جمّد قطاع الأعمال الروسي 90% من مشاريع AI التوليدي ولم يوصلها إلى الإنتاج

К марту 2026 года крупные российские компании довели до полноценного внедрения лишь небольшую часть пилотов с генеративным ИИ. Большинство инициатив с LLM, чат-ботами и агентами так и не вышли из тестового режима, были переделаны под более узкие задачи или закрыты совсем.

Почему пилоты встали

По оценке консалтинговой компании «Интеллектуальная аналитика», только 7–10% пилотных проектов, которые крупный бизнес запускал в 2025 году, добрались до промышленной эксплуатации. В выборку вошли около 50 компаний из ИТ, промышленности, финансов, госсектора, транспорта и логистики. Остальные инициативы к марту 2026 года зависли в пилоте, были радикально пересобраны или остановлены.

Это показывает, насколько трудно перевести красивые демо с большими языковыми моделями, чат-ботами и AI-агентами в работающий корпоративный продукт. При этом участники рынка не считают такую конверсию чем-то сенсационным. Часть проектов все еще находится в разработке и теоретически может дойти до продакшена позже.

Но сам разрыв между количеством запусков и реальных внедрений уже заметен: в 2025 году компании нередко брались не за самые полезные сценарии, а за те, что давали быстрый вау-эффект для презентаций и PR. Когда наступал этап интеграции, измерения окупаемости и ответственности за результат, многие инициативы начинали буксовать.

Где ломается экономика

Около 30–40% пилотов, по словам участников опроса, закрыли из-за того, что они не дали ожидаемого финансового эффекта. Главная проблема оказалась не в самой идее генеративного ИИ, а в слабой связке с повседневными процессами компании. Во многих случаях модели не были встроены в CRM, ERP, документооборот и другие корпоративные системы, поэтому оставались отдельной витриной, а не рабочим инструментом. Как только бизнес пытался посчитать экономию времени, снижение нагрузки на сотрудников или влияние на выручку, красивая концепция быстро теряла убедительность.

• Нет глубокой интеграции с CRM, ERP и внутренними системами Проекты запускались ради PR-эффекта, а не под конкретную бизнес-задачу Для дообучения не хватало качественных и репрезентативных данных * Моделям не хватало мультимодальности, зрелости и требований по безопасности Хорошо видны и технические провалы. В одном из кейсов компания самостоятельно дообучала китайскую модель для задач юридического департамента, но собрала слишком мало данных, а точность ассистента не превысила 30%, после чего проект свернули. В другом случае служба поддержки хотела автоматизировать обращения с документами и изображениями, однако на август 2025 года доступные модели не тянули нужный мультимодальный сценарий в полном объеме. Иными словами, проблема часто была не в моде на ИИ, а в завышенных ожиданиях к конкретным инструментам.

Сроки уходят вправо У половины опрошенных руководителей сроки перехода

от пилота к промышленной эксплуатации сместились с 2025 года и начала 2026-го на вторую половину или конец 2026 года. Причины довольно приземленные: компаниям пришлось дольше учить сотрудников, модернизировать инфраструктуру, закрывать вопросы информационной безопасности и защиты данных. При этом деньги на эксперименты уже заметные.

В 2024 году крупные и средние российские организации потратили на внедрение и использование ИИ 90,3 млрд рублей, а типовой бюджет пилота в 2025 году, без учета инфраструктуры, оценивался в 5–15 млн рублей. Дополнительная сложность в том, что агентные решения быстро вскрывают старые проблемы самих процессов. Если интеллектуальный поиск по базе знаний можно внедрить локально, то более сложный AI-агент почти сразу упирается в непродуманные интеграции, неформализованные правила и ручные обходные маршруты, к которым сотрудники давно привыкли.

По оценке Cloud.ru, культура знакомства с ИИ-инструментами в компаниях уже может достигать 80–90%, но реальная интеграция в бизнес-процессы пока остается на уровне 5–10%. Больше всего пространства для роста видят в юрсервисах, консалтинге, промышленности, медицине, госсекторе и образовании.

Что это значит

Российский рынок не отказывается от генеративного ИИ, но выходит из фазы ажиотажа и переходит в фазу жесткой проверки на пользу и окупаемость. Следующая волна внедрений, скорее всего, будет уже не про громкие витрины, а про узкие, хорошо измеримые сценарии с понятной интеграцией, безопасностью и владельцем результата внутри бизнеса.