За последние 5 лет работы руководителем отдела digital-маркетинга и электронной коммерции (короче, Head of digital), внедряя решения на основе ИИ, я наблюдал одну и ту же картину: руководство бросается внедрять искусственный интеллект, как волшебную таблетку. LinkedIn полон историй о “революционных ИИ-трансформациях”, а спикеры на конференциях всегда утверждают, что ИИ изменил всё.

Но вот правда, которую мало кто озвучивает — большинству компаний искусственный интеллект просто не нужен или они «не доросли».

Большинство проблем, которые компании пытаются решить с помощью машинного обучения, можно решить простой автоматизацией или базовой оптимизацией процессов.

Особенно этим грешит малый и средний e-commerce ) Начитавшись историй успеха, у собственников и руков возникает непреодолимое желание потратить много денег (они еще не подозревают на этом этапе на сколько) и вкрячить , например, персонализацию на основе ИИ. После проведения аудита выясняется, что данные либо кривые-косые, не структурированные, не причесанные, либо их сбор был настроен некорректно и им верить нельзя, ну либо вообще их нет. Потом выясняется, что если навести порядок, то и не нужно пилить «свой ИИ».

В корпоративном ИИ существует два мира: кастомные ML-решения, требующие гигабайты-терабайты данных и ML-инженеров, и готовые сервисы вроде OpenAI API, которые интегрируются за неделю.

Большинство компаний путают эти миры, желая наворотить свое собственное решение, вместо подключения к API. Но они не учитывают, какой ресурс им потребуется, кто разрабатывает такие решения, как, зачем, какие ограничения и экономика у этих решений. Ещё одна путаница: предиктивная аналитика ≠ машинное обучение. Прогнозирование продаж по историческим трендам - это статистика, а не ИИ.

ИИ окупается для задач, которые люди не могут масштабировать: обнаружение мошенничества в реальном времени, модерация контента, медицинская визуализация. Или для невидимых паттернов: аномалии в сети, корреляции поведения клиентов, предиктивное обслуживание. Области с высокой ценой ошибки: медицинская диагностика, кредитный скоринг, беспилотные автомобили.

Что не требует ИИ: простая автоматизация процессов (используйте no-code), базовая аналитика (человек с мозгами и Excel справятся), персонализация для менее чем 10 тысяч пользователей (rule-based системы эффективнее).