Найбільша проблема AI-проєктів – це не технології

Кожен, хто хоч раз впроваджував AI у компанії, чув одну й ту саму фразу на нараді. Вона звучить по-різному, але суть завжди одна: "У нас специфіка, це не спрацює". Або: "У нас це вже є" – хоча насправді немає й близько.

Прийнято вважати, що головні перешкоди для AI-проєктів – це слабкі моделі, брудні дані або обмежений бюджет. Це зручна версія проблеми, бо вона технічна, вимірювана і не зачіпає нікого особисто. Реальність жорсткіша: найбільша перешкода – це людина за столом переговорів, яка щиро вірить, що описує реальність, хоча насправді захищає статус-кво.

Бізнес знає, як є зараз. Ваша задача – знати, як буде

Коли команда впроваджує AI, найпоширенішою помилкою стає намагання надто уважно слухати замовника й намагатися вбудувати рішення в існуючі бізнес-процеси. Проблема в тому, що ці процеси часто застарілі за визначенням: вони склалися в умовах, де автоматизація в принципі не була можливою. Просити такий процес "підказати", яким має бути AI-рішення – це просити вчорашній день спроєктувати завтрашній.

Якщо бізнес не уявляє, як працює технологія, він об'єктивно не може бути співавтором рішення про те, як вона має бути впроваджена. Це не привід ігнорувати контекст компанії – контекст важливий. Але пріоритет інший: спочатку сформулювати, яким процес має стати, і лише потім шукати, як інтегрувати це в існуючу інфраструктуру, а не навпаки.

Не вірте опису процесу – вірте його слідам

Другий і, мабуть, головний інсайт: люди майже ніколи не описують процес таким, яким він є насправді. Вони описують те, до чого звикли, або ту версію, у якій самі виглядають ефективними. І це не обман у класичному сенсі, скоріше це є щирою сліпотою людини всередині системи.

Справжній процес рідко живе в регламентах і презентаціях. Значно більше про нього розповідають експорти в Excel "просто для звірки", переписка на кшталт "скинь мені той файлик, коли буде хвилинка" або буденна фраза "ми це робимо руками, бо система не дозволяє".

Саме ці артефакти, а не офіційні описи бізнес-процесів, показують, де насправді витрачається час і де ховається робота, яку ніхто не наважується назвати вголос.

Опір – це не саботаж, це раціональна реакція

Коли AI-ініціатива наштовхується на опір, легко списати це на страх перед новим або консерватизм. Але опір найчастіше цілком раціональний. Автоматизація процесу означає його прозорість. А прозорість означає, що чиясь робота — можливо, вперше за роки – стає видимою і вимірюваною.

Люди захищають не процес. Вони захищають себе: свою експертизу, яка тримається на монополії на знання "як воно тут насправді працює", свою незамінність, свою зону контролю. І це нормальна людська реакція, яку варто розуміти, а не засуджувати. У той же час, розуміти – не означає піддаватися.

"Зараз не на часі" – це не аргумент, а вирок без апеляції

Найнебезпечніша фраза в AI-проєкті звучить не як відкрита протидія, а як обережна відстрочка: "зараз не на часі". Без наведених цифр, без конкретних альтернативних пропозицій, і, відповідно, без відповідальності за наслідки цього рішення.

Це не обережність, хоч і маскується під неї. Це спосіб нічого не змінювати й водночас залишитися формально правим – адже жодного конкретного рішення ухвалено не було, отже й відповідати нема за що. Так само, ймовірно, думали компанії, які свого часу не встигли за зміною ринку. Історія бізнесу — це цвинтар організацій, які вважали, що в них ще є час.

Як впроваджувати AI у бізнесі попри опір команди

Робочий підхід простий, хоч і незручний для тих, хто звик до консенсусу заради консенсусу: не сперечайтеся з думками напряму. Більшість заперечень на етапі впровадження AI – це не аргументи, а раціоналізація дискомфорту. Замість дискусії про те, "спрацює це чи ні", варто:

1. Показувати, а не переконувати. Пілот на реальних даних говорить переконливіше за будь-яку презентацію.
2. Шукати сліди реального процесу, а не покладатися на його офіційний опис.
3. Відокремлювати опір людини від цінності ідеї – і не дозволяти першому вбивати друге без цифр. Тобто, не плутати небажання людей щось змінювати з недоліками самої ідеї. Перш ніж відмовитися від неї, варто перевірити її ефективність за допомогою даних і конкретних показників.

Успіх AI-трансформації залежить від готовності переглядати спосіб мислення, який чудово працював учора, але сьогодні вже може стримувати компанію. Далеко не всі готові прийняти це одразу. Проте чекати, доки до змін дозріють усі, для бізнесу часто означає просто втрачати час.