Самая большая проблема AI-проектов — не технологии

Каждый, кто хоть раз внедрял AI в компании, слышал одну и ту же фразу на совещании. Она звучит по-разному, но суть всегда одна: "У нас своя специфика, это не сработает". Или: "У нас это уже есть" — хотя на самом деле нет и близко.

Принято считать, что главные препятствия для AI-проектов — слабые модели, грязные данные или ограниченный бюджет. Это удобная версия проблемы, потому что она техническая, измеримая и никого лично не затрагивает. Реальность жёстче: самое большое препятствие — человек за столом переговоров, который искренне верит, что описывает реальность, хотя на самом деле защищает статус-кво.

Бизнес знает, как всё устроено сейчас. Ваша задача — знать, как будет

Когда команда внедряет AI, самой распространённой ошибкой становится попытка слишком внимательно слушать заказчика и встроить решение в существующие бизнес-процессы. Проблема в том, что эти процессы часто устарели по определению: они сформировались в условиях, когда автоматизация в принципе была невозможна. Просить такой процесс "подсказать", каким должно быть AI-решение, — всё равно что просить вчерашний день спроектировать завтрашний.

Если бизнес не представляет, как работает технология, он объективно не может быть соавтором решения о том, как её следует внедрять. Это не повод игнорировать контекст компании — контекст важен. Но приоритет другой: сначала сформулировать, каким процесс должен стать, и только потом искать, как интегрировать это в существующую инфраструктуру, а не наоборот.

Не верьте описанию процесса — верьте его следам

Второй и, пожалуй, главный инсайт: люди почти никогда не описывают процесс таким, какой он есть на самом деле. Они описывают то, к чему привыкли, или ту версию, в которой сами выглядят эффективными. И это не обман в классическом смысле, скорее искренняя слепота человека внутри системы.

Настоящий процесс редко живёт в регламентах и презентациях. Гораздо больше о нём рассказывают экспорты в Excel "просто для сверки", переписка в духе "скинь мне тот файлик, когда будет минутка" или будничная фраза "мы делаем это вручную, потому что система не позволяет".

Именно эти артефакты, а не официальные описания бизнес-процессов, показывают, где на самом деле тратится время и где скрывается работа, которую никто не решается назвать вслух.

Сопротивление — это не саботаж, а рациональная реакция

Когда AI-инициатива сталкивается с сопротивлением, легко списать это на страх перед новым или консерватизм. Но сопротивление чаще всего вполне рационально. Автоматизация процесса означает его прозрачность. А прозрачность означает, что чья-то работа — возможно, впервые за годы — становится видимой и измеримой.

Люди защищают не процесс. Они защищают себя: свою экспертизу, которая держится на монополии на знание "как здесь всё на самом деле работает", свою незаменимость, свою зону контроля. И это нормальная человеческая реакция, которую стоит понимать, а не осуждать. В то же время понимать — не значит уступать.

"Сейчас не время" — это не аргумент, а приговор без права на апелляцию

Самая опасная фраза в AI-проекте звучит не как открытое противодействие, а как осторожная отсрочка: "сейчас не время". Без приведённых цифр, без конкретных альтернативных предложений и, соответственно, без ответственности за последствия этого решения.

Это не осторожность, хотя и маскируется под неё. Это способ ничего не менять и одновременно формально остаться правым — ведь никакого конкретного решения принято не было, а значит, и отвечать не за что. Вероятно, так же думали компании, которые когда-то не успели за изменением рынка. История бизнеса — это кладбище организаций, считавших, что у них ещё есть время.

Как внедрять AI в бизнесе несмотря на сопротивление команды

Рабочий подход прост, хотя и неудобен для тех, кто привык к консенсусу ради консенсуса: не спорьте с мнениями напрямую. Большинство возражений на этапе внедрения AI — это не аргументы, а рационализация дискомфорта. Вместо дискуссии о том, "сработает это или нет", стоит:

1. Показывать, а не убеждать. Пилот на реальных данных говорит убедительнее любой презентации.
2. Искать следы реального процесса, а не полагаться на его официальное описание.
3. Отделять сопротивление человека от ценности идеи — и не позволять первому убивать второе без цифр. То есть не путать нежелание людей что-то менять с недостатками самой идеи. Прежде чем отказаться от неё, стоит проверить её эффективность с помощью данных и конкретных показателей.

Успех AI-трансформации зависит от готовности пересматривать способ мышления, который прекрасно работал вчера, но сегодня уже может сдерживать компанию. Далеко не все готовы принять это сразу. Однако ждать, пока к изменениям созреют все, для бизнеса часто означает просто терять время.