Наталья Бенидовская, независимый эксперт: «Технология ИИ работает, но управление внедрением – пока нет»

Наталья Бенидовская, независимый эксперт и спикер Одиннадцатой конференции «Информационные технологии в бюджетировании», рассказала CFO Russia о ключевых барьерах на пути внедрения инноваций, а также объяснила, как компании могут выстроить систему отбора инноваций, чтобы минимизировать «мёртвые» проекты.

Какой процент инновационных проектов в вашей практике доходил до завершения и внедрения?

Начну с российского контекста, потому что здесь есть своя специфика. Российский рынок ИИ растёт быстрее мирового – 36-45% в год по данным Т1 и Smart Ranking. Объём инвестиций в ИИ достиг 305 млрд рублей в 2024 году. При этом, по данным SBS Consulting, только 20-22% промышленных компаний в России активно занимаются цифровой трансформацией, а 52% не считают её приоритетом. Это создаёт парадокс: деньги в технологии идут, но культурная готовность компаний отстаёт. К этому добавляется специфический вызов – импортозамещение: 64% компаний уже заменили 10-50% иностранных IT-решений отечественными аналогами. Это создаёт дополнительные сложности, которых у глобальных компаний, например, нет.

Если говорить о глобальной картине укрупнённо: по данным ведущих исследовательских организаций (RAND Corporation, MIT, Gartner), до стадии ввода в промышленную эксплуатацию доходит менее половины ИИ-проектов, а измеримый финансовый эффект на EBIT (прибыль до вычета процентов и налогов) приносят лишь 5-20% проектов в зависимости от методологии измерения. Для цифровой трансформации в целом, по данным McKinsey и BCG (Boston Consulting Group), успешность составляет 16-35%.

Я считаю, что для России реальные показатели успешности могут быть даже ниже глобальных, учитывая два дополнительных фактора: необходимость одновременно импортозамещать и внедрять инновации, а также дефицит кадров – Национальная стратегия развития ИИ (Указ Президента №490) ставит целью увеличение выпуска специалистов по ИИ с 3 тысяч в год до 15,5 тысяч к 2030 году, то есть в пять раз. Сам масштаб этой задачи показывает глубину кадрового разрыва. Но это не приговор. Скорее, это сигнал: технология работает, но управление внедрением – пока нет. И это то, что можно изменить.

Какие ключевые факторы чаще всего мешают довести инновацию до конца?

Я бы выделила пять ключевых факторов, по приоритетам, подтверждённым данными исследований от ведущих аналитических центров.

Первый – организационные и культурные барьеры. McKinsey в своем отчете показывает: культура – это главный барьер. Организации, инвестирующие в культурные изменения, успешны в 5,3 раза чаще. Но на это, к сожалению, редко выделяют бюджет.

Второй – низкое качество данных. Gartner отмечает: 85% ИИ-проектов проваливаются из-за проблем с данными. В успешных проектах 50-70% времени уходит на подготовку данных.

Третий – отсутствие чёткой бизнес-ценности. Неясный ROI (рентабельность инвестиций) – ключевой фактор отмены GenAI-проектов по Gartner. RAND Corporation (Research and Development аналитический центр) подтверждает: 73% провальных проектов не имели согласованных метрик успеха.

Четвертый – потеря поддержки от руководства. 56% проектов теряют активную поддержку топ-менеджмента в первые 6 месяцев. При устойчивой поддержке CEO успех – 68%, без неё – 11% (данные RAND Corporation).

Пятый фактор – нереалистичные сроки. Компании планируют окупаемость ИИ-проекта за 1,8 года, реальный срок – 4,2 года. Этот разрыв в 2,3 раза закладывает разочарование и преждевременное закрытие проектов.

Главный вывод, который можно сделать: технология, как правило, работает. Проваливается управление внедрением. Именно поэтому BCG говорит о принципе «10–20–70»: 10% успеха зависит от алгоритмов, 20% – от данных, а 70% – от людей, процессов и культуры.

Как компании могут выстроить систему отбора инноваций, чтобы минимизировать «мёртвые» проекты?

Я бы предложила фреймворк из пяти элементов, который опирается на данные исследований:

Во-первых, метрики до запуска, не после. RAND Corporation показывает: проекты с чёткими метриками успеха, определёнными до запуска, успешны в 54% случаев против 12% без них. Это самый простой и самый эффективный фильтр.

Во-вторых, матрица выживаемости. MIT (Массачусетский технологический институт) предлагает оценивать проекты по двум осям: первая – насколько решение заточено под конкретную отрасль или бизнес-функцию (например, ИИ для финансового контроля, а не «ИИ вообще»), а вторая – насколько глубоко решение встраивается в реальные рабочие процессы сотрудников. Проекты с высокой оценкой по обеим осям успешны вдвое чаще. Перед выделением бюджета стоит задать два вопроса: «Это решение для какой-то конкретной задачи или “ИИ вообще”?» и «Как именно сотрудники будут использовать это в своей ежедневной работе?»

В-третьих, оценка готовности данных. Формальная проверка качества, полноты и доступности данных до запуска проекта улучшает результат в 2,6 раза (RAND Corporation). Многие компании пропускают этот шаг, потому что он не даёт быстрого видимого результата – это «скучная» работа с данными, а не запуск новой модели. Но именно эта «скучная» работа определяет, выживет ли проект.

В-четвертых, купить или разработать самим (buy vs build)? MIT показывает: специализированные решения от профильных вендоров успешны в 67% случаев, внутренняя разработка – лишь 33%. Прежде чем нанимать команду, стоит спросить: есть ли готовое решение на рынке?

В-пятых, Fail fast (быстрый провал), но осознанно. В фармацевтике 82% проектов проваливаются, но большинство – на ранних стадиях, и это экономит ресурсы. Тот же принцип применим к ИИ: лучше закрыть проект на стадии проверки концепции (PoC), чем доводить нежизнеспособный продукт до промышленной эксплуатации со средним перерасходом бюджета 27% по данным HBR (Harvard Business Review).

В конечном счёте, система отбора – это не один фильтр, а набор контрольных точек, которые позволяют остановиться раньше, если проект не проходит проверку. Организации, которые выстраивают эту систему, могут поднять успешность с 30% до 80%, по данным BCG.

Задать свои вопросы Наталье вы сможете на Одиннадцатой конференции «Информационные технологии в бюджетировании», которая состоится 24 апреля 2026 года.

Елизавета Гета