Последние полгода на конференциях и в рабочих встречах наблюдается схожая картина: заказчик демонстрирует, как «ИИ-агент» консультирует сотрудников по регламентам или поднимает историю клиента. При ближайшем рассмотрении это оказывается обычный чат-бот с базой знаний: отвечает на вопрос и ждёт следующего шага от человека.
Для такой подмены на рынке уже закрепился термин agent washing - по аналогии с greenwashing. Вендор берёт существующий инструмент (чат-бот, скрипт или RPA-цепочку) и переименовывает его в ИИ-агента, не меняя ничего под капотом. Но это лишь одна из причин, по которой пилотные проекты умирают, и часто даже не главная.
Исследование MIT «The GenAI Divide: State of AI in Business 2025», основанное на 52 глубинных интервью, показало: 95% пилотных проектов с генеративным ИИ застревают на ранней стадии, а измеримый рост демонстрируют лишь около 5%. Проблема не в технологии - модели работают. Проблема в отсутствии дисциплины вокруг модели.
ИИ попробовали почти все, но работает он у единиц. 90% пилотов по рынку так и не доходят до продакшена и не приносят отдачи. Причина не в том, что ИИ не работает, - просто вокруг модели не выстроена дисциплина. Чаще всего проседает одно из трёх: постановка задачи, данные или доверие к инструменту
отмечает Олег Кемаев.
Причина 1. Размытая постановка задачи
Первая поломка случается до запуска модели. Клиент говорит: «Нужен умный помощник для отдела продаж». Звучит как задача, но под этой фразой прячутся три разных продукта: подсказки по регламентам, аналитика по сделкам и дашборд с отчётами. Три задачи, три владельца, три метрики успеха — и всё в одной строке технического задания.
В одном из наших проектов проблема решилась сужением до одной роли — это ИИ-помощник для нового менеджера. Один результат: скорость выхода на план и снижение нагрузки на наставника. Только после этого стало понятно, что загружать в базу знаний и какие вопросы закрывать в первую очередь.
Принцип универсален: нельзя автоматизировать процесс, которого не видно в цифрах. Сначала процесс делают измеримым, потом подключают ИИ. Если у пилота нет одного владельца, отвечающего за результат, и одной метрики успеха — это не пилот, а эксперимент за деньги компании. Самый честный вопрос перед стартом: в какой одной операции сотрудник теряет больше всего времени и что считать улучшением?
Причина 2. Слепые данные
Ассистент умён ровно настолько, насколько хороши данные, которыми его питают. Сильная модель на слабых данных даёт слабый ответ. Нехватка данных проявляется с двух сторон: снаружи и внутри.
Снаружи это выглядит так: менеджер готовит коммерческое предложение и хочет быстро проверить контрагента или собственник спрашивает, что у конкурентов с ценами. Если ассистент сидит только на внутренней базе, он отвечает красиво и устаревше. Самое опасное, он делает это уверенно, не предупреждая, что информация устарела.
Решает проблему управляемый доступ к внешним источникам, не открытая дверь в интернет, а узкое окно, через которое инструмент идёт за конкретным фактом и не выносит наружу внутреннюю базу.
Внутри это выглядит иначе. Например, менеджер час говорил с клиентом по телефону, выяснил возражения, договорённости, кто принимает решение. Положил трубку и написал в CRM одну строку, перезвонить. Всё остальное испарилось. Запись разговора сегодня такие же первичные данные о сделке, как сумма в карточке, только их никто не слушает, переслушать тысячи часов руками нереально. Здесь работает распознавание речи и аналитика поверх него, которая вытаскивает из разговора возражения, настроение, договорённости и превращает звонок в данные, на которых ассистент может строить рекомендацию, а не угадывать.
Любопытный факт: по западным исследованиям, больше половины бюджетов на генеративный ИИ компании направляют в продажи и маркетинг, тогда как самая высокая отдача лежит в автоматизации бэк-офиса — обработке документов, сверке актов, проверке смет. Там, где ошибка стоит дороже, а процесс измерить проще.
Но даже если данные в порядке, и есть механизм их уточнения и наружу, и внутрь, остаётся третья причина, самая обидная. Когда всё работает, а доверие всё равно рушится, потому что вместо настоящего ИИ агента клиенту продали чат-бот с новой вывеской.
Причина 3. Подмена агента чат-ботом
Разница между чат-ботом и агентом не в модели, мотор внутри может быть один и тот же. Разница в том, как его собрали и что ему разрешили. Чат-бот - это модель плюс база знаний. Вы спросили, он ответил текстом и замолчал, ждёт следующего вопроса. Весь процесс ведёте вы, шаг за шагом. Агента собирают иначе. Ему дают цель, набор инструментов и право самому решать, каким инструментом и в каком порядке воспользоваться, пока он не дойдёт до результата. Если совсем коротко, чат-бот отвечает на вопрос, а агент выполняет поручение.
Например, возьмём сверку с контрагентом. Чат-бота вы спросите, как сделать сверку, и он расскажет текстом: зайдите туда, выгрузите это, сверьте то. Дальше всё вручную. Агент работает иначе. Вы отдаете ему файл от контрагента в любом формате, он сам распознает структуру, приводит её к формату учётной системы, создаёт документ сверки, заполняет, что смог, и отдельно подсвечивает спорные строки. Он не объясняет, как сделать. Он делает и приносит на проверку.
Путаница между этими двумя вещами уже не на уровне ощущений, а на уровне цифр. По оценке Gartner, из тысяч поставщиков, которые называют свои продукты агентным ИИ, по-настоящему агентным решением можно признать продукт лишь у небольшой части компаний, в районе сотни. Тот же Gartner прогнозирует, что больше 40% проектов агентного ИИ закроют до конца 2027 года, и главные причины не в слабости технологии, а в растущих расходах, неясной пользе для бизнеса и слабом контроле рисков.
Чек-лист: три вопроса перед запуском пилота
- Постановка задачи. Выделен ли один конкретный процесс? Есть ли у него один владелец и закреплена ли метрика, по которой видно, стало лучше или хуже?
- Данные. Потребуется ли их дополнение извне или изнутри? Какого источника не хватает, чтобы ассистент видел полную картину, а не только то, что уже лежит в системе?
- ИИ-агент. Где он принимает решение сам, а где готовит черновик для человека? Какой у него коридор полномочий и кто подписывает результат, если что-то пойдёт не так?
Если хотя бы на один вопрос нет внятного ответа, то вы не запускаете пилот, а покупаете красивую демонстрацию за деньги компании. Один час на эти 3 проверки перед подписанием контракта дешевле, чем полгода объяснять руководству, куда ушёл бюджет на пилот, который никуда не дошёл.
