Почему 80% AI-проектов не дают экономического эффекта — и как это учитывать на старте
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Мы расскажем, почему около 80% AI-проектов не дают ожидаемого экономического эффекта, даже если модели работают корректно и пилоты считаются успешными. Разберём ключевые ошибки, которые совершаются на старте: подмену бизнес-целей ML-метриками, запуск AI «ради технологии» и разрыв между PoC и реальным продуктом. Покажем, на каких этапах чаще всего теряется экономический смысл проекта и как этого избежать. Обсудим, как формировать экономическую гипотезу для AI/GenAI-решений ещё до начала разработки и какие принципы позволяют сразу отсеивать нерентабельные идеи, фокусируясь на проектах с измеримым бизнес-эффектом.
Я предприниматель и эксперт в финтехе, банковских экосистемах и внедрении ИИ. Более 10 лет занимаюсь запуском и масштабированием цифровых продуктов для бизнеса. Руководил международными финсервисами в «Точке», участвовал в создании первого в России сервиса регистрации бизнеса через ЭЦП, выстраивал экосистемные интеграции в ПСБ и запускал автоматизированные решения для предпринимателей в МодульБанке. Был генеральным директором первой онлайн-бухгалтерии, где развивал сервисы для малого бизнеса. Отдельное направление моей работы — внедрение ИИ во внутренние банковские системы для улучшения клиентского опыта.
Интересуюсь AI-трансформациями, автоматизацией и созданием практичных технологических продуктов для бизнеса.
Видео
Другие доклады секции
AI-инструменты для жизни
