ИИ везде в научно-исследовательских лабораториях. Так почему же миллиарды все еще тратятся впустую?

Ключевые моменты

• Более одной трети организаций тратят от 25 до 40 процентов своего бюджета на НИОКР на проекты, которые никогда не выходят на рынок.
• Почти половина научно-исследовательских групп оценивают стоимость закрытия одного проекта на этапе разработки или тестирования более чем в один миллион долларов впустую потраченных инвестиций.
• Большинство организаций в настоящее время используют ИИ для задач исполнения, таких как анализ данных, а не для поддержки принятия решений на начальном этапе проекта.
• Исследователи и менеджеры говорят, что лучшая информационная поддержка на ранних этапах идеации и оценки осуществимости, до того как будут выделены значительные средства, обеспечит наибольшую ценность.

Представьте компанию, которая годами и миллионами развивает продукт, только чтобы снять его с производства перед запуском. Это не редкое бедствие. Это стандартная практика.

Новый отчет, выделенный IEEE Spectrum AI, показывает, что более трети организаций сжигают от четверти до 40 процентов своего всего бюджета на научные исследования и разработки на проекты, которые никогда не достигают потребителей. НИОКР, для тех, кто незнаком, это внутренняя работа, которую компании проводят для изобретения, тестирования и совершенствования новых продуктов перед их продажей.

Итак, куда уходят деньги?

Большая часть уходит на проекты, которые выглядят многообещающе в начале, а затем терпят неудачу в конце. Почти половина опрошенных групп оценивают стоимость отмены одного проекта на этапе разработки или тестирования свыше одного миллиона долларов. Эта цифра включает зарплаты, оборудование, время тестирования и материалы, потраченные до того, как кто-то наконец отключит проект.

Позднее закрытие проектов — самое дорогостоящее. Проект, закрытый после двух лет работы, обходится намного дороже, чем отклоненный в первый месяц.

Почему ИИ это не исправил?

ИИ не исправил это, потому что большинство компаний направляют его на неправильную часть процесса. Отчет показывает, что организации обычно применяют ИИ к задачам исполнения, таким как обработка данных, запуск симуляций или построение моделей. Это ценно, но это происходит после того, как крупные решения уже были приняты.

Более сложный вопрос — стоит ли нам это строить вообще — обычно решается старым способом: интуицией, внутренней политикой и информацией, которую команда может собрать вручную.

Вот где скрывается реальное расточительство.

Что реально помогло бы?

Респонденты были однозначны. Лучшая информационная поддержка на этапе идеации и оценки осуществимости, самой ранней фазе, когда проект — это просто идея, проверяемая против реальности, обеспечит наибольшую ценность. Выявить плохую ставку на второй неделе намного дешевле, чем на втором году.

Инструменты ИИ, которые помогают командам оценить соответствие рынку, конкурентный риск или техническую осуществимость до выделения бюджетов, могли бы резко сократить это расточительство. Сейчас немногие организации используют ИИ таким образом.

Это важно для всех, кто работает в компании, которая создает физические или цифровые продукты. Впустую потраченные средства на НИОКР в конечном итоге приводят к замедлению инноваций, более высоким ценам или меньшему количеству новых продуктов на полках. Интеграция ИИ в слой принятия решений, а не только в слой данных, — вот где меняется экономика.

Часто задаваемые вопросы

Это применимо к малому бизнесу или только к крупным компаниям?

Отчет не ограничивает свои выводы крупными корпорациями. Любая организация, которая проводит формальный процесс исследований или разработок, от среднего производителя до студии разработки программного обеспечения, сталкивается с одной и той же динамикой: деньги выделены в начале, решения приняты в конце.

Что должен вынести неспециалист из этого?

Спросите свою команду, где на самом деле используется ИИ. Если ответ только в анализе после того, как проект уже запущен, то решение, начавшее проект, вероятно, не имело никакой поддержки ИИ, и это именно тот разрыв, который стоит закрыть.