Эксперт назвал главные критерии, которые позволяют отнести компанию к числу таких:

• Цифровой фундамент. Все данные и регламенты, используемые бизнесом, оцифрованы и регулярно обновляются. Сейчас еще нередки случаи, когда часть информации хранится в старых файлах, а часть передается устно, алгоритмам в этом случае не на что опереться, и они работают вхолостую.
• Внутренняя экспертиза. Для развития нейросетвых моделей можно привлекать подрядчиков или использовать облачные мощности, если это позволяют требования компании и регуляторов. Но внутри компании обязательно должны быть люди, способные поставить сторонним командам задачу и оценить результат.
• Обучение всех сотрудников. Инновации начинаются с понятного разъяснения их ценности и рисков для каждого работника. Наиболее эффективны курсы, в течение которых разбираются реальные кейсы. Как показывает опыт обучающих программ в Т1, после их прохождения сотрудники сами начинают находить новые задачи для автоматизации.
• Повышенное требование к качеству ИТ-решений. Экспериментировать с ИИ стало проще, но в промышленную эксплуатацию должны уходить только те инструменты, которые доказали свою надежность, производительность, интегрируемость и безопасность.
• Способность оценить экономический эффект от внедрения ИИ. Подготовка моделей, их эксплуатация требуют серьезных инвестиций, в первую очередь — в вычислительные ресурсы. В отдельных конфигурациях сервер для мощной модели может стоить порядка 100 млн рублей, поэтому любому внедрению должен предшествовать план окупаемости таких вложений.

По мнению Сергея Голицына, массовое внедрение ИИ мало похоже на закупку очередного ПО. Для AI-ready бизнеса главный вопрос не в том "можем ли мы это автоматизировать", а в том "что изменится после автоматизации и оправдывает ли это затраты".