.png)
Российский бизнес тратит на внедрение искусственного интеллекта более 90 млрд рублей в год, но реально используют его только 5,8% компаний. Разрыв между инвестициями и результатами стал настолько большим, что его уже нельзя объяснить технологическими ограничениями. По мнению CEO компании Napoleon IT Павла Подкорытова, российский ИИ застрял не в коде и не в данных, а в управленческой логике. Он превратился в дорогую презентацию: деньги освоены, пилоты запущены, отчеты написаны. Но бизнес-эффект остается исключением, а не правилом
Российский рынок ИИ существует в двух параллельных реальностях. На стратегических сессиях он выступает в роли локомотива цифровой трансформации, а в операционной реальности становится дорогостоящим экспериментом с неясным исходом. Каждая 17-я компания внедряет ИИ. Остальные 16 продолжают обсуждать стратегии, запускать пилоты и ждать технологического чуда.
Парадокс очевиден: рынок растет на 25–40% в год, только в 2024 году российский бизнес потратил на внедрение ИИ 90,3 млрд рублей, а реальное проникновение технологии остается на уровне статистической погрешности. Причина в том, что индустрия научилась продавать будущее, но так и не научилась строить настоящее.
ИИ без экономики
Главный барьер внедрения ИИ — это экономика проектов. Классические модели ROI плохо работают: сложно посчитать эффект от предотвращенных ошибок, ускорения решений или повышения качества процессов. В условиях высокой ключевой ставки бизнес перестал инвестировать в проекты с туманной окупаемостью.
По данным НИУ ВШЭ, более 60% компаний тратят на ИИ менее 1% цифрового бюджета, что слишком мало для системного эффекта и слишком много для эксперимента.
ИИ оказался в ловушке: он слишком дорогой для игрушки и слишком «сырой» для стратегической инвестиции. Если еще несколько лет назад компании внедряли нейросети «потому что тренд», то сегодня вопрос звучит иначе: какой конкретный показатель должен измениться к лучшему в течение фиксированного срока. Для большинства проектов ответ на этот вопрос так и не найден.
Теневая цифровизация
Пока компании обсуждают стратегии, сотрудники уже используют нейросети. Каждый четвертый работник применяет ИИ в работе, но корпоративные инструменты остаются на уровне технологий десятилетней давности. Возникает «теневая инфраструктура»: личные аккаунты, публичные сервисы, перенос корпоративных данных во внешние системы. Это не саботаж, а адаптация к системе, которая отстала от собственных пользователей.
Бизнес сталкивается с двойным риском: утечкой данных и потерей контроля над экспертизой. Но вместо системного решения компании продолжают обсуждать концепции цифровой трансформации.
Почему большинство ИИ-проектов не взлетают
Более 80% ИИ-проектов терпят неудачу. Вдвое чаще, чем классические IT-инициативы. Причины почти всегда одинаковы: разрозненные данные, отсутствие интеграций, неопределенные бизнес-метрики и отсутствие ответственности за результат.
Мировая практика подтверждает этот сценарий. Даже в эпоху больших языковых моделей ИИ-проекты продолжают проваливаться. В 2024 году Air Canada проиграла суд из-за чат-бота на базе LLM, который придумал несуществующие правила возврата билетов. Samsung была вынуждена ограничить использование генеративного ИИ после утечек внутреннего кода. Для Microsoft 2026 год начался печально — акции компании упали из-за беспокойства инвесторов по поводу окупаемости вложений в ИИ. В прошлом году чат-бот Microsoft Copilot во многих компаниях не дал ожидаемых результатов, его применение было ограничено из-за ошибок, рисков и необходимости постоянной ручной проверки. Общий вывод: пока LLM умеют говорить и писать код, но без жесткой интеграции в бизнес-процессы, метрики и контуры ответственности они регулярно дают сбой, создавая иллюзию интеллекта вместо управляемого результата.
Если российский бизнес использует ИИ эпизодически, то государственный сектор еще более «осторожен».
По данным Минцифры, искусственный интеллект применяют около 2% организаций в сфере государственного управления и социального обеспечения. При этом государство активно инвестирует в цифровизацию: в России создано около 500 региональных IT-систем с элементами ИИ, а федеральный проект «Искусственный интеллект» получил финансирование в десятки миллиардов рублей.
Парадокс повторяется: масштаб инвестиций не превращается в системный эффект. ИИ внедряется в отдельных проектах: цифровые помощники, аналитические системы, автоматизация отдельных функций, но он редко становится частью архитектуры государственного управления.
Государственный сектор обладает уникальным преимуществом: масштабом данных и процессов. Однако без системного подхода ИИ остается набором разрозненных решений, а не инструментом управления сложными социально-экономическими системами.
Потенциал здесь колоссальный: 2% проникновения при триллионных бюджетах — настоящая возможность. Но пока государство, как и бизнес, воспринимает ИИ скорее как технологический атрибут модернизации, чем как основу управленческой модели.
Кто выигрывает
Те 5,8% компаний, которые реально используют ИИ, делают ставку на прикладные решения.
«Северсталь» получила экономический эффект более 2 млрд рублей от ИИ-проектов. «Норникель» увеличил извлечение металлов на 2,5%, что принесло около $100 млн эффекта. За пределами промышленности аналогичную логику демонстрирует «Сбер». По итогам первого полугодия 2025-го финансовый эффект для банка от внедрения генеративного искусственного интеллекта составил почти 30 млрд рублей. В сфере ретейла X5 применяет искусственный интеллект для решения ключевых ретейл-задач от прогнозирования спроса и оптимизации ассортимента до персонализации и поддержки внутренних процессов, что принесло компании порядка 5 млрд рублей за счет улучшения операционной эффективности и сокращения издержек.
Рынок голосует за решения с измеримым результатом: контроль качества, промышленная безопасность, предиктивная аналитика, оптимизация логистики и ресурсов.
Как не тратить миллионы впустую
Если убрать иллюзии, процесс внедрения ИИ для бизнеса и государства должен включать набор жестких управленческих решений.
- Считать эффект. ИИ-проект должен начинаться с ответа на вопрос: какой конкретный показатель изменится через 6–12 месяцев. Если ответ невозможно сформулировать в цифрах, лучше не начинать.
- Прекращать пилоты без масштабирования. Десятки завершенных пилотов и ноль решений в промышленной эксплуатации можно назвать имитацией цифровизации. Успешный пилот должен автоматически переходить в масштабирование, иначе его экономический смысл равен нулю.
- Строить архитектуру. ИИ должен внедряться как инфраструктура с требованиями к данным, интеграциям, безопасности и ответственности за результат. Без этого даже лучшие модели деградируют и превращаются в источник управленческих ошибок.
- Легализовать «теневой ИИ». Сотрудники уже используют нейросети. Задача бизнеса и государства не запрещать это, а создать безопасные корпоративные инструменты и правила их применения. Иначе контроль над данными будет утрачен окончательно.
- Инвестировать в людей, а не только в алгоритмы. Российскому рынку нужны архитекторы ИИ-трансформации, способные переводить бизнес-задачи на язык данных и отвечать за результат внедрения. А еще необходима управленческая реформа. Пока бизнес и государство воспринимают ИИ как витрину модернизации, миллиарды будут уходить на демонстрацию будущего, которое так и не наступает.
Через несколько лет рынок разделится на тех, кто встроил ИИ в ядро процессов, и тех, кто продолжит обсуждать стратегии. Вторых будет больше, но выигрывать будут первые.
.png)
