Пилоты ИИ закрываются: 90% проектов не приносят денег из-за слабой интеграции

По данным опроса консалтинговой компании «Интеллектуальная аналитика», проведенного в период с декабря 2025 года по февраль 2026 года, российский бизнес столкнулся с низким уровнем конверсии пилотных инициатив в сфере генеративного искусственного интеллекта. Среди 50 крупнейших компаний из секторов ИТ, промышленности, финансов, госуправления и логистики лишь 7–10% проектов, запущенных в 2025 году, достигли стадии полноценного промышленного внедрения. Остальные 90% инициатив, связанных с большими языковыми моделями, чат-ботами и ИИ-агентами, либо остаются в тестовом режиме, либо были переработаны, либо закрыты.

Эксперты отмечают, что низкая эффективность связана с тем, что в 2025 году многие организации запускали проекты с акцентом на маркетинговый эффект, а не на решение практических бизнес-задач. Генеральный директор MWS AI Денис Филиппов подтвердил, что показатель конверсии на уровне 10% является нормой для текущей фазы развития технологий. При этом значительная часть проектов сохраняет потенциал для перехода в промышленную эксплуатацию в ближайшем будущем.

Экономические причины и технические барьеры

Анализ причин сворачивания проектов показывает, что около 30–40% инициатив не дали ожидаемого финансового результата. Ключевой проблемой стала слабая интеграция моделей в реальные бизнес-процессы. Компании часто не связывают ИИ-решения с корпоративными системами, такими как CRM (управление взаимоотношениями с клиентами) или ERP (планирование ресурсов предприятия), а также с системами документооборота.

Конкретные кейсы демонстрируют риски самостоятельной разработки без привлечения профильных экспертов. В одном из случаев компания попыталась дообучить китайскую модель Qwen на ограниченном наборе данных. Из-за недостаточной репрезентативности выборки и ограниченных возможностей модели в понимании русского языка точность работы ИИ-ассистента в юридическом департаменте не превысила 30%. Проект был признан неэффективным и закрыт.

Другой пример неудачи связан с требованиями к мультимодальности. Служба поддержки одной из компаний обрабатывала запросы с прикрепленными изображениями и документами. Однако по состоянию на август 2025 года доступные модели не обладали необходимыми функциями для полноценной обработки таких данных, что привело к остановке проекта.

Финансовые вложения в сферу остаются значительными. В 2024 году суммарные расходы крупных и средних российских организаций на внедрение и использование ИИ составили 90,3 млрд руб.. В среднем одна компания направляла на такие цели 5,95 млн руб.. Бюджеты пилотных проектов в 2025 году варьировались от 5 до 15 млн руб. без учета затрат на инфраструктуру, согласно данным исследования FinExpertiza и совместному отчету Onside и Just AI.

Сдвиг сроков и инфраструктурные вызовы

Половина опрошенных руководителей перенесла сроки перехода пилотных проектов в промышленную эксплуатацию с конца 2025 – начала 2026 года на вторую половину или конец 2026 года. Основными факторами задержки стали более высокая, чем ожидалось, сложность внедрения и необходимость дополнительных ресурсов.

Компаниям потребовалось время на:

• Обучение и переподготовку персонала;
• Модернизацию ИТ-инфраструктуры;
• Решение вопросов информационной безопасности и защиты данных.

Главный инженер разработчика ИИ-решений для промышленности Рокет контрол Павел Приходько отмечает, что увеличение сроков является ожидаемым сценарием. Внедрение агентных решений требует глубокого погружения в бизнес-процессы, что часто выявляет скрытые проблемы: отсутствие формализованных правил, непродуманные интеграции и «слепые зоны», к которым сотрудники привыкли адаптироваться в ручном режиме.

Руководитель ИИ-направления Cloud.ru Дмитрий Юдин разделяет оценку уровня проникновения технологий. Если культура работы с ИИ-инструментами достигает 80–90%, то реальная интеграция в бизнес-процессы в марте 2026 года составляет лишь 5–10%. Барьерами выступают дефицит компетенций, отсутствие выстроенных процессов и вопросы безопасности, включая риски утечек данных и необходимость аудита систем.

i

Создано специально для ASECTOR

Концептуальное изображение

Перспективы развития и потенциальные выгоды

Несмотря на текущие сложности, эксперты прогнозируют значительный экономический эффект от успешного масштабирования технологий. Начальник отдела изучения и ИИ-развития в сфере госуправления РАНХиГС Петр Отоцкий оценил вклад генеративного ИИ в прирост ВВП России. В 2024 году этот показатель составлял 0,07–0,15%. К 2035 году вклад может вырасти до 2% ВВП, что эквивалентно 46,5 трлн руб.

Наибольший потенциал для роста внедрения ИИ видится в отраслях с высоким объемом рутинных задач: юридические и консалтинговые услуги, промышленность, медицина, фармацевтика, государственный сектор и образование. Будущее развитие будет строиться на синергии RPA (роботизация процессов), генеративного ИИ и BPM-систем (управление бизнес-процессами).

Для уменьшения рисков и ускорения внедрения компаниям необходимо сосредоточиться на построении корпоративной культуры работы с ИИ, развитии кадрового потенциала и обеспечении безопасности данных. Текущая ситуация требует детального анализа каждого проекта на предмет его интеграции в существующие экосистемы и способности приносить измеримую экономическую пользу.

От пилотов к процессам: почему ИИ требует перестройки бизнеса

Статистика, согласно которой лишь 7–10% пилотных проектов генеративного искусственного интеллекта в России переходят в стадию промышленного внедрения, часто воспринимается как признак технологического тупика. Однако эксперты, включая Дениса Филиппова из MWS AI, рассматривают этот показатель как норму для текущей фазы развития. Реальная проблема кроется не в возможностях алгоритмов, а в попытке наложить сложные технологии на неготовые бизнес-процессы. В 2025 году многие организации запускали инициативы, движимые маркетинговым эффектом, что привело к тому, что значительная часть бюджета, оцененного в 90,3 млрд рублей, была потрачена на создание изолированных решений, не приносящих измеримой экономической пользы.

Анализ глобальной практики подтверждает эту гипотезу. Исследования Forrester показывают, что 60% компаний застревают на этапе тестирования, а лишь 15% получают заметный эффект. Причина кроется не в алгоритмах, а в том, как организации используют выводы ИИ. Пилотные проекты часто заканчиваются без результата, если сгенерированные отчеты и рекомендации остаются без внимания сотрудников. Проблема носит организационный характер: без изменения подходов к работе и адаптации структур внедрение технологий не приносит отдачи [!].

Важный нюанс: Низкая конверсия пилотов в промышленные проекты часто свидетельствует не о технической несостоятельности ИИ, а о неготовности бизнес-процессов к автоматизации. Компании пытаются наложить алгоритмы на хаотичные, неформализованные операции, где нет четких правил, и получают предсказуемый провал.

Цена ошибок и скрытые барьеры интеграции

Конкретные кейсы в России демонстрируют риски самостоятельной разработки без привлечения профильных экспертов. Примером служит попытка одной из компаний дообучить китайскую модель Qwen на ограниченном наборе данных для юридического департамента. Из-за недостаточной репрезентативности выборки и ограничений модели в понимании русского языка точность работы ИИ-ассистента не превысила 30%. В юридической сфере такая погрешность недопустима, и проект был признан неэффективным. Это иллюстрирует ошибку восприятия больших языковых моделей как «черного ящика», который можно лишь «накормить» данными. На практике модель требует тщательной настройки, валидации и постоянного мониторинга.

Другой значимый барьер — отсутствие мультимодальных возможностей. В августе 2025 года многие доступные модели не могли полноценно обрабатывать запросы с изображениями и документами, что стало причиной остановки проектов в службах поддержки. Бизнес ожидал, что ИИ сможет заменить человека, обрабатывающего сложные мультимедийные данные, но технологическая база еще не достигла необходимого уровня зрелости для таких задач.

Финансовые риски здесь носят кумулятивный характер. Бюджеты пилотных проектов варьируются от 5 до 15 млн рублей, не считая затрат на инфраструктуру. Если проект не переходит в промышленную эксплуатацию, эти средства списываются как убытки. При среднем вложении в 5,95 млн рублей на компанию, масштаб потерь для отрасли становится сопоставим с инвестициями в новые производственные линии.

Важный нюанс: Попытка внедрить ИИ в процессы, которые не были формализованы и описаны, обречена на провал. Алгоритм не может автоматизировать хаос; он лишь ускоряет выполнение ошибок, заложенных в исходных правилах.

Инфраструктурный разрыв и сдвиг реальности

Половина руководителей перенесла сроки перехода пилотов в промышленную эксплуатацию на вторую половину или конец 2026 года. Это не только задержка, а признак того, что рынок переоценил скорость адаптации технологий. Реальность внедрения требует времени на обучение персонала, модернизацию ИТ-инфраструктуры и решение вопросов информационной безопасности.

Внедрение агентных решений часто вскрывает «слепые зоны» бизнеса. Сотрудники годами адаптировались к ручному режиму работы, обходя отсутствующие формализованные правила. Когда приходит ИИ, требующий четких инструкций, эти скрытые проблемы всплывают на поверхность. Компании вынуждены сначала перестраивать свои процессы, а затем уже внедрять технологии, что удваивает сроки и бюджет.

Глобальный опыт показывает, что погоня за полной автономией без должного контроля несет критические риски. Массовые сокращения ради внедрения ИИ в компаниях вроде Amazon привели к тому, что алгоритмы получили избыточные права доступа. Это вызвало критические инциденты, включая 13-часовой простой сервиса AWS Cost Explorer и сбои в розничных сервисах. Практика показала, что автоматизация без усиления контроля создает фундаментальные риски безопасности. В ответ на эти угрозы Amazon ввела временные ограничения, требующие обязательного согласования изменений со стороны старших специалистов. Это подтверждает необходимость постоянного человеческого надзора за работой алгоритмов [!].

Дефицит компетенций остается ключевым фактором. Культура работы с ИИ-инструментами может быть высокой на уровне энтузиазма (80–90%), но реальная интеграция в бизнес-процессы составляет лишь 5–10%. Разрыв между желанием использовать технологии и умением встроить их в безопасную экосистему создает риски утечек данных и требует дорогостоящего аудита.

Важный нюанс: Будущее ИИ в бизнесе зависит не от мощности моделей, а от качества корпоративных процессов. Только формализованные, прозрачные и безопасные операции способны стать надежной основой для масштабирования искусственного интеллекта.

Перспективы развития и новые роли

Несмотря на текущие сложности, долгосрочный потенциал остается высоким. Прогнозы указывают на вклад генеративного ИИ в прирост ВВП России в размере 0,5–1 трлн рублей уже в 2025 году, с ростом до 46,5 трлн рублей к 2035 году. Наибольший потенциал для роста внедрения ИИ видится в отраслях с высоким объемом рутинных задач: юридические и консалтинговые услуги, промышленность, медицина, фармацевтика, государственный сектор и образование.

Ключевым изменением становится смена парадигмы взаимодействия человека и машины. Вместо полной замены сотрудника ИИ переходит в роль ассистента, требующего валидации. Это особенно актуально для секторов с высокими рисками ошибок. Будущее развитие будет строиться на синергии роботизации процессов (RPA), генеративного ИИ и систем управления бизнес-процессами (BPM).

Для бизнеса главным становится не запуск очередного чат-бота, а фундаментальная перестройка операционной деятельности. Компании, которые смогут преодолеть разрыв между маркетинговыми ожиданиями и технической реальностью, получат значительное конкурентное преимущество. Те, кто продолжит инвестировать в изолированные проекты без интеграции в экосистему, рискуют столкнуться с ростом издержек и потерей инвестиций.

Важный нюанс: ИИ не заменяет человека, а меняет его роль с исполнителя на контролера. Следующий этап развития — это не полная автономия, которая опасна, а гибридные модели, где ИИ берет на себя рутину, а человек — валидацию и принятие стратегических решений.