Российский рынок ИИ: почему внедрение больше не считается результатом

Российский рынок искусственного интеллекта быстро проходит первую стадию — стадию интереса, проб и демонстрационных сценариев. По оценке «Яков и Партнеры» и Яндекса, 71% крупных российских компаний уже используют генеративный искусственный интеллект хотя бы в одной функции бизнеса. Ожидаемый экономический эффект от ИИ к 2030 году оценивается в 7,9–12,8 трлн рублей в год. Это уже не статистика технологической моды, а признак перехода ИИ в регулярную управленческую повестку.

Но именно в этой точке возникает главный риск интерпретации. Массовое использование ИИ не означает массовой управленческой зрелости. Компании могут запускать пилоты, подключать нейросетевые сервисы, обучать сотрудников, автоматизировать отдельные операции — и при этом не менять экономику бизнеса. Следующий разрыв будет проходить не между теми, кто «использует ИИ», и теми, кто его игнорирует. Он пройдет между компаниями, которые умеют переводить ИИ в деньги, скорость, производительность и новые продукты, и компаниями, которые ограничатся демонстрацией технологической активности.

Фаза экспериментов заканчивается не потому, что эксперименты больше не нужны, а потому что эксперимент перестает быть достаточным управленческим результатом.

ИИ перестал быть периферийной технологией

Первый этап рынка был неизбежно экспериментальным. Новая технология появляется в компании сначала как зона неопределенности. Ее нужно понять, проверить на доступных задачах, снять страхи, оценить ограничения, накопить первичный опыт. Поэтому пилоты на ранней стадии не являются ошибкой. Они выполняют нормальную управленческую функцию — снижают неопределенность.

Но рынок меняется, когда технология становится массовой. Пока ИИ был редким инструментом, сам факт его применения мог восприниматься как признак продвинутости. Теперь это слабый показатель. Если большая часть крупных компаний уже так или иначе использует генеративный ИИ, то наличие нейросетей в работе перестает быть отличием. Отличием становится не доступ к инструменту, а качество его встраивания в бизнес.

Это важный сдвиг. Рынок больше нельзя описывать простой логикой «ИИ приходит в бизнес». Он уже пришел — по крайней мере в крупные компании и цифрово зрелые отрасли. Более точный вопрос звучит иначе: какие компании смогут превратить технологическую возможность в измеримый экономический эффект, а какие останутся в зоне разрозненных применений.

Здесь и появляется следующий уровень конкуренции. Он связан не с тем, кто раньше попробовал ИИ, а с тем, кто лучше понимает, где именно в бизнес-модели создается или теряется стоимость.

Внедрение не равно зрелости

Главная ошибка текущего момента — считать внедрение результатом. Формально компания может использовать ИИ в маркетинге, клиентском сервисе, аналитике, документообороте, разработке продуктов или внутренних коммуникациях. Но за одинаковым словом «используем» могут скрываться принципиально разные состояния.

В одном случае сотрудник ускоряет подготовку текста, презентации или справки. В другом — компания меняет процесс обработки клиентского запроса. В третьем — перестраивает систему прогнозирования спроса. В четвертом — создает новый продукт или сервис, который без ИИ был бы экономически невозможен. Все эти случаи можно назвать использованием ИИ. Но их управленческая ценность различна.

Поэтому важна шкала зрелости. На нижнем уровне находятся индивидуальные пробы и локальное повышение удобства работы. Выше — пилоты внутри отдельных функций. Далее — автоматизация повторяющихся операций. Следующий уровень — встраивание ИИ в процесс с понятным владельцем, метриками и регулярным управлением. И только после этого появляется стратегический уровень: изменение продукта, клиентского опыта, скорости цикла, структуры затрат или модели выручки.

Если компания не различает эти уровни, она начинает управлять активностью вместо результата. Считает количество пилотов, число подключенных сервисов, долю сотрудников, прошедших обучение. Эти показатели могут быть полезны на начальном этапе, но они не отвечают на главный вопрос: что изменилось в экономике бизнеса?

ИИ создает ценность не фактом применения, а изменением управляемого показателя.

Где возникает реальный эффект

В бизнесе нет абстрактной пользы от ИИ. Есть конкретные места, где он может изменить экономику.

В продажах и клиентском сервисе это может быть сокращение времени ответа, повышение точности предложения, снижение нагрузки на первую линию поддержки, рост повторных обращений или удержания. В маркетинге — не просто генерация контента, а повышение качества сегментации, скорости проверки гипотез, точности коммуникации и эффективности привлечения. В операционной деятельности — снижение брака, ускорение обработки документов, прогнозирование сбоев, оптимизация запасов и маршрутов. В продукте — создание сервисов, которые адаптируются под клиента и меняют само ценностное предложение.

Но во всех этих случаях действует одно правило: эффект возникает только там, где ИИ встроен в причинную цепочку бизнеса. Не «модель работает», а «модель меняет решение». Не «сотрудники пользуются», а «процесс стал быстрее, точнее или дешевле». Не «запущен пилот», а «изменился показатель, за который кто-то отвечает».

Поэтому правильная управленческая цепочка выглядит так: задача — данные — модель — процесс — решение — показатель — ответственность — корректировка. Если отсутствует хотя бы одно звено, эффект становится случайным. Модель может быть сильной, интерфейс удобным, сотрудники мотивированными, но бизнес-результат не закрепится.

Именно поэтому ИИ нельзя оставлять только в зоне ИТ-функции. Технологическая функция может обеспечить архитектуру, безопасность, интеграцию, выбор инструментов и качество разработки. Но она не может одна определить, где в бизнесе возникает стоимость. Это ответственность руководителей функций и собственников процессов.

Ошибка демонстрационных пилотов

Пилот — нормальный инструмент проверки гипотезы. Проблема начинается тогда, когда пилот становится способом избежать решения.

Это распространенная управленческая ловушка. Компания чувствует давление рынка. Конкуренты говорят об ИИ. Собственник или совет директоров ждут движения. Руководители функций хотят показать инициативу. В результате запускаются проекты, которые выглядят правильно: есть рабочая группа, поставщик, презентация, тестовый сценарий, первые результаты. Но после этого часто не происходит главного — решения о процессе, бюджете, владельце эффекта и масштабировании.

Так пилот превращается в управленческую отсрочку. Он снижает тревожность, но не меняет систему. Он создает ощущение прогресса, но не отвечает на вопрос, что именно должно измениться в экономике компании. Через некоторое время таких пилотов становится много. Они конкурируют за внимание, ресурсы и статус, но не складываются в модель управления эффектом.

Это не только российская проблема. Международные исследования также показывают разрыв между распространением ИИ и масштабируемым влиянием на финансовый результат. По данным McKinsey за 2025 год, 88% организаций регулярно используют ИИ хотя бы в одной бизнес-функции, но только около трети начали масштабировать ИИ-программы, а влияние на прибыль до процентов и налогов на уровне предприятия отмечают 39% респондентов. Высокорезультативные компании отличаются не количеством экспериментов, а перестройкой процессов, участием руководства, работой с данными и отслеживанием показателей ИИ-решений.

Для российского рынка это важно не как прямое сравнение, а как подтверждение механизма. Массовое использование технологии не устраняет разрыв между пилотом и эффектом. Наоборот, когда инструмент становится доступным, этот разрыв становится главным.

Следующий дефицит — не технологический

На ранней стадии внедрения естественно обсуждать модели, вычислительные мощности, поставщиков, безопасность, интеграцию и стоимость решений. Эти вопросы сохраняют значение. Но следующий ограничитель будет другим.

Главный дефицит будет связан с управленческой постановкой задач. Многие компании уже могут найти инструмент. Не все могут точно определить, какой процесс нужно изменить и какой показатель должен сдвинуться. Многие могут запустить пилот. Не все могут принять решение о закрытии слабого проекта или масштабировании сильного. Многие могут собрать команду энтузиастов. Не все могут встроить ИИ в регулярный контур управления.

Поэтому зрелость рынка будет определяться не количеством нейросетевых сервисов, а качеством управленческой архитектуры. В ней должны быть приоритеты, владельцы, данные, метрики, правила проверки, бюджетные решения и механизм масштабирования. Без этого ИИ остается набором возможностей, которые не превращаются в системный результат.

Особенно важен вопрос метрик. Если компания измеряет только активность, она будет стимулировать активность. Если она измеряет экономический эффект, она начинает управлять качеством решений. Для ИИ это принципиально. Показателями должны становиться не количество сценариев и не число пользователей, а изменение маржи, скорости цикла, производительности, стоимости привлечения клиента, удержания, качества сервиса и выручки от новых продуктов.

Что меняется для руководителя

Для руководителя смена фазы рынка означает смену вопросов.

Вопрос «где мы используем ИИ?» уже недостаточен. Он фиксирует наличие активности, но не показывает ее смысл. Вопрос «сколько пилотов запущено?» тоже недостаточен. Он может отражать как реальное движение, так и распыление усилий. Вопрос «какие нейросети подключены?» важен технически, но слаб управленчески.

Более точные вопросы другие. Какой экономический показатель мы хотим изменить? Какой процесс является источником потерь, задержек или ограничений роста? Какие данные нужны для решения этой задачи? Кто является владельцем результата? Как будет измеряться эффект? Какие риски мы принимаем? Какой пилот должен быть закрыт, если он не меняет показатель? Какое решение нужно масштабировать, если оно доказало эффект?

Такая постановка меняет роль ИИ в компании. Он перестает быть технологической инициативой и становится инструментом управляемого изменения бизнеса. Это требует большей дисциплины, чем запуск пилотов. Но только такая дисциплина отделяет экономический эффект от демонстрационной активности.

Фаза экспериментов не исчезает. В сложной технологии эксперимент всегда нужен. Исчезает другое — возможность выдавать эксперимент за результат. На следующем этапе рынка руководителю придется считать не количество внедренных инструментов, а изменение экономических параметров бизнеса.

Компании, которые перейдут к этой логике, будут использовать ИИ как часть модели роста и управляемого повышения эффективности. Компании, которые останутся в логике демонстрационных пилотов, будут накапливать технологическую активность без системного результата. Рациональным становится не вопрос «есть ли у нас ИИ», а вопрос «какой экономический механизм мы изменили с его помощью».