Исследование MIT NANDA показало, что только 5% организаций успешно внедрили инструменты ИИ в массовое производство. Американские компании инвестировали от 35 до 40 миллиардов долларов в проекты генеративного ИИ, однако на данный момент почти все эти инвестиции оказались безвозвратными. Согласно отчету MIT NANDA (Сетевые ИИ-агенты и децентрализованный ИИ), 95% корпоративных организаций не получили никакой отдачи от своих вложений в ИИ. Только 5% организаций успешно интегрировали инструменты ИИ в массовое производство. Отчет основан на структурированных интервью с 52 руководителями компаний, анализе более 300 публичных проектов и объявлений по ИИ, а также опросе 153 бизнес-профессионалов. Авторы отчета — Адитья Чаллапаллы, Крис Пиз, Рамеш Раскар и Прадьюмна Чари — связывают этот "разрыв в генеративном ИИ" с неспособностью ИИ-систем сохранять данные, адаптироваться к окружающей среде и постоянно обучаться, а не с нехваткой инфраструктуры, учебных ресурсов или талантов. > "Разрыв в генеративном ИИ" наиболее явно проявляется в уровне внедрения: только 5% кастомизированных корпоративных инструментов ИИ смогли перейти в стадию производства. "Разрыв в генеративном ИИ" наиболее явно проявляется в уровне внедрения: только 5% кастомизированных корпоративных инструментов ИИ смогли перейти в стадию производства," — говорится в отчете. "Чат-боты успешны, потому что их легко тестировать и они гибкие, но в ключевых рабочих процессах они терпят неудачу из-за отсутствия памяти и возможности кастомизации." Как сказал один анонимный директор по информационным технологиям в интервью авторам: "В этом году мы посмотрели десятки демонстраций. Возможно, только одна или две из них действительно полезны. Остальные либо "обертки" продуктов, либо научные экспериментальные проекты." Выводы авторов совпадают с результатами других недавних исследований, которые показывают, что уверенность руководства в проектах ИИ снижается. Отчет NANDA действительно упоминает, что небольшое количество компаний уже обнаружило полезность генеративного ИИ, и эта технология оказывает значительное влияние на две из девяти промышленных областей — технологии, а также медиа и телекоммуникации. Что касается остальных областей — профессиональных услуг, здравоохранения и фармацевтики, потребительского и розничного сектора, финансовых услуг, передовой промышленности, а также энергетики и материалов — генеративный ИИ остается незначительным. Отчет цитирует анонимного директора по операциям в производственной компании среднего сегмента: "Реклама на LinkedIn говорит, что все изменилось, но в нашей реальной деятельности нет никаких фундаментальных изменений. Мы стали быстрее обрабатывать некоторые контракты, но и только." Одно действительно меняется — это рынок труда, по крайней мере в затронутых отраслях. Отчет указывает, что в области технологий и медиа "более 80% руководителей ожидают сокращения найма в течение 24 месяцев." По словам авторов, сокращения, вызванные генеративным ИИ, в основном происходят в тех неосновных бизнес-активностях, которые часто аутсорсятся, таких как поддержка клиентов, административные процессы и стандартизированные задачи разработки. "Эти должности уже до внедрения ИИ проявляли уязвимость из-за своей аутсорсинговой природы и стандартизации процессов," — говорится в отчете, который отмечает, что в затронутых отраслях от 5% до 20% позиций в поддержке и административных процессах подверглись воздействию. По данным The Register, недавние сокращения в Oracle отражают их усилия по балансировке капитальных затрат на ИИ, которые стали тяжелым бременем для американских технологических гигантов. В IBM сотрудники считают, что ИИ используется как предлог для переноса рабочих мест за границу. Каковы бы ни были публичные причины и истинные мотивы сокращений, генеративный ИИ действительно оказывает влияние на технологии, а также на медиа и телекоммуникации, которые являются наиболее широко используемыми областями. Несмотря на то, что около 50% бюджета на ИИ выделяется на маркетинг и продажи, авторы отчета рекомендуют, чтобы инвестиции компаний направлялись на те мероприятия, которые могут принести значимые бизнес-результаты. Это включает в себя квалификацию потенциальных клиентов и удержание клиентов на переднем плане, а также сокращение аутсорсинга бизнес-процессов, расходов на рекламные агентства и проверку рисков в финансовых услугах на заднем плане. Отчет указывает на то, что универсальные инструменты, такие как ChatGPT от OpenAI, показывают лучшие результаты, чем кастомизированные корпоративные инструменты, даже если эти корпоративные инструменты используют ту же базовую модель ИИ. Авторы отчета объясняют, что сотрудники часто более знакомы с интерфейсом ChatGPT, поэтому используют его чаще — это результат спонтанного "теневого ИТ" сотрудников. Отчет цитирует интервью с юристом компании, который описывает недовольство своей средней юридической фирмы по поводу профессионального инструмента анализа контрактов, стоимостью 50 000 долларов. "Сводки, предоставляемые ИИ-инструментом, который мы купили, очень шаблонные, а возможности кастомизации крайне ограничены," — сказала юрист исследователям. "А используя ChatGPT, я могу направлять разговор, итеративно дорабатывать его, пока не получу именно то, что мне нужно. Фундаментальная разница в качестве очевидна, ChatGPT всегда дает лучшие результаты, хотя наш поставщик утверждает, что использует ту же базовую технологию." Авторы считают, что компании, которые успешно преодолевают "разрыв в генеративном ИИ", при закупке ИИ действуют больше как покупатели услуг аутсорсинга бизнес-процессов, а не как клиенты программного обеспечения как услуги (SaaS). "Они требуют глубокой кастомизации, инициируют применение и требуют от поставщиков ответственности за бизнес-метрики," — подводит итог отчет. "Самые успешные покупатели понимают, что для преодоления этого разрыва необходимо строить партнерские отношения, а не просто покупать продукт."®