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 Азиатско-Тихоокеанском регионе (APAC), Tech in Asia о устаревших системах в Сингапуре, ещё одна статья на e27 о слабой реализации, а не сопротивлении сотрудников, и конкретный кейс (приём пациентов в здравоохранении). Диагноз единодушен: ИИ в бизнесе в APAC упирается в три стены — legacy, качество данных и реализацию, а не в технологию.

Дело

Стена #1 — legacy. В Сингапуре значительная часть крупных банков и государственных учреждений всё ещё работают 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. Вывод, который повторяется во всех исследованиях APAC: большинство PoC ИИ в регионе терпят неудачу при переходе в продакшн из-за того, что справочные данные (клиенты, продукты) разбросаны по множеству не связанных между собой систем. LLM блестяще работает с чистыми данными — но галлюцинирует на грязных.

Стена #3 — реализация. e27 выдвигает неочевидный тезис: сопротивление сотрудников переоценено как барьер. 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 APAC.

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

Под капотом

• Порядок величины: доля PoC → продакшн в APAC остаётся очень низкой (значительно ниже 20% по данным конвергентных исследований), 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 не равны нулю.
• Обучение: дефицит MLOps носит структурный характер — региональные программы выпускают всего несколько сотен специалистов в год, тогда как спрос превышает несколько тысяч.
• Тег (#1002): эта публикация объединяет четыре сходящихся сигнала под один диагноз.

Что дальше

Три последствия. Первое: продавцы, которые прорвутся в APAC в 2026 году, — это те, кто предлагает «водопровод» (data mesh, MDM, коннекторы для legacy), а не те, кто продаёт красивый LLM на демо. Второе: узкие кейсы (приём пациентов, сортировка писем, тикетинг, обработка жалоб) выигрывают — большие горизонтальные мечты («универсальный помощник») проигрывают. Третье: суверенитет данных + on-premise становится реальным дифференциатором в APAC — банковские и медицинские регуляторы Сингапура, Малайзии, Индонезии требуют, чтобы данные не покидали страну. На заметку: KPI удержания MLOps-инженеров в DBS, Grab, Sea — у этих трёх компаний лучше всего налажена индустриализация.