Столько в среднем стоит один брошенный AI-проект — по данным S&P Global 2025.

Доля брошенных проектов за год: с 17% до 42%. Не «не взлетели» — именно брошены. С потерями.

Три паттерна, которые я вижу в проектах по цифровой трансформации вне зависимости от отрасли.

—

🏭 Провал 1. Производство. Запустили AI-контроль качества. Точность 94%, пресс-релиз вышел. Через 8 месяцев — закрыто. Данные с пилотной линии несовместимы с другими цехами. Переписать три legacy-системы. Стоимость production в разы превысила пилот. Финансовый директор увидел бюджет второго этапа впервые. Владельца P&L-метрики у проекта не было с первого дня. Пилот был сделан, чтобы выглядеть успешным. Не чтобы масштабироваться.

🏗 Провал 2. Дистрибуция. Купили AI для прогнозирования спроса. Прогнозы работают — закупщики их игнорируют. Три учётные системы, ручные корректировки, разные SKU-коды. AI отвечал на вопрос, которого у бизнеса не было. Платформу купили. Обучение команды не заложили в бюджет. Лицензия стоит. Команда работает по-старому.

🚚 Провал 3. Логистика. Автоматизировали маршрутизацию: +12% к эффективности. Реальный результат. Через год при расширении — архитектура несовместима с корпоративной ERP. Переделка дороже первоначального внедрения. Технический долг от «быстрой победы» съел весь ROI.

—

Общий знаменатель: нет финансового владельца с KPI с первого дня. Данные и интеграции не проверены до старта. Быстрая победа выбрана вместо устойчивой архитектуры.

Это управленческие решения. Не технические.

По данным MIT (август 2025): 95% GenAI-пилотов не дают значимого роста выручки. 9 из 10 пилотов в России не доходят до продуктива (Ведомости, март 2026).

🎯 У вашего AI-проекта есть владелец P&L-метрики?