Где ИИ выходит за рамки экспериментов, по мнению лидеров

Искусственный интеллект наконец перешагнул порог. Компании уже давно говорят об искусственном интеллекте как о преобразующей силе, но большая часть активности остается в «песочницах» и инновационных лабораториях. В 2026 году этот баланс начал меняться.

Поскольку более 300 лидеров корпоративных стратегий собрались в Мюнхене на Всемирный экономический форум Совещание по отраслевой стратегии в этом месяце вопрос был меньше: «Может ли ИИ работать?» и многое другое: «Где уже меняется то, как мы работаем в масштабе?».

Необходимость ответить на этот вопрос никогда не была такой сильной. Обсуждения на встрече подчеркнули масштаб проблемы: около трех четвертей компаний еще не получили значимой выгоды от ИИ, а многие все еще застряли на пилотных этапах, несмотря на растущие инвестиции. Как прямо выразился один из руководителей, 2026 год — это год, когда компаниям придется доказать, что ИИ может принести прибыль.

Во всех секторах новые технологии, включая искусственный интеллект, автоматизацию и передовые вычисления, внедряются в ядро предприятия — от систем принятия решений и цепочек поставок до финансов, обслуживания клиентов и инженерных рабочих процессов.

На уровне предприятия исследование Capgemini выявило решительный переход от пилотных проектов к платформам, при этом бюджеты растут и 38% организаций реализуют варианты использования ИИ. В то же время, первые участники начинают сообщать о ощутимых результатах – повышении производительности, сокращении времени цикла, экономии затрат и новых потоках доходов.

Но путь от проверки концепции до производства редко бывает линейным. Лидеры должны решать вопросы, от доверия и управления до навыков и инфраструктуры, сохраняя при этом ценность бизнеса во главу угла.

Здесь руководители из разных отраслей рассказывают, как выглядит процесс внедрения ИИ в их организациях и что на самом деле нужно, чтобы ИИ прижился.

«В нашем бизнесе агентный ИИ для планирования и реализации предприятия перешел от экспериментов к оперативному развертыванию. Но это потребовало тщательной разработки решений агентного ИИ», — сказал он. доктор Эшвин Раоисполнительный вице-президент по искусственному интеллекту и исследованиям и разработкам в o9 Solutions.

«По сути, мы объединили силу нейронного ИИ (LLM) с дополнительной силой символического ИИ (модели структурированных корпоративных данных и модели принятия решений, основанные на глубоких знаниях предприятия).

«Это позволило нашим агентам воспользоваться преимуществами масштабируемости, адаптивности и обучаемости нейронного ИИ, а также преимуществами рассуждения, точности и объяснимости символического ИИ. Таким образом, мы смогли создать надежных агентов, которые хорошо работают в корпоративной практике – в отличие от типичных агентов с большим количеством LLM, которые не выходят за рамки привлекательных демонстраций и POC.

«Что касается воздействия, мы видим огромную помощь для специалистов по планированию предприятий, например, в анализе первопричин отклонений в планах цепочки поставок от результатов. Это позволило планировщикам сократить время расследования на целых 80%.

«Мы также видим огромные преимущества за счет бесконтактного управления запасами и логистикой. Это экономит даже малым предприятиям десятки миллионов долларов на трудозатратах. И мы обнаружили значительные улучшения в гибкости предприятия, когда межуровневое принятие решений выполняется за четверть времени благодаря помощи ИИ в облегчении интегрированного бизнес-планирования».

По его словам, когда компания Siemens внедрила искусственный интеллект на своем заводе по производству электронного оборудования в Амберге, поначалу возникло сопротивление. Доктор Гюнтер Байтингерстарший вице-президент по производству; Глава отдела цифровизации производства Siemens выступает на совещании по отраслевой стратегии в Мюнхене.

«На раннем этапе внедрения ИИ было много опасений, особенно среди цехов и производственного персонала, поэтому страх: «Что ИИ сделает с моей работой?» … Итак, мы постепенно представили то, что хотели, и сделали людей частью всей разработки».

Например, внедрение искусственного интеллекта в обеспечение качества рентгеновских исследований включало в себя обучение людей алгоритмам идентификации тех продуктов, для которых контроль качества искусственного интеллекта больше не требовался, чтобы сэкономить время.

«Мы подсчитали, что если мы обнаружим, что 5% наших продуктов разобраны, это уже экономически жизнеспособный сценарий».

Со временем заводские команды доверили ИИ правильно идентифицировать те продукты, которые не нуждались в проверке качества с помощью рентгеновских лучей, и достигли 30% продуктов, которые могут пропустить дополнительный этап.

Люди действительно уверены в себе. Они с самого начала разрабатывали ИИ вместе со своими экспертами, следя за тем, чтобы он был безопасным, этичным и объяснимым».

По словам доктора Бейтингера, сочетание искусственного интеллекта и данных способствует трем основным сдвигам.

«Мы переходим от эффективности к устойчивости; это то, чего мы ищем. В прошлом у нас была глобальная оптимизация затрат. Конечно, затраты очень важны, но устойчивость становится все более и более важной. И мы также переходим от автоматизации к автономии и от оптимизации одного завода к целой производственной экосистеме. ИИ действительно помогает нам осуществить эти изменения».

«Алгоритмы данных и машинного обучения, которые представляют собой основу для применения методов искусственного интеллекта, позволяют нам сегодня управлять нашим бизнесом все лучше и эффективнее», — сказал он. Филиппо Риккеттируководитель отдела планирования, контроля и страхования, Eni.

Помимо прочего, Eni удалось снизить неопределенность в отношении минеральных ресурсов, оцифровать свои операционные процессы и промышленные предприятия, а также ускорить развитие новых предприятий и энергетических цепочек.

«В течение многих лет Eni использовала инструменты искусственного интеллекта во многих секторах, насчитывая около 300 вариантов использования, от разведки до эксплуатации. Использование решений искусственного интеллекта повысило эффективность за счет сокращения времени простоя предприятий, оптимизации производства и снижения выбросов. Например, в секторе бурения было достигнуто сокращение времени бурения на 35%. Автоматизация и машинное обучение привели к этим улучшениям.

Заглядывая в будущее, компания создает агентов искусственного интеллекта на основе своих собственных корпоративных данных и активов знаний — осознанный выбор, позволяющий сохранить контроль над наиболее важными данными. Первоначальные приложения уже запускаются во всех процессах, управляемых структурой ответственного ИИ, призванной обеспечить прозрачность и подотчетность на каждом этапе.

«Каждая технология перезагружает мир. Сюжет всегда один и тот же: экспериментирование, внедрение, зависимость, необратимость. Что отличается на этот раз, так это скорость – и ставки», – сказал Итак, Зейнстарший вице-президент и директор по стратегии ServiceNow.

«Организации не ждут доказательств. Они знают, что колебания — это структурный недостаток, поэтому начали действовать заранее.

«Но экспериментирование — это только первый шаг. Настоящая трансформация происходит, когда ИИ внедряется в рабочий процесс, изменяя то, как предприятия воспринимают контекст, принимают решения и выполняют масштабные действия. Именно тогда внедрение становится когнитивной зависимостью и когда ИИ в рабочем процессе становится не просто полезным, но и незаменимым. Организации, которые первыми пересекут этот порог, получат преимущество, от которого опоздавшие не смогут просто уйти.

«В ServiceNow мы созданы именно для этого момента. Искусственный интеллект не привязан к нашей платформе — он встроен в инфраструктуру, которая уже управляет 80 миллиардами рабочих процессов и 6,5 триллионами транзакций ежегодно для 85% компаний из списка Fortune 500. Наша архитектура предназначена для того, чтобы перевести организации от экспериментирования к необратимости: распознавать корпоративный контекст между системами, принимать решения в рамках бизнес-подотчетности, действовать автономно в рамках управляемых рабочих процессов и контролировать каждый шаг с помощью средств контроля уровня аудита.

«Результаты уже усугубляются. AstraZeneca восстанавливает 30 000 часов в год. Pure Storage разрешает дела в семь раз быстрее. Siemens ежемесячно обрабатывает 210 000 заявок автономно. Это не повышение эффективности — это ранние сигналы когнитивной зависимости в масштабе. ИИ внутри рабочих процессов — это автономное выполнение предприятия. Именно здесь конкурентное преимущество становится постоянным».

«S&P Global находится в авангарде искусственного интеллекта, меняя анализ данных и процесс принятия решений во всех отраслях», — заявили в компании. Свати Савджианистарший вице-президент по стратегии слияний, поглощений и венчурному бизнесу, S&P Global.

С момента приобретения Kensho Technologies в 2018 году S&P Global использует искусственный интеллект для улучшения рабочих процессов и повышения ценности для клиентов.

«Мы стремимся предоставить клиентам доступ к надежным данным S&P Global, где бы они ни выполняли свои рабочие процессы, гарантируя, что мы удовлетворяем их быстро растущие потребности в сфере искусственного интеллекта. Это означает, что они могут беспрепятственно интегрировать наши данные и аналитические данные в свои рабочие процессы Gen AI. Одним из примеров этих усилий является использование интерфейса прикладного программирования (API) с поддержкой LLM, который позволяет клиентам беспрепятственно получать доступ к ряду наборов данных S&P Global через любое приложение Gen AI».

S&P Global сосредоточена на продвижении инноваций в области искусственного интеллекта, включая разработку новых возможностей искусственного интеллекта в партнерстве с ведущими игроками, такими как антропный, ОпенАИи Близнецы от Google.

«Эти новые возможности открывают доступ к взаимосвязанной информации, большей автоматизации и более быстрому принятию решений для наших клиентов.

«ИИ собирается фундаментально изменить то, как работает индустрия финансовых услуг. Стратегическим приоритетом является не просто внедрение технологии, а обеспечение того, чтобы люди во всей организации могли свободно ее использовать. Это означает создание культуры, которая включает в себя ИИ наряду с обучением и инструментами, чтобы сделать этот сдвиг реальным».

По мнению директора по искусственному интеллекту Cohere, полезно подумать о трех поколениях ИИ: Жоэль Пиновыступавший в кулуарах совещания по отраслевой стратегии.

«Существует прогностический ИИ, который позволяет использовать данные данных для довольно узких прогнозов, прогнозирования погоды, классификации и тому подобного. Сегодня почти все предприятия зависят от этого. Если в вашем бизнесе есть цифровой след, у вас есть прогностический ИИ, обеспечивающий некоторую часть этого.

«Генераторный ИИ появился сравнительно недавно и появился примерно в 2022–2023 годах. Мы начинаем видеть, как компании экспериментируют с этим. Если мы подумаем о крупных технологических сдвигах прошлого, то на то, чтобы они действительно осуществились, потребовались десятилетия.

«Агентный ИИ действительно только ворвется на сцену в 2025 году. Думать о том, что мы перейдем от исследовательской лаборатории непосредственно к широкому внедрению в отрасли за год, кажется довольно оптимистичным. Был ряд очень агрессивных прогнозов об ИИ, в том числе об агентном ИИ. Удивительно то, что мы уже начинаем видеть преимущества и отдачу от такой новой технологии».

Переход от экспериментирования к внедрению реален и ускоряется, но это не в первую очередь история технологий. Это история об организационной реорганизации, культурном доверии и прочной базе данных.

Компании, которые двигаются быстрее всего, — это не те компании, у которых самые лучшие модели. Именно они проделали более тяжелую работу по подготовке организации к их приему.

Цитаты были слегка отредактированы для обеспечения длины и ясности.