Российские компании переходят от единичных пилотов к промышленному внедрению ИИ-агентов. В среднем крупные компании тратят на запуск проектов с агентными системами порядка 10–50 млн рублей. К таким выводам пришли аналитики Cloud.ru и Высшей школы бизнеса НИУ ВШЭ в ходе совместного исследования, которое было представлено на конференции GoCloud 2026.
Инвестиции в ИИ-агентов состоят из капитальных (CAPEX) и операционных затрат (OPEX). В первом случае это расходы на вычислительную инфраструктуру (GPU-кластеры, серверы), разработку или закупку платформенных решений и интеграцию с существующими корпоративными системами, во втором — на поддержку и дообучение моделей, мониторинг, оплату облачных сервисов и содержание команды специалистов. Масштаб инвестиций российских команд варьируется, в зависимости от размера компании, в случае бигтехами объем инвестиций может превышать сотни миллионов рублей, в среднем сумма инвестиций в проекты с ИИ-агентами составляет 10–50 млн рублей.
Аналитики отмечают, простые сценарии автоматизации и готовы решения могут окупиться менее чем за 12 месяцев. Средние по размеру проекты с донастройкой и интеграцией требуют 12–24 месяцев. Крупные инфраструктурные инициативы, связанные с созданием собственных платформ и моделей, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях — 5–7 лет.
Мировой опыт также подтверждает востребованность ИИ-агентов. Согласно исследованию Cloudera, проведенному среди 1484 ИТ-руководителей в 14 странах, 96% организаций намерены расширить использование ИИ-агентов в течение ближайших двенадцати месяцев, а примерно половина — масштабировать такие системы на уровень всей компании.
Уровень автономности российских ИИ-агентов варьируется в зависимости от критичности процессов и информации для обработки. Например, в финансовом секторе и производстве, где цена ошибки высока, доминируют агенты с низкой автономностью (уровни 0–1), выполняющие 1–4 простых действия и требующие постоянного контроля человека. В телекоме и банках, наоборот, чаще встречаются агенты с высокой автономностью (уровни 3–4), способные самостоятельно вести диалог с мошенниками или обрабатывать заявки.
«Основной барьер для внедрения ИИ-агентов не технологический, а скорее организационный. Множество компаний имеют разрозненные базы данных, у них нет культуры управления изменениями, четкой связки между ИИ-инициативами и бизнес-целями. Поэтому ИИ-проекты часто остаются в пилоте и не масштабируются. Этот тип барьера сейчас критичнее, чем алгоритмы или инфраструктура. AI-решения могут эффективно работать только в среде, которая к этому готова — с доступом к актуальным данным, прозрачными процессами и готовностью команды делегировать хотя бы часть решений», — сказал исполняющий обязанности генерального директора Cloud.ru Михаил Лобоцкий.
«Представленная модель зрелости обобщает текущий опыт по ИИ-агентам российских и зарубежных предприятий и предлагает стройную систему для оценки зрелости компании при их разработке и внедрении в бизнесе», — отметил Евгений Зараменских, руководитель департамента бизнес-информатики ВШБ ВШЭ.