Почему поспешное внедрение ИИ в корпорациях создает риски для бизнеса

По данным Digital Russia, корпоративный ИИ всё чаще упирается не в выбор модели или интерфейса, а в базовый пользовательский флоу: сотрудник уже открывает публичный сервис, пробует решить рабочую задачу — а компания ещё не определила, какие данные туда можно передавать и кто отвечает за результат. В исследовании «К2 НейроТех» 65% респондентов сообщили о заметном разрыве между ожиданиями топ-менеджмента и фактической готовностью бизнеса к внедрению ИИ. Для мобильных и корпоративных продуктов это риск превратить перспективный сценарий в ещё один неуправляемый канал работы.

ИИ появляется раньше, чем готовый путь пользователя

Исследование охватило 100 компаний корпоративного сегмента. Бизнес массово использует генеративный ИИ, однако инфраструктура, данные и контуры безопасности во многих организациях не успевают за темпом внедрения.

56% участников считают свои data-ландшафты частично готовыми или неготовыми к новым регуляторным требованиям. Ещё 52% говорят, что текущая ИТ-инфраструктура требует серьёзной модернизации либо ещё не оценивалась под ИИ-нагрузки.

На экране это обычно выглядит обманчиво просто: добавить чат-ассистента в приложение, подключить генерацию текста для оператора, дать сотруднику быстрый поиск по внутренним материалам. Но у такого флоу есть невидимая часть — откуда модель берёт данные, где они хранятся, что происходит при росте запросов и как команда сопровождает сервис после запуска. Если эти шаги не собраны, бесшовность заканчивается на первом же реальном сценарии.

Метрики и безопасность пока отстают

28% респондентов ещё не проводили нагрузочное планирование для ИИ-сценариев. При этом 45% оценивают эффективность управления ИИ по качественным признакам либо вовсе «по ощущениям». Для продуктовой команды это означает знакомую проблему: функция уже попала в бэклог и презентацию, но критерии её устойчивой работы, полезности и контроля не договорены.

Отдельный разрыв связан с публичными ИИ-сервисами. По данным исследования, сотрудники 79% компаний уже используют их в работе. При этом контролировать процесс пытается 61% компаний, а реальные политики безопасности по использованию таких сервисов внедрены лишь у 29%.

Самый неудобный пользовательский паттерн здесь — запрет без альтернативы. Когда корпоративный инструмент медленный, не умеет работать с нужными материалами или требует слишком много шагов, сотрудник выбирает внешний сервис. Так в публичные модели могут попасть конфиденциальные сведения и внутренние протоколы. В исследовании также упоминаются риски токсичного контента от имени компании и вредоносных запросов.

Перед интеграцией стоит проверить не только интерфейс

62% компаний ориентируются на гибридную модель, сочетающую собственные мощности и облако. По 31% участников уже применяют такой подход для обучения и инференса моделей либо считают его стратегически оптимальным. При этом 21% прямо называют дефицит мощностей главным ограничением ИИ-проектов.

Для владельца приложения или внутреннего сервиса практический вывод простой: не стоит оценивать ИИ-функцию только по качеству демо. До запуска важно пройти пользовательский путь целиком — определить допустимые данные, проверить нагрузку, назначить владельца процесса и зафиксировать метрики результата. Иначе онбординг в ИИ получится быстрым, а промышленная эксплуатация — бесконечной стадией «пилота».