AI расте в българския бизнес, но липсата на процеси спира резултата

В репортаж на Economic.bg от 16 октомври 2026 г. за форум, посветен на българския пазар на труда и AI, Цветелина Еремиева от Scalefocus казва, че „много от компаниите все още не знаят за какво да го използват“; Александър Папратилов от Wizer Technology свързва бавното внедряване с неописаните процеси и недостига на качествени данни, а Димитър Петров от Phoenix Pharma IT services настоява ползите да се измерват от самото начало. Недостигът на обучение се откроява като още една пречка пред преминаването от опити към трайна практика.

Публикуваният на 29 септември 2026 г. български барометър на EY показва, че 86% от анкетираните предприемачи отчитат ръст на употребата на AI в организациите си през последните 12 месеца при 71% в предишното издание, но делът на очакващите значително подобрение на ефективността спада от 87% на 68%. Първият показател измерва съобщена промяна в употребата, а вторият — очакване за бъдещ ефект. Нито един от тях не е отчет за възвръщаемост на инвестицията.

Защо процесите се превръщат в пречка

Посочената на форума бариера е конкретна: трудно е да се вгради AI в дейност, чийто ред на работа и отговорности не са описани ясно. При отделна задача инструментът може да ускори подготовката на текст, справка или анализ, но резултатът трябва да премине през същите съгласувания и проверки като преди. Ако следващите етапи не се променят, спестеното време за един служител може да остане невидимо в крайния срок за клиента или за вътрешния екип.

Недостигът на качествени данни създава друга граница. За да се използва резултатът в работен процес, входната информация трябва да е достатъчно пълна, актуална и съпоставима между участващите звена. Когато част от нея липсва или се поддържа по различен начин, човек трябва да допълва, сверява и поправя изхода. Така ускорението в началото на задачата може да бъде погълнато от допълнителна проверка в края ѝ.

Обучението има значение отвъд умението да се зададе въпрос на система. То включва разпознаване на задачите, за които AI е подходящ, работа с данните, които могат да се използват, и ясна отговорност за проверка на получения резултат. Ако тези правила зависят само от навиците на отделни хора, организацията получава множество различни практики, вместо процес, чиято цена и качество могат да се сравнят.

Повече употреба не означава по-висока възвръщаемост

Ръстът на използването и спадът в очакванията описват различни неща и могат да се случват едновременно. Компания може да добави AI към много повтарящи се задачи, без това да промени разхода за цялата услуга. За предприемача разликата се вижда едва когато времето за подготовка, контролът, корекциите и поддръжката влязат в една сметка. Именно тази дистанция между локално удобство и резултат за организацията прави изказванията от форума съществени за прочита на анкетата.

По-умерените очаквания може да са свързани с натрупан опит, но изследването не установява защо нагласите са се променили. То сравнява мнения от две поредни издания, без да проследява каква печалба или икономия е донесло конкретно внедряване. Затова спадът не бива да се чете като измерено влошаване на технологията или като доказателство, че фирмите са се отказали от нея. Той показва по-внимателна преценка за размера на очакваното подобрение.

Какво всъщност обхваща българската извадка

Според публикацията на Digitalk за барометъра българската извадка включва 79 предприемачи от общо 1007 участници в 12 държави, анкетирани през февруари и март 2026 г. Сред отговорилите у нас 58% посочват анализ на данни като приложение на AI, 49% — автоматизация на процеси, а 46% — административни задачи. Извадката описва отговорите на предприемачи от различни сектори; тези дялове не са преброяване на всички български предприятия и не показват колко от тях вече имат измерима възвръщаемост.

Разпределението по задачи обяснява защо общият ръст на употребата не може да се преведе директно в един показател за ефективност. Анализът на данни може да е кратка помощ при подготовка на справка, докато автоматизацията на процес изисква промяна в начина, по който работата минава между хора и системи. Административната употреба пък може да спести време само на един етап. Еднаквият отговор „използваме AI“ събира приложения с различен обхват, разход и възможност за измерване.

Къде се вижда икономическият ефект

За да има смисъл разговорът за възвръщаемост, трябва да е ясно кой завършен процес се променя и как се измерва той преди и след внедряването. При обработка на клиентско запитване например времето за първи отговор е само част от резултата; значение имат и корекциите, окончателният срок и човешкият контрол. Това е условен пример за механизма, а не отчетен резултат от компаниите в анкетата. Същата логика важи за разхода: лицензът и подготовката на данните са част от него, заедно с времето за обучение и проверка.

Затова предупреждението за неописаните процеси има финансово измерение. Без определени граници на задачата няма стабилна отправна точка за сравнение; без надеждни данни резултатът носи допълнителен разход за поправки; без общ начин на работа дори успешно приложение трудно се повтаря в повече екипи. Следващата смислена величина за българския бизнес ще бъде промяната в цена, срок и качество на завършена дейност, а не само броят места, на които се използва AI.

Прочетете също:

• Complaion набра €13,5 млн. — автоматизацията спира пред одитора
• AI умения в CV: един измерим резултат тежи повече от десет инструмента
• Google разпределя $36 млн. за AI наука — 17 проекта трябва да покажат резултат