Проблемы внедрения ИИ: почему 95% компаний не видят отдачи

95% компаний не получают отдачи от ИИ, хотя вложили $40 млрд

В 2025 году бизнес по всему миру направил на генеративный ИИ (GenAI) $40 млрд. При этом 95% организаций до сих пор не получили от этих вложений никакой финансовой отдачи.

Большинство компаний застряли в бесконечном цикле пилотов и презентаций. Узкая группа лидеров — всего 5% — уже извлекает из технологии многомиллионную прибыль. Этот разрыв назвали GenAI Divide: пропасть между теми, кто просто внедряет инструменты, и теми, кто меняет бизнес-модель.

Только 5% пилотов приносят миллионы долларов ценности, остальные застревают без измеримого влияния на P&L.

Подписки на ChatGPT не дают прибыли: ловушка «личной продуктивности»

Главная ошибка руководителей в 2024–2025 годах — вера в то, что массовая раздача подписок на ChatGPT или Copilot приведёт к росту прибыли. Статистика говорит обратное.

Да, 80% компаний попробовали ИИ. Но это подняло лишь «личную» эффективность сотрудников, которая почти не отражается на P&L (отчёте о прибылях и убытках). Ситуация парадоксальная: 90% сотрудников используют ИИ «в тени» (shadow AI) для своих задач, а 95% корпоративных решений проваливаются, не доходя до эксплуатации.

В чём причина? Компании вкладываются в «видимые» функции — продажи и маркетинг, где ИИ создаёт много шума, но мало маржи. Настоящие деньги скрыты в «скучном» бэк-офисе.

Прорыв заметен лишь в двух отраслях из восьми:

• Технологии: новые игроки вроде Cursor бросают вызов Copilot.
• Медиа и телеком: рост ИИ-контента меняет рекламные модели.

В остальных — финансах, здравоохранении, ритейле — изменения минимальны. Это «парадокс enterprise»: крупные компании запускают пилоты, но не могут масштабироваться. Они вкладываются в видимые функции вроде продаж, а не в высокодоходные бэк-офисные процессы.

Почему корпоративный ИИ проигрывает: «разрыв в обучении»

Почему кастомные решения корпораций проигрывают гибким стартапам? Причина — структурный дефект большинства систем, который называют «разрывом в обучении». У него три составляющие.

1. Система не запоминает и не учится (statelessness)

Большинство систем работают по принципу «чистого листа».

• В чём дефект: если сотрудник сегодня исправил ошибку в ответе ИИ, завтра ИИ совершит ту же ошибку. Система не накапливает опыт конкретного пользователя или отдела.
• Почему это структурная проблема: в обычном бизнесе новичок учится на ошибках и становится ценнее. Нынешние ИИ-инструменты остаются «вечными стажёрами».

2. ИИ живёт отдельно от рабочих процессов (workflow silos)

ИИ часто существует как отдельная вкладка в браузере или чат-бот, который стоит «сбоку» от основной работы.

• В чём дефект: чтобы воспользоваться ИИ, сотрудник выходит из CRM, ERP или почты, копирует данные, получает ответ и вставляет его обратно.
• Последствие: возникает «трение». ИИ не встроен в процесс, а висит внешней надстройкой. Часто он усложняет путь задачи, а не упрощает его.

3. Решение настроили один раз и больше не адаптируют

Бизнес-процессы меняются каждую неделю: новые правила, цены, требования регуляторов.

• В чём дефект: традиционные корпоративные ИИ-решения настраивают один раз, на этапе внедрения. Когда контекст бизнеса меняется, модель продолжает выдавать ответы, актуальные для «прошлого месяца».
• Результат: доверие к системе падает, и она пополняет те самые 95% неудачных пилотов.

Простыми словами: представьте очень умного сотрудника, который каждое утро просыпается с полной амнезией. Он не помнит ваших предпочтений, не знает, где лежат документы, и его каждый день нужно заново учить правилам компании. Эффективный бизнес с таким сотрудником не построить. Это и есть структурный дефект, который исследование называет Learning Gap (разрыв в обучении).

В итоге сотрудник выбирает личный аккаунт ChatGPT: он удобнее, пусть и небезопасен. Бизнес вкладывается в «статику», когда мир уже перешёл к «динамике».

• 83% пилотов чат-ботов доходят до внедрения, но ценность ограничена.
• 95% корпоративных решений проваливаются.

Параллельно растёт «теневая экономика ИИ» (shadow AI):

• 40% компаний купили корпоративную подписку на LLM (большие языковые модели).
• 90% сотрудников используют для работы личные ИИ-инструменты.

Люди преодолевают Divide поодиночке, а компании — нет, потому что вкладываются в статичные системы.

Что делают 5% победителей: от чат-ботов к агентам

Исследование MIT NANDA выявило чёткую закономерность у тех 5%, кто преодолел пропасть. Их стратегия радикально отличается от общепринятой.

1. Фокус на агентном ИИ (agentic AI). Успешные компании (builders) перестали строить «интерфейсы для вопросов». Они создают автономных агентов с долгосрочной памятью. Такие агенты не просто пишут текст, а совершают действия: от закупки сырья до анализа юридических рисков.

2. Приоритет «buy, not build» (покупать, а не разрабатывать). Вера в то, что внутренний ИТ-отдел создаст аналог Claude или GPT-5, оказалась фатальной. Внешние партнёрства успешны в 2 раза чаще, чем внутренние разработки. Лидеры ведут себя как требовательные заказчики аутсорсинга, а не как разработчики софта.

3. Внедрение решают не в ИТ. В успешных компаниях решение о внедрении принимает не ИТ-директор, а линейный менеджер (юристы, финансы, цепочка поставок). Только он знает, где в его процессе скрыт «миллион долларов».

Где ИИ окупается: бэк-офис

ROI лидеров рынка впечатляет там, где его меньше всего ждали:

• Риск-менеджмент: автоматическая проверка контрактов экономит до $1 млн в год.
• BPO (аутсорсинг бизнес-процессов): замена внешних подрядчиков ИИ-агентами сокращает затраты на $2–10 млн в год.
• Удержание клиентов (customer retention): «умные» фоллоу-апы с помощью ИИ повышают удержание на 10%.

ИИ меняет работу людей, но не через массовые увольнения

GenAI Divide не закроется сам собой. Лидеру придётся сменить парадигму. Мы переходим от эры «промптов», где человек управляет машиной, к эре Agentic Web, где системы координируются между собой.

GenAI уже влияет на персонал, но не через массовые увольнения:

• Точечные сокращения (5–20%) в поддержке клиентов, разработке ПО и административных функциях.
• Снижение затрат на аутсорсинг ($2–10 млн в год) и внешние агентства.
• Сдержанный найм в Tech и Media: 80% руководителей ожидают снижения найма в ближайшие 2 года.

В IT ИИ:

• автоматизирует рутину — генерацию кода, тестирование;
• повышает эффективность команд в 2 раза;
• требует экспертизы в предметных областях;
• сдвигает фокус с кодинга на архитектуру решений, этику и стратегию.

Кто преодолеет GenAI Divide

GenAI Divide закроется для тех, кто:

• вкладывается в обучаемые системы (агентный ИИ);
• фокусируется на бэк-офисе и процессах с высоким ROI;
• выбирает buy, not build;
• децентрализует принятие решений.

Будущее — за Agentic Web: сетью автономных систем, которые координируются через протоколы вроде MCP, A2A, NANDA. Это переход от «промптов» к протокольной координации.

План действий для руководителя

• Перестаньте считать количество внедрённых «ботов». Считайте сокращение затрат на аутсорсинг.
• Ищите вендоров, чьи системы умеют учиться в процессе работы.
• Дайте право голоса тем, кто работает «в полях»: именно там рождаются кейсы с высоким ROI.

Рынок больше не вознаграждает за «наличие ИИ». Он вознаграждает за умение соединить алгоритмы с архитектурой бизнеса. Это не технологический кризис, а кризис управления — и в нём ваша главная возможность для роста.

• Бизнесу: ищите вендоров с кастомизацией, внедряйте ИИ через пилоты в узких процессах, измеряйте outcome (результат), а не output (объём сделанного).
• Специалистам: осваивайте ИИ как соавтора, развивайте high-level skills — стратегию, доменную экспертизу, архитектурное мышление.

Эта ситуация перекликается с более широким трендом из материала «Почему 99% AI-стартапов умрут к 2026 году». Выживут те, кто предлагает не «обёртки» вокруг LLM, а глубоко встроенные обучаемые системы, которые помогают бизнесу преодолеть GenAI Divide.

Это не кризис, а новая парадигма, где ИИ усиливает людей, а не заменяет их. Как и на IT-рынке, где растёт спрос на междисциплинарные роли, в эпоху GenAI ценность создают те, кто умеет соединять технологии с реальными бизнес-процессами.

Статья основана на отчёте MIT NANDA «The GenAI Divide: State of AI in Business 2025». Полный отчёт доступен по запросу.