Разрыв контроля: почему крупный бизнес теряет управление над системами искусственного интеллекта
Блог
// Наши последние проекты

Разрыв контроля: почему крупный бизнес теряет управление над системами искусственного интеллекта

0


Темпы внедрения искусственного интеллекта в корпоративном секторе сегодня значительно превышают возможности компаний по управлению этими технологиями. Согласно результатам исследования VentureBeat Pulse, большинство организаций сталкиваются с хаосом из-за обилия не связанных друг с другом ИИ-платформ, отсутствия единых стандартов мониторинга и финансовых потерь, вызванных бесконтрольной работой автономных агентов.

Аналитики зафиксировали критическое расхождение между тем, насколько активно бизнес расширяет использование ИИ, и тем, насколько слабо он контролирует эти процессы. Более половины опрошенных компаний наращивают количество ИИ-проектов, однако лишь единицы способны вовремя заметить сбои или опасное поведение моделей в реальных условиях эксплуатации.

Конкуренция платформ и размытая ответственность

Главной преградой на пути к эффективному контролю эксперты называют отсутствие единого центра ответственности за ИИ-системы. Амбиции и расходы бизнеса опережают прозрачность процессов и контроль затрат.

Исследование выявило несколько ключевых проблем в структуре управления корпоративным ИИ:

  • Конкуренция за лидерство. Около 85% предприятий используют две и более ИИ-платформы, и каждая из них позиционируется разработчиками как основная система. Лишь 8% компаний смогли консолидировать все процессы вокруг одного ИИ-решения.
  • Иллюзия контроля. Около 40% руководителей выражают уверенность в том, что смогут быстро обнаружить сбой или некорректное поведение ИИ-модели. Однако лишь 10% подкрепляют эту уверенность автоматизированным мониторингом и системой моментальных оповещений. Остальные 30% полагаются исключительно на ручную проверку результатов сотрудниками.
  • Отсутствие единого владельца. Только 38% компаний имеют выделенную централизованную команду для управления ИИ. В остальных случаях контроль либо отсутствует, либо распределен между независимыми ИТ-отделами. При этом 17% респондентов признались, что в их организациях вообще никто официально не отвечает за безопасность и эффективность ИИ.

Проблема окупаемости и теневой ИИ

Создание собственных специализированных моделей путем тонкой настройки (fine-tuning) не принесло ожидаемых результатов большинству участников рынка. Примерно 73% компаний либо застряли на этапе разработки из-за высокой стоимости и сложности проектов, либо сознательно отказались от дообучения из-за высоких затрат на дальнейшее обслуживание. Многие кастомные проекты не смогли превзойти стандартные и более дешевые решения на базе RAG (технологии связи ИИ с внешними базами данных для повышения точности ответов).

Только 27% респондентов заявили о достижении измеримого положительного ROI (коэффициента окупаемости инвестиций) от индивидуально настроенных моделей.

В результате бизнес все чаще выбирает гибридный подход. Закрытые коммерческие модели от ведущих поставщиков используются для сложных логических задач, а более экономичные модели с открытыми весами (open-weight, которые можно разворачивать на собственных мощностях) применяются для решения узкоспециализированных задач. Это позволяет компаниям сохранять гибкость и не зависеть от одного провайдера услуг.

Внедрение автономных ИИ-агентов также привело к незапланированным расходам. Около 79% опрошенных организаций уже столкнулись с реальными финансовыми или операционными сбоями:

  • Теневой ИИ (Shadow AI). Почти половина организаций (49%) назвала главной проблемой бесконтрольный запуск сотрудниками ИИ-инструментов, которые оплачиваются корпоративными картами в обход централизованного ИТ-отдела.
  • Бесконечные циклы ИИ. Четверть компаний (25%) пострадали от автономных агентов, которые из-за программной ошибки зацикливались и генерировали огромные счета на тысячи долларов за несанкционированные токены.
  • Перегрузка баз данных. Около 6% респондентов сообщили об инцидентах, когда некорректно настроенный ИИ отправлял тысячи неконтролируемых запросов, парализуя работу критически важных корпоративных баз данных.

Методология исследования

Данные получены в ходе опроса VentureBeat Pulse, проведенного в июне 2026 года. В исследовании приняли участие 145 квалифицированных ИТ-директоров, технических руководителей и архитекторов корпоративных систем из компаний численностью от 100 до 50 000 сотрудников. Респонденты представляют технологический сектор, финансовые услуги, здравоохранение и промышленность.

// |

Обсуждение закрыто.




Яндекс.Метрика