Ваш последний AI-пилот не отклонили с обоснованием. Никто не написал «мы решили не продолжать». Переписка просто стала реже: ответы приходили через день, потом через три, потом чемпион проекта сослался на «период согласований» — и замолчал. Через месяц вы узнали, что бюджет ушёл на другое. Решение приняли давно, и приняли не с вами в комнате: по данным Forrester, в типовой корпоративной закупке технологий участвуют от шести до десяти человек, и у большинства из них нет причины поддерживать сделку дольше двух-трёх недель без видимого результата.

Это и есть характерная смерть AI-пилота — тихая, и по данным MIT именно так заканчивается подавляющее большинство: 95% корпоративных AI-инициатив не доходят до измеримой отдачи. Она почти никогда не выглядит как «нет». Она выглядит как затухание сигнала, и именно поэтому её так трудно вовремя заметить и почти невозможно отыграть назад.

Отказ, которого не было

Большинство поставщиков AI-решений строят свою картину сделки вокруг одного человека — того, кто пришёл на демо, загорелся, попросил пилот. Назовём его чемпионом: он искренне хочет, чтобы проект состоялся. Проблема в том, что чемпион почти никогда не принимает решение единолично. По расчётам Forrester, 73% покупок технологий затрагивают три и более департамента, а в среднем в решение вовлечено около 13 человек внутри организации покупателя и ещё 9 снаружи — итого до 22 участников на одну сделку. Исследование Gartner той же группы покупателей даёт схожий порядок: типичный закупочный комитет — от 6 до 10 человек. Более ранняя работа Harvard Business Review формулирует следствие прямо: «Чем больше участников вовлечено в B2B-покупку, тем труднее группе прийти к согласию о чём-либо, кроме как ничего не делать». Цифра у неё скромнее — по опросу трёх тысяч участников корпоративных закупок в среднем 5,4 человека на сделку, — но вектор тот же: каждый дополнительный участник снижает вероятность покупки, а не повышает. Логика контринтуитивна, но устойчива: чем больше людей за столом, тем выше вероятность, что согласие не достигается вовсе — группа скорее замирает в неопределённости, чем приходит к общему «да».

Чемпион был на демо. Остальные пять, девять, тринадцать — не были. Они узнают о вашем продукте из пересказа, из одного слайда в общем чате, из реплики на планёрке, где обсуждали восемь других вопросов. Для них ваш пилот — не «прорыв, который надо защищать», а строка в списке инициатив, конкурирующих за один и тот же бюджет, внимание и политический капитал. И когда наступает момент перераспределения ресурсов — а он наступает в любой компании раз в квартал, — голос за вас может подать только тот, у кого на руках есть доказательства. У чемпиона их нет. Есть энтузиазм, который не конвертируется в аргумент для тех, кто на демо не приходил.

Поэтому отказ не оформляется как отказ. Никто не голосует против — просто никто не голосует за. Пилот не убивают, его перестают защищать. А поставщик ещё две недели пишет письма в тишину, потому что в его модели мира «нет ответа» означает «думают», тогда как на стороне покупателя это уже означает «решили».

Асимметрия здесь жестокая. Поставщик видит сделку как линию: демо, пилот, контракт. Покупатель видит её как параллельный процесс, в котором ваш проект — один из десятка, и его судьба решается не на ваших звонках, а на внутренних обсуждениях, куда вас не зовут. К моменту, когда вы замечаете тишину, на той стороне уже прошло два-три совещания без вас, и на каждом ваш пилот проигрывал не конкуренту, а отсутствию аргумента в свою защиту.

Что говорят данные о масштабе провала

Тихая смерть — не редкий сбой, а доминирующий исход. Исследование MIT, разошедшееся летом 2025 года, зафиксировало, что 95% корпоративных AI-инициатив не приносят измеримой отдачи; до стадии пилота доходит около 20% проектов, а до production — лишь 5% (Fortune). Иначе говоря, из каждых 100 запущенных инициатив до реальной эксплуатации доживают 5. Разбирая ту же работу, Forbes формулирует вывод без обиняков: «Проблема не в том, что AI не работает, — проблема в том, как компании его внедряют». Проваливаются не алгоритмы, а внедрения — на стыке между технически работающим прототипом и организацией, которая так и не признала его своим. Эту же механику с другой стороны — со стороны выживших 5% — я разбирал в «95% AI-пилотов проваляются. Что общего у выживших»: там речь о том, куда вшивать AI, здесь — о том, как пережить первые две недели.

В отраслевом жаргоне для этого застревания есть название — pilot purgatory, чистилище пилотов. Аналитики описывают его как состояние, в котором инициатива технически жива, но не движется: демонстрирует обещание и не доходит до реальной пользы для бизнеса. По прогнозу Gartner, к концу 2026 года около 60% AI-проектов будут свёрнуты из-за того, что под ними не оказалось готовых к работе данных, а значительная доля пилотов отбраковывается именно на переходе от proof of concept к эксплуатации. Цифры разнятся от исследования к исследованию, но вектор один: между «впечатляющим демо» и «системой, которой пользуются каждый день» лежит провал, в который проваливается подавляющее большинство проектов.

Важно, что этот провал не информационный. Покупатель не «не понял ценность» — чаще он просто не получил её доказательства в форме, которую можно предъявить комитету. Демо показывает потенциал. Комитет принимает решения по фактам. А факт — это не «продукт умеет», а «у нас уже стало лучше, вот на сколько и вот где это видно».

Почему всё решается в первые четырнадцать дней?

Между подписанием пилота и его тихой смертью есть короткое окно, в котором исход ещё подвижен. По практике B2B-консалтинга и корпоративных внедрений это примерно первые две недели. Быстрый измеримый результат принято показывать на пятый-седьмой день, а первый существенный осязаемый итог — не позже четырнадцатого. Не потому что это красивая круглая цифра, а потому что ритм внутреннего комитета задаёт именно такой темп: между двумя планёрками, на которых ваш проект может всплыть, обычно проходит две-три недели. Если к этому моменту чемпиону нечего положить на стол, на стол не ляжет ничего — и пилот начинает гаснуть ровно по описанному сценарию.

Содержание этих двух недель почти всегда выбрано неверно. Поставщик тратит их на инфраструктуру: подключает источники данных, настраивает доступы, выстраивает конвейер. Работа реальная и необходимая, но невидимая для тех, кто не был на демо. К четырнадцатому дню у поставщика есть «мы многое настроили», а у чемпиона по-прежнему нет ответа на простой вопрос коллеги из соседнего отдела: «и что, стало лучше?». Объём проделанной работы и наличие доказательства ценности — это разные оси, и комитет смотрит только на вторую.

Сильное раннее доказательство для AI-проекта — это не «мы развернули систему». Это одно из трёх: заказчик впервые увидел собственный процесс в структурированном виде; заказчик увидел свои реальные данные в работающем интерфейсе; один конкретный сценарий уже автоматизирован и экономит время или снижает потери. Любое из трёх можно показать человеку, который не приходил на демо, за тридцать секунд — и в этом вся суть. Доказательство ценно не тем, что оно впечатляет чемпиона, а тем, что чемпион может передать его дальше без вас в комнате.

Онбординг как производство доказательств

Из этой механики следует смена самой задачи онбординга. Обычно его понимают как передачу продукта: научить пользоваться, подключить, настроить, сдать. В мире, где решение принимает невидимый комитет, онбординг — это производство видимых доказательств для людей, которых вы никогда не увидите. Продукт передаётся одному, а решение защищают перед десятью, и онбординг должен снабжать чемпиона боеприпасами для этой защиты.

Практически это значит фиксировать состояние «до» ещё до начала работ — иначе к концу второй недели нечего сравнивать и нечем доказывать улучшение. Это значит вести по дням то, что появилось: что было на первый день, что на третий, что на седьмой, что на четырнадцатый — простая хронология, которую чемпион пересылает одним сообщением. Это значит собирать короткие достоверные следы использования: скриншоты реальной работы, а не маркетинговые, первые статусы, первый кейс «раньше это занимало час — теперь десять минут» с конкретными цифрами заказчика, а не вашими обещаниями. И это значит получить от заказчика одну короткую формулировку в стиле «было так — стало так», потому что в комитете чужая цитата весит больше, чем любой ваш слайд. Именно так — берём один измеримый процесс и собираем вокруг него AI-контур, который ведёт его сам и с первого дня оставляет видимый след пользы, — мы и строим как рабочую систему, а не как пилот: посмотреть, как это устроено.

Здесь же кроется частая организационная ошибка на стороне покупателя, которую опытный поставщик распознаёт и закрывает заранее: если внутри компании не назначен человек, отвечающий за внедрение, согласования буксуют, а чемпион остаётся один против комитета без формального права голоса. Слабый онбординг этого не замечает. Сильный — делает назначение такого ответственного частью первой недели, потому что без него любые доказательства некому предъявить в нужный момент.

Тесты, которые стоит прогнать

Для поставщика AI-решений проверка одна и жёсткая: возьмите свой последний завершившийся пилот и спросите, что чемпион мог показать комитету на четырнадцатый день без вашего участия. Если ответ — «прислал бы нас на созвон» или «показал бы то демо», вы проиграли ещё до тишины: у вас не было доказательства, переживающего ваше отсутствие в комнате. Второй тест для основателя и руководителя продукта — посмотреть на структуру первых двух недель внедрения и честно ответить, сколько процентов этого времени уходит на невидимую инфраструктуру и сколько на производство того, что можно переслать одним сообщением. Если первое перевешивает второе вдвое, ваши пилоты будут гаснуть, и качество модели тут ни при чём.

Для руководителя со стороны заказчика — того самого владельца или технического директора, который узнаёт себя в роли чемпиона, — тест зеркальный. Спросите себя, сможете ли вы на ближайшей планёрке объяснить ценность пилота коллегам, которых не было на демо, за одну минуту и с цифрой. Если нет — это не значит, что продукт плохой. Это значит, что поставщик не вооружил вас, и без этого вы защитите его проект ровно до первого перераспределения бюджета, после которого замолчите сами, не заметив, как это произошло.

Что мы будем наблюдать

Сигнал, на который стоит смотреть в ближайший год, — смещение конкуренции AI-поставщиков с качества демонстрации на качество первых четырнадцати дней. По мере того как доля проваленных пилотов остаётся около 95%, выигрывать будут не те, у кого ярче прототип, а те, кто превращает онбординг в машину доказательств для невидимого комитета. Второй сигнал — рост числа покупателей, которые сами требуют от поставщика baseline и хронологию пользы с первого дня, потому что обожглись на тихих смертях предыдущих пилотов. Когда это станет нормой закупки, тишина перестанет быть приговором — её научатся читать заранее, на той стороне, где решение пока ещё подвижно.

Главное

  • AI-пилот почти никогда не отклоняют явным отказом — он гаснет, потому что решение принимает закупочный комитет из 6–10 человек, а по Forrester в среднем около 13 внутренних участников, большинство которых не были на демо.
  • 95% корпоративных AI-инициатив не приносят отдачи, до production доходит лишь 5% — провал лежит не в модели, а во внедрении, на стыке прототипа и организации (Fortune).
  • Исход решается в окне первых ~14 дней: чемпиону нужно доказательство ценности, которое он покажет комитету без поставщика в комнате.
  • Сильное раннее доказательство — не «мы развернули систему», а структурированный процесс, реальные данные в работе или один автоматизированный сценарий с цифрой «до/после».
  • Онбординг стоит строить не как передачу продукта, а как производство видимых доказательств для людей, которых поставщик никогда не увидит.

Вопросы и ответы

Почему AI-пилоты чаще всего проваливаются тихо, а не явным отказом? Потому что решение принимает не чемпион с демо, а закупочный комитет из 6–10 человек (по Forrester — до 13 внутренних участников и ещё 9 внешних). Большинство из них не были на демо и не имеют причины голосовать за проект без видимого результата. Пилот не убивают — его перестают защищать.

Сколько AI-пилотов доходит до production? По данным исследования MIT 2025 года — около 5%. До стадии пилота доходит примерно 20% проектов, а 95% корпоративных AI-инициатив не приносят измеримой отдачи. Причина в подавляющем большинстве случаев — не качество модели, а провал внедрения.

Что считается сильным ранним доказательством ценности? Не «мы развернули систему», а одно из трёх: заказчик впервые увидел свой процесс в структурированном виде; увидел свои реальные данные в работающем интерфейсе; либо один сценарий уже автоматизирован и экономит время с конкретной цифрой «до/после». Критерий один: чемпион может показать это коллеге за 30 секунд без вас в комнате.

Почему именно четырнадцать дней? Потому что ритм внутреннего комитета задаёт именно такой темп: между двумя планёрками, на которых ваш проект может всплыть, обычно проходит две-три недели. Быстрый результат показывают на 5–7-й день, первый существенный итог — не позже 14-го. Если к этому моменту чемпиону нечего положить на стол — пилот начинает гаснуть.