Искусственный интеллект пока далеко не всегда приносит финансовую отдачу, отмечают эксперты, но проблема не в самих технологиях, а в недостаточной оптимизации бизнес-процессов
Фото: Shutterstock
Российский бизнес перешел от экспериментальных запусков искусственного интеллекта (ИИ) к его массовому использованию: доля компаний, применяющих технологию хотя бы для какой-то одной функции, по итогам прошлого года достигла 71%, говорится в отчете «Искусственный интеллект в России — 2025: тренды и перспективы», подготовленном «Яков и Партнеры» и «Яндексом». Чаще всего технология внедряется во внутренних коммуникациях, в маркетинге, продажах и в клиентском сервисе, отмечают авторы.
Более половины (56,6%) российских компаний из числа внедривших ИИ получили значительный эффект по меньшей мере по одному из процессов (не говорилось, по какому именно), ссылается на внутренние исследования замдиректора Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ «Высшая школа экономики» Андрей Даркшевич. Однако компании, по его словам, пока не соотносят затраты на внедрение с отдачей: «Непонятно, окупается ли ИИ, и если нет, то как скоро начнет окупаться».
В мире, по данным Стэнфордского университета, ИИ используют 78% компаний. При этом результаты глобального опроса PwC, который был опубликован в январе 2026 года, показали, что большинство компаний пока не получают финансовую выгоду от инвестиций в ИИ. Лишь 12% респондентов отмечают увеличение доходов и сокращение издержек в результате внедрения ИИ.
Насколько ИИ соответствует ожиданиям
Как ранее прогнозировали в International Data Corporation (IDC), совокупный глобальный экономический эффект от внедрения бизнесом разработок в сфере ИИ до конца 2030 года достигнет $22,3 трлн, на сектор придется 3,7% мирового ВВП, а каждый $1 инвестиций в ИИ-решения и услуги прямо и косвенно будет генерировать $4,9.
В России, согласно прогнозам аналитиков «Яков и Партнеры» и «Яндекса», суммарный годовой финансовый эффект для экономики от внедрения ИИ к этому же сроку составит 7,9–12,8 трлн руб. (5,5% от прогнозируемого ВВП страны). Компании ждут от новой технологии снижения издержек, повышения продаж и открытия новых для себя рынков, отмечает руководитель лаборатории ИИ Центра коммуникаций и цифровых решений Школы управления «Сколково» Александр Диденко.
Однако эффективности и на мировом рынке, и в России удается добиться лишь отдельным игрокам. Так, согласно результатам исследования лаборатории Массачусетского технологического института (MIT NANDA), в мировой практике внедрение компаниями генеративного ИИ в 95% случаев пока не привело ни к росту производительности, ни к увеличению выручки: причина в неспособности моделей адаптироваться к специфике организаций, они не могут органически встроиться в рабочие процессы. Результатов удалось добиться только компаниям, которые системно внедряют генеративный ИИ, следует из результатов исследования MIT NANDA. Они не просто добавляют «кнопку ИИ» к существующим процессам, а перестраивают сами процессы, выделяя направления, где технология может показать наибольшую рентабельность внедрения (например, в области закупок и финансов) и создавая межфункциональные команды, чья цель — обеспечить практическое применение ИИ в конкретных процессах. За предыдущие два года производительность таких проектов, по данным MIT NANDA, достигла 35–40%, а возврат от инвестиций (ROI, return on investment) — 60–70%.
Остальные отстают: аналитическая компания Visier сообщает, что некоторые западные компании, уволившие сотрудников в надежде заменить их ИИ, возвращают людей обратно из-за разочарования в результатах.
В России себя оправдывают системные проекты, отмечают эксперты. Например, X5 Retail Group с использованием ИИ для прогнозирования спроса и управления ассортиментом удалось сократить количество списанных продуктов на 2% и увеличить выручку на 1%, сообщали ранее в компании.
Система предиктивной аналитики «АтомМайнд» госкорпорации «Росатом», которая анализирует более 2 млн технологических параметров и прогнозирует качество продукции и состояние оборудования, позволила сократить расходы на техобслуживание на 30% и уровень брака с 2,3 до 0,9%, по данным корпоративного портала.
Сервис доставки СДЭК с использованием ИИ оптимизировал разработку маршрутов на 15%: алгоритмы на основе анализа данных о пробках, времени доставки, возможности получения грузов по пути и расходе топлива выстраивают маршруты для курьеров, следует из Реестра российского ПО.
При этом, по данным исследования Triada Partners (бывшие партнеры McKinsey & Company), многие российские ИИ‑проекты часто не окупаются из-за отсутствия единой стратегии, разобщенности пилотных проектов между собой и их оторванности от бизнес‑процессов, а также в целом плохой управленческой координации. От решений, разработанных вендорами, компании часто отказываются из‑за дороговизны таких услуг (от нескольких десятков до сотен миллионов рублей) и опасений за безопасность своих данных.
Кроме того, и мировая, и российская практика показывают, что зачастую применение ИИ приводит к выгоранию и снижению производительности труда сотрудников, говорят эксперты.
Почему ИИ стал нагрузкой на штат
Аналитики Калифорнийского университета в Беркли в Harvard Business Review отмечают, что персонал, полагаясь на ИИ, часто берет больше задач, чем может выполнить.
Непрофессионалы в программировании, например, используя ИИ, часто получают некачественные результаты, усложняя работу коллег, комментирует партнер Kontakt Intersearch Анастасия Овчаренко.
Впрочем, даже работая под началом профессионального программиста, копилоты — системы, способные писать программы, — выдают корректный код лишь в 50% случаев, следует из результатов исследования американской консалтинговой компании Model Evaluation & Threat Research, опубликованного в июле 2025 года.
Руководители компаний часто ожидают слишком многого от внедрения искусственного интеллекта и не учитывают, что вместе с мощным ресурсом работник в результате получает и дополнительные скрытые обязанности, говорит Андрей Даркшевич. Это, по его словам, увеличивает стоимость использования технологии.
Вместо разгрузки за счет использования ИИ на практике наблюдается интенсификация работы сотрудников, говорит гендиректор Reforum Future hub (входит в кадровую компанию ANCOR) Дарья Демьянюк: «ИИ ускоряет рабочий процесс, в то время как система управления остается прежней».
Непродуманное внедрение технологии влечет ошибки и необходимость большого числа доработок, считает старший партнер, руководитель направления HR-консалтинга компании «Экопси Консалтинг» Григорий Финкельштейн: «В некоторых производственных и телекоммуникационных компаниях даже устанавливают полный запрет на использование ИИ».
Что повысит эффективность использования ИИ
Несмотря на отсутствие значимых и измеримых результатов, компании все-таки испытывают оптимизм в отношении технологий ИИ, отмечают эксперты. Все больше работодателей рассматривают возможность использования ИИ в режиме копилота, отмечает Андрей Даркшевич. Согласно данным MTS Service, во внедрении ИИ пока лидирует крупный бизнес: стратегию применения технологии разработали 36% компаний, чья выручка составляет от 2 млрд до 5 млрд руб. Среди крупнейших игроков, чья выручка больше, доля готовых стратегий ниже — 25%. В малом и среднем бизнесе показатель еще меньше — 22%.
Ключевая причина низкой эффективности ИИ именно организационная, ссылается на результаты западных исследований Александр Диденко: «Интеграция, процессы, данные, навыки, а не «модели плохие».
ИИ внедряют как инструмент для работы, но принципы этой работы никак не трансформируются, говорит директор по развитию системы кадрового документооборота HRlink Дмитрий Махлин. В целом, по его словам, сложно ожидать массового скачка производительности на стадии экспериментов и точечных внедрений ИИ.
Когда ИИ живет отдельно от CRM (Customer Relationship Management, управление взаимоотношениями с клиентами) и других корпоративных систем, получается лишь точечное ускорение, отмечает Дарья Демьянюк. По ее словам, ИИ не хватает также качественных данных — баз знаний, единых хранилищ и актуальных справочников: «В итоге инструмент превращается в умный текстовый редактор».
Для повышения эффективности от внедрения ИИ-технологий необходимо перестраивать бизнес-процессы с использованием сложных корпоративных агентских систем, говорит Григорий Финкельштейн: «Можно разработать систему агентов, которые в диалоге с руководителем будут корректно собирать и структурировать информацию. Но это требует интеграции ИИ в бизнес-процессы, а не просто наличия ChatGPT на рабочем месте», — уверен эксперт.
Эксперты отмечают появление на рынке специализированных ИИ-платформ, разработанных для бизнес-целей. Эти решения учитывают специфику корпоративных процессов, обеспечивают надежное, безопасное и масштабируемое использование генеративного ИИ на уровне организации — от чат-услуг для сотрудников до интеграции моделей в бизнес-приложения и автоматизации процессов, отмечают эксперты. В Реестре российского ПО, в частности, представлены такие проекты, как GigaChat Enterprise, Yandex Cloud AI Studio, Just AI Agent Platform, Sherpa AI Server и другие.
При этом компаниям не обойтись без внутренней трансформации, считает основатель и управляющий партнер TeamSonance Мария Орловская: «Искусственный интеллект усиливает уже выстроенные процессы, а если они фрагментированы, не стандартизированы, зависят от ручного управления, ИИ будет масштабировать хаос, а не эффективность».
Бизнес нуждается в комплексной стратегии внедрения ИИ-технологий, считают эксперты. Пока в России у 74% компаний ее нет, следует из результатов исследования МТС Web Services. Кроме того, ИИ требует грамотной постановки запроса, экспертизы в предметной области и вовлеченности пользователя, говорит Анастасия Овчаренко. Лишь 20% компаний выделяют бюджет на обучение и формирование стандартов использования ИИ, говорится в исследовании ANCOR и Reforum Future hub. Если компания не выстраивает рамки использования ИИ и не обучает сотрудников, возникает риск переоценки возможностей инструмента, резюмирует Овчаренко.
