Ваша компанія купила AI. Тепер починається складна частина.
CEO NTT DATA AIVista стверджує, що більшість корпоративних проектів AI зазнають невдачі не через недосконалість моделі, а через те, що ніхто не виконує невпадобаної роботи з інтеграції її в реальні робочі процеси, реальні дані та реальні механізми контролю.
Ключові моменти
- Більшість корпоративних проектів AI зазнають невдачі на етапі впровадження не через слабкість базової моделі, а через неналежну інтеграцію, відсутність предметних знань та невизначений розподіл відповідальності.
- CEO NTT DATA AIVista Братін Саха стверджує, що витрати, спрямовані виключно на закупівлю передової моделі, залишають більшість фінансового повернення невиконаним.
- Тонке налаштування, процес переконання моделі на нових даних, зайняло останнє місце в останньому опитуванні VentureBeat щодо пріоритетів вибору моделі на рівні підприємств.
- NTT DATA AIVista запускає суміш передових та відкритих моделей, застосовуючи найдорожче міркування для рішень, де помилка несе серйозні наслідки.
- Саха каже, що підприємствам одночасно потрібні три речі: технологія, предметна експертиза та управління змінами, і що технологія є найменшим із трьох вузьких місць.
Щотижня черговою компанія оголошує великий бюджет на AI. І щотижня залишається розповідь, яку ніхто не чує: чек розраховано, модель розгорнуто, і майже нічого не змінилося.
Братін Саха, CEO NTT DATA AIVista, AI-підрозділу однієї з найбільших в світі фірм IT-послуг, говорив саме про цю проблему на VB Transform 2026. Його аргумент прямолінійний. Купити потужну модель AI легко. Складно все те, що її оточує.
«Це не просто модель, — сказав Саха. — Ви будуєте систему навколо моделі».
Чому так багато корпоративних проектів AI застопорюються?
Вони застопорюються тому, що передові моделі, найпотужніші AI-системи, доступні сьогодні, такі як GPT-5.5 або Claude Opus 4.8, навчаються на загальних знаннях. Реальні бізнес-процеси далеко не загальні.
Саха наводив приклад обробки страхових позивів у багатонаціональних компаніях. У таких формах є рукописні записи, десятки прапорців та нормативні правила, які змінюються залежно від країни. Модель загального призначення читає їх погано. Точність залишається занадто низькою, щоб регульований бізнес їй довіряв.
Рішення не в тому, щоб просто купити більшу модель. Команда Саха називає це рішення «спеціалізацією на останній милі»: взяти потужну базову модель і обернути її трьома шарами. По-перше, власні дані компанії та контекст, введені щоб модель розуміла специфічний бізнес. По-друге, ансамбль моделей, тобто кілька AI-систем, які працюють разом, щоб обчислювальні витрати залишалися управління. По-третє, спеціалізовані механізми контролю, автоматизовані перевірки, які виявляють помилки та примушують переробити перед тим, як неправильна відповідь дійде до клієнта або регулятора.
«Найбільший результат за вкладені кошти дає спеціалізація, а потім ці спеціалізовані механізми контролю», — сказав Саха.
Скільки це коштує і хто за що платить?
| Шар | Що це | Хто зазвичай за це відповідає |
|---|---|---|
| Базова модель | Основна AI (GPT-5.5, Claude, відкритого вихідного коду) | Постачальник моделі |
| Предметний контекст | Дані компанії, недокументовані процеси | Підприємство + інтегратор |
| Ансамбль моделей | Суміш передових та дешевших відкритих моделей | Інтегратор |
| Механізми контролю | Автоматизований шар перевірки помилок | Інтегратор + підприємство |
| Управління змінами | Навчання персоналу, переписування процесів | Підприємство |
Плата за ліцензію на модель часто є найменшою статтею в цьому бюджеті. Недокументовані «знання племені», те, що знають досвідчені робітники, але ніколи не писали, коштує найдорожче. Саха каже, що команда NTT робить це, розмовляючи з людьми та прямо запитуючи, як вони насправді виконують свою роботу.
«Єдина причина в тому, що ми розмовляємо з цими робітниками», — сказав він.
Що це означає для компаній, які розглядають інвестицію в AI?
Просто: бюджетуйте для всієї системи, а не просто для підписки на модель.
Саха каже, що послідовність також важлива. Почніть з того, щоб вбудувати AI в існуючі робочі процеси, а не переробляти їх з нуля. Робітники, які керують критичними операціями, не прийматимуть того, щоб постачальник демонтував процес на льоту. Коли довіра побудована і результати з'являються, глибша переробка стає можливою, і саме там знаходиться найбільший потенціал повернення.
Варто назвати одне чесне застереження. Саха виступав на спонсорованій сесії; NTT DATA AIVista оплатила платформу. Його поради, зручно, вказують на залучення досвідченого інтегратора. Багато менших бізнесів не потребуватимуть фірму такого масштабу. Проте основний принцип справедливий незалежно від того, хто виконує роботу: модель — це базова умова, а робочий процес — це приз.
Висновок: Перед тим як підписати будь-який контракт AI, відобразіть робочий процес, який ви хочете змінити від початку до кінця. Якщо ви не можете описати, що змінюється на кожному кроці і хто відповідає за результат, то бюджет на технологію обганяє план.
