4 ошибки, которых предприниматели совершают при внедрении ИИ

В чем чаще всего ошибаются предприниматели, рассказала исследователь искусственного интеллекта, инновационный предприниматель Полина Белозерова.

Ошибка 1. Игнорирование нормативной базы регуляторов

Собственники бизнеса и руководители часто начинают разработку без анализа требований законодательства и надзорных органов, а затем получают отказ. В любом секторе экономики существуют свои регуляторные ограничения: в финансовом — это ЦБ и требования 115-ФЗ, в телекоме — Роскомнадзор, в промышленности — стандарты ГОСТ и Ростехнадзор.

Предприниматели нередко полагают, что закон можно обойти или подогнать под готовое решение. Это фатальное заблуждение. Важно заранее исключить ситуации, когда ИИ-алгоритм нарушает права потребителей, искажает финансовую или юридическую отчетность.

Представьте, что вы разработали ИИ-модель для скоринга кредитных заявок, потратили миллионы на ее обучение, но не учли требования ЦБ о раскрытии факторов принятия решений. В итоге — предписание, крупный штраф и приостановка деятельности.

Как защититься? Чтобы избежать этого, внесите юридический due diligence в список первичных этапов разработки. Наймите регуляторного аналитика до того, как напишите первую строчку кода.

Ошибка 2. Тестирование ИИ на идеальных, а не на реальных данных

Основатели тестируют алгоритм на чистых, отобранных данных. Но в реальности всегда существуют ошибки в записях, пропуски, разнообразие форматов. Когда ИИ запускают в работу, он начинает ошибаться.

Это классический синдром «тепличного тестирования». Предприниматели доверяют полученным цифрам и нередко преподносят их инвесторам в качестве неоспоримой истины. Но в базах данных CRM могут встречаться дубликаты данных, незаполненные поля, сленг сотрудников, нестандартные сокращения.

Когда ИИ сталкивается с этой информацией в реальных условиях, его точность падает до 60-70%. Пользователи моментально теряют доверие. Они начинают перепроверять каждое действие нейросети вручную, нивелируя весь смысл автоматизации.

Как защититься? Создайте среду, максимально приближенную к производственной. Используйте «грязные» данные, вносите ошибки в выборку, чтобы модель училась справляться с несовершенством реальности. Внедрите механизм «человека в петле» (Human-in-the-loop) — механизм, при котором сотрудник активно участвует в работе нейросети — на первых порах, чтобы система могла запрашивать уточнения у оператора.

Ошибка 3. Создание отдельного приложения или программы, которые не встроены в работу специалиста

Предприниматели не задумываются об интеграции ИИ в те системы, которыми сотрудники пользуются каждый день. Представьте, что вы создали гениальный ИИ-ассистент для менеджеров по продажам, но он работает исключительно в вашем собственном веб-интерфейсе. Чтобы им воспользоваться, сотруднику нужно свернуть рабочую ERP-систему, например, 1С или SAP, открыть браузер, войти с помощью логина в ваш сервис, скопировать туда данные, дождаться ответа и вставить обратно. Это снижает производительность.

Как избежать? ИИ должен быть в пространстве, в котором работает пользователь: в виде плагина для Outlook или Телеграм, виджета внутри корпоративного портала или API, вшитого в интерфейс основной базы данных. Если нейросеть не встраивается в существующие бизнес-процессы одним касанием, она обречена на забвение. И этот вопрос важно решить еще на этапе проектирования.

Ошибка 4. Игнорирование пользовательской этики и согласия клиентов

Предприниматели нередко забывают получить у клиентов разрешение на использование личных данных, на которых впоследствии обучается ИИ. Утечка информации может привести к скандалу и потере репутации, в худшем случае — к суду, штрафу и блокировке компании контролирующими органами.

В любой сфере, где ИИ опирается на пользовательские данные, вопрос легитимности сбора и обработки информации становится фундаментом устойчивости бизнеса. Предприниматели часто воспринимают информацию о поведенческих паттернах аудитории, геолокацию, переписку как бесплатный ресурс, принадлежащий им по факту технического доступа, но это заблуждение.

Наиболее распространенная ошибка — пренебрежение процедурой обезличивания. Многие стартапы полагают, что достаточно удалить имя и номер телефона, чтобы данные стали безопасными. Но сегодня даже комбинация косвенных признаков (пол, возраст, город, время сессии) позволяет установить личность с высокой вероятностью. Если такая связка «утекает» в открытый доступ или становится достоянием злоумышленников, последствия для бизнеса катастрофичны.

Как избежать? Каждая единица информации, которую вы используете для обучения модели, должна иметь четкое юридическое основание. Если собираете данные через мобильное приложение, веб-форму или корпоративного чат-бота, вы обязаны получить информированное согласие пользователя, причем написанное понятным языком. Более того, согласие должно быть целевым: вы не можете собирать данные под предлогом «улучшения сервиса», а затем использовать их для скоринга или таргетинга без отдельного разрешения.

Успешное внедрение ИИ в бизнес требует одновременного внимания к правовому полю, качеству данных, пользовательскому опыту, этике и кибербезопасности. Именно комплексный подход делает нейросеть надежным инструментом для роста компании.

Автор:

Полина Белозерова — исследователь искусственного интеллекта, инновационный предприниматель.

• исследователь ИИ,

• Head of ML (руководитель направления машинного обучения),

• автор публикаций и патентов в области ИИ