Развенчиваем главные мифы об ИИ как «волшебной палочке» и показываем, почему компании сливают бюджеты. Разбираем топ-5 причин провалов на основе данных MIT, BCG и Gartner: от людей и процессов до отсутствия KPI. Приводим три реальных кейса — McDonald's, Air Canada и Zillow — с конкретными убытками и юридическими последствиями. В конце объясняем, что делают те самые 5% компаний, которые действительно получают ROI.

Представляем модель Gartner с пятью уровнями зрелости — от «разговоров без проектов» до «ИИ как части ДНК бизнеса». Даём чек-лист из 12 вопросов для честной самооценки, по которому можно определить свой уровень за 5 минут. Показываем, почему переход со второго уровня на третий — самое дорогое «кладбище пилотов», и какие признаки говорят о том, что вы в нём застряли. Даём конкретный первый шаг для каждого из пяти уровней.

Строим карту применений ИИ по восьми бизнес-функциям — маркетинг, продажи, поддержка, HR, финансы, операции, R&D и юридический отдел. Для каждой функции приводим конкретные цифры ROI и кейсы: Visa ($40 млрд), Klarna ($40 млн/год), Unilever (€14,76 млн), Walmart (–30 млн миль). Определяем топ-3 «горячих зоны» с самым быстрым окупаемым эффектом для первого пилота. Показываем, какие направления лучше не трогать на старте.

Объясняем, почему первый пилот — единственный шанс получить доверие команды и бюджет, и что при провале следующие два года про ИИ можно забыть. Вводим матрицу Impact × Feasibility и чек-лист из 8 обязательных критериев: все пункты должны быть «Да», иначе это не первый пилот. Разбираем 10 антипаттернов — от «кипячения океана» до «пилотного кладбища». Даём пошаговый план на 90 дней: от аудита данных до продакшена с расчётом ROI.

Разбираем 9 ключевых ролей в ИИ-команде — от Data Steward ($80K) до Chief AI Officer ($500K+), с зарплатами и точкой входа. Объясняем, когда компании нужен CAIO, какие 5 задач он решает, и почему организации с этой ролью получают на 10% больше ROI. Сравниваем три модели набора: in-house, аутсорс и гибрид, и показываем, что нельзя отдавать на сторону. Приводим кейсы PwC ($1 млрд на обучение) и Accenture (550 000 обученных сотрудников).

Развенчиваем миф «у нас нет данных» и показываем 5 источников, которые есть в любой компании: CRM, 1С/ERP, тикеты поддержки, внутренние документы и веб-аналитика. Даём чек-лист data readiness: качество, lineage, governance, privacy и доступ через API. Объясняем технологию RAG и стек 2026 года — от бесплатного pgvector до Pinecone, с ценами и сценариями. Приводим российские кейсы: X5 (5 млрд руб.), Северсталь (VERA), Газпром нефть (ускорение в 200 раз).

Строим карту из четырёх слоёв: foundation models, платформы агентов, векторные БД и корпоративные копилоты. Сравниваем реальные цены на 1M токенов: разница между GPT-5 nano ($0,40) и Claude Opus 4.6 ($32,50) — в 80 раз, что на масштабе бизнеса решает, будет ли проект прибыльным. Разбираем российские LLM — GigaChat и YandexGPT — и когда они обязательны по 152-ФЗ. Даём мини-каталог «Задача → Инструмент → Стоимость» для расчёта бюджета пилота.

Разбираем 6 главных рисков: утечки данных, галлюцинации, bias, prompt injection, Shadow AI и vendor lock-in. Приводим реальные кейсы с убытками и репутационным ущербом: Samsung (3 утечки за 20 дней), Mata v. Avianca (фейковые судебные дела), Amazon (гендерный bias в найме). Объясняем требования EU AI Act (штрафы до €35 млн) и изменения 152-ФЗ в 2025 году. Даём чек-лист защиты и готовый шаблон AI Acceptable Use Policy для российской компании.

Показываем, почему 44% работников считают ИИ вредным, и разбираем 5 причин страха по методологии Prosci. Применяем фреймворк ADKAR к ИИ-внедрению: от осознания угрозы до закрепления метрик в KPI. Разбираем 8 шагов Kotter для системной трансформации без «большого взрыва». Даём механизм AI Champions — внутренних амбассадоров в каждом отделе — и метрики adoption на основе кейса PwC ($1 млрд, 95% вовлечённости).

Показываем, почему 70% пилотов умирают на старте, и даём пошаговый план по четырём кварталам: аудит и quick wins, масштабирование, интеграция с ERP/CRM, governance и compliance. Раскладываем бюджет первого года — от 5% на стратегию до 50% на разработку пилотов, с учётом скрытых OpEx. Объясняем, когда запускать AI Center of Excellence и какие стандарды он внедряет. Сводим весь курс в 5 принципов и даём чек-лист действий на ближайшую неделю.