Одна из главных проблем — готовые ИИ-инструменты трудно адаптировать для индивидуальных задач бизнеса.
Исследователи проекта Nanda Массачусетского технологического института (MIT) проанализировали оптимизацию процессов с помощью ИИ в 300 компаниях, провели интервью со 150 руководителями и 350 сотрудниками. Организации вложили $30-40 млрд, чтобы подключить к процессам ИИ-агентов. Сроки реализации не уточняются.Только 5% таких пилотных программ принесли «быстрый» рост доходов — дополнительные «миллионы долларов» выручки. В остальных компаниях не наблюдается «измеримых» показателей роста.
Причина, по словам исследователей, не в качестве ИИ-моделей, а в обучении сотрудников и донастройке самих ИИ-агентов для корпоративной среды. Большинство ИИ-систем «не запоминают обратную связь и не адаптируются со временем».
Универсальные инструменты вроде ChatGPT нужно обучать под конкретные задачи после внедрения. Этим и занимались 5% преуспевших компаний из выборки.
67% из них покупали узкоспециализированные ИИ-инструменты у поставщиков, которые помогали дорабатывать продукт. 33% — разрабатывали ИИ-помощников самостоятельно.
Более половины бюджетов, выделенных на ИИ, компании вкладывали в инструменты для продаж и маркетинга. Однако, по данным MIT, финансовые показатели улучшились у компаний, которые автоматизировали работу бэк-офиса вместо того, чтобы отдавать её сторонним агентствам.
Источник: https://vc.ru/ai/2165649-issledovanie-mit-ii-ne-uluchshil-finrezultaty