Как внедрить ИИ: почему 60% проектов не доходят до продакшена

По данным Gartner, при внедрении ИИ в бизнес 60% проектов не доходят до продакшена — виноваты не деньги, а неготовность данных и бизнес-процессов.

Почему ИИ-пилоты проваливаются

Типичная картина: совет директоров требует ИИ-трансформацию, выделяется бюджет, привлекаются подрядчики. Спустя несколько месяцев выясняется, что моделям попросту не на чём учиться. Заявки хранятся в разрозненных системах, классификации нет, история обращений размазана по Excel-таблицам, мессенджерам и почтовым цепочкам.

Без структурированных данных даже самая современная языковая модель не даёт предсказуемых результатов. Ошибка совершается не при выборе модели или вендора — она допущена ещё до старта пилота, на уровне архитектуры данных.

• 60% ИИ-проектов не достигают продакшена — данные Gartner
• Главная причина — неготовность данных, а не дефицит технологий
• Проблема воспроизводится независимо от бюджета и зрелости команды
• Большинство компаний запускают пилот без единой системы сбора сервисных данных

Что такое ESM и зачем он нужен ИИ

Enterprise Service Management (ESM) — платформа, которая переносит методологию ITSM за пределы IT-департамента и объединяет все сервисные процессы: HR, финансы, закупки, АХО, юридическую службу. Для ИИ-инициатив её главная роль — создать единую точку сбора заявок с едиными атрибутами, категориями и историей взаимодействий.

Когда все обращения проходят через одну систему с фиксированными полями и SLA, у модели появляется то, чего ей не хватало: чистый, размеченный датасет с историческим контекстом. Вместо хаоса из разрозненных каналов — структурированная база, на которой обучение и инференс работают предсказуемо.

«Если у ИИ нет качественных данных, проект скорее всего обречён» —

этот вывод повторяется в большинстве аналитических отчётов о провалах корпоративных AI-инициатив.

Именно поэтому внедрение ESM называют «фундаментом» для последующей ИИ-автоматизации: без него любой пилот — это строительство на песке.

Как модель уничтожает рутину

Когда ESM-фундамент выстроен, автоматизация рутины превращается из эксперимента в управляемую задачу. Первые кандидаты — повторяющиеся заявки с предсказуемым решением: сброс паролей, стандартные запросы на доступ, типовые закупки, шаблонные справки от HR.

Модель, обученная на структурированной истории заявок из ESM, способна:

• автоматически классифицировать входящие обращения без участия оператора
• предлагать решение на основе аналогичных случаев из истории
• маршрутизировать заявку к нужному специалисту с учётом SLA
• эскалировать нетипичные ситуации с полным контекстом для человека

Значительная часть входящих заявок в сервисных организациях носит повторяющийся характер — именно они становятся первыми кандидатами на автоматизацию при наличии правильно размеченной истории в ESM. Результат — снижение операционной нагрузки на сервисные команды и сокращение времени обработки типовых запросов.

Что это значит

Корпоративные ИИ-проекты проваливаются не из-за плохих технологий — из-за отсутствия пригодных данных. ESM-платформы устраняют эту проблему структурно: создают единую точку сбора сервисных взаимодействий и обеспечивают качество данных, на котором модели работают предсказуемо. Прежде чем запускать следующий ИИ-пилот, компании стоит ответить на один вопрос: есть ли уже система, где хранится полная история всех сервисных обращений с атрибутами?

Почему ИИ-проекты не внедряются в компаниях?

По данным Gartner, основная причина — не нехватка бюджета, а неструктурированные данные. Заявки хранятся в разрозненных системах, классификации нет, история обращений размазана по Excel-таблицам, мессенджерам и почтовым цепочкам. Без структурированных данных нейросеть не даёт предсказуемый результат.