Руководство ждёт от ИИ прорывов, а компании не готовы

Почти восемь из десяти промышленных предприятий признают: запросы топ-менеджмента на искусственный интеллект заметно опережают то, что организации способны реально обеспечить. Это следует из исследования «К2Тех», в котором приняли участие 150 представителей руководящего состава крупных промышленных компаний. Респонденты оценивали собственную готовность выдать тот результат, которого от ИИ ждут наверху, а также называли препятствия, мешающие это сделать.

Самый острый сценарий зафиксирован у 30% опрошенных: разрыв между ожиданиями и реальностью там сильный. От ИИ требуют быстрых результатов, но ни данные, ни инфраструктура к этому не расположены. Ещё 49% говорят, что запросы руководства лишь отчасти совпадают с текущими возможностями. Полное соответствие по этому критерию отметили только 5% участников. Оставшиеся 16% затруднились с оценкой.

С управлением ИИ тоже не всё гладко. В 19% компаний ответственность за риски генеративного ИИ нигде формально не закреплена. У 23% нет системного подхода — с политиками, ролями и контролем. Ещё 30% оценивают эффективность такого управления без формальных метрик, просто по ходу процесса.

Один из главных тормозов на пути к быстрому и измеримому эффекту от ИИ — плохое качество данных. Для 30% именно это стало ключевым барьером. Лишь 5% считают свои данные полностью готовыми. У 46% они пригодны частично: нужны разметка, очистка или объединение из разных источников. При этом отдельного финансирования такие задачи получают не всегда. В 37% компаний бюджет на управление данными и ИИ вообще не выделяют — работы идут в рамках текущих ИТ-задач. У 33% респондентов бюджет вырос на 10–30%, и только 14% сообщили о серьёзном увеличении — более чем на 50%.

Отдельный вопрос для промышленников — готова ли их data-инфраструктура к новым требованиям регулирования ИИ. Многие предприятия относятся к КИИ, а значит, закон на них распространяется. Полностью готовыми к нему себя назвали 12% респондентов. Частично — 48%, им нужна доработка процессов и платформ. Ещё 21% ожидают значительной трансформации data-ландшафта, а 19% на момент опроса такую оценку вообще не проводили.

Вычисления — ещё одно узкое место. Для 27% опрошенных нехватка мощностей стала главным ограничением. 24% арендуют GPU у сторонних провайдеров, 21% совмещают собственные ресурсы с облаком для пиковых нагрузок, и столько же располагают собственными GPU-кластерами с достаточным запасом. Промышленным компаниям это сигнализирует: вычислительную инфраструктуру надо планировать так же системно, как данные и управление ИИ-рисками, подбирая баланс между своими, арендованными и гибридными мощностями под конкретные сценарии. Иначе дефицит ресурсов станет ещё одной причиной, по которой ожидания руководства разойдутся с реальностью — даже если данные и процессы уже частично готовы.

Дмитрий Красников, руководитель практики Big Data & BI «К2Тех», обращает внимание: чтобы ИИ дал нужный руководству результат, смотреть на внедрение надо комплексно и отталкиваться прежде всего от ожидаемого эффекта. По его словам, перед любыми действиями компании стоит оценить готовность к конкретному сценарию — хватает ли качественных данных и вычислительных ресурсов, кто отвечает за работу решения и как измерять его эффективность. Затем — определить, как встроить его в текущие процессы. Для специалистов предприятия это сложная задача на стыке нескольких направлений, особенно если решать её приходится параллельно с текущими ИТ-задачами. Это тоже важно учитывать при проработке плана, иначе сроки внедрения могут оказаться нереалистичными.

Ещё одно ограничение — нехватка качественных специалистов и экспертизы. По данным К2 Кибербезопасности (входит в «К2Тех»), защита ИИ входит в топ-5 приоритетов четверти российских корпораций. Искусственный интеллект уже рассматривают как компонент операционной устойчивости, и 38% крупных компаний разрабатывают собственные ИИ-решения для внутренних процессов. При этом 75% из них не умеют делать их безопасными для бизнеса — их процессы не соответствуют стандарту управления безопасностью ИИ-разработки MLSecOps. С управленческой точки зрения это демонстрирует разрыв: темпы внедрения ИИ уже опережают зрелость процессов, нужных для контроля связанных с ним рисков. Рынок MLSecOps пока только формируется во всём мире, и компании не понимают, как защищать собственные ИИ-разработки самостоятельно, предпочитая отдавать этот блок внешним подрядчикам.