Обзор по теме: 95% пилотных проектов ИИ проваливаются из-за отсутствия интеграции в процессы
95% пилотных проектов генеративного ИИ заканчиваются провалом, несмотря на рекордную прибыль лидеров рынка. Ключ к окупаемости скрыт не в выборе модели, а в кропотливой подготовке данных и интеграции процессов до запуска алгоритмов. / Страница 8
Читать полностью
Календарь упоминаний. Страница 8:
Рост рисков из-за размытой ответственности за ИИ
Ответственность за ИИ становится ключевым элементом в управлении рисками, особенно когда ИИ-агенты принимают решения в реальном времени. Главный специалист по информационной безопасности (CISO) остается ответственным за результаты, даже если отсутствуют четкие меры управления ИИ. Это требует нового подхода к проектированию команд, где человек и ИИ работают вместе, а роль CISO включает определение границ между автоматизацией и человеческим контролем.
Рост проникновения ИИ в разных регионах
Внедрение искусственного интеллекта по всему миру растёт, но остаётся неоднородным: в странах, таких как ОАЭ и Сингапур, более 60% населения использует ИИ, тогда как в 14 странах Южной и Центральной Америки уровень внедрения ниже 20%. В Южной Корее наблюдается высокая динамика роста — с 26% в первой половине 2025 года до 30% к её завершению. В регионах с ограничениями на западные технологии, такие как Китай и Беларусь, компания DeepSeek добилась значительной доли рынка.
Рост зависимости от ИИ-инструментов в разработке
Более 40% разработчиков утверждают, что значительная часть их кода создаётся с помощью ИИ, и этот показатель может достичь 65% к 2027 году. Наиболее популярными инструментами являются GitHub Copilot, ChatGPT, Claude и другие. Однако доверие к сгенерированному коду остаётся низким: 96% опрошенных считают его не всегда функционально корректным. Проверка такого кода требует больше усилий, чем ручная разработка, что создаёт «долг проверки». Это подтверждает мнение, что ИИ перераспределяет задачи, а не устраняет их.
Рост рисков при использовании ИИ в разработке
Использование искусственного интеллекта для написания кода приводит к увеличению количества и серьёзности ошибок, требующих проверки. По данным анализа 470 открытых pull-запросов, ИИ-код содержит больше дефектов в логике, поддерживаемости, безопасности и производительности. В среднем, такие pull-запросы содержат 10,83 ошибки против 6,45 у человеческих. Критические и значительные ошибки встречаются в 1,4 и 1,7 раза чаще соответственно. Несмотря на это, ИИ-код реже содержит орфографические ошибки и имеет на 32% меньше проблем с тестированием.
Снижение затрат на ИТ-поддержку за счёт интеграции ИИ
Интеграция искусственного интеллекта в продукты Nexthink позволяет сотрудникам самостоятельно решать типовые ИТ-проблемы с помощью виртуального агента Spark, а также анализировать использование ИИ-инструментов внутри компании. Это снижает нагрузку на ИТ-отделы и позволяет оптимизировать рабочие процессы. Клиенты отмечают сокращение затрат на поддержку на 50–80%, а также снижение расходов на оборудование и программное обеспечение.
В нашей базе собрано 52 события по теме «Применение ИИ». Мы показываем 50 последних из них.
Объединили похожие карточки: Применение ИИ; Применение искусственного интеллекта в создании программного обеспечения; Система искусственного интеллекта для борьбы со спамом и другие.