Selectel: el 35% de las empresas rusas aumentó en un año su capacidad de TI para proyectos de AI

La mitad de las empresas rusas encuestadas ya utiliza infraestructura de TI para tareas de inteligencia artificial, y el 35% aumentó el consumo de tales capacidades en el último año. Esto es lo que muestra un estudio de Selectel entre más de 400 representantes de negocios responsables del desarrollo de infraestructura y proyectos tecnológicos.

Demanda de Capacidad

En el estudio de Selectel, la infraestructura de IA se entiende no solo como servidores con GPUs, sino también como plataformas para entrenamiento e inferencia de modelos, así como almacenamiento en nube escalable y servicios relacionados. Ante el crecimiento de pilotos y escenarios de producción, el 35% de las empresas reportó un aumento en el consumo de tales recursos durante el año. Otro 14% lo mantuvo en el mismo nivel, y solo alrededor del 1% reportó una disminución. Esto significa que la infraestructura de IA deja de ser una historia de nicho: aproximadamente el 50% de las empresas ya la utilizan en proyectos prácticos.

Según datos de Selectel, la demanda está creciendo no solo en encuestas, sino también en métricas comerciales. Los ingresos de la empresa procedentes de GPUs en servidores en la nube a finales de 2025 aumentaron casi tres veces interanual. Esto muestra claramente que el negocio está transitando del interés y la experimentación a intentos de escalar casos de uso funcionales. Al mismo tiempo, la madurez del mercado sigue siendo desigual: algunos ya han integrado modelos en sus productos y operaciones, mientras que otros todavía están probando escenarios e intentando entender dónde la IA proporcionará rendimientos reales.

"El mercado se encuentra en la etapa de pilotos, que son muy numerosos ahora", dice

Ilya Marsharov de Kolmogorov AI.

Este panorama es confirmado por respuestas sobre etapas de implementación. Entre las empresas que ya trabajan con IA, el 33% la utiliza en procesos comerciales reales, como creación de productos u entrega de servicios. Otro 28% se encuentra en la etapa piloto de soluciones individuales. Solo el 3% de los encuestados dijo que no planea aplicar IA en sus actividades principales, mientras que el resto planea la implementación o aún está formando su enfoque. Esta es una señal importante: una parte notable del mercado ya ha salido del modo de experimentación y está moviendo modelos a producción, pero muchos todavía están probando hipótesis y seleccionando escenarios de trabajo.

Dónde Ya Hay Resultados

Para las empresas que han llegado a la aplicación práctica, los resultados ya son bastante medibles. La IA se evalúa a menudo no por promesas grandiosas, sino por velocidad de procesos, calidad del servicio e impacto en la economía. El efecto más notable hasta ahora está conectado no con nuevos ingresos, sino con mejorar la eficiencia de las operaciones actuales. Por lo tanto, para la mayoría de las empresas, el KPI principal ahora es bastante pragmático: procesar tareas más rápido, aliviar al equipo y reducir pérdidas en el trabajo diario.

• El 30% de los encuestados notó aceleración de procesos comerciales
• El 27% reportó aumento en la productividad de los empleados
• El 22% vio mejora en la calidad del servicio al cliente
• El 15% fijó reducción de costos
• El 11% vinculó la IA al crecimiento de ingresos o nuevas fuentes de ingresos

Al mismo tiempo, el 20% de las organizaciones aún no ha sentido un efecto significativo, lo que también es importante: implementar un modelo no garantiza un resultado comercial. Los casos reales en el estudio muestran que los efectos aparecen donde la IA se integra en procesos repetitivos. En Chity-gorod — Bukvoyed, se utiliza para generación de contenido, creatividades publicitarias, moderación de reseñas y clasificación de solicitudes de apoyo; la empresa afirma que su asistente de IA ya cierra más del 42% de las solicitudes. En Ostrovok, los modelos ayudan a consolidar datos de hoteles, clasificar tarifas, identificar reservas problemáticas y personalizar resultados de búsqueda, mientras que un bucle separado procesa más de 2 mil millones de imágenes.

Barreras y Personal

El principal freno para la siguiente onda de implementación ahora está ligado no a la falta de interés, sino a limitaciones organizacionales. Aproximadamente el 27% de las empresas encuestadas aún no ven tareas comerciales adecuadas para la IA. Otro 25% se queja de falta de experiencia, 23% de altos costos de implementación, 21% de dificultad para evaluar la rentabilidad, y 18% de dificultades para integrar en procesos actuales.

Al mismo tiempo, el 19% de los encuestados dice que no tiene limitaciones serias. La distribución de respuestas depende de si la empresa tiene experiencia real. Aquellas que aún no han usado IA frecuentemente chocan contra incertidumbre de escenarios y déficit de competencias.

Aquellas que ya han pasado por las etapas iniciales de lanzamiento piensan más en economía unitaria, ROI y riesgos de seguridad de la información. En otras palabras, conforme el mercado madura, la pregunta cambia de "¿por qué necesitamos IA?" a "¿cómo hacerla útil y rentable?"

Ante este panorama, las empresas están invirtiendo principalmente en equipos internos. El 40% de los encuestados apuestan por capacitar a los empleados existentes. Solo el 9% contrata nuevos especialistas específicamente para direcciones de IA, y el 7% contrata equipos externos de TI. Esta distribución muestra que el negocio aún prefiere construir competencias gradualmente, sin reestructuración abrupta de personal. Para el mercado de infraestructura e integradores, esto también es una señal: la demanda no es solo de hardware y nubes, sino también de apoyo, experiencia y modelos de lanzamiento híbridos.

Qué Significa Todo Esto

El mercado de IA ruso está entrando en una fase donde el recurso principal se convierte no en los propios modelos, sino en capacidad computacional, escenarios comerciales claros y equipos capaces de llevar un piloto a resultados operacionales. Para proveedores de infraestructura, esta es una ventana de crecimiento, y para las empresas, es un momento en el que experimentar ya no es suficiente: necesitas contar la economía y elegir tareas donde la IA realmente alivia la carga del negocio.