Чтобы получить реальную отдачу, компаниям нужно изначально встраивать AI в операции и выстраивать правила и ограничения, которые безопасно направляют технологию в сложных рабочих сценариях. Среди организаций, встроивших AI в процессы, 71% сообщили об умеренной или существенной ценности, тогда как средний показатель по всей выборке составил всего 16%.
• «Истинный потенциал AI можно реализовать только тогда, когда он превращается из автономного инструмента во встроенного работника, который приносит выручку», — заявил генеральный директор Appian Мэтт Калкинс в сообщении, сопровождавшем отчет.

Dive Insight:

AI окончательно перешел из экспериментального инструмента в основу операций, однако немногие компании используют его на полную мощность.

По данным отчета, ключевая проблема связана с тем, как именно технология внедряется. Более половины опрошенных организаций уже используют AI в production, однако большинство внедрений ориентировано на повышение эффективности, а не на рост выручки.

«Корпоративные компании находятся в точке перелома», — сказал Калкинс. «Организациям нужно эволюционировать и сосредоточиться на росте бизнеса».

Эти выводы появляются на фоне того, как hyperscale cloud-провайдеры вкладывают сотни миллиардов долларов в AI-инфраструктуру, стремительно наращивая мощности дата-центров и закупки специализированных чипов, чтобы удовлетворить ожидаемый спрос. Хотя этот всплеск расходов отражает сохраняющуюся уверенность в долгосрочном экономическом эффекте AI, повседневная отдача остается неравномерной, а большинство компаний используют AI параллельно с существующими процессами, а не интегрируют его в них эффективно.

Одновременно стратегию внедрения определяют опасения по поводу рисков. Почти все респонденты заявили, что AI agents нужны правила и ограничения, основанные на правилах, чтобы работать безопасно, однако менее половины (48%) уже их установили.

Недостаток AI governance уже стал ключевой проблемой для компаний, масштабирующих технологию, и крупные вендоры, включая Salesforce, AWS и Databricks, выпускают собственные инструменты, чтобы закрыть этот пробел.

Еще одним устойчивым барьером остается устаревшая инфраструктура. Почти 7 из 10 респондентов сказали, что старые системы ограничивают их способность масштабировать AI; также в числе основных препятствий были названы data silos, проблемы интеграции и нехватка навыков.

Чтобы CIO могли эффективно применять инструменты для высокоценностных сценариев, сторонние аналитики, включая Gartner, советуют компаниям сосредоточиться на целевых кейсах, напрямую привязанных к измеримым бизнес-результатам.

KPMG также выделила слабый governance как ключевой фактор, из-за которого AI-пилоты терпят неудачу. Без готовности данных и контроля предприятия не могут эффективно вывести технологию за пределы экспериментов.

Как показал отчет Appian, переход к более ценным сценариям применения, вероятно, потребует одновременного продвижения по трем направлениям: модернизации основных систем, интеграции разрозненных данных и перепроектирования рабочих процессов так, чтобы AI был встроен в них с самого начала.

Материал — перевод статьи с английского.

Оригинал: High-value use cases lag behind enterprise AI hype