i
Новости
Новости · 2026-11-16

ИИ для компаний среднего бизнеса — не уменьшенная копия корпоративного ИИ

Dataist Dataist

Компаниям со средним оборотом не подходит стратегия ИИ, просто уменьшенная до масштаба Fortune 500. При выручке от $500 млн до $5 млрд они конкурируют за тех же специалистов по ИИ, данным и безопасности — и платят им те же зарплаты, располагая куда меньшими бюджетами. По словам Джека Азагури, президента и генерального директора Insight, таким компаниям не нужно создавать крупные внутренние ИИ-подразделения. Вместо этого стоит выбрать несколько проектов с измеримой отдачей, оставить внутри команды, отвечающие за стратегию и архитектуру, а узкую инженерную и защитную экспертизу привлекать по мере роста проектов.

Обложка: ИИ для компаний среднего бизнеса — не уменьшенная копия корпоративного ИИ

Время — ещё не отдача

Многие компании уже пробовали ИИ и обучали сотрудников, но превратить эти усилия в измеримый рост выручки или сокращение расходов пока сложно. Экономия получаса в рабочем дне может быть полезна сотруднику, но руководителю нужно понять, оправдывает ли она сотни тысяч или миллионы долларов, потраченных на токены, обучение и облачные подписки.

По мнению Азагури, для перехода от экспериментов к практическому применению нужны два направления: сотрудники должны иметь возможность пробовать ИИ в повседневной работе, а руководство — финансировать перестройку нескольких целых процессов и отслеживать их окупаемость.

Insight вкладывает миллионы долларов в три таких направления:

ИИ-наставник по продажам — поддержка тысяч сотрудников отделов продаж и предварительных продаж.
Работа с клиентами — улучшение обработки заказов, доставки и обслуживания.
Финансы — изменение процессов оплаты счетов, дебиторской задолженности, планирования и прогнозирования.

Одновременно компания поддерживает инициативы сотрудников в области ИИ по всей своей глобальной команде, насчитывающей более 14 000 человек. Азагури отмечает, что увлечение технологиями не должно заслонять людей и процессы — два других элемента, необходимые для изменений.

Выбрать два или три направления

Чтобы найти подходящие проекты, не обязательно месяцами анализировать все варианты. Компании могут оценить процессы целиком по двум критериям: какую ценность даст их изменение и насколько сложно его провести. На сроки часто влияет качество данных: даже перспективный процесс будет труднее преобразовать, если данные в плохом состоянии.

Азагури советует выбрать два или три направления, быстро приступить к работе и внедрять решения в масштабе, опираясь на обоснование для бизнеса. Не каждый проект обязан оправдать ожидания. Если через шесть месяцев один из трёх проектов приносит лишь 20% ожидаемой ценности, его масштаб и бюджет можно сократить, а ресурсы направить на другое направление. Это позволяет перераспределить имеющиеся средства, не обязательно запрашивая дополнительный бюджет.

Цель — не найти идеальный сценарий применения ИИ, а сосредоточить достаточно ресурсов на нескольких проектах, чтобы проверить, дают ли они измеримую пользу для бизнеса.

Стратегию оставить внутри, экспертизу привлекать

Компания должна сохранять контроль над направлением развития ИИ, даже если значительная часть работы выполняется внешними партнёрами. Внутри организации, по словам Азагури, должны оставаться стратегия и архитектурные принципы, стратегия работы с данными и безопасности, а также основная инженерная команда, связанная с бизнесом и способная координировать внешнюю помощь.

Разделить ответственность можно так:

Оставить внутри компании — стратегию и архитектуру ИИ, стратегию работы с данными и безопасности, основную инженерную команду, управление и внедрение изменений.
Привлекать по мере необходимости — узкую инженерную и защитную экспертизу, а также дополнительные ресурсы по мере роста проектов.

Азагури называет такой подход сочетанием «создавать, покупать и привлекать»: компания решает, какие возможности развивать самостоятельно, какие программные и облачные продукты приобретать, а какие знания брать у партнёров. До начала собственной разработки стоит выяснить, не предлагает ли нужное решение поставщик программного обеспечения или облачных услуг — и не собирается ли предложить его в ближайшее время.

Управление ИИ и внедрение изменений также должны оставаться ответственностью компании. Во многих организациях до сих пор неясно, кто отвечает за ИИ; сотрудники могут только осваивать новые технологии или неохотно переходить на новые способы работы. Поэтому обучение и принятие конкретных решений сотрудниками влияют на результат не меньше, чем техническая помощь.

Почти 10 000 ИИ-агентов — новая задача для управления

Опыт Insight показывает, что широкое использование ИИ может быстро создать отдельную операционную проблему: компания обнаружила, что в ней работает почти 10 000 ИИ-агентов. Одни сотрудники в разных подразделениях создавали для конкретных задач — например, чтобы обобщать документы, распределять запросы или автоматизировать отчёты. Другие агенты оставались без ясного владельца или назначения.

Это поставило перед компанией вопросы: имеют ли агенты правильные права доступа, какие расходуют токены без пользы и как оценивать их работу. Азагури считает, что для управления ими нужен контрольный слой.

Он — лишь одна часть стека ИИ. Руководителям также приходится выбирать вычислительные ресурсы, облачных поставщиков, подходы к данным, смысловой контекст, платформы для ИИ-агентов и средства безопасности. Технологии и доступные продукты в этих областях быстро меняются, поэтому среднему бизнесу не стоит пытаться наращивать глубокую экспертизу по каждому направлению.

Совет Азагури — сохранять контроль над архитектурой и ограничить число технологических решений и партнёрств. Иначе компания рискует потратить дефицитные инженерные ресурсы на возможности, которые поставщик превратит в стандартный продукт через шесть или 12 месяцев.

По словам Азагури, компании, которые выходят за пределы экспериментов, обычно опираются на три основы: собственных ключевых специалистов по ИИ, ясный выбор между разработкой, покупкой и привлечением внешней помощи, а также управление, позволяющее принимать решения и масштабировать работающие решения. Для этого он советует оценивать отдачу от внедрения ИИ, выбрать два или три процесса с понятным обоснованием, учесть готовность сотрудников и процессов и сосредоточиться на выполнении этих планов.

По оценке Dataist, среднему бизнесу не требуется повторять кадровую и техническую модель крупных корпораций: в описанном подходе важнее сосредоточить ресурсы на нескольких процессах и не отдавать внешним партнёрам ключевые решения. При этом опыт Insight показывает, что даже распределённые эксперименты сотрудников могут привести к появлению тысяч ИИ-агентов, за которыми нужно следить.

Исследование под эгидой ООН: модели ИИ «слабы и ненадёжны» в вопросах климатологии Смогут ли роботы перенести операции при инсульте в удалённые больницы? США ужесточают экспортный контроль над ИИ-чипами, чтобы не дать китайским компаниям удалённо получать доступ к вычислительным мощностям Бывшие руководители Freshworks привлекли $53 млн, чтобы бросить вызов Salesforce и HubSpot с AI-Native CRM Apple запустила приложение, чтобы изучить, как люди используют ИИ для здоровья Индийский стартап Bharat Semi привлёк $24 млн на посевном раунде и метит на мировой рынок ИИ-сенсоров Число сообщений о созданных ИИ материалах сексуального насилия над детьми выросло на 8 400% за два года — данные Childlight Зачем Skydio создала беспилотник с асимметричной конструкцией Один скомпрометированный MCP-сервер может заставить ИИ-агента злоупотреблять инструментами, которым вы уже доверяете Claude Fable 5.2 от Anthropic не генерирует изображения, а рисует их Резервный банк Австралии: ИИ сильнее всего сказывается на молодых работниках — особенно в IT и обслуживании клиентов Эта ИИ-игрушка тамагочи превращает обычные вещи в капризных виртуальных питомцев Meituan выпустила агентную модель на 1,6 трлн параметров, ни разу не задействовав GPU Nvidia 160 вопросов — всего одна ошибка: набравший высший балл на экзамене налоговых бухгалтеров в Южной Корее признался, что списывал с помощью ИИ Где была служба безопасности Nvidia? Илон Маск и другие руководители IT-компаний подписали петицию с призывом вернуть Дженсена Хуанга в Nvidia Глава Anthropic Дарио Амодей признал: «Совершенно неясно, что будет дальше в следующем году» — за несколько дней до рекордного IPO ИИ-агент не объяснил, зачем заказал своему человеку-заместителю нелепое количество яиц Сенатор-либерал: искусством нельзя жертвовать ради корпоративной прибыли на фоне споров о политике в сфере ИИ Anthropic: устаревшие привычки при составлении промтов замедляют Claude Opus 5.5

Ежедневные новости об ИИ

Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.

Только важное — каждый день

В Telegram