ChatGPT помог, но для корпоративного AI понадобилась команда
В компании ПСМ решили перейти от личного опыта с ChatGPT к собственному корпоративному ИИ, но быстро поняли: одной ИТ-команды для этого мало. История показывает, почему внедрение ИИ в бизнесе упирается не только в технологии, но и в людей, процессы и доверие сотрудников.
Как личный опыт с ChatGPT превратился в корпоративную задачу
Идея AI ready-инфраструктуры выросла из практики: сначала автор статьи тестировал ChatGPT сам, а потом использовал его в пилотах внутри компании. Ещё год назад отдельной AI-команды в ПСМ не было — был только интерес к теме и надежда, что AI-ассистента можно быстро запустить силами действующей ИТ-службы.
Проверка реальностью оказалась жёстче ожиданий. Зимой 2025 года автор начал разбираться в новом производственном направлении, связанном с охлаждением, и впервые ощутил, насколько быстро ИИ помогает входить в незнакомую тему. Но почти сразу выяснилось и обратное: часть ответа модели выглядела убедительно, хотя по сути была фантазией. Это и стало важным уроком — скорость не равна точности, а ИИ без проверки легко создаёт ложное ощущение экспертизы.
Почему скепсис сотрудников оказался не случайным
После первых экспериментов в компании запустили корпоративного ассистента на базе GPT. Версия 2025 года получилась довольно слабой: ей доверили только проверку входящих сообщений через attention-бота, риск-анализ контрактов в юридическом поле и сравнение документов. В обычном диалоге помощник почти не помогал, поэтому часть сотрудников ещё сильнее усомнилась в пользе ИИ.
При этом отношение в команде было разным: кто-то начал активно пробовать новые инструменты, кто-то не понял, как ими пользоваться, а кто-то по-прежнему считал, что естественный интеллект надёжнее. Из этого сделали практический вывод: чтобы люди начали верить в ИИ, его нужно не рекламировать, а постепенно расширять его реальные возможности и показывать пользу в рабочих задачах.
Почему решили строить AI-разработку внутри компании
Когда проект вышел на следующий уровень, стало ясно, что промышленной компании недостаточно ИИ только для офисной рутины. Нужны более прикладные вещи: контроль конструкторской документации, видеоаналитика на производстве и база знаний. Одновременно стало очевидно, что своими силами текущая ИТ-команда весь объём не потянет.
Дальше команда посмотрела на рынок подрядчиков и быстро поняла, что внешняя разработка корпоративных AI-агентов выходит долго, дорого и с большим количеством посредников. Поэтому в ПСМ сделали ставку на собственную AI-команду. Логика проста: да, ошибок будет много, но внутри компании их можно быстрее исправлять, а саму разработку — лучше подстраивать под реальные задачи бизнеса.