Статья
Бизнес свернул или отложил девять из десяти ИТ-проектов по внедрению технологий генеративного искусственного интеллекта. Одна из причин — запуск не практичных проектов, а громких инициатив с сильным рекламным эффектом.
По данным опроса консалтинговой компании «Интеллектуальная аналитика», лишь 7-10% пилотных проектов крупных технологических компаний, запущенных в 2025 году и связанных с внедрением больших языковых моделей, чат-ботов на базе ИИ и ИИ-агентов, достигли стадии полноценного промышленного внедрения. Остальные же 90% проектов либо продолжают находиться на стадии пилотирования, либо были существенно трансформированы, либо полностью закрыты. Сам опрос проводился с декабря 2025 года по февраль 2026 года среди представителей около 50 крупнейших компаний из следующих отраслей: информационные технологии (ИТ), промышленность, финансовый сектор, государственное управление, транспорт и логистика. Полученные данные свидетельствуют о низкой конверсии пилотных инициатив в реальные производственные решения в сфере ИИ на текущем этапе.
Генеральный директор MWS AI (входит в структуру МТС Web Services) Денис Филиппов подтвердил оценку на уровне 10%, отметив, что такой показатель конверсии пилотных проектов в полноценное промышленное внедрение является нормальным для текущего этапа развития технологий генеративного ИИ. По его словам, значительная часть проектов все еще находится в активной стадии разработки и сохраняет высокие шансы на успешный переход в промышленную эксплуатацию в ближайшей перспективе.
Опрошенные «Интеллектуальной аналитикой» респонденты рассказали, что около 30-40% пилотов были свернуты, так как не дали ожидаемого финансового эффекта. Главная причина — слабая интеграция в реальные бизнес-процессы компаний, следует из опроса. В большинстве случаев компании не интегрируют модели с CRM, ERP и другими корпоративными ИТ-системами. Еще одна причина, по которой компании не добирались до полноценной стадии внедрения, — это запуск не практичных проектов, а громких инициатив с сильным PR-эффектом, следует из ответов респондентов.
В качестве иллюстрации один из респондентов привел пример самостоятельного дообучения китайской ИИ-модели без привлечения внешних ИТ-экспертов. Данные для обучения были собраны в недостаточном объеме и без должной репрезентативности. С учетом ограниченного понимания русского языка базовой моделью Qwen точность работы ИИ-ассистента в юридическом департаменте не превысила 30%. В результате проект был полностью свернут.
Другой участник опроса рассказал о неудачном опыте в своей компании. Большинство обращений в службу поддержки содержали прикрепленные документы и изображения, что требовало полноценной мультимодальной поддержки. Однако по состоянию на август 2025 года доступные ИИ-модели не обладали необходимыми возможностями для реализации требуемого функционала в полном объеме. ИТ-проект также был закрыт.
В 2024 году суммарные расходы крупных и средних российских организаций на внедрение и использование ИИ-технологий составили 90,3 млрд руб. В среднем одна компания направляла на такие проекты 5,95 млн руб. Соответствующие данные содержатся в исследовании аудиторско-консалтинговой компании FinExpertiza, результаты которого были опубликованы в декабре 2025 года. Типовые же бюджеты пилотных ИТ-проектов по внедрению ИИ, без учета затрат на ИТ-инфраструктуру, в 2025 году находились в диапазоне от 5 до 15 млн руб., об этом говорилось в совместном исследовании консалтинговой компании Onside и вендора Just AI.
Генеративный ИИ способен обеспечить дополнительный прирост ВВП России в размере 2,5% по оценке, которую дал начальник отдела изучения и ИИ-развития в сфере государственного управления Центра подготовки руководителей и команд цифровой трансформации РАНХиГС Петр Отоцкий в конце января. В 2024 году он составлял 0,07-0,15% ВВП. В денежном выражении в 2025 году эффект оценивается в 0,5-1 трлн руб. К 2035 году эксперт ожидает роста вклада до 2% ВВП, или 46,5 трлн руб.
Согласно отчету консалтинговой компании «Интеллектуальная аналитика», у половины опрошенных руководителей компаний сроки перехода пилотных ИТ-проектов в промышленную эксплуатацию были перенесены с 2025 года — начала 2026 года на вторую половину или конец 2026 года.
Основными причинами переноса сроков стали более высокая, чем ожидалось, сложность внедрения. В частности, компаниям потребовалось дополнительное время на обучение и переподготовку персонала, развитие и модернизацию ИТ-инфраструктуры, решение вопросов информационной безопасности и защиты данных. Указанные факторы существенно усложнили и замедлили процесс промышленного масштабирования ИИ-технологий.
Ситуация, при которой ИТ-проекты занимают больше времени, чем изначально планировалось, является ожидаемой, говорит главный инженер разработчика ИИ-решений для промышленности «Рокет контрол» Павел Приходько. В отличие от задач, ограниченных, например, интеллектуальным поиском по базе знаний, внедрение агентных ИТ-решений предполагает глубокое погружение в бизнес-процессы компании, продолжает он. На практике это часто сопровождается выявлением ранее неочевидных особенностей, уточняет собеседник. К примеру, непродуманных ИТ-интеграций, отсутствия формализованных правил, а также наличия неоднозначностей и слепых зон, к которым сотрудники компании адаптировались и научились обходить в ручном режиме.
Уровень проникновения ИИ-технологий в бизнес можно оценивать разными способами, говорит руководитель ИИ-направления Cloud.ru Дмитрий Юдин. По оценке компании, уровень освоения ИТ-инструментов и культура работы с ИИ составляет порядка 80-90%. Если же говорить про интеграцию в бизнес-процессы, то в марте 2026 года уровень проникновения составляет около 5-10%, что связано с рядом барьеров, добавил он: культурой, недостатком ИТ-компетенций и ИТ-инфраструктуры.
По словам Юдина, в ближайшие годы наибольший потенциал для роста внедрения ИИ-технологий прежде всего будет у отраслей с высоким объемом рутинных текстовых, аналитических и диалоговых задач, в их числе — юридические и консалтинговые услуги, промышленность, медицина и фармацевтика, государственный сектор и образование.
Среди барьеров для внедрения генеративного ИИ в рабочие процессы компании Дмитрий Юдин назвал безопасность — в частности, риски утечек и злоупотребления ИИ-моделями, а также необходимость аудита и сертификации ИТ-систем. Второй фактор — отсутствие корпоративной культуры и выстроенных процессов, третий — дефицит ИТ-специалистов, которые могут работать с современными ИИ-инструментами, добавил он, подчеркнув, что это мировая тенденция, а не только в России.