Интеллект искусственный, а убытки настоящие. Почему бизнес продолжает спускать деньги на нейросети
NewsMakerЗавышенные ожидания губят даже здравые идеи.
Компании всё чаще вкладываются в искусственный интеллект, но реальной отдачи от таких проектов пока немного. Опрос Gartner показал , что лишь 28% решений в области ИТ-инфраструктуры и эксплуатации оправдывают ожидания по возврату инвестиций, а каждый пятый проект заканчивается провалом.
Речь идёт о проектах в сфере инфраструктуры и эксплуатации ИТ-систем, где компании пытаются автоматизировать процессы с помощью искусственного интеллекта. Несмотря на высокий интерес, внедрение часто буксует. В исследовании участвовали 782 руководителя таких направлений, и большинство признали: добиться результата сложнее, чем казалось на старте.
Главная причина неудач банальна. Компании берутся за слишком амбициозные задачи или плохо понимают границы проектов. Когда искусственный интеллект не вписывается в реальные процессы, он не приносит пользы. Более половины опрошенных столкнулись хотя бы с одной неудачей и объяснили её завышенными ожиданиями. Многие рассчитывали, что система быстро автоматизирует сложные задачи, снизит расходы и решит давние проблемы. На практике такие ожидания не оправдываются, доверие падает , а проекты замораживают.
Чаще всего сбои происходят в системах автоматического устранения сбоев, «самовосстанавливающейся» инфраструктуре и управлении рабочими процессами между сервисами. Такие задачи требуют высокой точности и предсказуемости, а современные инструменты пока не всегда справляются с подобной нагрузкой.
Компании всё чаще вкладываются в искусственный интеллект, но реальной отдачи от таких проектов пока немного. Опрос Gartner показал , что лишь 28% решений в области ИТ-инфраструктуры и эксплуатации оправдывают ожидания по возврату инвестиций, а каждый пятый проект заканчивается провалом.
Речь идёт о проектах в сфере инфраструктуры и эксплуатации ИТ-систем, где компании пытаются автоматизировать процессы с помощью искусственного интеллекта. Несмотря на высокий интерес, внедрение часто буксует. В исследовании участвовали 782 руководителя таких направлений, и большинство признали: добиться результата сложнее, чем казалось на старте.
Главная причина неудач банальна. Компании берутся за слишком амбициозные задачи или плохо понимают границы проектов. Когда искусственный интеллект не вписывается в реальные процессы, он не приносит пользы. Более половины опрошенных столкнулись хотя бы с одной неудачей и объяснили её завышенными ожиданиями. Многие рассчитывали, что система быстро автоматизирует сложные задачи, снизит расходы и решит давние проблемы. На практике такие ожидания не оправдываются, доверие падает , а проекты замораживают.
Чаще всего сбои происходят в системах автоматического устранения сбоев, «самовосстанавливающейся» инфраструктуре и управлении рабочими процессами между сервисами. Такие задачи требуют высокой точности и предсказуемости, а современные инструменты пока не всегда справляются с подобной нагрузкой.