95% ИИ-пилотов не дают прибыли: Европа застревает в согласованиях, Россия — во внедрении
MIT разобрал больше 300 корпоративных внедрений ИИ: в 95% случаев пилот не дал прибавки к чистой прибыли (строке P&L в отчёте). В Европе проекты застревают на старте — юристы месяцами согласуют их по правилам EU AI Act. В России траты на ИИ за год выросли на 95%, но прототипы не доходят до реальной работы. Вывод: сначала перестройте процесс, иначе досье на заёмщика, собранное ИИ за секунду, всё равно три дня ждёт ручной проверки.
AI-обработка оригинала Habr AI; редакция Hamidun News
Компании вложили в ИИ десятки миллиардов долларов, но в итоговой отчётности деньги почти не видны. Исследователи MIT разобрали больше трёхсот корпоративных внедрений и выяснили: 95% пилотов не дают измеримого эффекта на чистую прибыль, то есть на строку P&L (отчёт о прибылях и убытках). При этом другие опросы бодро сообщают, что 64% продакт-менеджеров видят от ИИ рост продуктовых метрик.
Противоречия тут нет, просто в одну кучу сложены три разные вещи: сотрудник, который с помощью LLM быстрее пишет письма, красивое демо в изолированной песочнице и деньги, которые реально дошли до P&L. Пример: нейросеть за секунду собирает досье на заёмщика, но дальше файл три дня лежит в очереди на ручную проверку в старой учётной системе. Работа ускорилась, прибыль не изменилась.
Автор разбора на Habr сопоставил статистику по Европе и России: страны идут к ИИ с противоположных концов и упираются в одну стену. Если вы запускаете ИИ-пилот, этот разбор подскажет, где именно он, скорее всего, застрянет.
Сначала выровняем выборки
По данным Eurostat, ИИ используют 20% европейских предприятий от десяти сотрудников: от 5,2% в Румынии до 42% в Дании. Сравнивать это с опросами российского крупного бизнеса некорректно, поэтому берём компании от 250 человек. Там доля внедрения составляет 55%. Есть оговорка: Eurostat считает любой ИИ, включая классический скоринг и распознавание текста. В России, по данным «Яков и Партнёры» и «Яндекса», генеративный ИИ применяют 71% крупных компаний, а вместе с классическими моделями доля доходит до 88%.
Европа тормозит на входе, Россия — на выходе
Европейский бизнес упирается не в деньги. Главные стоп-факторы по Eurostat: дефицит инженерных и продуктовых компетенций (71% компаний), юридическая неопределённость вокруг EU AI Act (52,5%) и жёсткие ограничения по приватности данных (48,8%). Пилот месяцами ходит по юристам и комплаенсу, а модель ещё не увидела ни одного живого запроса.
В России всё наоборот. По исследованию FinExpertiza на данных Росстата, затраты бизнеса и госсектора на ИИ за год выросли на 95%, почти вдвое, до 176,1 млрд рублей. Почти 80% денег ушло на софт и разработку, 92% бюджетов осело в Москве (во многом потому, что там зарегистрированы штаб-квартиры федеральных корпораций), а 84% затрат даёт один сектор — финансы и страхование. 78% руководителей говорят о «видимом экономическом эффекте». Но отметка в анкете и рост операционной прибыли — разные вещи. Аудит рынка от «Яков и Партнёры» нашёл среди двенадцати публичных российских ИИ-агентов ноль готовых автономных решений: только конструкторы и узкие ассистенты. Поэтому крупные банки и корпорации вынуждены собирать агентов у себя с нуля.
Почему результат одинаковый
Причины описаны в исследовании MIT Project NANDA (The GenAI Divide) на выборке американских крупных компаний. Авторы брали горизонт в шесть месяцев после завершения пилота и увидели две закономерности:
- Самописные решения доходят до промышленного результата в 33% случаев, а внедрение специализированного продукта внешнего вендора — в 67%.
- Больше половины бюджетов уходит на продажи и маркетинг, хотя реальную экономию приносит скучный бэк-офис: разбор документов, комплаенс, риск-скоринг и автоматизация рутинных операций.
Автор, который сам доводил до пилота ИИ-инициативы в банке и трекал больше десяти стартапов, добавляет инженерную деталь. На чистом тестовом датасете любая модель показывает красивые цифры. В бою её нужно провести через банковскую информационную безопасность, уложить в жёсткие SLA по задержке ответа и посчитать цену ошибки второго рода. Если антифрод или риск-модель режет легитимных клиентов ложными срабатываниями, вся экономия сгорает. Один пилот голосового антифрода команда остановила через три недели после выхода на живой трафик: экономика и качество детекции не сходились. По мнению автора, такой стоп-кран спасает бюджет от «зомби-проекта», который годами ест ресурсы ради красивого слайда.
Прогноз и что делать
Автор делает проверяемую ставку. До 31 декабря 2027 года доля крупных компаний Европы и России, использующих ИИ в продуктах и операциях, вырастет до 75–85%. Доля проектов с доказанным положительным влиянием на P&L не превысит 15%, то есть вырастет с нынешних 5% максимум втрое. Вероятность он оценивает в 70% и ссылается на историю ERP и облачных платформ, где возврат получал примерно каждый пятый. Прогноз окажется ошибочным, если аудиты уровня McKinsey, Gartner или «Яков и Партнёры» зафиксируют рост операционной прибыли более чем у четверти компаний.
Важно помнить об ограничениях: это авторская колонка, а не новое исследование. Данные взяты из источников с разной методикой, опросы про «эффект» субъективны, а цифры MIT относятся к американскому бизнесу, и перенос на Европу и Россию остаётся допущением автора.
Практический вывод для продактов и основателей: считайте не число пилотов, а то, что пережило встречу с клиентом, службой безопасности и строкой P&L. Перед запуском проверьте, перестроен ли процесс вокруг модели. Прежде чем писать своё, посмотрите, есть ли готовый продукт. Ищите эффект в бэк-офисе, а не только в витрине, и заранее заложите критерий остановки на третью-четвёртую неделю живого трафика.
- 19 нояб. 2026 г.Агенты AWS AgentCore теперь ходят к закрытому Keycloak с корпоративным CA
- 19 нояб. 2026 г.Российские LLM заняли первые 6 мест в тесте SLAVA, но им нужны мировые данные
- 19 нояб. 2026 г.Salesforce через роутер SageMaker за 3 минуты перевела 78% трафика в другой регион
- 18 нояб. 2026 г.Создатель Digg выпустил открытый аналог DocuSign: $240 в год вместо $8 100
Вопросы и ответы по материалу
Что известно по теме: сначала выровняем выборки?
По данным Eurostat, ИИ используют 20% европейских предприятий от десяти сотрудников: от 5,2% в Румынии до 42% в Дании. Сравнивать это с опросами российского крупного бизнеса некорректно, поэтому берём компании от 250 человек. Там доля внедрения составляет 55%. Есть оговорка: Eurostat считает любой ИИ, включая классический скоринг и распознавание текста. В России, по данным «Яков и Партнёры» и «Яндекса», генеративный ИИ применяют 71% крупных компаний, а вместе с классическими моделями доля доходит до 88%.
Что известно по теме: европа тормозит на входе, Россия — на выходе?
Европейский бизнес упирается не в деньги. Главные стоп-факторы по Eurostat: дефицит инженерных и продуктовых компетенций (71% компаний), юридическая неопределённость вокруг EU AI Act (52,5%) и жёсткие ограничения по приватности данных (48,8%). Пилот месяцами ходит по юристам и комплаенсу, а модель ещё не увидела ни одного живого запроса. В России всё наоборот. По исследованию FinExpertiza на данных Росстата, затраты бизнеса и госсектора на ИИ за год выросли на 95%, почти вдвое, до 176,1 млрд рублей.
Что известно по теме: почему результат одинаковый?
Причины описаны в исследовании MIT Project NANDA (The GenAI Divide) на выборке американских крупных компаний. Авторы брали горизонт в шесть месяцев после завершения пилота и увидели две закономерности: Самописные решения доходят до промышленного результата в 33% случаев, а внедрение специализированного продукта внешнего вендора — в 67%.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.