Искусственный интеллект в Уругвае и регионе: в отчете содержится предупреждение о рисках для репутации

Латинская Америка занимает место ниже Азиатско-Тихоокеанского региона, Европы и Северной Америки по всем пяти показателям зрелости ответственного искусственного интеллекта (ИИ), представленным компанией McKinsey в отчете «State of AI trust in 2026». На этот раз сравнение включает стратегию, управление рисками, данные и технологии, а также управление и механизмы контроля в отношении агентского ИИ. Фактически, McKinsey отметила, что в Латинской Америке стратегия, управление и механизмы контроля в отношении агентского ИИ развиваются медленнее, чем технические возможности и системы управления рисками. Лишь около трети организаций заявляют о высоком уровне зрелости в этих аспектах. В данном случае компания подчеркнула, что этот разрыв имеет значение, поскольку ИИ-агенты начали действовать в чувствительных точках взаимоотношений между компаниями и клиентами. Было отмечено, что теперь они отвечают на запросы, дают рекомендации, обрабатывают жалобы, персонализируют ответы и могут выполнять задачи в рамках рабочих процессов. «В эпоху агентского ИИ репутационный риск возрастает, когда неверный ответ или неправильно сформулированное действие становятся заметными для клиента», — подчеркнули они. В этом контексте Уругвай демонстрирует институциональные достижения, которые придают данной тематике местный контекст. Фактически, утверждение Национальной стратегии в области искусственного интеллекта на 2024–2030 годы знаменует собой важный шаг на пути к укреплению рамок ответственного развития ИИ в стране. «Для компаний задача заключается в том, чтобы воплотить эти принципы в операционные решения: как разрабатывать, контролировать и управлять агентами, которые ежедневно общаются с клиентами», — отмечают в McKinsey. Однако к этой задаче добавляется риск, который менее заметен для брендов. В данном случае MIT Generative AI Impact Consortium изучает «алгоритмическую монокультуру» — явление, при котором пользователи получают схожие результаты от генеративных систем. Применительно к корпоративной коммуникации эта концепция помогает объяснить, почему многие компании могут начать звучать одинаково, когда приступают к автоматизации контента и диалогов с использованием слишком похожих моделей, инструкций и шаблонов.