Тюрьма для доказательства концепции в АРАК — четыре голоса, одна стена

Четыре статьи из e27, Tech in Asia и Nikkei можно прочитать как один и тот же диагноз: в Азиатско-Тихоокеанском регионе (APAC) внедрение ИИ на предприятиях застряло на уровне пилотных проектов. Не из-за отсутствия амбиций, а из-за отсутствия фундамента.

Простыми словами

Четыре публикации вышли в один и тот же день: e27 о заблокированных PoC в АТР, Tech in Asia о legacy-системах в Сингапуре, ещё одна статья на e27 о слабой реализации вместо сопротивления сотрудников и конкретный кейс (прием пациентов в здравоохранении). Диагноз единодушен: ИИ в бизнесе в АТР упирается в три стены — legacy, качество данных и реализацию, а не в технологию.

Суть дела

Стена #1 — legacy. В Сингапуре значительная часть крупных банков и государственных учреждений до сих пор работает на COBOL/AS400 mainframe без современных API. Агент LLM не может напрямую читать mainframe через RPC. Результат: месяцы на интеграцию через MQ/ESB, прежде чем первый вызов LLM станет возможен.

Стена #2 — качество данных. Повторяющийся вывод всех опросов в АТР: большинство PoC ИИ терпят неудачу при переходе в продакшн из-за того, что справочные данные (клиенты, продукты) разбросаны по множеству нереконциллированных систем. LLM блестяще работает с чистыми данными — но галлюцинирует на грязных.

Стена #3 — реализация. e27 выдвигает неочевидный тезис: сопротивление сотрудников переоценено как тормоз. Настоящая проблема — неспособность ИТ-команд перейти от PoC к продакшн-пайплайну с версионированием, мониторингом и SLO. Чего не хватает: старших инженеров MLOps — самого редкого ресурса в АТР.

Контрпример, который работает — прием пациентов в здравоохранении. Задокументированные кейсы в Юго-Восточной Азии (больницы и клиники, внедрившие ИИ для приема — см. e27) показывают выигрышную модель: LLM выполняет прием пациентов (сбор анамнеза, сортировка, заполнение форм) за долю времени медсестры. Что работает: узкий охват (только прием), чистые данные (стандартизированные формы), измеримый ROI за несколько недель (освобожденное время медсестер).

Под капотом

• Масштабы: доля PoC → продакшн в АТР остается очень низкой (значительно ниже 20% по данным конвергентных опросов), при этом единой консолидированной цифры нет.
• Средняя стоимость заблокированного PoC: оценивается в сотни тысяч долларов по данным полевых исследований, большая часть которых — зарплаты внутренних команд. Невозвратные затраты ненулевые.
• Обучение: дефицит MLOps носит структурный характер — региональные программы выпускают всего несколько сотен специалистов в год, тогда как спрос превышает несколько тысяч.
• Тэг (#1002): эта публикация объединяет четыре сходящихся сигнала под один диагноз.

Что делать

Три последствия. Первое: продавцы, которые пробиваются в АТР в 2026 году, — это те, кто предлагает «водопровод» (data mesh, MDM, коннекторы для legacy), а не красивые демо с LLM. Второе: выигрывают кейсы с узким охватом (прием в здравоохранении, сортировка писем, тикетинг, обработка жалоб), а не масштабные горизонтальные мечты («универсальный помощник»). Третье: суверенитет данных + on-premise становится реальным дифференциатором в АТР — банковские и медицинские регуляторы Сингапура, Малайзии и Индонезии требуют, чтобы данные не покидали страну. На заметку: показатели удержания MLOps в DBS, Grab, Sea — у этих трех компаний лучше всего получается индустриализация.