Цифрова трансформація за допомогою штучного інтелекту: Шокуючий прогноз: 40% проектів зі штучним інтелектом зазнають невдачі – ваш агент наступний?

Невдала автоматизація: жорстока правда про проекти розробки штучного інтелекту

Роками цифрова трансформація обіцяла золотий вік автоматизації та ефективності. Агентів штучного інтелекту, зокрема, рекламують як цифрових працівників майбутнього, від яких очікується, що вони полегшать навантаження на людей та революціонізують бізнес-процеси. Але реальність малює іншу картину: понад кожен третій проект розробки знаходиться на межі краху, а ейфорія все більше поступається місцем розчаруванню. Ця невідповідність між обіцянками та реальністю ставить фундаментальні питання щодо фактичної зрілості та практичних переваг цієї технології.

Що таке агенти штучного інтелекту та чому їх вважають революційними?

Агенти ШІ принципово відрізняються від традиційних інструментів автоматизації. У той час як класичні програмні рішення, такі як Zapier або Make, працюють за фіксованими правилами, агенти ШІ поєднують можливості сприйняття, прийняття рішень та дій в автономну систему. Вони можуть вирішувати, виходячи з ситуації, яка дія є доцільною наступною, замість того, щоб завжди дотримуватися одного й того ж шаблону.

Ці передові комп'ютерні програми розроблені для автономної роботи, прийняття рішень та вжиття заходів без постійного втручання людини. Вони можуть аналізувати дані, навчатися на досвіді та адаптуватися до змінних умов. На відміну від простіших інструментів автоматизації, агенти штучного інтелекту можуть виконувати складні завдання та адаптуватися до непередбачуваних ситуацій.

Поєднання, здавалося б, логічних висновків та реальної здатності до дії вважається перевіреним шляхом до потужніших, універсальних систем штучного інтелекту. Агент більше не просто шукає інформацію про продукт та дає рекомендації, а й переглядає веб-сайт постачальника, заповнює форми та здійснює покупку – виключно на основі короткої інструкції та вивчених процесів.

Підходить для цього:

• ШІ-агенти в CRM: між обіцянкою та реальністю

Обіцянка підвищення продуктивності

Потенційні переваги агентів ШІ для бізнесу на перший погляд здаються вражаючими. Дослідження справді показують позитивні результати: дослідження Массачусетського технологічного інституту та Стенфордського університету, засноване на даних 5179 співробітників служби підтримки клієнтів, показало, що співробітники, яких підтримував агент ШІ, були на 13,8 відсотка продуктивнішими, ніж ті, хто не мав до них доступу. Нещодавнє дослідження навіть показує, що агенти ШІ можуть підвищити продуктивність команди на 60 відсотків.

Очікується, що агенти зі штучним інтелектом виконуватимуть широкий спектр завдань, від планування зустрічей та бронювання подорожей до досліджень та звітності. Вони можуть автоматизувати повторювані та трудомісткі завдання, звільняючи співробітників-людей для зосередження на стратегічних та творчих починаннях. Уявіть собі агента зі штучним інтелектом, який автоматично обробляє рахунки-фактури, генерує звіти та планує зустрічі, дозволяючи співробітникам зосередитися на складніших завданнях, що потребують людської експертизи.

Застосування охоплюють практично всі сфери бізнесу. У сфері обслуговування клієнтів агенти штучного інтелекту можуть надавати персоналізовану підтримку цілодобово, використовуючи обробку природної мови для обробки запитів клієнтів та передавати проблеми представникам-людям лише за необхідності. В ІТ-підтримці вони допомагають з автоматизованим усуненням несправностей шляхом виявлення, аналізу та вирішення проблем. У фінансових та страхових системах вони можуть виявляти та запобігати шахрайській діяльності, аналізуючи закономірності та аномалії в даних.

Сувора реальність: Чому агенти ШІ зазнають невдачі

Незважаючи на багатообіцяючі перспективи, реальність є тривожною. Дослідницька компанія Gartner прогнозує, що понад 40 відсотків усіх проектів агентів штучного інтелекту, які зараз плануються або використовуються, будуть припинені до 2027 року. Цей прогноз ґрунтується на трьох основних причинах: зростання витрат, низька рентабельність інвестицій для компаній та недостатній контроль ризиків.

Анушрі Верма, старший директор-аналітик Gartner, пояснює ситуацію так: більшість проектів штучного інтелекту на основі агентів наразі перебувають на ранній експериментальній фазі або ж все ще є концепціями, що керуються ажіотажем та неправильно застосовуються. Багато користувачів ШІ досі не розуміють, наскільки дорогими та складними насправді є агенти ШІ при масштабуванні до цілих підприємств.

Технічні недоліки та проблеми з якістю

Фундаментальна проблема полягає в технічній незрілості сучасних систем. За даними аналітиків Gartner, лише близько 130 з понад 1000 інструментів, які обіцяють можливості агентного ШІ, фактично виконують цю обіцянку. Більшість обіцянок щодо агентного ШІ не мають значної цінності або рентабельності інвестицій, оскільки вони недостатньо зрілі, щоб автономно досягати складних бізнес-цілей або щоразу детально виконувати інструкції.

Проблеми стають особливо очевидними, коли агенти ШІ стикаються зі складними, багатоетапними завданнями. Бенчмарк від Salesforce показує, що навіть топові моделі, такі як Gemini 2.5 Pro, досягають лише 58 відсотків успіху в простих завданнях. Продуктивність різко падає до 35 відсотків у довших діалогах. Як тільки для збору відсутньої інформації за допомогою подальших запитань потрібно кілька раундів розмови, продуктивність значно знижується.

Інший бенчмарк у фінансовому секторі демонструє аналогічні тривожні результати: найкраще протестована модель, o3 від OpenAI, досягла лише 48,3% точності за середньої вартості 3,69 долара за відповідь. Хоча моделі здатні витягувати базові дані з документів, вони не забезпечують глибокого фінансового обґрунтування, необхідного для справжнього доповнення або заміни роботи аналітиків.

Проблема експоненціального зростання ймовірності помилки

Особливо проблематичною характеристикою агентів зі штучним інтелектом є їхня схильність до накопичення помилок. Patronus AI, стартап, який допомагає компаніям оцінювати та оптимізувати технології штучного інтелекту, виявив, що агент з рівнем помилок один відсоток на крок до 100-го кроку має 63-відсоткову ймовірність помилки. Чим більше кроків потрібно агенту для виконання завдання, тим вища ймовірність того, що щось піде не так.

Ця математична реальність пояснює, чому, здавалося б, незначні покращення точності можуть мати непропорційний вплив на загальну продуктивність. Помилка на будь-якому окремому кроці може призвести до невдачі всього завдання. Чим більше кроків, тим вища ймовірність того, що щось піде не так до кінця.

Ризики безпеки та нові вектори атак

Дослідники Microsoft визначили щонайменше десять нових категорій збоїв агентів штучного інтелекту, які можуть поставити під загрозу безпеку або захист програм або середовищ ШІ. Ці нові режими збоїв включають компрометацію агента, проникнення зловмисних агентів у систему або імітацію легітимних робочих навантажень ШІ агентами, контрольованими зловмисниками.

Особливе занепокоєння викликає явище «отруєння пам’яті». Дослідники Microsoft у своєму тематичному дослідженні продемонстрували, що агент штучного інтелекту, який аналізує електронні листи та виконує дії на основі їхнього вмісту, може бути легко скомпрометований, якщо він не захищений від таких атак. Надсилання електронного листа, що містить команду, що змінює базу знань або пам’ять агента, призводить до непередбачуваних дій, таких як пересилання повідомлень на певні теми зловмиснику.

Економічні виклики

Стрімке зростання витрат на впровадження

Вартість впровадження агентів штучного інтелекту суттєво варіюється залежно від масштабу та складності. Для малого бізнесу, якому потрібні лише базові рішення, прості плани ШІ зазвичай коштують від 0 до 30 доларів на місяць. Для середніх компаній витрати на впровадження можуть коливатися від 50 000 до 300 000 доларів, тоді як великі організації з загальнокорпоративними ініціативами ШІ повинні очікувати інвестицій від 500 000 до 5 мільйонів доларів протягом першого року.

Однак справжні витрати виходять далеко за рамки початкових витрат на впровадження. Компанії повинні враховувати витрати на обладнання для спеціалізованих серверів і кластерів графічних процесорів, ліцензійні збори за програмне забезпечення, рішення для зберігання даних та ресурси хмарних обчислень. Крім того, підготовка даних — часто найтрудомісткіший аспект проектів штучного інтелекту — вимагає значних інвестицій. Згідно з дослідженням Gartner, організації зазвичай витрачають від 20 000 до 500 000 доларів США на початкову інфраструктуру штучного інтелекту, залежно від обсягу проекту.

Проблема нечіткої окупності інвестицій

Особливо проблематичним аспектом є складність кількісної оцінки фактичних переваг використання агентів штучного інтелекту. Хоча традиційні рішення для автоматизації часто пропонують очевидну економію коштів за рахунок скорочення штату або підвищення ефективності, рентабельність інвестицій агентів штучного інтелекту виміряти важче. Параметри для вимірювання успіху необхідно скоригувати, оскільки рентабельність інвестицій неможливо визначити безпосередньо.

Незважаючи на оптимістичні очікування – опитування показує, що 62 відсотки компаній очікують рентабельності інвестицій (ROI) понад 100 відсотків для агентного ШІ – реальність часто виявляється недостатньою. Багато пілотних проектів не переходять у виробниче середовище, оскільки обіцяна додана цінність не матеріалізується або витрати на впровадження перевищують очікувану економію.

Миючий агент: проблема маркетингу

Додатковим фактором, що посилює плутанину, є так зване «відмивання агентів». Багато постачальників перейменовують існуючі технології, такі як помічники штучного інтелекту, роботизована автоматизація процесів або чат-боти, на нібито агентно-орієнтовані рішення, хоча їм часто бракує ключових характеристик справжніх агентів. Gartner підрахував, що з тисяч постачальників лише близько 130 пропонують справді автентичні агентно-орієнтовані технології штучного інтелекту.

Така практика призводить до нереалістичних очікувань серед компаній, які вважають, що впроваджують зрілу технологію агентів, тоді як насправді вони отримують лише вдосконалені інструменти автоматизації. Плутанина між справжніми агентами на базі штучного інтелекту та традиційними рішеннями для автоматизації значною мірою сприяє високому рівню збоїв.

Детальніше про це тут:

• Знаходьте продукти та отримуйте аналітику B2B за допомогою штучного інтелекту / Консалтинг та підтримка

Конкретні проблеми на практиці

Інтеграція в існуючі системи

Однією з найбільших практичних перешкод є інтеграція агентів штучного інтелекту в існуючі ІТ-ландшафти. Інтеграція може бути справжнім викликом, оскільки компаніям потрібно забезпечити безперешкодну інтеграцію агентів штучного інтелекту в їхню існуючу інфраструктуру. Така інтеграція часто вимагає значних налаштувань існуючих систем і може призвести до дороговартісних перебоїв у поточних бізнес-процесах.

Багато існуючих корпоративних систем не були розроблені для взаємодії з автономними агентами штучного інтелекту. Необхідні інтерфейси API, формати даних та протоколи безпеки часто потребують повного перероблення. Ця технічна складність призводить до збільшення часу впровадження та збільшення витрат, ніж передбачалося спочатку.

Підходить для цього:

• Інтеграція AI незалежної та перехресної платформи AI для всіх питань компанії

Питання захисту даних та дотримання вимог

Використання агентів штучного інтелекту також викликає питання щодо захисту даних та дотримання законів, таких як GDPR. Компанії повинні забезпечити захист конфіденційності своїх клієнтів та дотримуватися чинного законодавства. Доступ агентів до конфіденційних даних та їх обробка значно збільшують ризики для захисту даних.

Автономні системи штучного інтелекту частково виходять з-під контролю людини, створюючи нові вразливості. У мережевих багатоагентних системах можуть виникати емерджентні ефекти, що роблять їхню поведінку непередбачуваною. Повністю автономні агенти можуть діяти несподівано, що викликає правові та етичні проблеми.

Організаційний опір

Часто недооцінюється опір серед працівників. Автоматизація за допомогою агентів штучного інтелекту може призвести до змін на робочому місці та втрати робочих місць. Компанії повинні бути готові до цих змін та вживати заходів для підтримки своїх співробітників. Співробітників потрібно переконати в перевагах агентів штучного інтелекту, щоб вони могли ефективно їх використовувати.

Успішне впровадження вимагає не лише технічної експертизи, але й управління змінами та навчальних програм. Без прийняття та активної підтримки робочої сили навіть технічно складні впровадження зазнають невдачі через людський фактор.

Чому сучасні підходи є недостатніми

Складність реальних бізнес-процесів

Багато агентів штучного інтелекту розроблені для роботи в контрольованих середовищах, але реальні бізнес-процеси набагато складніші та непередбачуваніші. Системи, засновані на правилах, демонструють певний ступінь крихкості, тобто вони можуть вийти з ладу, зіткнувшись із ситуаціями, не передбаченими їхніми розробниками. Багато робочих процесів набагато менш передбачувані, характеризуються несподіваними поворотами та широким спектром можливих результатів.

Агенти штучного інтелекту, які добре працюють у контрольованих тестових середовищах, часто зазнають невдачі, стикаючись зі складністю та непередбачуваністю реального бізнес-середовища. Вони можуть не помітити важливу контекстуальну інформацію або приймати неправильні рішення, стикаючись із неоднозначністю.

Переоцінена автономія

Фундаментальна проблема полягає в переоцінці фактичної автономії сучасних агентів штучного інтелекту. Більшість так званих автономних систем все ще потребують значного людського нагляду та втручання. Агенти, які діють повністю автономно, балансують між корисністю та непередбачуваністю. Повна автономія звучить ідеально, доки агент не забронює поїздку не в те місто або не надішле неперевірений електронний лист важливому клієнту.

Сучасним моделям штучного інтелекту бракує необхідних можливостей для самостійного досягнення складних бізнес-цілей, а також вони не здатні виконувати тонкі інструкції протягом тривалого часу. Це обмеження часто перешкоджає реалізації обіцяної автоматизації, і людський нагляд залишається необхідним.

Успішні стратегії впровадження

Зосередьтеся на конкретних випадках використання

Незважаючи на численні труднощі, справді трапляються успішні впровадження агентів штучного інтелекту. Ключ полягає в зосередженні на конкретних, чітко визначених варіантах використання, а не в спробах створити універсальні рішення. Успішні організації зосередилися на визначенні пріоритетів та адаптації варіантів використання. Ті, хто приймає рішення та використовує кожну можливість ШІ, ймовірно, матимуть більше невдалих проектів.

Перевірений підхід полягає у використанні агентів штучного інтелекту для прийняття рішень, автоматизації рутинних процесів або обробки простих запитів. Ці обмежені, чітко визначені завдання пропонують вищу ймовірність успіху, ніж спроби повністю автоматизувати складні, неоднозначні бізнес-процеси.

Покрокове впровадження

Прагматичний підхід полягає у поетапному впровадженні агентів штучного інтелекту. Замість того, щоб намагатися трансформувати цілі бізнес-підрозділи одночасно, компаніям слід починати з менших, більш керованих проектів. Менші компанії можуть мінімізувати свої витрати, використовуючи послуги телефонії на основі штучного інтелекту та готові рішення, які потребують менших початкових інвестицій, ніж системи, розроблені на замовлення.

Одним із прикладів успішного поетапного впровадження є страхова компанія середнього розміру, яка впровадила штучний інтелект для обробки страхових випадків та обслуговування клієнтів. Незважаючи на початкові інвестиції у розмірі 425 000 доларів США, система досягла позитивної рентабельності інвестицій протягом 13 місяців та забезпечила сукупну економію та збільшення доходів на 1,2 мільйона доларів США протягом трьох років.

Важливість корпоративного управління та управління ризиками

Агенти ШІ для прийняття рішень не є ні панацеєю, ні непогрішними. Їх необхідно використовувати в поєднанні з ефективним управлінням та управлінням ризиками. Людські рішення все ще вимагають достатніх знань, а також даних та експертизи в галузі ШІ.

Ефективна система управління повинна включати чіткі інструкції щодо моніторингу та контролю агентів штучного інтелекту. Це включає механізми виявлення та виправлення помилок, регулярні перевірки роботи агентів та чіткі шляхи ескалації для ситуацій, що потребують втручання людини.

Перспективи на майбутнє: реалістичні очікування

Довгострокові тенденції, незважаючи на короткострокові невдачі

Незважаючи на поточні виклики, Gartner прогнозує, що агенти штучного інтелекту відіграватимуть значну роль у довгостроковій перспективі. Очікується, що до 2028 року приблизно 15 відсотків усіх повсякденних рішень на робочому місці оброблятимуться за допомогою агентних інструментів – порівняно з 0 відсотками у 2024 році. Крім того, прогнозується, що до 2028 року 33 відсотки всіх корпоративних програмних рішень включатимуть агентів штучного інтелекту, порівняно з менш ніж одним відсотком у 2024 році.

Ці прогнози свідчать про те, що поточні проблеми слід розуміти як проблеми зростання ще молодої технології. Фундаментальні концепції є багатообіцяючими, але їх впровадження потребує дозрівання та адаптації до реалій повсякденного бізнесу.

Необхідність реалістичних оцінок

Високий рівень невдач проектів зі штучним інтелектом не слід інтерпретувати як загальний провал технології, а радше як попереджувальний знак про нереалістичні очікування та незрілі стратегії впровадження. Невдалі проекти не завжди повинні посилати негативний сигнал генеральним директорам. Відзначення невдач у цій галузі є важливим, оскільки це сприяє культурі експериментів, незалежно від того, чи потрапить ідея у виробництво.

Ця вправа також може призвести до ітеративних експериментів та кращих результатів. Важливо знати, коли штучний інтелект є правильним інструментом, а коли ні, щоб уникнути втрати часу на програшну руку.

Підходить для цього:

• Ця платформа штучного інтелекту поєднує 3 ключові бізнес-сфери: управління закупівлями, розвиток бізнесу та аналітику

Стратегічні рекомендації для компаній

Реалістичне постановлення цілей та управління очікуваннями

Компанії повинні підходити до своїх ініціатив щодо агентів на основі штучного інтелекту з реалістичними очікуваннями. Замість того, щоб намагатися досягти революційних трансформацій, їм слід зосередитися на поступових удосконаленнях. Щоб розкрити справжні переваги агентів-агентів, компанії повинні не лише автоматизувати окремі завдання, але й зосередитися на підвищенні продуктивності на рівні підприємства.

Гарною відправною точкою є використання агентів штучного інтелекту для виконання конкретних, вимірюваних завдань з чіткою бізнес-цінністю. Метою має бути максимізація цієї бізнес-цінності – чи то за рахунок зниження витрат, кращої якості, вищої швидкості чи покращеної масштабованості.

Інвестиції в фундаментальні показники

Перш ніж впроваджувати складні агенти штучного інтелекту, компанії повинні переконатися в надійності основ. Це включає надійну стратегію обробки даних, ефективне управління даними та надійну технологічну платформу. Низька якість даних є причиною невдачі понад 70 відсотків проектів ШІ. Системи ШІ не можуть виконати свої обіцянки без високоякісних, релевантних та добре керованих даних.

Розвиток внутрішньої експертизи

Успішне впровадження агентів штучного інтелекту вимагає спеціалізованих навичок, яких бракує багатьом організаціям. Компанії повинні або інвестувати в розвиток внутрішніх можливостей ШІ, або налагоджувати стратегічні партнерства з досвідченими постачальниками. Розробка внутрішніх можливостей зазвичай коштує від 250 000 до 1 мільйона доларів для середніх проектів, включаючи найм спеціалізованих розробників та придбання інструментів розробки.

Поворотний момент для агентів зі штучним інтелектом

Високий рівень невдач проектів з використанням агентів штучного інтелекту знаменує собою значний поворотний момент у розвитку цієї технології. Початкова ейфорія поступається місцем більш реалістичній оцінці її можливостей та обмежень. Однак це розчарування не обов'язково є негативним – воно може призвести до кращих, більш продуманих стратегій впровадження.

Сама технологія не є проблемою. Агенти ШІ, безумовно, мають потенціал для покращення бізнес-процесів та відкриття нових можливостей. Проблема полягає в розбіжності між завищеними очікуваннями та сучасною технологічною реальністю. Компанії, які розглядають агентів ШІ як панацею або намагаються досягти забагато чого занадто швидко, ймовірно, будуть серед тих 40 відсотків, яким доведеться відмовитися від своїх проектів до 2027 року.

Успіх із використанням агентів штучного інтелекту вимагає прагматичного, поступового підходу, зосередженого на конкретних випадках використання з чіткою бізнес-цінністю. Компанії повинні бути готові інвестувати в необхідні основи – від якості даних до розвитку внутрішніх навичок. Найголовніше, вони повинні розуміти, що агенти штучного інтелекту не замінюють обґрунтовану бізнес-стратегію та надійні практики управління проектами.

Найближчі роки покажуть, які компанії вчаться на поточних невдачах та успішно інтегрують агентів штучного інтелекту у свої бізнес-процеси. Переможцями стануть ті, хто має реалістичні очікування, діє методично та готовий інвестувати в цю технологію в довгостроковій перспективі, а не покладатися на швидкі рішення.

☑ Підтримка МСП у стратегії, порадах, плануванні та впровадженні

☑ Створення або перестановка стратегії AI

☑ Піонерський розвиток бізнесу

 

Я радий допомогти вам як особистого консультанта.

Ви можете зв’язатися зі мною, заповнивши контактну форму нижче або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) .

Я з нетерпінням чекаю нашого спільного проекту.

 

 

Xpert.digital - це центр для промисловості з фокусом, оцифруванням, машинобудуванням, логістикою/внутрішньологічною та фотоелектричною.

За допомогою нашого рішення щодо розвитку бізнесу на 360 ° ми підтримуємо відомі компанії від нового бізнесу до після продажу.

Ринкова розвідка, маха, автоматизація маркетингу, розвиток контенту, PR, поштові кампанії, персоналізовані соціальні медіа та виховання свинцю є частиною наших цифрових інструментів.

Ви можете знайти більше на: www.xpert.digital - www.xpert.solar - www.xpert.plus