IDC: CIOs de EMEA necesitan reconstruir datos y modelos de ROI para llevar IA a producción

IDC считает, что корпоративные AI-внедрения в EMEA застопорились не из-за охлаждения к технологии, а из-за слабой подготовки к масштабированию. Чтобы вывести проекты из стадии пилотов, CIO нужно одновременно пересмотреть экономику, архитектуру данных и то, как новые инструменты встраиваются в повседневную работу команд.

Почему пилоты не растут

За последние полтора года компании в Европе, на Ближнем Востоке и в Африке активно вкладывались в большие языковые модели и классическое машинное обучение, рассчитывая на заметный операционный эффект. Но теперь советы директоров начали тормозить часть программ, сокращать масштаб или менять фокус инвестиций. По версии IDC, дело не в потере интереса к AI, а в том, что бизнес требует более жёсткого финансового обоснования на фоне конкурирующих IT-приоритетов и макроэкономического давления.

Цифры выглядят жёстко: лишь 9% организаций региона смогли за последние два года получить измеримый бизнес-результат от большинства своих AI-проектов. Остальные 91% не обязательно столкнулись с техническим провалом, но застряли в серой зоне между демо и реальным продакшеном. Проекты не умирают громко — они теряют импульс, бюджет и внутреннюю поддержку, так и не превращаясь в устойчивую корпоративную функцию.

Где ломается ROI

Одна из главных ошибок — оценивать AI по старой закупочной логике, когда ценность нового софта измеряют через сокращение штата или прямую экономию лицензий. Для генеративных моделей это часто не работает. Их эффект проявляется косвенно: через снижение рисков, ускорение работы специалистов, уменьшение простоев и появление новых источников выручки.

Если компания смотрит только на очевидные затраты, перспективный пилот почти неизбежно проигрывает защиту бюджета. CIO, по сути, нужно заново описать экономику внедрения и аудитировать не только модель, но и всю цепочку её работы: предотвращённые потери, например от простоев или ошибок рост производительности команд и сокращение времени цикла новые выручечные сценарии и цифровые сервисы полную стоимость инференса, хранения, интеграций и поддержки * расходы на безопасность, комплаенс и контроль данных Следующий барьер проявляется при переходе из облачной песочницы в корпоративную среду. Пилот можно быстро поднять на API и тестовых данных, но прод требует постоянных вычислений, живых пайплайнов, мониторинга и интеграции с устаревшими системами.

Когда к современным векторным базам данных нужно подключить старые Oracle или SAP-контуры, архитектурные пробелы всплывают сразу. Для RAG-сценариев нужны чистые, размеченные и нормально классифицированные данные; иначе качество ответов падает, а число галлюцинаций растёт. Параллельно растут и счета за инференс с донастройкой моделей, которые уже приходится объяснять финансистам построчно.

Архитектура и люди IDC отдельно подчёркивает, что требования по защите

данных, кибербезопасности и объяснимости моделей в Европе не обязательно мешают масштабированию. Наоборот, компании, которые закладывают правила управления и контроля с первого дня, двигаются быстрее. Защита от prompt injection, понятные контуры доступа, документирование решений модели и контроль над данными повышают базовую стоимость проекта, но одновременно делают систему пригодной для реального корпоративного использования и укрепляют доверие клиентов.

Не меньшее сопротивление возникает на уровне сотрудников. AI-решение может быть технически рабочим и всё равно не прижиться, если оно ломает привычный процесс или требует от команды слишком резкой перестройки. Поэтому CIO нужно вкладываться не только в модели, но и в переобучение, управление изменениями и дизайн внедрения вокруг реальной работы людей.

Автоматическая проверка договоров имеет смысл тогда, когда юристы тратят меньше времени на рутину и больше — на переговоры и сложные риски. На этом фоне роль CIO меняется: по данным IDC, 42% топ-менеджеров в EMEA ждут, что именно CIO будет вести цифровую и AI-трансформацию с упором на создание новых источников выручки.

Что это значит Для EMEA фаза «давайте просто попробуем AI» заканчивается.

Следующий этап выиграют не те компании, у которых больше пилотов, а те, кто умеет доказать их ценность, подготовить данные и встроить модели в реальные бизнес-процессы без разрыва между технологией, финансами и людьми.