Ваша компания купила ИИ. Теперь начинается самое сложное.
Генеральный директор NTT DATA AIVista говорит, что большинство корпоративных проектов на базе ИИ терпят неудачу не из-за слабой модели, а потому что никто не выполняет неблагодарную работу по интеграции её в реальные рабочие процессы, реальные данные и реальные защиты.
Ключевые моменты
- Большинство корпоративных проектов на базе ИИ терпят неудачу на этапе внедрения не из-за слабой базовой модели, а из-за плохой интеграции, отсутствия специализированного знания области и нечёткого распределения ответственности.
- Генеральный директор NTT DATA AIVista Братин Саха говорит, что траты только на приобретение передовой модели оставляют большую часть финансовой отдачи на столе.
- Дообучение, процесс переподготовки модели на новых данных, заняло последнее место в опросе VentureBeat о приоритетах выбора модели в корпоративном секторе.
- NTT DATA AIVista использует смесь передовых и открытых моделей, зарезервировав самые дорогие вычисления для решений, где ошибка влечёт серьёзные последствия.
- По словам Сахи, предприятиям одновременно нужны три вещи: технология, специализированное знание и управление изменениями, причём технология — наименьшее из трёх узких мест.
Каждую неделю какая-нибудь компания объявляет о крупном ИИ-бюджете. И каждую неделю остаётся невысказанной более тихая история: чек прошёл, модель развёрнута, а в деле почти ничего не изменилось.
Братин Саха, генеральный директор NTT DATA AIVista, подразделения ИИ одной из крупнейших в мире IT-сервисных компаний, говорил об этой проблеме на VB Transform 2026. Его аргумент прямолинеен. Купить способную модель ИИ — это просто. Сложное — всё остальное вокруг неё.
«Это не просто модель, — сказал Саха. — Вы строите систему вокруг модели».
Почему так много корпоративных проектов ИИ застревают?
Они застревают потому, что передовые модели, самые мощные системы ИИ на сегодня, такие как GPT-5.5 или Claude Opus 4.8, обучены на общих знаниях. Реальные бизнес-процессы — совсем не общие.
Саха привёл в пример страховые претензии многонациональной компании. Эти формы содержат рукописный текст, десятки контрольных точек и нормативные правила, которые различаются по странам. Универсальная модель их плохо читает. Точность остаётся слишком низкой, чтобы регулируемый бизнес мог ей доверять.
Решение не в покупке большей модели. Команда Сахи называет решение «специализацией на последней миле»: берёте способную базовую модель и оборачиваете её в три слоя. Во-первых, собственные данные и контекст компании, которые подаются так, чтобы модель понимала конкретный бизнес. Во-вторых, ансамбль моделей, то есть несколько систем ИИ, работающих вместе, чтобы вычислительные затраты оставались управляемыми. В-третьих, специализированные защиты, автоматические проверки, которые ловят ошибки и требуют переделки, прежде чем неправильный ответ достигнет клиента или регулятора.
«Максимальная отдача происходит от специализации, а затем от этих специализированных защит, — сказал Саха».
Сколько это стоит и кто за что платит?
| Слой | Что это такое | Кто обычно за это отвечает |
|---|---|---|
| Базовая модель | Ядро ИИ (GPT-5.5, Claude, открытые модели) | Поставщик модели |
| Контекст области | Данные компании, недокументированные процессы | Предприятие + интегратор |
| Ансамбль моделей | Смесь передовых и более дешёвых открытых моделей | Интегратор |
| Защиты | Автоматизированный слой проверки ошибок | Интегратор + предприятие |
| Управление изменениями | Обучение персонала, переписание процессов | Предприятие |
Лицензионный сбор за модель часто — самая маленькая строка в том бюджете. Недокументированное «корпоративное знание», то, что знают опытные сотрудники, но никогда не записывали, стоит больше всего. Саха говорит, что команда NTT её добывает, сидя с работниками и прямо спрашивая, как они на самом деле выполняют свою работу.
«Единственная причина в том, что мы идём и разговариваем с теми людьми», — сказал он.
Что это означает для компаний, рассматривающих инвестицию в ИИ?
Просто: бюджетируйте всю систему, а не просто подписку на модель.
Саха говорит, что последовательность тоже имеет значение. Начните с встраивания ИИ в существующие рабочие процессы, а не с их переделки с нуля. Работники, управляющие критически важными операциями, не примут попытку поставщика вырвать процесс в середине работы. Когда доверие укрепится и результаты появятся, станет возможна более глубокая переделка, и именно там сидят самые большие возвраты.
Есть честное предостережение, которое стоит упомянуть. Саха говорил на спонсируемой сессии; NTT DATA AIVista заплатили за платформу. Его советы удобно указывают на наём опытного интегратора. Многим более мелким предприятиям не потребуется фирма такого размера. Но основной принцип, независимо от того, кто выполняет работу, остаётся верным: модель — это основа, а рабочий процесс — приз.
Вывод: Прежде чем подписывать какой-либо контракт на ИИ, отобразите рабочий процесс, который вы хотите изменить, от начала до конца. Если вы не можете описать, что меняется на каждом этапе и кто отвечает за результат, то ваш технологический бюджет опережает планы.
