Промышленные компании завышают ожидания от ИИ из-за неготовых данных и инфраструктуры

Ожидания руководства промышленных компаний от искусственного интеллекта заметно опережают текущие возможности бизнеса. К такому выводу пришли авторы исследования К2Тех, в котором приняли участие 150 представителей руководящего состава крупных промышленных предприятий.

В общей сложности 79% респондентов признали, что их организации пока не способны обеспечить результаты, которых топ-менеджмент ждёт от ИИ. У 30% участников разрыв между ожиданиями и реальностью оказался значительным: от технологий ждут быстрых эффектов, хотя данные и инфраструктура ещё не готовы. Ещё 49% оценили соответствие ожиданий текущим возможностям как частичное. Полное соответствие отметили только 5%, а 16% не смогли оценить ситуацию.

У компаний нет единого контура управления ИИ

Проблема связана не только с технологической базой. Во многих организациях внедрение и эксплуатация ИИ ещё не оформлены в самостоятельный управленческий процесс. В 19% компаний формально не назначены ответственные за риски, связанные с использованием генеративного ИИ. Ещё у 23% отсутствует системная модель управления — с закреплёнными ролями, политиками и процедурами контроля.

Даже там, где управление ИИ существует, его эффективность часто оценивают без формализованных показателей. Так поступают 30% респондентов: вместо заранее определённых метрик компании ориентируются на общее продвижение проектов и состояние рабочих процессов.

Качество данных остаётся главным барьером

Для 30% промышленных предприятий именно низкое качество данных стало основным препятствием для быстрого и измеримого эффекта от ИИ. Полностью готовыми свои данные считают лишь 5% участников исследования. У 46% компаний данные подготовлены частично и требуют очистки, дополнительной разметки или объединения информации из разных источников.

Работы с данными не всегда получают отдельное финансирование. В 37% компаний бюджет на управление данными и ИИ не выделяется: соответствующие задачи выполняются в рамках текущих ИТ-проектов. У 33% респондентов финансирование увеличилось на 10–30%, а заметный рост — более чем на 50% — отметили только 14% участников.

Инфраструктура отстаёт от задач и регулирования

Для промышленных предприятий отдельным вызовом становится подготовка data-инфраструктуры к новым требованиям регулирования ИИ. Многие такие компании относятся к субъектам критической информационной инфраструктуры, поэтому требования законодательства затрагивают их напрямую. Полностью готовыми к ним считают себя 12% респондентов, частично готовыми — 48%. Последним требуется доработка процессов и платформ. Ещё 21% ожидают существенной перестройки data-ландшафта, а 19% на момент опроса ещё не оценивали свою готовность.

Ограничения сохраняются и в вычислительных ресурсах. Для 27% опрошенных нехватка мощностей стала главным препятствием. При этом 24% компаний арендуют графические процессоры у внешних провайдеров, 21% используют гибридную модель, сочетая собственные ресурсы с облаком для пиковых нагрузок. Ещё 21% располагают собственными GPU-кластерами с достаточным запасом мощности.

По мнению К2Тех, вычислительную инфраструктуру необходимо планировать наравне с данными и системой управления рисками ИИ. Конкретная конфигурация зависит от сценариев использования: одним компаниям подойдут собственные мощности, другим — аренда или гибридная модель. Без такого планирования нехватка вычислений может сорвать проекты даже при частично готовых данных и процессах.

«Чтобы ИИ дал результат, которого ждёт руководство, нужно смотреть на внедрение комплексно и исходить прежде всего из ожидаемого эффекта. До начала работ компании стоит оценить готовность к конкретному сценарию: достаточно ли качественных данных и вычислительных ресурсов, кто отвечает за решение и как измерять его эффективность. Затем нужно определить, как встроить систему в существующие процессы», — отметил Дмитрий Красников, руководитель практики Big Data & BI К2Тех.

Безопасность собственных ИИ-разработок остаётся слабым местом

Дополнительным ограничением становится дефицит специалистов и профильной экспертизы. По данным К2 Кибербезопасности, которая входит в К2Тех, защита ИИ входит в пятёрку приоритетных направлений у четверти российских корпораций. При этом 38% крупных компаний уже разрабатывают собственные ИИ-решения для внутренних процессов.

Однако 75% из этих компаний пока не умеют обеспечивать безопасность таких разработок на уровне, необходимом для бизнеса. Их процессы не соответствуют стандарту управления безопасностью ИИ-разработки MLSecOps. В результате компании нередко передают эту часть работы внешним подрядчикам.

Результаты исследования указывают на общий разрыв между темпами внедрения ИИ и зрелостью процессов, которые должны контролировать связанные с ним риски. Рынок MLSecOps во всём мире всё ещё формируется, а промышленным предприятиям приходится одновременно решать задачи подготовки данных, наращивания вычислительных ресурсов, настройки управления и защиты собственных ИИ-систем.