Результаты исследования «К2Тех» показывают: 79% представителей промышленных предприятий констатировали разрыв между теми результатами, которых ждёт руководство от искусственного интеллекта, и теми возможностями, которыми располагают компании. В опросе приняли участие 150 представителей руководящего состава крупных предприятий, и данные озвучили представители «К2Тех» на встрече с редакцией CNews. Участники анализировали, насколько их организации готовы достигнуть ожидаемых топ-менеджментом результатов от ИИ и какие преграды мешают достижению таких целей. Источник: блок 25.

Разделив ответы по масштабу воздействия и реализации, выяснилось: 30% респондентов фиксируют существенный разрыв между пожеланиями руководства и реальностью, поскольку требуются быстрые результаты, а инфраструктура и данные не готовы к таким темпам. Полное соответствие ожиданиям зафиксировали лишь 5% участников; 49% оценивают ожидания как частично соответствующие возможностям компаний; 16% не смогли однозначно оценить этот критерий. При этом управление ИИ не во всех случаях оформлено как отдельный процесс: 19% компаний формально не закрепили ответственность за риски использования генеративного ИИ, у 23% отсутствуют системные процессы управления ИИ с политиками, ролями и контролем. Ещё 30% оценивают эффективность управления без формальных метрик, руководствуясь в первую очередь ходом процесса. Источник: блок 26.

Инфраструктура и данные остаются доводчивыми препятствиями: 30% компаний считают качество данных главным барьером; только 5% опрошенных считают данные полностью готовыми. У 46% респондентов данные готовы частично и требуют доразметки, очистки или консолидации из разных источников. При этом частичное финансирование проектов по данным и ИИ не всегда выделяется отдельно — 37% компаний ведут работы в рамках текущих ИТ-задач без отдельного бюджета. Бюджет вырос на 10–30% у 33% респондентов, а заметное увеличение бюджета более чем на 50% зафиксировали 14%. Источник: блок 27.

Дополнительно оценивается готовность к регуляторным требованиям к data-инфраструктуре для ИИ: лишь 12% респондентов считают себя полностью готовыми к режиму для критически важных систем обработки данных (КИИ); 48% назвали себя частично готовыми и нуждающимися в доработке процессов и платформ. Ещё 21% ожидают значительной трансформации data-ландшафта, а 19% на момент исследования ещё не проводили оценку. Источник: блок 28.

Ограничения на вычислительном уровне также имеют место: 27% опрошенных назвали дефицит мощностей главным препятствием, 24% арендуют GPUs у внешних провайдеров, 21% используют гибрид собственных мощностей и облака для пиковых нагрузок, ещё 21% располагают собственными GPU-кластерами. Эти данные подчёркивают необходимость планировать ИИ-инфраструктуру так же системно, как и данные и управление рисками, с балансом между собственными, арендованными и гибридными ресурсами. В противном случае риск несоответствия ожиданий руководства может возрасти. Источник: блок 29.

Эксперты напоминают: для реального прорыва нужен комплексный подход, начиная с ясной цели и конкретного сценария внедрения, затем — оценка готовности к данным и вычислительным ресурсам, закрепление ответственности за решение и методики измерения эффективности. Как отметил Дмитрий Красников, руководитель практики Big Data & BI «К2Тех», важно встроить ИИ в существующие процессы и не запускать проект параллельно с текущими ИТ-задачами, иначе сроки внедрения могут оказаться нереалистичными. Источник: блок 32.

Кроме того, часть компаний сталкивается с нехваткой квалифицированных специалистов и экспертизы. По данным «К2 Кибербезопасности» (входит в «К2Тех»), защита ИИ остаётся одним из топ-5 приоритетов у четверти крупных корпораций. Уже сейчас 38% крупных компаний занимаются разработкой собственных ИИ-решений для внутренних процессов, но 75% из них не умеют безопасно реализовывать такие решения — их процессы не соответствуют стандарту MLSecOps. Это указывает на разрыв между темпами внедрения и зрелостью управленческих и инженерных процессов по безопасности ИИ. Источник: блок 33.

Резюмируя, исследование подчеркивает необходимость системного подхода к внедрению ИИ: начинается с определения цели и сценария, далее — подготовки данных и инфраструктуры вычислений, а также внедрения надлежащих механизмов управления рисками. Непредвиденным последствиям способствуют как дефицит кадров, так и отсутствие единых метрик эффективности и регуляторной готовности. Источник: блок 25,32,33.