Если внедрение ИИ у вас буксует, вы наверняка слышали объяснение: люди боятся. Оно удобное. Оно снимает вопросы, потому что со страхом ничего не поделаешь, его можно только переждать.
Данила Драпеза руководит центром компетенций по ИИ в ГК WINbd, его команда внедряет и обучает в компаниях разного размера. Он разобрал этот «страх» по частям, и внутри оказалось кое-что другое:
“Люди не боятся. Люди не понимают. А это чинится.”
Проверка на историчность
В девяностые про интернет и персональный компьютер говорили ровно то же самое: опасность, зло, профессия исчезнет, наборщики на печатных машинках останутся без работы. Отдельная песня тех лет: «данные компании в интернете? да вы что, никогда». Сейчас эту фразу можно повторить вслух и посмеяться, а тогда она звучала как здравый смысл.
Ещё одна цифра, которая ставит разговор про повальный страх на место. Телеграму понадобилось пять с лишним лет, чтобы набрать сто миллионов пользователей в месяц. ChatGPT сделал это за два месяца. Как бы мы ни опасались, мы всё равно зачем-то туда заглядываем.
И ещё одно наблюдение, полезное практически. Когда мы говорим «нейросети», мы обычно имеем в виду короткий знакомый список: ChatGPT, Midjourney, Kandinsky, GigaChat. А карта решений на базе ИИ, машинного обучения и больших данных насчитывает больше трёх тысяч позиций. Шире мы не смотрим, потому что не успеваем.
Когда в последний раз вы искали инструмент под свою задачу?
Четыре кластера, в одном из которых вы сейчас находитесь
Исследований интеграции ИИ за 2025 год вышло около двух десятков, и почти все говорят одно: то, что мы зовём страхами, оказывается преградами из-за непонимания. Мы не знаем, как с этим работать, как объяснить руководству, как пустить чувствительные данные в контур.
Данил Драпеза складывает это в четыре кластера. Пока читаете, прикиньте, в каком из них застряли вы.
Ценность и эффективность. Непонятно, как считать отдачу и ради чего всё затевается.
Данные и инфраструктура. Непонятно, что у вас вообще есть и подходит ли оно.
Регуляторика. Непонятно, что можно, а что нельзя.
Экспертиза. Непонятно, что он умеет, поэтому вы ничего ему не отдаёте.
Скорее всего вы узнали не один пункт, а два или три. Это нормально, они редко приходят поодиночке.
Разберем каждый кластер подробнее:
Кластер первый: вы не знаете, как посчитать
Почти каждый третий топ считает, что ИИ должен стать стратегическим приоритетом на ближайшую пятилетку. И только четверть руководителей предполагает, что знает, что с ним делать. Разрыв в этих двух цифрах и есть ваша ситуация, если вам поставили задачу «внедрить ИИ» без объяснений.
Считать действительно тяжело. Когда фотограф снимает за сто тысяч, а Midjourney генерирует за пять минут, всё очевидно. А когда отдел бухгалтеров начал что-то делать в ChatGPT помимо Excel, попробуйте отделить вклад инструмента от того, что люди просто прокачались. Большинство компаний меряет в деньгах или часах, кто-то в качественных оценках, и совсем немногие сочетают оба подхода. Отсюда и результат: пилоты не идут дальше, решения не масштабируются, эксперименты сворачиваются.
Но считать можно, если задача выбрана правильно. Вот три примера:
Приёмка сырья на производстве бумаги. Брёвна приходят с заводов пароходами или поездами. На приёмке стоит человек, ставит галочки на листе и оценивает сырьё на глаз. Поставили камеры, обученные на тех же внешних признаках.
Пищевое производство. Камеры узнают человека даже со спины и знают требования каждого этапа, например, мыть руки перед входом в цех. Метрика прямая: нарушения оборачиваются штрафами при проверках, а если знать, где люди ошибаются, штрафов станет меньше.
Чат-система на базе знаний компании, где логируется каждый запрос. Видно, кто и зачем ей пользуется, а значит видно, в каком отделе она нужна и где её незачем масштабировать.
Строчка в ТЗ, которая решает всё.
Вернёмся к брёвнам, потому что там спрятана самая полезная вещь во всём выступлении.
В техническом задании заказчик написал, что хочет систему, которая работает не хуже человека, но быстрее. Человек ошибается, и они заранее согласились, что машина тоже будет ошибаться. Идеала не требовали.
Спикер называет это принципиальным моментом, и вот почему это касается вас:
“Большинство проектов умирает не от технологии. Они умирают от ожидания, что машина будет безупречной там, где человек безупречным никогда не был.”
Загляните в своё последнее ТЗ или в бриф, который вы отдавали подрядчику. Что там написано про допустимую ошибку? И с чем вы сравниваете результат: с идеалом или с тем, как сейчас справляется живой сотрудник?
Кластер второй: у вас может не быть данных, и это нормально
У малого бизнеса инфраструктуры обычно нет вовсе. У крупного она есть, но под мощную модель, скорее всего, не подходит: в неё годами вкладывали деньги под другие задачи, и перестраивать придется заново. Об этом мало кто думает заранее, а потом выясняется, что дорого и долго.
И здесь пример, который снимает чувство вины. Есть крупные девелоперы, у которых две-три продажи в год, зато многомиллиардные. Данных нет, есть три сделки. Глубокую аналитику на них не построить, и плохого бизнеса тут нет, есть специфика.
Так что если у вас нет данных, это не приговор и не диагноз. Это повод посмотреть в сторону готовых решений с рынка или честно признать, что работу людей стоит оптимизировать вне цифры.
Кластер третий: что вам можно и чего нельзя
Здесь два практических сюжета, оба стоит забрать.
Первый про авторское право. Видеопродакшн сделал смешные дипфейк-ролики. Другая компания взяла это видео себе в телеграм для рекламы, обосновав тем, что нейроконтент в России не защищён. Суд встал на сторону создателей и присудил 500 тысяч рублей. Логика: это не чистая генерация. Кнопку нажали, но дальше работали операторы, монтажёры и дизайнеры, был творческий процесс. Он и защитил продукт.
Второй сюжет обратный, и он неприятнее. Сгенерированная картинка автора не имеет вообще. Нейросеть автором быть не может. Человек тоже, потому что он исполнитель, нажавший кнопку, а авторское право в России принадлежит только гражданину. То есть чистый нейроконтент не защищён никем, и единственное, что регулирует ситуацию, это соглашение с площадкой.
Отсюда практический вывод: откройте оферту сервиса, которым пользуетесь. Там написано всё. Неопределённость в этом кластере лечится за один вечер чтения.
Кластер четвёртый, главный: вы просто не знаете, что он умеет
Спикер формулирует прямо: большинство барьеров держится на непонимании того, как технология работает и какие инструменты существуют. Мы не знаем, поэтому не внедряем и называем это страхом.
Их опросы топов показывают, что единого представления об ИИ нет вообще: в ответах на вопрос «что это такое» рядом стоят волшебная магия, чудо, технология, помощник и инструмент. Учить такие команды тяжело, зато они генерируют очень разные идеи о том, куда это приткнуть.
Вывод: учить команды нужно сейчас, ведь потом будет сложнее.
Как «автоматизировать компанию» превращается в обработку писем
Самый практичный кейс, который можно повторить у себя.
Крупная лизинговая компания. Сначала забрифовали топов: что важно автоматизировать, чего опасаются, что уже видят. Дали им поработать в простых инструментах, чтобы они поняли механику. Собрали пул задач. Потом провели такой же трек с сотрудниками и спросили, что болит у них. В конце скрестили обе картины.
На выходе техническое задание для интеграторов. И вот его судьба: глобальное желание автоматизировать процессы компании превратилось в один маленький первый этап, в обработку электронных писем. Просто это оказался единственный процесс, который совпал у всех.
“Иногда нужно мыслить менее глобально.”
Если бы вы прямо сейчас опросили своих топов и своих сотрудников по отдельности, а потом наложили ответы друг на друга, что бы совпало? Подозреваю, что ответ вас удивит, и он точно будет мельче, чем то, что записано у вас в стратегии.
Про регламенты
Вы уверены, что знаете, что ваши сотрудники загружали в ChatGPT на прошлой неделе?
Пока у вас нет правила, которое прямо запрещает загружать документы компании в ChatGPT, это не значит, что люди этого не делают. Скорее всего они сидят дома и загружают ваши финотчёты, чтобы завтра быстрее закрыть задачу. Не по злому умыслу. Просто им так удобнее, а запрета нет.
Про гекконов
Двенадцать лет назад, работая журналистом, Данила Драпеза снимал на Байконуре запуск аппарата «Бион». Внутри летели растения, семена, рыбы, гекконы и мыши: проверяли, кто как адаптируется к невесомости.
Эксперимент пережили только гекконы. У них присоски на лапках: пока всех остальных болтало по сторонам, они просто зафиксировались тем, что у них уже было.
Метафора, которую спикер настаивал забрать в практику: мы что-то умеем, мы креативны, у нас есть экспертиза. Её нужно переложить на новый мир, а не выращивать с нуля.
И последнее, о чём почти никто не говорит
ИИ называется генеративным, потому что он создаёт. Это заложено в самом слове. А смотрим мы на него исключительно через оптимизацию: что бы ещё ускорить, что бы ещё сократить, упростить.
А когда вы в последний раз спрашивали себя, что новое можно создать, вместо того чтобы ускорять существующее?
Возможно, завод, который построил дед, стоит оставить в покое. Он работает, его настраивали десятилетиями. А генеративный ИИ пустить туда, где он силён: на новые продукты, услуги, форматы, команды. В эту сторону, по словам спикера, почти никто не смотрит.
В программе “Element.ИИ” 2026 таких разборов будет больше: практика внедрения, ошибки и подводные камни, инструменты, которые работают уже сейчас, и честный разговор о том, какие задачи ИИ отдавать нельзя. Без футурологии, потому что конференцию делают практики, у которых те же задачи, что и у вас. Присоединяйтесь!