Las empresas rusas congelaron el 90% de los proyectos de AI generativa y no los llevaron a producción

Las grandes empresas rusas han llevado solo una pequeña parte de sus pilotos de IA generativa a implementación a gran escala hasta marzo de 2026. La mayoría de iniciativas con LLMs, chatbots y agentes nunca salieron del modo de prueba, fueron reconstruidas para tareas más estrechas, o fueron canceladas completamente.

Por qué los pilotos se estancaron

Según una evaluación de la consultora "Análisis Inteligente", solo el 7–10% de los proyectos piloto que las grandes empresas lanzaron en 2025 alcanzaron producción industrial. La muestra incluyó aproximadamente 50 empresas de TI, manufactura, finanzas, sector público, transporte y logística. Las iniciativas restantes hasta marzo de 2026 quedaron atrapadas en fase piloto, fueron reconstruidas radicalmente, o fueron detenidas.

Esto demuestra lo difícil que es traducir hermosas demostraciones con grandes modelos de lenguaje, chatbots y agentes de IA en un producto corporativo funcional. Al mismo tiempo, los participantes del mercado no consideran tal conversión algo sensacional. Algunos proyectos aún están en desarrollo y teóricamente podrían llegar a producción más tarde.

Pero la brecha entre la cantidad de lanzamientos e implementaciones reales ya es notable: en 2025, las empresas a menudo perseguían no los escenarios más útiles, sino aquellos que daban un efecto rápido de asombro para presentaciones y relaciones públicas. Cuando llegaba la fase de integración, medición de ROI y responsabilidad por los resultados, muchas iniciativas comenzaban a estancarse.

Donde se rompe la economía

Aproximadamente el 30–40% de los pilotos, según participantes de la encuesta, fueron cerrados porque no entregaron el efecto financiero esperado. El principal problema resultó ser no la idea misma de IA generativa, sino la débil integración con los procesos cotidianos de la empresa. En muchos casos, los modelos no fueron integrados en CRM, ERP, gestión de documentos y otros sistemas corporativos, por lo que permanecieron como un escaparate separado en lugar de una herramienta de trabajo. Tan pronto como el negocio intentaba calcular ahorros de tiempo, reducción de carga en empleados o impacto en ingresos, el hermoso concepto rápidamente perdía credibilidad.

• Sin integración profunda con CRM, ERP y sistemas internos
• Los proyectos fueron lanzados por efecto de relaciones públicas en lugar de una tarea comercial específica
• No había datos suficientes de calidad y representativos para el ajuste fino
• Los modelos carecían de multimodalidad, madurez y requisitos de seguridad

Los fracasos técnicos también son evidentes. En un caso, una empresa ajustó independientemente un modelo chino para tareas del departamento jurídico, pero recopiló datos insuficientes y la precisión del asistente no superó el 30%, después de lo cual el proyecto fue cancelado. En otro caso, el servicio de soporte quería automatizar el procesamiento de documentos e imágenes, pero a agosto de 2025, los modelos disponibles no soportaban completamente el escenario multimodal requerido. En otras palabras, el problema a menudo no era el hype de IA, sino expectativas irrealistas sobre herramientas específicas.

Los plazos se desplazan hacia la derecha

La mitad de los ejecutivos encuestados vieron que sus plazos de transición de piloto a producción industrial se desplazaron de 2025 y principios de 2026 hacia la segunda mitad o final de 2026. Las razones son bastante pragmáticas: las empresas tuvieron que dedicar más tiempo a capacitar a los empleados, modernizar la infraestructura y resolver cuestiones de seguridad de la información y protección de datos. Mientras tanto, el gasto en experimentos ya es considerable.

En 2024, grandes y medianas organizaciones rusas gastaron 90,3 mil millones de rublos en implementación y uso de IA, y un presupuesto típico de piloto en 2025, sin incluir infraestructura, se estimó en 5–15 millones de rublos. Una complicación adicional es que las soluciones de agentes exponen rápidamente viejos problemas en los procesos mismos. Si una búsqueda inteligente a través de una base de conocimiento puede implementarse localmente, un agente de IA más complejo casi inmediatamente se encuentra con integraciones no planificadas, reglas informales y soluciones alternativas manuales a las que los empleados hace mucho tiempo se han acostumbrado.

Según la evaluación de Cloud.ru, la cultura de familiaridad con herramientas de IA en empresas ya puede alcanzar el 80–90%, pero la integración real en procesos comerciales aún permanece en el 5–10%. El mayor potencial de crecimiento se ve en servicios legales, consultoría, manufactura, medicina, sector público y educación.

Lo que significa

El mercado ruso no está abandonando la IA generativa, pero está saliendo de la fase de hype y transitando hacia una fase de prueba rigurosa de utilidad y ROI. La próxima ola de implementaciones probablemente se enfocará no en escaparates estruendosos, sino en escenarios estrechos, bien medibles con integración clara, seguridad y un propietario claro de resultados dentro del negocio.