מחקר: טכנולוגיית סקרינג בעסקים מוגבלת על ידי איכות נתונים, תשתיות, וחוסר נכונות לשנות תהליכים. המחקר כיסה יותר מ -100 מנהלים האחראים על סדר היום של AI בחברות. בנוסף, נערכו ראיונות מעמיקים עם מנהיגי IT של חברות גדולות מתעשייה, פיתוח, קמעונאות, תרופות והמגזר החקלאי, וכן סקרים של ספקי טכנולוגיה. על פי הסקר, 43% מהחברות מניסויות ב-AI ובניהול פרויקטים של טייסים, עוד 31% כבר משתמשים בפתרונות בהפעלה סדירה. הספקים הטכנולוגיים מעריכים את המצב בצורה מדויקת יותר: על פי הערכותיהם, רק 10-15% מהחזקות הגדולות יש יישום יצרני בקנה מידה מלא. אינדיקטורים אלה שייכים לקבוצות שונות: 31% - חלקם של המשיבים המשתמשים בפתרונות בפעולה סדירה. 10-15% - הערכת הספק, שחלה רק על אחזקות גדולות וביצועים יצרניים בקנה מידה מלא. 65% מהנשאלים נתקלו בטייסים שלא הגיעו למבצע תעשייתי: לרוב בשל היעדר החלטת ניהול ברורה וחוסר הרצון של בעלי תהליכים עסקיים לשנות את התקנות הרגילות. במקביל, כפי שהחוקרים מציינים, עצירת הטייס אינה בהכרח כישלון: סגירת הזמן של הפרויקט מאפשרת לך לא להשקיע משאבים בפתרון שאינו נותן את האפקט הרצוי. גדרות משתנות בהתאם לגודל העסק. בחברות קטנות ובינוניות במקום הראשון מודלים לא מושלמים - כך אמרו 62% מהנשאלים. איכות הנתונים הארגוניים היא לעתים קרובות יותר לחוצים על ידי עסקים גדולים - 83% מהארגונים הגדולים בשם בעיה זו. מאחורי זה, ככלל, יש מגבלות עמוקות יותר – תשתיות בלתי צפויות ודרישות אבטחת מידע. פרטים רוסיים גם ממלאים תפקיד: על פי המחקר, הפיתוח מרוכז סביב 3-4 מערכות אקולוגיות גדולות וחברות מסתמכות על פריסה בלולאה בטוחה.