Почему 95% ИИ-пилотов не доходят до продакшена - данные, люди, процесс
Владимир Нелюб, директор по науке и ИИ "Группа Астра". Конференция «Телеком Будущего 2026» "TMT Conference". Качество данных — фундамент любой ИИ-системы. Если данные слабые или быстро устаревают, результаты пилота теряют ценность. В выступлении отдельно отмечено, что данные могут жить около трёх месяцев, а потом доверие к ним обнуляется. Проблема пилотов чаще не в модели, а в инфраструктуре. Прозвучала оценка, что 95% пилотов не доходят до продакшена, а 64% провалов связаны именно с инфраструктурными решениями, а не с самой моделью. Главные причины провала — три: данные, разрыв между IT и бизнесом, нехватка профильной экспертизы. Особенно подчёркивался конфликт между энтузиазмом IT-команды и отсутствием интереса у владельца бизнес-процесса. Информационная “могила” — это прежде всего человеческий фактор. Важны страхи сотрудников, саботаж и отсутствие нормальной обратной связи от бизнеса; это не только технологическая, но и организационная проблема. Чтобы пилот выжил, нужен конкретный владелец и долгий горизонт. Было сказано, что цифровой сотрудник должен быть закреплён за владельцем процесса, а бюджетное планирование — с горизонтом не меньше трёх лет. Нужно пересмотреть подход к роли сотрудников. Логика не в конкуренции с ИИ, а в том, чтобы учить людей работать с агентом и использовать его для снятия рутины. Стартовать стоит с “генеральной уборки данных”. Спикер предлагает начинать с аудита, чистки данных и выстраивания информационной дисциплины. Облако может стать безопасной средой для перезапуска. Оно позволяет не тащить legacy, заново собрать решение, провести пилот и лучше понять, что работает. ИИ лучше внедрять там, где есть рутина и дефицит ресурсов. В выступлении приводился пример заполнения метаданных: локальная LLM может дать около 90% верных значений, которые потом нужно только проверить.
Владимир Нелюб, директор по науке и ИИ "Группа Астра". Конференция «Телеком Будущего 2026» "TMT Conference". Качество данных — фундамент любой ИИ-системы. Если данные слабые или быстро устаревают, результаты пилота теряют ценность. В выступлении отдельно отмечено, что данные могут жить около трёх месяцев, а потом доверие к ним обнуляется. Проблема пилотов чаще не в модели, а в инфраструктуре. Прозвучала оценка, что 95% пилотов не доходят до продакшена, а 64% провалов связаны именно с инфраструктурными решениями, а не с самой моделью. Главные причины провала — три: данные, разрыв между IT и бизнесом, нехватка профильной экспертизы. Особенно подчёркивался конфликт между энтузиазмом IT-команды и отсутствием интереса у владельца бизнес-процесса. Информационная “могила” — это прежде всего человеческий фактор. Важны страхи сотрудников, саботаж и отсутствие нормальной обратной связи от бизнеса; это не только технологическая, но и организационная проблема. Чтобы пилот выжил, нужен конкретный владелец и долгий горизонт. Было сказано, что цифровой сотрудник должен быть закреплён за владельцем процесса, а бюджетное планирование — с горизонтом не меньше трёх лет. Нужно пересмотреть подход к роли сотрудников. Логика не в конкуренции с ИИ, а в том, чтобы учить людей работать с агентом и использовать его для снятия рутины. Стартовать стоит с “генеральной уборки данных”. Спикер предлагает начинать с аудита, чистки данных и выстраивания информационной дисциплины. Облако может стать безопасной средой для перезапуска. Оно позволяет не тащить legacy, заново собрать решение, провести пилот и лучше понять, что работает. ИИ лучше внедрять там, где есть рутина и дефицит ресурсов. В выступлении приводился пример заполнения метаданных: локальная LLM может дать около 90% верных значений, которые потом нужно только проверить.