Accenture събира 2000 AI специалисти — пилотите още не носят масова стойност

На 5 октомври 2026 г. Accenture обяви Advanced Intelligence Group като глобална мрежа от над 2000 специалисти в практиката си за AI и данни. В нея компанията събира инженери, архитекти на данни и експерти по конкретни отрасли и бизнес функции за сложни клиентски проекти. Става дума за общ модел за работа на специалисти, а не за обявено наемане на 2000 нови служители.

Причината е трудното преминаване от AI експеримент към резултат в цялата организация. В проучването Pulse of Change 82% от анкетираните висши ръководители казват, че увеличават инвестициите в AI, но само 23% отчитат широко разпространена и устойчива бизнес стойност от внедряването му. Специалисти от новата група вече участват в прогнозиране на търсенето за фармацевтичния дистрибутор Cencora и в разработването на Universal Wallet Infrastructure с NTT DOCOMO GLOBAL.

Какви роли събира Advanced Intelligence Group

Посочените от Accenture профили обхващат различни части от едно внедряване: инженери, които работят непосредствено с клиента, архитекти на данни, инженери по управление на знанията и инженери на AI решения. Разделението подсказва къде възникват трудностите след пилотната фаза. Моделът трябва да получава подходяща информация, да отчита правилата на организацията и да се впише в процес, по който хората вече вземат решения.

Инженерът при клиента свързва разработката с оперативната задача и с хората, които ще използват резултата. Архитектът на данни подрежда връзките между необходимите източници, а инженерът по управление на знанията работи с правилата и контекста, които не се съдържат само в таблиците. Инженерът на AI решения превръща тези основи в приложима система. Това е обяснение на компетентностите зад назованите роли, а не публикувана длъжностна характеристика за всеки член на групата.

Първоначалните направления са агентен AI, усъвършенствана работа с данни, вериги за доставки и инженерни задачи. Accenture включва и опит с платформите Databricks и Snowflake. Така групата обхваща едновременно технологията, организацията на информацията и отрасловите ограничения. Партньорствата в технологичната екосистема дават на участниците достъп до специализирано обучение и ранна информация за продукти; стойността на тези ресурси ще зависи от прилагането им в клиентските проекти.

Клиентските задачи изискват различни комбинации от умения

Работата с Cencora показва защо прогнозният модел не може да бъде отделен от дистрибуционния процес. В публикацията на Supply Chain Outlook задачата е описана в мащаба на почти един милион складови артикула, а директорът по AI и данни на Accenture Лан Гуан е цитирана с думите: „The most valuable AI opportunities rarely come with a blueprint.“ Прогнозирането трябва да свърже данните за търсенето с решенията във веригата за доставки, а не само да произведе предвиждане.

При този проект се съчетават знания за фармацевтичната дистрибуция, инженерство на данни и агентен AI. Описаната промяна е от ръчно прогнозиране, основано на преценка, към решения, подпомагани от AI. Публично обявените сведения показват посоката на работата, но не дават измерена финансова възвръщаемост за Cencora. Тази граница е съществена, защото внедрена възможност и доказана устойчива стойност са различни резултати.

С NTT DOCOMO GLOBAL задачата е друга: Universal Wallet Infrastructure включва споделяне на данни със съгласие на потребителя, цифрова идентичност и механизми за доверие. Тук ключови са правилата за достъп и тяхното техническо изпълнение, включително когато взаимодействат AI агенти. Съпоставката между двата клиента обяснява структурата на групата: едната задача започва от прогнозите в дистрибуцията, другата — от контрола върху данните, но и двете изискват повече от специалисти по модели.

Какво показва разликата между инвестиции и стойност

Делът от 23% се отнася до отговорите на ръководители за стойността от AI в цялата им организация. Той не измерва процента на неуспешните пилотни проекти. Изследването обхваща големи компании от различни държави и отрасли, затова стойността не може да се пренася пряко върху българските фирми. То обаче очертава проблема, към който е насочена реорганизацията: полезният резултат в отделен процес трудно се превръща в траен начин на работа в цялата компания.

Ограниченият пилот може да разчита на подготвени данни и на малък кръг участници. При по-широко използване информацията идва от повече системи, решенията засягат други екипи, а отговорностите трябва да бъдат ясни. Затова събирането на инженери, специалисти по данни и хора с отраслов опит има конкретна цел: да намали прекъсванията между разработването на AI решение и включването му в действащ процес. Размерът на групата сам по себе си не показва дали тази цел е постигната.

Какъв сигнал дава групата за AI уменията

За технологичните екипи в България преносимата част от този модел е съчетаването на компетентности, а не неговият мащаб. По-малка компания също трябва да знае кой подготвя данните, кой описва правилата на процеса и кой носи отговорност за решението, подпомогнато от AI. Познаването на конкретна платформа е полезно, когато е свързано с тези задачи; само по себе си то не решава въпроса как системата ще се използва всеки ден.

Празнината в уменията засяга и управлението на екипите. В анализа на FM Magazine на същото проучване се отбелязва, че по 36% от анкетираните ръководители и служители определят средния мениджмънт като най-голямата празнина в AI уменията. Именно на това равнище новите възможности трябва да се превърнат в задачи, отговорности и промени в работния процес. Следващият показател за Advanced Intelligence Group ще бъде резултатът от клиентските внедрявания, когато има достатъчно данни за устойчивия им ефект.

Прочетете също:

• Европа кани пенсионните фондове при стартъпите — капиталът още не е обещан
• Roster събира търсенето на автори и разрешенията за Meta реклами
• Meta превръща един prompt в игра — но достъпът още е ограничен