Selectel: 35% российских компаний за год увеличили ИТ-мощности для ИИ-проектов

Половина опрошенных российских компаний уже использует ИТ-инфраструктуру для задач искусственного интеллекта, а 35% за последний год увеличили потребление таких мощностей. Об этом говорится в исследовании Selectel среди более чем 400 представителей бизнеса, которые отвечают за развитие инфраструктуры и технологические проекты.

Спрос на мощности

Под инфраструктурой для ИИ в исследовании понимаются не только серверы с GPU, но и платформы для обучения и инференса моделей, а также масштабируемые облачные хранилища и сопутствующие сервисы. На фоне роста числа пилотов и production-сценариев 35% компаний сообщили, что увеличили потребление таких ресурсов за год. Еще 14% оставили его на прежнем уровне, и только около 1% сообщили о снижении.

Это означает, что инфраструктура под ИИ перестает быть нишевой историей: около 50% компаний уже задействуют ее в практических проектах. По данным Selectel, спрос растет не только в опросах, но и в коммерческих метриках. Выручка компании от GPU в облачных серверах по итогам 2025 года увеличилась почти втрое год к году.

Это хорошо показывает, что бизнес переходит от интереса к экспериментам к попытке масштабировать рабочие кейсы. При этом зрелость рынка остается неоднородной: кто-то уже встроил модели в продукт и операционную деятельность, а кто-то пока только тестирует сценарии и пытается понять, где ИИ даст реальную отдачу.

«Рынок находится на стадии пилотов, которых сейчас очень много», — Илья Маршаков из Kolmogorov AI.

Эту картину подтверждают и ответы о стадии внедрения. Среди компаний, которые уже работают с ИИ, 33% используют его в реальных бизнес-процессах, например при создании продуктов или оказании услуг. Еще 28% находятся на этапе пилотирования отдельных решений. Лишь 3% опрошенных заявили, что не собираются применять ИИ в основной деятельности, тогда как остальные либо планируют внедрение, либо еще формируют подход. Это важный сигнал: заметная часть рынка уже вышла из режима проб и переносит модели в production, но очень многие все еще проверяют гипотезы и выбирают рабочие сценарии.

Где уже есть эффект У компаний, которые дошли до прикладного

использования, результаты уже вполне измеримы. ИИ чаще всего оценивают не по громким обещаниям, а по скорости процессов, качеству сервиса и влиянию на экономику. Самый заметный эффект пока связан не с новой выручкой, а с повышением эффективности текущих операций.

Поэтому для большинства главный KPI сейчас довольно приземленный: быстрее обработать задачу, разгрузить команду и сократить потери в ежедневной работе. 30% респондентов отметили ускорение бизнес-процессов 27% сообщили о росте производительности сотрудников 22% увидели улучшение качества обслуживания клиентов 15% зафиксировали снижение издержек * 11% связали ИИ с ростом выручки или новыми источниками дохода При этом 20% организаций пока не почувствовали значимого эффекта, что тоже важно: само внедрение модели не гарантирует бизнес-результат. Реальные кейсы в исследовании показывают, что эффект появляется там, где ИИ встроен в повторяемые процессы.

В «Читай-город — Буквоед» его используют для генерации контента, рекламных креативов, модерации отзывов и классификации обращений в поддержку; компания утверждает, что ИИ-помощник уже закрывает более 42% обращений. В «Островке» модели помогают объединять данные об отелях, ранжировать тарифы, выявлять риск проблемных бронирований и персонализировать выдачу, а отдельный контур обрабатывает более 2 млрд изображений.

Барьеры и кадры

Главный тормоз для следующей волны внедрения сейчас связан не с отсутствием интереса, а с организационными ограничениями. Около 27% опрошенных компаний пока не видят подходящих бизнес-задач для ИИ. Еще 25% жалуются на нехватку экспертизы, 23% — на высокую стоимость внедрения, 21% — на сложность оценки окупаемости, а 18% — на трудности интеграции в текущие процессы.

При этом 19% респондентов говорят, что серьезных ограничений у них нет. Распределение ответов зависит от того, есть ли у компании реальный опыт. Те, кто еще не использует ИИ, чаще всего упираются в непонимание сценариев и дефицит компетенций.

Те, кто уже прошел стадию первых запусков, больше думают о юнит-экономике, ROI и рисках информационной безопасности. Иначе говоря, по мере взросления рынка вопрос смещается с «зачем нам ИИ» на «как сделать его полезным и окупаемым». На этом фоне компании в первую очередь инвестируют в внутренние команды.

40% респондентов делают ставку на обучение действующих сотрудников. Только 9% нанимают новых специалистов специально под ИИ-направления, а 7% привлекают внешние ИТ-команды. Такой расклад показывает, что бизнес пока предпочитает наращивать компетенции постепенно, без резкой перестройки штата.

Для рынка инфраструктуры и интеграторов это тоже сигнал: спрос идет не только на железо и облака, но и на сопровождение, экспертизу и гибридные модели запуска.

Что это значит

Российский рынок ИИ входит в фазу, где главным ресурсом становятся не сами модели, а вычислительные мощности, понятные бизнес-сценарии и команды, способные довести пилот до операционного результата. Для провайдеров инфраструктуры это окно роста, а для компаний — момент, когда экспериментировать уже недостаточно: нужно считать экономику и выбирать задачи, где ИИ действительно снимает нагрузку с бизнеса.