П’ять бар’єрів, які заважають заробляти на ШІ

Поки одні бізнесмени з гордістю повідомляють про двозначне зростання ефективності завдяки штучному інтелекту, інші вкладають мільйони – і не отримують відчутного результату. Різниця між тими, хто виграє, і тими, хто залишається позаду, визначається не стільки вибором моделей і розміром бюджету, скільки готовністю керівництва чесно відповісти на п’ять незручних запитань.

Перше з них звучить так: чи справді ваші співробітники вміють працювати з ШІ, чи лише створюють ілюзію залученості? Дефіцит навичок сьогодні називають головним гальмом упровадження штучного інтелекту в усьому світі. При цьому компанії часто змішують дві різні категорії компетенцій.

З одного боку, бракує технічних спеціалістів. Інженери даних, експерти з машинного навчання, архітектори хмарних рішень залишаються у явному дефіциті. Звіт WTW про цифрові таланти за 2025 рік зазначає, що в європейському фінансовому секторі особливо затребувані аналітики даних, фахівці з візуалізації, предиктивної аналітики та дата-сторителінгу.

Але технічні кадри – це лише частина картини. Як справедливо зауважила HR-директорка Cisco Келлі Джонс, м’які навички стають новими твердими. Всесвітній економічний форум у доповіді «Майбутнє робочих місць – 2025» виокремив компетенції епохи ШІ: аналітичне мислення, стійкість до стресу, емпатійне лідерство, творчий підхід і самосвідомість. Якщо компанія розвиває лише інженерів, але не змінює управлінську культуру, вона ризикує отримати потужний інструмент у руках людей, які не розуміють, як і навіщо його застосовувати.

Друге запитання стосується даних: чи є вони вашим ресурсом або вашим слабким місцем? Багато організацій помилково вважають, що дані – це щось само собою зрозуміле. Однак саме якість і доступність інформації стають критичною перешкодою. Згідно зі звітом PEX за 2025-2026 роки, 52% компаній називають дані головним бар’єром на шляху до ефективного ШІ.

Проблема рідко в тому, що даних мало. Частіше їх занадто багато, але вони розрізнені, погано структуровані й перебувають під контролем різних підрозділів. Додайте до цього вимоги регулювання, кібербезпеки та питання власності – і вийде цифровий хаос, у якому навіть найпросунутіша модель буде марною.

Дані іноді називають новою нафтою, але точніше порівняти їх із садом: щоб отримати врожай, потрібно постійно доглядати, очищати й організовувати простір.

Третє запитання: ви справді інвестуєте в ШІ чи просто перерозподіляєте витрати? Аналітики Goldman Sachs прогнозують, що світові витрати на штучний інтелект сягнуть 2 трильйонів доларів уже в 2026 році, а ШІ-сервіси займуть близько 325 мільярдів.

Однак великі цифри самі по собі не означають успіху. У 2025 році багато компаній скорочували персонал, пояснюючи це автоматизацією. Але часто з’ясовувалося, що йшлося не про заміну людей алгоритмами, а про те, що зекономлений фонд оплати праці спрямовувався на фінансування ШІ-проєктів. Це може виглядати розумно тактично, але стратегічно не створює нової цінності.

Компанії, які отримують реальний ROI, розглядають ШІ як довгостроковий портфель інвестицій на горизонті трьох-п’яти років, керуючи ним так само серйозно, як раніше керували інноваціями або великими угодами.

Четверте запитання несподівано практичне: де взяти електроенергію? Розмови про ШІ часто звучать як суто цифрова трансформація, але насправді все впирається у фізичну інфраструктуру. Goldman Sachs прогнозує, що до 2030 року енергоспоживання дата-центрів зросте на 175% порівняно з 2023 роком.

Навчання і робота великих мовних моделей потребують колосальних обчислювальних потужностей, які працюють цілодобово. Там, де енергія дорога або нестабільна, розвиток ШІ стає обмеженим. WTW підкреслює, що дата-центри й енергоресурси потрібно розглядати як частину критичної інфраструктури компанії, а не як другорядне технічне питання.

П’яте запитання – найскладніше: ви вбудували ШІ у старі процеси чи переглянули самі процеси? Більшість невдач пов’язана саме з цим. Багато компаній беруть існуючі схеми роботи й просто додають до них нейромережу. Підсумок майже завжди однаковий: дорого, складно і без відчутного ефекту.

Успішні лідери підходили інакше. Вони ставили питання не про те, як ШІ допоможе робити звичні речі швидше, а про те, які процеси взагалі варто перебудувати з урахуванням нових можливостей. Це потребує перегляду ролей, відмови від старих метрик і іноді тимчасового зниження ефективності заради майбутньої переваги.

Сильні сторони машин очевидні: автоматизація рутини, пошук закономірностей у великих даних, прогнозування. Сильні сторони людини – контекст, етика, емпатія та здатність діяти в невизначеності. Максимальний ефект досягається там, де ці можливості поєднуються, а не замінюють одна одну.

П’ять бар’єрів – навички, дані, капітал, енергія і процеси – відомі давно. Але ключовий момент у тому, що компанії, які долають їх одночасно й системно, починають рухатися вперед із такою швидкістю, що через кілька років наздогнати їх буде майже неможливо. Питання вже не в тому, чи потрібен ШІ. Питання в тому, чи є у бізнесу час відкладати рішення.

Якщо дивитися на ситуацію очима машинного аналізу, ці бар’єри не однакові за значущістю. Історія технологічних революцій показує, що саме інфраструктурні обмеження – особливо енергетичні – часто стають головним вузьким горлом. Так було і за часів електрифікації промисловості, і в епоху зростання інтернету. Тоді проблеми теж здавалися непереборними, доки ринок не знайшов несподівані рішення.

Цікаво, що енергетичний фактор найгірше піддається управлінським зусиллям: можна найняти спеціалістів і перебудувати процеси, але не можна корпоративною волею прискорити будівництво електростанцій.

Статистика щодо даних також говорить про багато що. Якщо 52% компаній називають якість даних ключовою перешкодою, це означає, що майже половина або вже вирішила проблему, або просто недооцінює її. Другий варіант виглядає більш імовірним. І питання чесності корпоративної самооцінки в темі ШІ залишається відкритим.