Аналитическая записка · 2026
Не покупайте ИИ.
Сначала оцените готовность по четырём измерениям.
Около 80% корпоративных ИИ-инициатив не доходят до промышленной эксплуатации. Разрыв происходит не в технологии, а на стыке данных, процессов, инфраструктуры и команды. Этот разбор о том, как оценить готовность компании к ИИ до того, как выбраны модель и подрядчик.
Готовность к ИИ (AI readiness) — это степень, в которой компания готова к промышленному использованию искусственного интеллекта по четырём измерениям: данные, процессы, инфраструктура, культура и команда. Технологии давно работают. Провал ИИ-проектов происходит на стыке: данные фрагментированы, процессы не перестроены, регуляторный периметр не размечен, команда не обучена. Поэтому внедрение ИИ начинается с диагностики бизнеса, а не с выбора модели. Оценка готовности до старта отделяет успешные внедрения от 80%, которые гибнут на пилоте.
корпоративных ИИ-инициатив не доходят до промышленной эксплуатации. McKinsey, Gartner, оценки АЛРИИ, 2024–2026.
корпоративных GenAI-пилотов дают измеримый бизнес-эффект. MIT, GenAI Divide, 2025.
средний срок «тихой смерти» ИИ-проекта: от запуска до закрытия без измеримого эффекта.
измерения готовности, по которым оценивают компанию до выбора модели и найма команды.
Цена ошибки
Почему диагностика дешевле провала
Девять из десяти провалов укладываются в три паттерна: пилот ради пилота, технология без процесса, данные не готовы. У каждого своя типичная цена за цикл. Аудит готовности на их фоне выглядит страховкой.
Честное разграничение
Где ИИ работает, а где нужны управленческие решения
Одно из главных умений зрелого консультанта, сказать клиенту «здесь ИИ не нужен». В половине процессов, которые приносят на диагностику, проблема решается перестройкой регламента или сменой KPI. Это дешевле и быстрее модели. Боли компании делятся на три категории.
Где ИИ работает
Объёмные потоки данных (документы, звонки, изображения, временные ряды), повторяющиеся операции, высокая стоимость ошибки, возможность собрать обучающую выборку. Контроль качества звонков, проверка договоров, прогноз остатков, видеоаналитика, RAG по нормативной базе.
Где сначала процесс, потом ИИ
Процесс хаотичный, регламенты не работают, источники данных фрагментированы. Сначала картирование, перестройка, наведение порядка в данных. Только после этого ИИ как ускоритель. Если запустить ИИ сразу, попадёте в ловушку «данные не готовы».
Где ИИ не нужен
Низкие продажи из-за мотивации команды, высокая текучка, падающая маржа из-за структуры закупок, конфликт подразделений. Это управленческие, организационные и кадровые решения. Модель тут не поможет, а деньги съест.
Диагностический фреймворк
Четыре измерения готовности к ИИ
Прежде чем выбирать модель и нанимать команду, компания отвечает на вопросы по четырём измерениям. Это чек-лист, который отличает успешные внедрения от тех самых 80%.
Данные
- — Где источники истины и кто их владелец
- — Качество, полнота, согласованность
- — Можно ли извлечь данные технически
- — Ограничения по ПДн и коммерческой тайне
- — Есть ли история для обучения моделей
- — Как работает Data Governance де-факто
Процессы
- — Где узкие места и ручной труд
- — Какие процессы реально готовы к ИИ
- — Кто владельцы и как пройдёт смена регламентов
- — Где «бутылочное горлышко» по Голдратту
- — Где ИИ нужен, а где управленческое решение
- — Процесс «как есть» против «как должно»
Инфраструктура
- — Какие мощности нужны: GPU, хранилища, MLOps
- — Облако, on-prem или гибрид
- — Российские модели, иностранные или комбинация
- — Безопасный контур и DLP-периметр
- — Интеграция с ИТ-ландшафтом
- — SLA, доступность, резервирование
Культура и команда
- — Готовы ли топ и С-2 к ИИ-приоритетам
- — Где внутренние чемпионы, где сопротивление
- — Какие компетенции есть, какие нужно закрыть
- — Как пройдёт смена ролей и KPI
- — Какие мифы об ИИ живут в коллективе
- — Как организовать обучение и адаптацию
Классы проектов
Три сценария применения ИИ в компании
«Внедрить ИИ» это не одно решение, а три разных класса проектов с разной экономикой и рисками. Зрелая компания комбинирует все три. Запутавшаяся выбирает один и удивляется, что он не покрывает все задачи.
Фундаментальный ИИ
Классический ML, временные ряды, прогнозирование
Где не нужны языковые модели, но нужны статистика и машинное обучение: прогноз остатков и спроса, предиктивное обслуживание оборудования, скоринг рисков, видеоаналитика, акустическая диагностика. Промышленный ИИ, который работает в проде десятилетиями и даёт самые измеримые эффекты.
Проекты с LLM
Большие языковые модели в трёх режимах
Работа с текстом, документами, диалогом, поиском. Три режима развёртывания: облачные LLM через корпоративный шлюз (быстро, но ограничения 152-ФЗ), локальные модели на инфраструктуре клиента (GigaChat, YandexGPT, open-source, полная суверенность), собственные дистилляты под отрасль (максимальный долгосрочный эффект, высокий порог входа).
Вендорские решения
Готовые продукты с ИИ, интеграция, а не разработка
Где ИИ уже упакован в продукт с поддержкой и обновлениями, переизобретать незачем. Голосовые роботы, BIM-ассистенты, видеоаналитика, HR-платформы. Роль интегратора: подобрать 3–5 релевантных вендоров, организовать демо, сопроводить пилот, проверить метрики.
Как это закрывает BiometricLabs
От оценки готовности к дорожной карте
Четыре измерения сводятся в диагностику, по итогам которой компания получает приоритеты и план, а не список модных слов. Вот как это разложено по услугам.
Аудит готовности к ИИ
Полная диагностика по четырём измерениям за 8 недель: реестр инициатив, дорожная карта, ROI-модель, реестр рисков.
Управление данными
Измерение D1: оценка данных по семи параметрам, Data Governance, AI-ready инфраструктура.
Разработка ИИ-агентов
Когда готовность подтверждена, запускаем агента под приоритетный процесс. MVP за спринт, в контуре под 152-ФЗ.
Не обязательно начинать с полного аудита. Для компании среднего размера разумнее войти через ИИ-сессию или обучение команды, а полную диагностику разворачивать, когда инициатив становится много. Подробнее про лёгкий вход и лестницу шагов на главной.
Частые вопросы
- Что такое готовность к ИИ?
- Готовность к ИИ (AI readiness) — это степень, в которой компания готова к промышленному использованию ИИ по четырём измерениям: данные, процессы, инфраструктура, культура и команда. Это не теоретическая рамка, а чек-лист, который отличает успешные внедрения от тех 80% инициатив, что гибнут на пилоте. Готовность оценивают диагностикой до выбора модели и найма команды.
- Почему ИИ нельзя просто купить?
- Потому что провал ИИ-проектов происходит не в технологии, а на стыке: данные не готовы, процессы не перестроены, команда не обучена, регуляторный периметр не размечен. Технологии работают. Покупка доступа к модели без готовности по четырём измерениям приводит к списанию бюджета через 12–18 месяцев. Правильная последовательность обратная: сначала диагностика, потом приоритизация, и только потом технология.
- Как оценить готовность компании к ИИ?
- По каждому из четырёх измерений компания отвечает на конкретные вопросы: где источники истины и их качество (данные), где узкие места и кто владельцы процессов (процессы), какие мощности и контур нужны (инфраструктура), готовы ли руководители и команда (культура). По каждому измерению делается диагностика текущего состояния и план перехода в целевое. Это и есть содержание дорожной карты.
- Обязательно ли начинать с полного аудита?
- Нет. Для компаний среднего размера разумно начать с лёгкого входа: стратегической ИИ-сессии или экспресс-скрининга, где по верхнеуровневой диагностике видно приоритетные точки. Полный аудит готовности нужен, когда инициатив много и требуется системная дорожная карта с ROI-моделью. Начинать стоит с малого и наращивать глубину по результату.
- Что делать, если данные не готовы?
- Это частый и не фатальный диагноз. Сначала привести данные в состояние AI-ready: найти источники, оценить качество по семи параметрам, выстроить Data Governance, спроектировать инфраструктуру. Это половина работы перед любым ИИ-проектом. Запуск модели на грязных данных гарантирует галлюцинации и падение доверия к ИИ внутри компании на годы.
Источники
На что опирается разбор
- McKinsey, «The state of AI», 2024–2025: доля компаний, доводящих ИИ до масштаба, и причины разрыва.
- MIT NANDA, «The GenAI Divide: State of AI in Business», 2025: около 95% корпоративных GenAI-пилотов не дают измеримого эффекта.
- Gartner, прогнозы по отказу от GenAI-проектов после стадии PoC, 2024–2025.
- Оценки Ассоциации лабораторий по развитию ИИ (АЛРИИ), 2024–2026: ~80% инициатив не выходят за пределы пилота.
- Регуляторный контур РФ: 152-ФЗ о персональных данных, требования ФСТЭК к ИИ в критической инфраструктуре, нормы ЦБ РФ.
- Методология AI Readiness Audit BiometricLabs: 30+ диагностик и 60+ ML-проектов команды, 2022–2026.
Оценить готовность вашей компании к ИИ
Начните с установочной встречи на 60–90 минут. Поймём, по каким измерениям вы готовы, а где риск попасть в одну из трёх ловушек.