3 случая, когда ИИ не помог бизнесу, а создал новые риски — 3 сентября 2026 г. в 10:48:05.695
3 случая, когда ИИ не помог бизнесу, а создал новые риски Одна из главных причин, по которой бизнес начинает использовать ИИ - экономия времени. За несколько минут можно получить договор, аналитическую записку, расчёт, презентацию или даже финансовую модель. Но в работе с клиентами я всё чаще вижу обратную ситуацию: ИИ действительно сделал быстро, а потом специалист или предприниматель тратит часы на то, чтобы проверить, исправить и иногда практически собрать результат заново. Причём самое опасное здесь в том, что ошибка далеко не всегда выглядит как ошибка. Вот три конкретные ситуации из моей частной практики, где ИИ не сэкономил время, а добавил работы 👇🏻 1. ИИ подготовил документ, и его приняли за готовый Риелтор, с которой я работала в личном менторстве, рассказывала, что клиенты всё чаще самостоятельно составляют договоры с помощью ИИ. Внешне такой документ может выглядеть вполне убедительно: есть предмет договора, сроки, ответственность сторон, юридические формулировки. А потом начинается реальная работа. Риелтор вместе с клиентом разбирает, что именно написано, соответствует ли это конкретной сделке, какие последствия возникают для каждой стороны и какие пункты нужно менять. То есть человек хотел сэкономить время специалиста, а получил дополнительный круг работы: сначала договор нужно исправить, а потом ещё объяснить клиенту, почему красивый и убедительный текст нельзя было просто подписать. Это нормально, что ИИ может подготовить черновик. Но ненормально, когда черновик принимают за готовое профессиональное решение. 2. Формулы работают, но финансовая модель всё равно неправильная Другой пример - клиент самостоятельно собрал финансовую модель с помощью ИИ. На первый взгляд всё было хорошо: аккуратная таблица, связанные между собой показатели, работающие формулы.Но когда мы начали разбирать модель, обнаружились существенные неточности. Не потому, что ИИ неправильно сложил цифры. Ему просто не передали часть важных особенностей бизнеса. Более того, некоторые из этих нюансов клиент сам пока не мог корректно сформулировать. И вот что опасно: на такую модель можно посмотреть, увидеть корректные расчёты и начать принимать на их основе реальные управленческие решения 😔, которые приведут к не самым приятным последствиям для бизнеса, к сожалению. Поэтому работающие формулы ещё не означают, что финансовой модели можно доверять. 3. ИИ поручили задачу, которую человек сам не умеет проверить На мой взгляд, это самая рискованная ситуация. Человек обращается к ИИ, потому что не знает, как решить задачу. Но по той же самой причине он не может качественно проверить полученный результат. Он не видит, что пункт договора не подходит для конкретной сделки. Не замечает, что в финансовой модели отсутствует важный показатель. Не понимает, что вывод в аналитической записке сделан на неправильной предпосылке. Не проверяет источник, потому что ссылка выглядит вполне убедительно. При этом ИИ редко сопровождает сомнительный результат словами: «Я сейчас, возможно, ошибаюсь». Ответ выглядит уверенно, структурированно и профессионально. Поэтому человеку особенно легко принять его за правильный. И ошибаются здесь не только небольшие компании или начинающие пользователи. Например, в отчёте Deloitte Australia, при подготовке которого использовался Azure OpenAI, впоследствии обнаружили недостоверные ссылки и цитаты, из-за чего документ пришлось исправлять. CNET в своё время пришлось вносить исправления в значительную часть финансовых материалов, подготовленных с использованием ИИ. Масштаб компании сам по себе не защищает от подобных ошибок. Защищает только нормальная профессиональная проверка.