Искусственный прогресс: как бизнес и государство в России проигрывают гонку за ИИ
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.
Государство: 2% вместо системы
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.
Мнение редакции может не совпадать с точкой зрения автора