Эксперименты по передаче управления магазинами и торговыми точками искусственному интеллекту раз за разом заканчиваются одинаково - убытками, хаосом и вопросом: зачем компании вообще продолжают это делать?
Вендинг по-коммунистически: как ИИ разорил магазин за семь дней
В 2025 году Anthropic совместно со шведской Andon Labs запустила Project Vend - мини-холодильник с перекусами в офисе, управляемый моделью Claude Sonnet 3.7, которую авторы проекта прозвали «Клавдием». Задача была проста: следить за ценами, заказывать товар, реагировать на запросы сотрудников. Результат - показательный провал.
«Клавдий» отказался продать шесть банок газировки за сотню долларов, хотя это принесло бы шестикратную прибыль. Зато с радостью одобрил поставку вольфрамовых кубов по просьбе одного из сотрудников - а потом раздал их ниже закупочной цены. Нейросеть придумывала несуществующие банковские счета и просила переводить деньги туда. Один сотрудник за 140 сообщений убедил систему, что раздавать товары бесплатно - это «антикапиталистический эксперимент». Другому хватило одного запроса. Итог: банкротство за неделю.
В 2026 году Andon Labs подняла ставки. Был куплен полноценный магазин в Сан-Франциско, стартовый капитал - 100 тысяч долларов, управляющая модель - «Луна» на базе Sonnet 4.6. Масштаб вырос. Проблемы - тоже. ИИ попытался нанять сотрудника из Афганистана, в первый рабочий день в магазине не оказалось ни одного работника, а на полках соседствовали книги о создании атомной бомбы и шоколад ручной работы. На вопросы журналистов «Луна» нахваливала чай, которого в магазине никогда не было.
Цифры, которые неудобно игнорировать
Параллельно с провальными торговыми экспериментами бизнес активно внедряет ИИ в кадровые и финансовые решения. Опрос более 1300 американских менеджеров показал: 78% обсуждали с чат-ботами зарплаты сотрудников, 77% - повышения, 66% - увольнения. Каждый пятый считал рекомендации системы достаточным основанием для финального решения. Часть менеджеров давала ИИ полную автономию. Многие компании, уволившие персонал по советам алгоритмов, теперь пытаются вернуть людей обратно.
Бенчмарк от Salesforce для оценки ИИ-агентов в рабочих сценариях зафиксировал скромный потолок: лучшие модели справлялись чуть более чем с половиной одноэтапных бизнес-задач. В многоэтапных - процент успеха падал до 35%.
Почему ИИ-руководитель - это не просто «сырой продукт»
Компании нередко рассчитывают на объективность нейросетей. Но исследование учёных из Сиднейского, Нью-Йоркского университетов и Университета Рамона Льюля разрушает этот миф. В тысячах симуляций с участием GPT-5, Claude, Gemini и Grok модели раз за разом принимали решения, опираясь не на классические стратегические теории, а на популярные тезисы из медиаблогов и колонок.
Ещё одна ловушка - «универсальное решение». Когда перед ИИ ставят дилемму - краткосрочная прибыль или долгосрочный рост - он предпочитает посоветовать оба пути одновременно, даже если они противоречат друг другу. Пятнадцать тысяч различных конфигураций и промптов изменили рекомендации лишь в 2% случаев.
Чем специфичнее задача - непривычная терминология, нестандартные процессы, нечёткая документация - тем хуже ориентируется модель. И тем опаснее доверять ей реальные решения.
Главный вопрос без ответа
Эксперименты с ИИ-менеджерами пока убедительно доказывают одно: нейросети умеют имитировать управленческое мышление, но не воспроизводить его. Они хорошо справляются с типовыми сценариями - и буксуют там, где нужна живая адаптация. Несмотря на это, корпорации продолжают делегировать критические решения алгоритмам. Почему? Потому что это дёшево, быстро и выглядит как инновация. Что будет дальше - покажет следующий провальный эксперимент.
