С развитием технологий искусственного интеллекта (ИИ) компании все чаще сталкиваются с вызовами в области цифровой трансформации. Неправильный подход к внедрению новых решений может привести к потере конкурентных преимуществ и снижению эффективности бизнеса. В статье рассмотрим 6 ключевых ошибок, которые рискуют совершить ИТ-команды в 2025 году, и их потенциальные последствия для бизнеса.
Неправильное управление ИИ
Одна из главных ошибок — отсутствие комплексного подхода к управлению ИИ. По данным BCG, 78% организаций используют сторонние инструменты ИИ (теневой ИИ), а более половины — исключительно сторонние инструменты. Конечно, сотрудники повышают продуктивность рабочего процесса, но одновременно с этим увеличивается риск утечки данных и нарушений конфиденциальности. В 2025 году это может стать одной из критических проблем для ИТ-бизнеса.
Что делать? Внедрять централизованные системы управления ИИ, охватывающие выбор моделей, проверку результатов и предоставление безопасных корпоративных альтернатив популярным инструментам. Такое подход позволит минимизировать риски и создать устойчивые условия для масштабирования ИИ.
Игнорирование нормативных требований
Многие компании недооценивают необходимость соблюдения новых правил, связанных с использованием ИИ. В России эти требования становятся все жестче: усиливается контроль за прозрачностью, безопасностью и ответственностью при разработке и внедрении ИИ. В декабре 2023 года правительство внесло в Госдуму законопроект, который предполагает изменения в Федеральный закон «Об экспериментальных правовых режимах в сфере цифровых инноваций».
Согласно предложенным поправкам, инициированным Минэкономразвития, компании, участвующие в экспериментальных правовых режимах (ЭПР), обязаны:
- Вести учет технологий с использованием ИИ.
- Создавать реестр лиц, с которыми возникают правоотношения, фиксируя информацию о тех, кто может быть ответственен за причинение вреда в результате работы с ИИ.
- Страховать гражданскую ответственность за возможный вред от применения технологий на базе ИИ.
Несоблюдение этих норм грозит бизнесу значительными рисками: от репутационных потерь до правовых санкций и накопления технического долга, который затруднит адаптацию к новым требованиям в будущем
Что делать? Создавать систему управления, включающую учет ИИ-технологий, реестры правоотношений и страхование рисков. Внедрять гибкую архитектуру решений для оперативной адаптации к изменениям законодательства и обеспечивать обучение сотрудников новым требованиям. Это позволит минимизировать правовые и репутационные риски, поддерживая устойчивое развитие компании.
Проблемы с интеграционными сложностями
Компании, ускоряющие модернизацию, нередко сталкиваются с проблемой объединения устаревших и новых систем. При использовании подхода «точка-точка» системы становятся взаимозависимыми, что затрудняет масштабирование и обслуживание. Например, добавление нового параметра в одну систему требует переработки всех связанных интерфейсов, что увеличивает расходы и риски отказов. Такие интеграции затрудняют замену устаревших компонентов. В исследованиях за 2024 год отмечено, что компании с недостаточно структурированными архитектурами сталкиваются с увеличением затрат на обслуживание систем до 71% из-за подобных подходов. Такие подходы затрудняют управление архитектурой и повышают риски отказов, особенно при усложнении технологического ландшафта.
Что делать? Создавать гибридные архитектуры, которые позволят интегрировать старые и новые технологии в единую экосистему, повышая ее надежность и готовность к масштабированию. Устойчивые интеграционные механизмы становятся основой для долгосрочного развития и снижают затраты на поддержку инфраструктуры.
Пренебрежение качеством данных
Эффективность ИИ-систем напрямую зависит от качества данных, на которых они обучаются и работают. Низкое качество данных снижает точность аналитики и затрудняет обучение моделей ИИ, что может привести к ошибочным выводам и неэффективным бизнес-решениям. По данным Forbes, 70% технических специалистов заявили, что ежедневно тратят до четырех часов на исправление данных.
Что делать? Создании стратегии управления качеством данных. Компании должны инвестировать в централизованные платформы для обработки и хранения данных, которые обеспечат единые стандарты, надежное управление метаданными и постоянный мониторинг состояния данных. Такой подход не только улучшит использование данных для ИИ, но и создаст основу для долгосрочной цифровой трансформации.
Угрозы безопасности
Стремительное внедрение новых технологий часто сопровождается недостаточным вниманием к вопросам кибербезопасности. Согласно исследованиям, угроза кибератак, в том числе с использованием ИИ для поиска уязвимостей, значительно возросла. Это особенно критично в условиях нарастающих гибридных угроз, когда злоумышленники используют возможности ИИ для поиска уязвимостей и реализации атак социальной инженерии. Игнорирование защиты может привести к катастрофическим последствиям, включая утечку данных и значительные финансовые потери.
Что делать? Применять подходы DevSecOps и архитектуру с нулевым уровнем доверия (Zero Trust), которая помогает минимизировать эти риски. А для долгосрочной устойчивости компании должны внедрять квантово-устойчивое шифрование и использовать решения на базе ИИ для мониторинга угроз и оперативного реагирования в реальном времени. Внедрение таких решений способствует многоуровневой защите, что позволяет эффективно реагировать на новые вызовы в области безопасности и сохранять устойчивость бизнеса в условиях меняющегося ландшафта угроз.
Устаревшие подходы к развитию навыков
Темпы технологических изменений требуют кардинального пересмотра методов обучения. Традиционные курсы и сертификации не успевают за быстрым развитием таких технологий, как ИИ и квантовые вычисления, поэтому создается разрыв между потребностями рынка и наличием квалифицированных специалистов. По данным исследования Всемирного экономического форума, 92% рабочих мест ожидают изменений из-за ИИ, и 58% сотрудников считают, что их профессиональные навыки изменятся в ближайшие пять лет.
Что делать? Создавать и внедрять платформы непрерывного обучения, которые позволяют быстро адаптировать навыки сотрудников под актуальные требования. Успешные компании акцентируют внимание на практическом обучении, а также налаживают сотрудничество с ведущими технологическими игроками для создания программ, ориентированных на реальный опыт и потребности отрасли.
Ошибки, которые сегодня кажутся несущественными, могут привести к катастрофическим последствиям для цифровых инициатив в будущем. Компании, которые заранее решат предсказуемые проблемы, будут иметь значительное преимущество. Способность адаптироваться к будущим вызовам определит, станете ли вы лидером в отрасли или столкнетесь с неудачей.