Почему AI-пилоты не доходят до production: 8 причин и что с ними делать

Коротко о главном

1. Пилот решает эффектную, но редкую задачу

Демонстрация может выглядеть впечатляюще и почти не влиять на бизнес. Для production нужен сценарий, который повторяется, измеряется и имеет понятную стоимость.

McKinsey в 2026 году отмечает, что почти 90% организаций хотя бы экспериментируют с ИИ, но только 7% сообщают о масштабировании ИИ по всей компании в исследовании operational excellence. Разрыв между demo и operating model остаётся огромным.

2. Нет владельца процесса

ИТ-команда может построить агента, но только владелец процесса знает, что считать правильным результатом, где допустима ошибка и какое действие должно следовать дальше.

Если никто не отвечает за бизнес-метрику, проект превращается в соревнование prompt engineering.

3. Данные разбросаны

Пилот легко сделать на десяти вручную подготовленных файлах. Production должен работать с живой CRM, документами, ролями и изменяющейся информацией. Именно здесь проявляется настоящая сложность.

Поэтому system of record и data discipline часто оказываются важнее дополнительного процента benchmark модели.

4. Governance добавляют в конце

Когда агент уже имеет широкий доступ к почте, CRM и файлам, попытка «потом добавить безопасность» становится дорогой. Лучше начинать с узких tools, tenant boundaries, audit и approvals.

OpenAI Presence и IBM enterprise guidance в 2026 году фактически сходятся в одном: production-agent — это модель плюс эксплуатационная система контроля.

5. Нет экономики процесса

Пилот запускается на небольшом объёме и выглядит дешёвым. При масштабировании появляются десятки tool-call, retries, длинный контекст и тысячи пользователей. Без metering компания не понимает реальную стоимость.

Нужно заранее измерять цену завершённой операции, а не только расход токенов.

6. Сотрудников не научили новому процессу

Даже хороший агент не создаёт ценность, если команда продолжает обходить систему. Обучение должно объяснять, когда доверять результату, когда проверять и как корректно эскалировать ошибку.

7. Пилот — отдельное приложение

Если пользователю нужно открыть новый сервис, скопировать данные, получить ответ и вернуться в CRM, automation остаётся ручной. Встраивание агента в существующий workflow обычно важнее нового красивого интерфейса.

8. Бесконечное улучшение до запуска

Есть и обратная ошибка: проект годами «усиливает архитектуру», не доходя до реального пользователя. Нужны release gates и чёткие критерии: что обязательно для production, что можно оставить backlog.

McKinsey в статье о масштабировании agentic product development подчёркивает важность redesign процессов и verification mechanisms, но это должно вести к более быстрому production, а не к бесконечному пилоту.