ИИ в бизнесе: с чего начать, чтобы не попасть в 95% провальных пилотов

Исследование MIT «The GenAI Divide» посчитало: 95% корпоративных пилотов генеративного ИИ не дали измеримого эффекта на прибыль. При этом оставшиеся 5% получили результат, ради которого стоило начинать. Разбираем без хайпа, чем эти пять процентов отличаются от остальных, какой процесс брать первым и как считать деньги, чтобы не оказаться в большинстве.

Что говорят цифры на самом деле

Начнём с отрезвляющего. Исследование MIT (52 интервью с руководителями, опрос 153 менеджеров, разбор 300 публичных внедрений) показало: при 30–40 млрд долларов корпоративных вложений в генеративный ИИ 95% пилотов не дали измеримого влияния на P&L. Причина — не технологии. MIT называет это learning gap: компании не смогли встроить модели в свои процессы, структуру и культуру.

Gartner добавляет с другой стороны: более 40% проектов с ИИ-агентами будут свёрнуты до конца 2027 года — при том, что к концу 2026-го около 40% корпоративных приложений уже включают специализированных агентов против менее 5% годом раньше. То есть волна огромная, и отсев тоже.

Россия в этой картине выглядит нормально. По оценке «Якова и Партнёров», 71% российских компаний внедряли ИИ в 2025 году, а измерить прямой экономический эффект сегодня способны около 36% организаций. Про агентов: 46% компаний уже внедрили или тестируют их. Это не отставание — это та же кривая, только чуть позже.

Вывод, который из этого следует: проблема не в том, работает ли ИИ. Он работает. Проблема в том, что большинство компаний не доводят его до места, где он превращается в деньги.

Почему проваливаются 95%

Свести можно к пяти причинам, и ни одна из них не техническая.

• Не выбрали процесс. Исследование российского МСБ (SpeShu.AI, июнь 2026, 86 компаний) назвало главным барьером именно это: 43% участников не понимали, какой процесс автоматизировать первым, кто за это отвечает и как измерять результат. Показательно, что ни одна компания не назвала главным препятствием стоимость.
• Купили доступ и назвали это внедрением. Подписка на нейросеть — не проект. Проект — это переписанный процесс, обученные люди и контроль качества.
• Не определили метрику до старта. Компании, у которых внедрение получилось, почти всегда фиксируют показатель успеха до пилота, а не после.
• Внедряли поверх неперестроенных процессов. ИИ поверх хаоса даёт быстрый хаос.
• Не доверяют результату и перепроверяют всё вручную. 21% российских компаний в том же исследовании назвали барьером недоверие к качеству. Если человек всё равно проверяет каждый ответ, экономии нет.

Куда ИИ приносит деньги, а куда нет

Есть простое правило отбора: берите процессы, где задача повторяется часто и где ошибка не смертельна. Пересечение этих двух условий — ваша зона первых побед.

Сценарии, которые в 2026 году показывают лучший результат в российской практике:

• поддержка клиентов первой линии — типовые обращения;
• обработка входящих документов — распознавание первички и ввод в учёт;
• корпоративная база знаний — поиск ответа по внутренним регламентам;
• подготовка черновиков — коммерческих предложений, писем, описаний;
• расшифровка и разбор звонков отдела продаж.

Что почти никогда не окупается на старте: разовые креативные задачи (обычный чат справится и без проекта), а также всё, где нужны данные, которых у вас нет в структурированном виде.

Сколько это стоит

Порядок величин, из которого можно строить бюджет:

Пилот на небольшом объёме документов обычно укладывается в 500 тыс. – 1,5 млн рублей за полтора-три месяца. Это и есть правильный размер первого шага.

Отдельная российская особенность, о которой узнают в последний момент: напрямую оплатить зарубежные модели с российского юрлица нельзя. Либо российские модели (GigaChat, YandexGPT и другие), либо open-source на своей инфраструктуре, либо посредники со всеми вытекающими рисками. Это не мелочь — это влияет на архитектуру решения.

Как считать эффект честно

Формула, которой достаточно для решения о продолжении:

эффект в месяц = (время на операцию ДО − ПОСЛЕ) × операций в месяц × стоимость часа
                 − стоимость сервиса и поддержки

Три правила, без которых расчёт врёт:

1. Замерьте «до» руками до старта пилота. Не по ощущениям, а по секундомеру на выборке из 30–50 случаев. Без этого числа пилот нельзя ни защитить, ни закрыть.
2. Считайте только те часы, которые превращаются в деньги. Если сотрудник просто раньше уходит домой, эффект есть, но в отчёте о прибыли его не будет. Заранее решите: это экономия на следующем найме, ускорение выручки или снижение риска штрафов.
3. Включите стоимость проверки. Если человек всё равно просматривает результат, его время — часть себестоимости, а не бонус.

Реалистичные ориентиры эффекта по успешным внедрениям: сокращение операционных затрат на четверть-треть, ускорение отдельных задач до 40%, снижение числа ошибок в рутинных операциях. Обещания «в десять раз» стоит воспринимать как маркетинг.

Как выглядит правильный первый проект

Шесть шагов, укладывающиеся в квартал:

1. Выберите один процесс из правого верхнего или правого нижнего квадранта таблицы выше.
2. Замерьте текущее состояние. Время, объём, доля ошибок.
3. Назначьте владельца внутри компании — того, чью боль вы решаете, а не «айтишника».
4. Запустите пилот на ограниченной выборке — один отдел, один тип документа, один канал обращений.
5. Сравните с замером «до» по заранее объявленной метрике.
6. Примите решение вслух: масштабируем, дорабатываем или закрываем. Закрыть пилот — нормальный исход, а не поражение; ненормально — тянуть его год без решения.

Чек-лист перед стартом

• Какой один процесс мы автоматизируем и почему именно его?
• Какое число мы измерили до старта?
• Какое значение этого числа будет означать успех?
• Кто владелец проекта со стороны бизнеса?
• Что мы сделаем с высвободившимся временем людей?
• Где будут храниться данные и какие из них нельзя отдавать наружу?
• Кто и как проверяет результат, и учтено ли это время в расчёте?
• Когда мы принимаем решение «масштабируем или закрываем»?

Если на большинство вопросов нет ответа — вы не готовы к пилоту, и это дешевле понять сейчас.

Источники

• MIT: The GenAI Divide — State of AI in Business 2025 (обзор)
• MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction — Forbes
• Барьеры внедрения ИИ в малом и среднем бизнесе: исследование на 86 интервью
• Стоимость владения и горизонт окупаемости ИИ-решений — CNews
• Сколько стоит внедрить ИИ в малый бизнес: реальные цифры и ROI — Sostav
• Тренды внедрения ИИ 2025–2026: данные отчётов — KT.Team