AI-зима 2025: когда хайп встретился с реальностью
В 2025 году произошло то, что эксперты называют "тихой AI-зимой". Не громкий крах, не кризис доверия, а медленное, мучительное угасание тысяч ИИ-проектов. Компании, которые в 2023-2024 бросали миллионы на ChatGPT API и нейросетевые пилоты, теперь молча закрывают отделы. Инвесторы перестали верить в магию слова "AI".
Почему? Потому что 87% проектов так и не показали ROI. Потому что "AI slop" - тот самый мусорный контент, генерируемый нейросетями - стал настолько очевидным, что даже неспециалисты видят подделку. Потому что компании пытались прыгнуть сразу на третий этаж, не построив первый.
AI slop - термин, появившийся в 2024 году для описания низкокачественного, шаблонного контента, массово генерируемого ИИ. К 2026 году это стало основной причиной разочарования в генеративных моделях.
Три уровня зрелости: диагноз для вашей компании
Сколково и Redmadrobot в совместном исследовании 2025 года выделили три уровня AI-зрелости. Это не про технологии. Это про бизнес-процессы, культуру и готовность к изменениям.
| Уровень | Характеристики | Типичные ошибки | Успешность проектов |
|---|---|---|---|
| Уровень 1: Автоматизация | Ручные процессы, Excel-аналитика, отсутствие data culture | Попытка внедрить LLM без данных | 15% |
| Уровень 2: Оптимизация | Цифровые процессы, сбор данных, первые эксперименты | Переоценка возможностей моделей | 45% |
| Уровень 3: Трансформация | Data-driven культура, AI-first подход, инновации | Отсутствие бизнес-фокуса | 78% |
Проблема в том, что 70% компаний в России и СНГ находятся на первом уровне. Но пытаются внедрять решения для третьего. Это как купить Ferrari, когда у тебя нет дорог.
1Уровень 1: Бизнес на Excel и интуиции
Вы узнаете эти компании сразу. У них:
- Данные разбросаны по десяткам Excel-файлов
- Нет четких метрик успеха
- Решения принимаются "по ощущениям"
- Технический долг измеряется годами
Такая компания покупает доступ к GPT-5 (или его аналогу на 2026 год) и ожидает чуда. Менеджер пишет промпт "увеличить продажи", получает красивый отчет... и ничего не меняется.
Классическая ошибка - попытка внедрить сложные AI-модели в разработке без подготовки данных. Модель обучается на мусоре, выдает мусор. Руководство разочаровывается. Проект закрывается.
2Уровень 2: Цифровизация без интеллекта
Здесь уже есть CRM, ERP, системы учета. Данные собираются, но не анализируются. Есть отдел аналитики, но он занят отчетностью, а не прогнозами.
На этом уровне появляется опасная иллюзия: "Мы готовы к AI". Компания запускает пилот по прогнозированию спроса, используя открытые данные и базовые модели. Первые результаты обнадеживают. Затем наступает реальность.
Самая частая ошибка второго уровня - переоценка возможностей моделей. Особенно в компьютерном зрении, где падают модели компьютерного зрения при малейшем изменении условий.
Пример: ритейлер внедряет систему анализа видео для подсчета посетителей. В пилоте - 95% точности. В продакшене - 62%. Почему? Другое освещение, другие углы камер, люди в капюшонах. Модель не обучена на реальных данных.
3Уровень 3: AI как бизнес-стратегия
Этих компаний мало. Меньше 10% по данным Redmadrobot. У них:
- Данные - актив, а не побочный продукт
- Эксперименты с моделями - часть культуры
- Есть компетенции для кастомной разработки
- Готовность к долгосрочным инвестициям
Здесь работает правило: если задача решается существующей моделью - она уже решена. Ценность создают кастомные решения, обученные на уникальных данных компании.
Но и здесь есть ловушки. Главная - увлечение технологиями ради технологий. Команда внедряет сложную робототехническую foundation-модель там, где хватило бы простого алгоритма.
Как определить свой уровень (и не врать себе)
Пройдите честный тест. Ответьте на вопросы:
- Сколько времени занимает получение отчета по продажам за прошлый месяц?
- Есть ли у вас единое хранилище данных?
- Кто принимает решения: данные или мнение самого громкого менеджера?
- Сколько AI-пилотов завершились внедрением в продакшен за последний год?
Если на первые два вопроса ответ "больше дня" и "нет" - вы на первом уровне. И это нормально. Ненормально - пытаться строить нейросети на этом фундаменте.
Почему "перепрыгивание" уровня убивает проекты
Представьте строительство дома. Сначала фундамент, потом стены, потом крыша. AI-проекты пытаются начать с крыши.
Компания уровня 1 берет GPT-5 для анализа клиентских отзывов. Но:
- Отзывы собраны в разных форматах
- Нет категоризации
- Нет истории изменений
- Нет метрик качества обслуживания
Модель выдает красивый дашборд. Менеджеры смотрят. Никаких решений не принимают. Потому что данные не интегрированы в процессы. Потому что нет культуры работы с данными.
И вот уже эмоциональная зависимость от AI сменяется разочарованием. "ИИ не работает" - говорят в компании. На самом деле не работают процессы.
Практический план: от диагностики к действию
Шаг 1: Карта процессов
Выпишите все бизнес-процессы. Для каждого ответьте:
- Насколько он цифровизирован?
- Какие данные генерирует?
- Как измеряется эффективность?
- Где "узкие места"?
Шаг 2: Приоритизация
Не начинайте с самого сложного. Не пытайтесь предсказывать курс биткоина, если не умеете прогнозировать продажи на следующую неделю.
Выберите процесс, который:
- Понятен и повторяем
- Имеет четкие метрики
- Занимает много ручного времени
- Даст быстрый эффект
Шаг 3: MVP вместо пилота
Пилот - это эксперимент. MVP - это минимально жизнеспособный продукт. Разница в цели: пилот доказывает, что технология работает. MVP решает конкретную бизнес-задачу.
К 2026 году появились инструменты вроде Grokkit, которые позволяют решать многие задачи без гигантских моделей. Иногда простая математика работает лучше нейросети.
Новые скептики ИИ: здоровый цинизм против слепой веры
В 2026 году сформировалась новая категория специалистов - "новые скептики". Это не луддиты, отрицающие технологии. Это прагматики, которые видят ограничения ИИ.
Их аргументы:
- Стоимость владения часто превышает выгоду
- Качество генеративных моделей стагнирует
- "AI slop" разрушает доверие
- Юридические риски растут
И они правы. Но их скепсис - не приговор, а лекарство от хайпа. Именно такой подход продвигает Redmadrobot в своих open-source проектах: сначала бизнес-логика, потом технологии.
Кейс: от провала к успеху за 9 месяцев
Банк среднего размера. 2024 год: запускают чат-бота на GPT-4. Бюджет - $200k. Результат - 12% удовлетворенности, 88% запросов переадресуются операторам.
2025 год: проводят аудит по модели зрелости. Обнаруживают:
- База знаний - в 500 документах Word
- Нет структуры часто задаваемых вопросов
- Операторы решают задачи интуитивно
Вместо нового чат-бота:
- Структурируют базу знаний (3 месяца)
- Внедряют систему управления знаниями (2 месяца)
- Обучают операторов работать по скриптам (1 месяц)
- Запускают простого rule-бота (3 месяца)
Результат: 67% запросов решаются автоматически. Удовлетворенность - 89%. Следующий шаг - добавление ИИ для сложных кейсов.
Что ждет нас в 2027-2028?
Тренды, которые изменят подход к AI-проектам:
- Демократизация специализированных моделей: появятся дешевые доменные модели вместо универсальных гигантов
- Фокус на данных, а не алгоритмах: качество данных станет ключевым конкурентным преимуществом
- Гибридные подходы: как в случае с мирными моделями против LLM, физика + ИИ даст лучшие результаты
- Этика как feature: прозрачность станет требованием, а не опцией
Но главное - исчезнет магия. AI станет таким же инструментом, как Excel или CRM. И это хорошо. Потому что только тогда мы перестанем ждать чуда и начнем системно работать.
Начните с честного разговора
Соберите ключевых руководителей. Задайте один вопрос: "Что конкретно мы хотим улучшить с помощью ИИ?"
Если ответы в духе "повысить эффективность", "улучшить клиентский опыт", "оптимизировать процессы" - вы не готовы. Эти цели слишком абстрактны.
Если звучит "сократить время обработки заявки с 24 до 4 часов", "увеличить конверсию из холодных лидов с 3% до 5%", "снизить процент ошибок в инвойсах с 8% до 1%" - есть шанс.
Помните: исследовательский подход к AI важнее грубой силы. Иногда нужно не больше данных, а лучшее понимание проблемы.
И последнее: не стыдно быть на первом уровне. Стыдно притворяться, что вы на третьем. Определите свою позицию, составьте реалистичный план, двигайтесь шаг за шагом. ИИ - не волшебная палочка. Это инструмент, который требует навыков, инфраструктуры и, самое главное, честности с самим собой.
