AI-пилот может выглядеть очень убедительно. Модель отвечает, классифицирует, генерирует, помогает сотруднику. На демонстрации всё работает. Через несколько месяцев пилот всё ещё называется пилотом, а бизнес продолжает работать по-старому.
Пилот проверяет технологию, а бизнесу нужен процесс
Эксперимент часто отвечает на вопрос: «может ли модель это сделать?». Для промышленного использования вопросов намного больше. Кто запускает сценарий? Откуда берутся данные? Кто проверяет ошибку? Что происходит, если ответ плохой? Куда сохраняется результат? Кто отвечает перед клиентом?
Хорошее demo не обязано отвечать на эти вопросы. Рабочая система — обязана.
У пилота нет владельца результата
Инициатива может принадлежать IT, innovation-команде или отдельному энтузиасту. Но после доказательства идеи оказывается, что менять нужно процесс другого подразделения.
Если владелец этого процесса не участвовал с самого начала и не отвечает за бизнес-эффект, переход в эксплуатацию становится чужой задачей.
Критерий успеха придумывают после эксперимента
«Ответы выглядят неплохо» — слабый критерий. До пилота желательно понимать, что именно должно измениться: время обработки, доля ручной работы, стоимость операции, качество решения, скорость ответа клиенту.
Если метрика не задана заранее, после пилота начинается спор не о результате, а о впечатлениях.
Масштабирование дороже демонстрации
Для demo достаточно небольшой выборки и нескольких пользователей. Для реального процесса нужны доступы, интеграции, мониторинг, поддержка, правила безопасности, обучение и контроль качества.
Иногда после расчёта полной стоимости оказывается, что технология работает, но бизнес-кейс не работает. Это нормальный результат пилота — если его признать вовремя.
Пользователь должен изменить привычку
Даже хорошая технология не внедряет себя сама. Если сотруднику проще продолжить работать по-старому, он часто так и будет делать. Особенно если новый сценарий добавляет проверки, переключения между системами или неясную ответственность.
Поэтому внедрение AI — это ещё и изменение операционного поведения, а не только интеграция API.
Пилот нужно проектировать с конца
До старта полезно ответить на несколько неприятных вопросов:
- какая бизнес-метрика должна измениться;
- кто владеет процессом после пилота;
- какая ошибка допустима, а какая нет;
- что потребуется для интеграции и поддержки;
- при каком результате мы честно закроем эксперимент.
Пилот — не результат
Цель пилота не доказать, что AI умеет что-то впечатляющее. Цель — достаточно дёшево проверить, имеет ли смысл менять реальный процесс.
Если переход в промышленную работу вообще не был продуман, вечный пилот — не неожиданность. Он был заложен в проект с первого дня.