ИИ звучит из каждого утюга. Мы сами много используем ИИ в работе, для решения задач в маркетинге и продажах, это очень классная штука. Решил спросить у ГПТ, почему ИИ может быть переоценён - получил несколько полезных и неочевидных пунктов. Делюсь: 👉Вот почему ожидания часто завышены: - Хайп > прирост. В реальности выгода оказывается инкрементальной, а окупаемость съедают интеграция, обучение людей и поддержка. - Надёжность хромает. Галлюцинации, нестабильность ответов, отсутствие объяснимости. Для процессов с рисками/регуляцией это критично. - Данные и право. Конфиденциальность, IP, персональные данные, запреты на загрузку корпоративных баз — часто стоп-факторы. - Полная стоимость владения. Не только тариф за токены: ещё инфраструктура, латентность, наблюдаемость, обновления промптов/агентов. - Лабораторные метрики ≠ прод. Бенчмарки и демо не покрывают реальный “длинный хвост” кейсов и смену дистрибуции. - Интеграционный долг. “Последняя миля” — подключение к CRM/ERP, оркестрация, роли/доступы, человеческий контроль — съедает время и бюджет. - Безопасность. Prompt-injection, утечки контекста, supply-chain риски моделей/плагинов. - Дефицит качественных данных. Хорошие датасеты дороги, “синтетика” даёт быстрое, но хрупкое улучшение. - Регуляции и ответственность. Нужны аудиты, логирование, трассировка решений — а LLM это дают с трудом. - Экология и централизация. Высокие энергозатраты и зависимость от нескольких вендоров → лока-ин и уязвимость цен. - Скрытый ручной труд. Разметка, модерация, эскалации — “автоматизация” часто опирается на людей за кадром. - Гомогенизация контента. Шаблонные ответы ухудшают UX (например, в аутриче падает отклик и растут баны платформ). Для себя отметил прежде всего "скрытый ручной труд, интеграцию, оркестрацию и человеческий контроль". Действительно, возни с ИИшкой возникает зачастую не мало, поэтому полезно для повторяющихся процессов трезво оценивать выгоду.