Почему 95% проектов по внедрению ИИ проваливаются - и как это исправить
Представьте, что компания покупает ИИ-инструмент, внедряет его, обучает сотрудников... а они просто не пользуются системой. Такое происходит сплошь и рядом. Исследование MIT показало, что 95% AI-инициатив не приносят ожидаемой ценности.
Оказывается, дело не в технологиях, а в нас самих. Руководители часто относятся к ИИ как к чисто технической задаче, забывая, что главное - изменить поведение людей. Они верят в "техносолюционизм": мол, достаточно купить умный алгоритм, и он сам всё решит. Но реальность оказывается сложнее.
📎 Люди саботируют ИИ - и вот почему
Психология сопротивления - ключевой барьер. Вот несколько причин, по которым сотрудники отказываются от ИИ-инструментов:
- Страх потерь перевешивает надежду на выигрыш. Люди боятся изменений в привычных процессах сильнее, чем ценят потенциальные улучшения. Например, врачи в больницах игнорировали ИИ-помощников, потому что те добавляли пару минут к осмотру. Эта "потеря времени" казалась им важнее, чем повышение точности диагноза.
- Одна ошибка - и всё, доверие потеряно. Если алгоритм хоть раз ошибается, люди склонны полностью от него отказываться - даже если в долгосрочной перспективе он работает лучше человека.
- Мы переоцениваем своё понимание. Сотрудники уверены, что лучше разбираются в решениях живого коллеги, чем в выводах ИИ. Даже когда медицинский ИИ превосходит врачей по точности, его рекомендации всё равно встречают скепсис.
📎 Кто виноват? Руководители, которые думают о железе, а не о людях
Самое показательное: 71% IT-директоров считают себя ответственными за внедрение ИИ, но лишь 32% видят свою роль в организационных изменениях. То есть они сосредоточены на технологии, а не на тех, кто должен её использовать.
📎 Что делать? Перейти к поведенческому ИИ
Авторы Harvard Business Review предлагают подход "Поведенческий человеко-центричный ИИ". Он строится на трёх этапах:
1. Проектирование с учётом психологии. Например, если вы делаете ИИ-транскрибатор, можно намеренно сделать текст чуть менее читаемым - так люди будут внимательнее проверять ошибки.
2. Внедрение через доверие. Подавайте ИИ как помощника, а не замену. Говорите открыто об ограничениях системы. Исследования показывают: когда врачи честно рассказывали пациентам, где ИИ может ошибаться, те охотнее соглашались на его использование.
3. Управление изменениями, а не только технологиями. Руководителям важно признать собственные предубеждения, измерять не только технические метрики, но и уровень доверия команды, и быть готовыми остановить провальный проект.
📎 Реальный пример: когда игнорирование людей стоило репутации
Крупные IT-компании - Amazon, Apple, Google, IBM, Microsoft - выпустили системы распознавания речи, которые в два раза чаще ошибались для темнокожих пользователей. Почему? Потому что при тестировании не учли разнообразие диалектов и голосов. Технология была сильной, а человеческий фактор проигнорировали.
📎 Вывод
ИИ проваливается не потому, что он "недостаточно умный", а потому, что компании забывают о людях - их страхах, привычках и образе мышления. Технологии меняются быстро, а человеческая природа - нет. И если мы хотим, чтобы ИИ работал, начинать нужно не с алгоритмов, а с понимания тех, кто будет нажимать на кнопки.
Источники: 1. HBR https://hbr.org/2025/11/how-behavioral-science-can-improve-the-return-on-ai-investments 2. Forbes https://www.forbes.com/sites/andreahill/2025/08/21/why-95-of-ai-pilots-fail-and-what-business-leaders-should-do-instead/ 3. MIT https://complexdiscovery.com/why-95-of-corporate-ai-projects-fail-lessons-from-mits-2025-study/
P.S. Напоминание: набор в декабрьский поток на трек "Персональная AI-архитектура" заканчивается на этой неделе. Успейте записаться и начать экономить 15+ часов в неделю. → Закрыть последние места: https://aistrata.tech/personalnaya-ai-arhitektura-kurs**
