ИИ-проекты, которые провалились: уроки для селлеров маркетплейсов

Глобальные инвестиции в искусственный интеллект в первом полугодии 2026 года достигли 2,6 трлн долларов, но окупаемость технологии до сих пор остается под вопросом. множество нейросетевых решений требуют от живых сотрудников проверки и корректировки, что ставит под сомнение их ценность для бизнеса. Потребители тоже пока воспринимают помощь ИИ-агентов в штыки и не торопятся доверять им выбор товаров. В результате компании все чаще сворачивают такие проекты, и, судя по количеству подобных кейсов, ИИ-оптимизм перестает быть правилом хорошего тона для крупного бизнеса.

Недавнее исследование Deloitte, базирующееся на опросах более чем 3200 руководителей компаний и IT-специалистов из 24 стран, показало, что по итогам 2025 года 61% респондентов отказались как минимум от одного проекта, связанного с искусственным интеллектом. Среди наиболее частых причин такого решения: нехватка квалифицированных кадров, недостаточная готовность данных и применение ИИ как чисто технического решения, не имеющего никакого отношения к бизнесу.

Представители бизнеса не очень любят говорить о своих провальных проектах и потерянных инвестициях, но даже с таким дефицитом подробностей сегодня известно не об одном десятке свернутых ИИ-решений. Особенно много их в сфере услуг.

#McDonald's: голосовой бот посыпал мороженое беконом

Раньше других в искусственном интеллекте разочаровался McDonald's. В 2024 году сеть подвела неутешительные итоги трехлетней работы системы автоматического обслуживания автомобилей с использованием ИИ-агента от IBM. Голосовой бот регулярно ошибался при оформлении заказов, то посыпая мороженое беконом, то упаковывая наггетсы на несколько сотен долларов. Количество ошибок в запросах достигало 20% при целевом показателе в 5%, то есть в четыре раза больше критической отметки.

Будучи пионером использования языковых моделей в ресторанном бизнесе, McDonald's решил повременить с новой технологией, публично, однако, не открещиваясь от ИИ-инструментов.

• Ошибки в заказах — до 20% вместо допустимых 5%
• Срок пилотного проекта — 3 года, после чего систему отключили
• Партнер — IBM, чей ИИ-агент не справился с распознаванием речи

Этот кейс показателен: даже гигант с ресурсами и опытным партнером не смог довести голосового бота до ума. Для селлеров, которые рассматривают автоматизацию общения с клиентами, это сигнал: прежде чем внедрять ИИ в критически важные процессы, нужно тщательно тестировать его на реальных сценариях.

#Uber: ИИ съел годовой бюджет за четыре месяца

Самая громкая история этого года произошла у калифорнийского агрегатора такси и доставщика еды Uber. В декабре 2025 года компания предоставила доступ к платной нейросети Claude Code 5 тыс. своих инженеров. Внедрение ИИ-ассистентов в технологические процессы Uber возросло до 84–95% уже к февралю, но в апреле стало понятно, что всего за четыре месяца компания израсходовала на нейросеть весь свой годовой бюджет, выделенный на эти задачи.

Операционный директор Uber Эндрю Макдональд публично заявил, что 70% всего кода теперь генерируется искусственным интеллектом, но тут же добавил: «Пока нет связи между расходами на ИИ и улучшением обслуживания клиентов». В итоге компания ввела ежемесячный лимит в 1500 долларов на нейросети для каждого инженера, перейдя на более дешевые модели.

«Пока нет связи между расходами на ИИ и улучшением обслуживания клиентов» — Эндрю Макдональд, операционный директор Uber.

Этот кейс — предупреждение для всех, кто планирует масштабное внедрение ИИ: стоимость токенов может оказаться непредсказуемой, а эффект — неочевидным. Для селлеров, которые думают об автоматизации описаний товаров или общения с покупателями, важно закладывать бюджет с запасом и оценивать реальную пользу, а не просто следовать тренду.

#Walmart: собственный ИИ-агент уперся в лимиты токенов

Крупнейший в мире ритейлер Walmart смог позволить себе разработку собственного ИИ-агента Code Puppy, который помогал сотрудникам во всем – от работы с электронными таблицами до создания презентаций. Первоначально у пользователей было неограниченное количество токенов. Однако летом 2026 года компания ввела лимиты на токены для каждого работника, отвечая на резко возросший спрос на агента, который значительно превысил выделенный на проект бюджет. Акции Walmart упали после этой новости почти на 2%.

Этот кейс особенно примечателен тем, что у Walmart был карт-бланш на свою разработку: все процессы были прозрачными, в отличие от работы с чужими нейросетями, и компания могла полностью рассчитать будущие траты на агента. Но даже с такими возможностями гигант не справился и был вынужден ограничивать собственные наработки.

#Почему даже собственные разработки не спасают

• Неограниченные токены — привели к перерасходу бюджета
• Спрос превысил ожидания — сотрудники активно использовали агента, но это не окупилось
• Падение акций — на 2% после новости о лимитах

Для селлеров, которые рассматривают создание собственных ИИ-инструментов для аналитики продаж или управления ассортиментом, этот пример показывает: даже полный контроль над разработкой не гарантирует финансовой эффективности. Нужно заранее определять метрики окупаемости и ограничивать использование.

#Starbucks: компьютерное зрение не отличило овсяное молоко от коровьего

Во второй половине 2025 года Starbucks внедрила систему учета запасов на основе искусственного интеллекта, разработанную стартапом NomadGo, в более чем 11 тыс. кофеен в Северной Америке. Она использовала камеры планшетов и Lidar-датчики для сканирования полок и подсчета запасов. Девять месяцев спустя компания отказалась от этого инструмента.

Выяснилось, что система компьютерного зрения постоянно неправильно подсчитывала и маркировала товары. Разные виды молочных продуктов выглядели на экране камеры одинаково, будь то овсяное или коровье молоко. Исправление этих данных занимало у бариста больше времени, чем ручной подсчет.

Этот кейс особенно важен для селлеров, которые работают с большим ассортиментом на маркетплейсах. Автоматизация учета и маркировки товаров — заманчивая идея, но если система не справляется с базовыми задачами, она создает больше проблем, чем решает. Прежде чем внедрять подобные решения, стоит провести пилотный проект на небольшой группе товаров и оценить точность.

#Pizza Hut: ИИ-доставка привела к иску на 100 млн долларов

В мае 2026 года крупный франчайзи Pizza Hut Chaac Pizza Northeast, управляющий 111 ресторанами в Нью-Йорке, Нью-Джерси, Мэриленде, Вашингтоне и Пенсильвании, подал иск к головной компании на 100 млн долларов за убытки, понесенные при обязательном подключении к платформе управления доставкой на базе ИИ-агента Dragontail.

До запуска Dragontail более 90% заказов Chaac доставлялись в течение 30 минут, и франчайзи стабильно демонстрировал двузначный рост продаж. Однако после подключения нейроагента в 2024 году качество доставки резко ухудшилось. Дело в том, что система предоставляла водителям DoorDash информацию о работе кухни в режиме реального времени. Вместо того чтобы увозить горячий заказ клиенту, курьеры стали ждать, когда на соседние адреса соберется несколько заказов, тем самым манипулируя доставкой и экономя свое время. В итоге заказы стали систематически остывать и опаздывать, а франчайзи терпел убытки (продажи падали на 9%), которые теперь и предъявил Pizza Hut, настаивающей на интеграции с Dragontail.

Этот случай — яркий пример того, как ИИ-система, призванная оптимизировать процессы, может создать новые проблемы. Для селлеров, которые используют автоматизированные системы управления заказами или логистикой, важно помнить: алгоритмы не всегда учитывают человеческий фактор и могут приводить к неожиданным последствиям.

#Потребители не доверяют ИИ: цифры и факты

Другая немаловажная проблема искусственного интеллекта – отношение к нему потребителей. А точнее, уже заметная усталость, перерастающая даже в раздражение сгенерированным контентом и нейроуслугами, заменяющими нормальное человеческое общение и коммуникацию.

Лишь 11% американских потребителей, согласно данным Gartner Inc., готовы позволить искусственному интеллекту принимать за них решения о покупках, даже в таких незначительных категориях, как средства личной гигиены и товары для дома. А 62% заявили, что рекомендации ИИ по покупкам – это вообще пустая трата времени. Другой опрос показал, что 81% клиентов предпочли бы подождать от одной до одиннадцати минут, чтобы поговорить с человеком, а не с ИИ-ботом.

Потребители все более прагматичны и чувствительны к вопросам доверия, поскольку процесс покупок становится сложным с когнитивной точки зрения в условиях непрерывных рекомендаций, фрагментированной информационной среды и скептицизма в отношении отзывов, продавцов и контента, генерируемого языковыми моделями.

В то же время еще одно исследование показывает, что 66% потребителей в Великобритании и США уже пробовали или готовы попробовать совершать покупки в интернете с помощью ИИ-помощника типа ChatGPT или собственного инструмента от ритейлера. Однако почти 69% респондентов, получивших плохие рекомендации от ИИ-агентов, отказались от их использования и стали искать другие варианты для автоматизации покупок.

Coresight Research в сотрудничестве с Rezolve AI прогнозирует, что к 2030 году объем розничных продаж, осуществляемых с помощью автономных систем искусственного интеллекта, достигнет 943 млрд долларов. Эта модель «агентной коммерции» заменяет традиционный ручной поиск агентами-покупателями на основе ИИ, которые понимают намерения собеседника, контекст и сценарии использования товаров, обеспечивая точный поиск и уменьшая количество случайных догадок при совершении покупок. Научатся ли языковые модели не раздражать покупателей и угадывать их желания, или у последних выработается резистентность к ИИ – вопрос открытый.

#Что это значит для селлеров

Провальные кейсы крупных компаний — не повод отказываться от ИИ, но серьезный повод задуматься о том, как именно вы его внедряете. Для селлеров на маркетплейсах ключевые уроки просты:

1. Не гонитесь за хайпом — ИИ должен решать конкретную бизнес-задачу, а не быть «модным словом» в вашей стратегии.
2. Считайте бюджет — как показал опыт Uber и Walmart, расходы на токены могут превысить все ожидания. Закладывайте запас.
3. Тестируйте на малом — прежде чем внедрять ИИ для всего ассортимента, проверьте его на небольшой группе товаров.
4. Помните о человеческом факторе — клиенты все еще ценят живое общение. Используйте ИИ для рутинных задач, но оставляйте возможность обратиться к человеку.

И главное: следите за тем, как ИИ влияет на ваши продажи и лояльность покупателей. Если технология не приносит измеримой пользы — не бойтесь от нее отказаться, как это сделали McDonald's, Starbucks и другие гиганты.