Зборовський: 79% керівників вірять у прибутки від ШІ, але лише 24% зннають, звідки вони беруться

28 вересня 2026 р. 15:18

28 вересня 2026 р. 15:18

Дві цифри поруч розповідають набагато чесніше про стан справ зі штучним інтелектом (ШІ) у бізнесі, ніж будь-яка презентація на конференції. Більшість керівників переконані, що ШІ суттєво вплине на дохід компанії. Але лише кожен четвертий здатний пояснити, за рахунок чого саме це станеться.

Розібралися, звідки береться цей розрив і що з ним реально робити. Про це розповідає Михайло Зборовський Cosmobet (екс власник), експерт у розвитку iGaming продуктів.

Розрив, який не видно в загальній статистиці

За даними дослідження IBM Institute for Business Value, 79% керівників вважають, що ШІ вже підвищив продуктивність їхньої компанії й суттєво вплине на дохід до 2030 року, але лише 24% можуть чітко пояснити, звідки саме цей дохід з'явиться.

Це не суперечність у самих даних, а точний опис реального стану галузі: компанії масово бачать локальний ефект від ШІ (менше рутини, швидша обробка запитів, менше помилок), але переважна більшість поки не вміє перевести цей ефект у прогнозовану фінансову модель.

Ще одна цифра підкреслює той самий розрив з іншого боку. Лише 54% ШІ-проєктів взагалі доходять до стадії продакшену, тобто реально запускаються в роботу, а не залишаються пілотом чи презентацією для правління.

Чому ШІ поверх безладу не працює

Найточніше цю проблему сформулювала CIO і віцепрезидентка IBM з питань трансформації бізнес-платформ Енн Фунаі «AI on top of crap is just AI-powered crap», тобто штучний інтелект, накладений на неупорядковані процеси, просто автоматизує той самий безлад швидше.

Це пояснює, чому дві компанії можуть впровадити технічно однакову систему й отримати кардинально різний результат. Різниця не в моделі ШІ, а в тому, наскільки впорядкованими були дані, процеси й відповідальність за рішення ще до впровадження технології.

Приклад, де розрив вдалося закрити

Мережа Lowe's впровадила асистента watsonx для підтримки клієнтів на сайті, в мобільному застосунку та кіосках у магазинах, дозволивши покупцям описувати свій проєкт звичайною мовою, а система підбирала товари, давала поради й перевіряла наявність на складі.

Показово тут не сам факт впровадження чат-бота, а те, що результат вимірювався конкретними бізнес-метриками.Компанія зафіксувала скорочення застарілих застосунків на 10% і зниження витрат на хмарну інфраструктуру на 25%, а співробітники, звільнені від рутинних запитів, змогли зосередитися на складніших випадках.

Це і є той самий місток між загальною вірою в потенціал ШІ (79% керівників) і чіткою відповіддю на питання звідки саме береться цінність (те, чого бракує 76% компаній).

Три причини, чому компанії застряють на боці вірю, але не знаю звідки

За практикою впровадження ШІ в компаніях різного розміру найчастіше повторюються три однакові прогалини і саме вони, а не сама технологія, визначають, чи перетвориться пілотний проєкт на вимірюваний результат.

• Відсутність зв'язку між пілотом і бізнес-метрикою

Проєкт запускають, щоб спробувати ШІ, а не для вирішення конкретної, вимірюваної проблеми.

• Дані, розкидані по системах, які не розмовляють одна з одною

Модель, якою б потужною вона не була, не здатна дати цілісну картину, якщо клієнтські дані живуть в одній системі, дані про продажі в іншій, а дані підтримки в третій, без єдиної архітектури управління даними.

• Відсутність прозорого управління

Успіх ШІ-ініціативи залежить від якості даних, архітектури управління даними, базових моделей і надійного, прозорого управління, а не лише від вибору правильної технології. Без цього навіть технічно вдалий пілот залишається ізольованим експериментом, який неможливо масштабувати на всю компанію.

Що це означає на практиці для бізнесу, який тільки починає

Перш ніж інвестувати в чергову ШІ-ініціативу, має сенс відповісти на три прямі запитання, які фактично й розділяють компанії з 79% на компанії, що потрапляють у ті самі 24%:

• Яку конкретну бізнес-метрику ми хочемо змінити?

• Чи впорядковані дані, на яких працюватиме модель, чи ми ризикуємо автоматизувати наявний безлад швидше, ніж будь-коли раніше?

• Хто саме відповідає за перевірку результату через три, шість, дванадцять місяців і за яким показником ця перевірка відбуватиметься?

Яку конкретну бізнес-метрику ми хочемо змінити?

Чи впорядковані дані, на яких працюватиме модель, чи ми ризикуємо автоматизувати наявний безлад швидше, ніж будь-коли раніше?

Хто саме відповідає за перевірку результату через три, шість, дванадцять місяців і за яким показником ця перевірка відбуватиметься?

Якщо на будь-яке з цих питань немає чіткої відповіді до старту проєкту, ймовірність опинитися серед тих 46%, чий проєкт так і не дійде до продакшену, суттєво зростає.

Херсонські