Почему AI не взлетает даже при больших инвестициях Недавно наткнулся на показательную цифру из отчёта Deloitte: 93% инвестиций в AI идут в технологии и только 7% — в людей, которые должны с ними работать На этом фоне прогноз от Gartner выглядит логично: к 2027 году около 40% проектов с AI-агентами будут закрыты как неудачные. И это не совпадение. Разрыв между «тестируем» и «работает» огромный: 38% компаний запускают AI-агентов, но до рабочего внедрения доходят лишь 11%. И проблема чаще всего не в технологии — AI пытаются встроить в старые процессы, не меняя саму логику работы. Добавляют новый слой поверх прежних процессов — и получают отторжение. Инструменты есть, а система работы людей остаётся прежней. Сильнее всего интеграции AI-инструментов сопротивляются senior-специалисты с классическим бэкграундом. Они годами выстраивали ценность вокруг определённой модели работы, а тут пришел вездесущий AI и заставляет меняет паттерны работы. Поэтому дело не в интерфейсах или разовом обучении. Важно понимание принципов: как меняется процесс, где принимаются решения и за что теперь отвечает человек. 🌟 Компании, у которых получается, делают иначе — не автоматизируют старое, а перепроектируют работу под реальность, где часть задач выполняет AI. Что на практике отличает такие трансформации: ➡️ редизайн процессов, а не автоматизация существующих ➡️ культура экспериментов и тестирование гипотез на малых проектах ➡️ фокус на измеримом бизнес-результате, а не количестве внедрённых инструментов ➡️ системное развитие компетенций и непрерывное обучение команд Без пересборки того, как люди работают, инвестиции в технологии не окупаются. Последний год мы помогали крупным компаниям выстраивать именно такой системный подход к AI через пересборку процессов и непрерывное развитие команд. Если вы сейчас на этапе внедрения или масштабирования AI, можем обсудить, как выстроить трансформацию с измеримым результатом для бизнеса. Обсудить проект можно тут @dual_support