Что мешает бизнесу внедрять ИИ и импортозамещение

Погоня за модными технологиями и формальный подход к импортозамещению часто приводят бизнес к обратному эффекту.

Заместитель генерального директора LANSOFT Дмитрий Пилипенко в интервью «Известиям» назвал пять наиболее распространённых ошибок, которые обходятся бизнесу дороже всего. Разбираемся, как не попасть в эти ловушки.

Ошибка №1: Погоня за модными технологиями без учёта ограничений

Первая и самая распространённая ошибка — использование хайповых технологий как панацеи, игнорируя их ограничения и недостатки. Это приводит к тому, что все задачи решаются с помощью инструментов, которые в конкретном случае могут быть далеки от оптимальных.

Яркий пример — судьба low-code. Ещё год назад его рассматривали как универсальный инструмент быстрой цифровизации. Однако за 2026 год интерес к нему заметно остыл: доля компаний, видящих в нём самостоятельную ценность, по рыночным оценкам сократилась примерно вдвое. Причина не в том, что технология плоха, а в том, что её пытались применять в отрыве от архитектуры — там, где она не масштабировалась, плохо интегрировалась или просто не встраивалась в реальные процессы.

Аналогичная история с микросервисной архитектурой: она обладает массой достоинств, но её применение в ERP-системах сильно увеличивает объём интеграций между микросервисами, управлять которыми становится крайне тяжело. Эксперты также предостерегают от попыток «вшивать» ИИ напрямую в существующие ERP, MES или CRM системы — это создаёт зависимость от вендора и лишает бизнес возможности переиспользовать интеллектуальные решения в разных контурах.

Ошибка №2: Внедрение ИИ без подготовленной базы данных

Вторая критическая ошибка — запуск проектов искусственного интеллекта без необходимой базы данных. На промышленных предприятиях нужные параметры могут вообще не измеряться, а установленные датчики не всегда обеспечивают достаточную глубину хранения информации.

Для обучения моделей требуются не просто сырые данные, а очищенные, структурированные и размеченные. Подготовка таких данных — это отдельный проект, требующий капитальных вложений и квалифицированных специалистов. Игнорирование этого этапа обрекает ИИ-инициативы на провал. Как показывает практика, компании запускают ИИ-проекты без конкретных задач и заранее определённых критериев оценки эффективности, и в итоге такой подход не оправдывает ожиданий.

Это подтверждается и реальными кейсами: в одной из компаний пытались самостоятельно дообучить китайскую языковую модель, но из-за среднего понимания русского языка и недостаточно качественной базы данных ИИ-ассистент в юридическом департаменте показывал точность ниже 30%.

Ошибка №3: Формальный подход к импортозамещению

Третья проблема — формальное импортозамещение, когда зарубежный продукт просто заменяют отечественным аналогом из реестра без перестройки процессов и архитектуры. Это приводит к поспешному внедрению недостаточно зрелых решений и, как следствие, к сбоям в работе.

Пилипенко подчёркивает: импортозамещение — это не досадная обуза, а возможность перейти на современные технологии и наконец отказаться от устаревших и наследованных систем. Более правильным является последовательный стратегический подход, где главным приоритетом становится обеспечение непрерывности бизнеса, а уже потом — соответствие формальным требованиям.

Эксперты также отмечают, что замена одного элемента IT-инфраструктуры неизбежно влияет на работу остальных, поэтому при планировании импортозамещения важно оценивать всю архитектуру целиком. Начинать проект без предварительного проектирования — одна из самых серьёзных ошибок.

Ошибка №4: Сокращение ИТ-бюджетов с сохранением всех проектов

Четвёртая ошибка возникает в периоды финансовых ограничений. Организации зачастую пытаются сохранить все запланированные проекты, снижая темпы их реализации и одновременно перегружая команды. В итоге ни один проект не доводится до конечного результата в срок, а сотрудники выгорают.

Пилипенко советует расставлять приоритеты: в первую очередь заниматься критически важными для бизнеса задачами, а также стратегическими проектами, даже если они окупаются не быстро. Меньше проектов, но доведённых до конца, почти всегда эффективнее, чем много и наполовину.

Ошибка №5: Переоценка возможностей ИИ-агентов

Пятая ошибка вытекает из предыдущих: считать, что ИИ-агенты полностью заменят IT-специалистов, и можно не глядя наращивать объёмы работ. На самом деле использование таких инструментов для программирования, напротив, повышает потребность в квалифицированных кадрах.

В частности, нужны архитекторы, способные управлять работой агентов, а также отраслевые эксперты, которые понимают возможности технологий и способны грамотно формулировать задачи для таких систем. Без этих специалистов даже самые передовые ИИ-инструменты не принесут ожидаемого эффекта.

Цифровая трансформация — это не установка модного ПО и не замена иностранных вендоров на отечественных. Как отмечают эксперты, главный барьер сегодня — не в отсутствии технологий, а в их правильной интеграции с производственной задачей. Предприятию нужен не искусственный интеллект сам по себе, а снижение простоев, повышение надёжности оборудования, предупреждение отказов, сокращение энергопотребления и рост безопасности.

Успешная цифровая трансформация начинается не с технологий, а с пересмотра процессов, культуры и управленческой модели. Без этого любые инвестиции в ИИ и импортозамещение останутся лишь дорогостоящей имитацией бурной деятельности.