95% корпоративных ИИ-пилотов не дают прибыли: Европа тормозит на входе, Россия на выходе
Исследователи MIT зафиксировали, что 95% корпоративных ИИ-пилотов не приносят измеримой прибыли, и свежая статистика Европы и России показывает ту же стену: Европа тормозит на входе, Россия буксует на выходе.

Российский бизнес за год почти удвоил расходы на ИИ, до 176,1 млрд рублей. При этом среди 12 публичных российских ИИ-агентов не нашлось ни одного готового автономного решения. Деньги вложены, а до прибыли они пока не доходят.
Пилот здесь означает пробный запуск нейросети на ограниченном участке бизнеса, до решения о полном внедрении. Автор исходной колонки, практик с опытом корпоративных ИИ-проектов в банках, свёл в одну картину четыре источника. Это исследование MIT Project NANDA The GenAI Divide по американским компаниям, данные Eurostat (статистического ведомства Евросоюза), исследование «Яков и Партнёры» совместно с «Яндексом» и подсчёт FinExpertiza на основе Росстата.
Главный вывод колонки такой: опросы и отчётность фиксируют эффект от ИИ, а P&L (отчёт о прибылях и убытках) его не видит.
| Показатель | Значение | Источник |
|---|---|---|
| Пилоты без измеримого эффекта на прибыль | 95% | MIT Project NANDA |
| Доля ИИ у предприятий ЕС от 10 сотрудников | 20% (от 5,2% в Румынии до 42% в Дании) | Eurostat |
| Доля ИИ у крупного бизнеса ЕС от 250 сотрудников | 55% | Eurostat |
| Крупный бизнес РФ с генеративным ИИ | 71% (88% с классическими моделями) | «Яков и Партнёры», «Яндекс» |
| Рост затрат на ИИ в РФ за год | 95%, до 176,1 млрд рублей | FinExpertiza по данным Росстата |
| Доля затрат финансов и страхования | 84% | FinExpertiza по данным Росстата |
| Готовые автономные ИИ-агенты среди 12 продуктов РФ | 0 | «Яков и Партнёры» |
| Успех собственной разработки и продукта вендора | 33% и 67% | MIT Project NANDA |
Что измеряли?
MIT разобрал больше трёхсот корпоративных внедрений на десятки миллиардов долларов. Учитывали только результат, видимый в отчёте о прибыли через шесть месяцев после завершения пилота. Обещания «окупится через три года» в зачёт не шли.
Автор колонки выровнял выборки, прежде чем сравнивать страны. Общий срез Eurostat по всем компаниям ЕС от десяти сотрудников нельзя ставить рядом с опросами технических директоров крупного российского бизнеса. Поэтому для сравнения он взял только европейские компании от 250 человек.
Есть оговорка. Eurostat учитывает любой ИИ, включая скоринг (автоматическую оценку клиента по баллам) и распознавание текста. Российское исследование отдельно считает генеративный ИИ, то есть нейросети, которые сами пишут текст или создают изображения.
Что обнаружили?
- Европа тормозит на входе. Деньги здесь не главная преграда. 71% компаний упираются в нехватку инженеров и продуктовых специалистов, 52,5% называют юридическую неопределённость вокруг EU AI Act (европейского закона об ИИ), 48,8% указывают на ограничения по приватности данных.
- Россия наращивает траты. Затраты выросли на 95%, до 176,1 млрд рублей. Почти 80% ушло на софт и разработку, 92% бюджетов пришлось на Москву, 84% дал один сектор: финансы и страхование.
- Отчёты расходятся с рынком. 78% опрошенных руководителей заявили о «видимом экономическом эффекте», источник опроса в колонке не уточнён. Аудит «Яков и Партнёры» при этом не нашёл ни одного готового автономного продукта среди 12 публичных ИИ-агентов (программ, которые сами выполняют цепочку действий). На рынке есть только конструкторы и узкие ассистенты.
- Собственная разработка проигрывает покупке. По данным MIT, решение, написанное с нуля своими силами, доходит до промышленного результата в 33% случаев. Специализированный продукт внешнего поставщика срабатывает в 67%.
- Деньги идут не туда. Больше половины бюджетов компании тратят на продажи и маркетинг. Экономию при этом приносит бэк-офис: разбор документов, проверка на соответствие правилам, оценка рисков.
Две детали стоит сложить вместе. В России нет готовых агентов, а собственные разработки, по MIT, срабатывают вдвое реже покупных. Значит, российские банки и корпорации, которым приходится писать агентов внутри, играют в самой рискованной категории.
Выводы MIT получены на американских компаниях и переносятся на Россию по аналогии, отдельного замера для РФ нет. 92% затрат в Москве автор сам объясняет столичной регистрацией штаб-квартир. Европейские и российские цифры собраны разными методами, поэтому сравнивать их можно только по направлению, а не до процента.
Что это значит для вас?
Автор колонки описывает пилот голосового антифрода (системы, которая ловит мошеннические звонки). Его остановили через три недели после выхода на живой трафик, потому что экономика и качество распознавания не сошлись. По его словам, вовремя остановленный проект спасает бюджет от превращения в «зомби-проект», который годами работает ради слайда.
Автору Дзена. Тема про 95% провальных пилотов хорошо работает в деловом канале, если подать её через разницу между «эффектом в анкете» и прибылью. Своим читателям давайте цифры с названием источника, а не общее «ИИ не окупается».
Маркетологу. Исследование прямо говорит, что маркетинг получает больше половины ИИ-бюджетов, а отдачу чаще даёт бэк-офис. Будьте готовы к вопросу руководства, что ваш ИИ-инструмент дал в деньгах через полгода. Считайте это заранее.
Предпринимателю РФ и СНГ. Прежде чем писать своё, проверьте готовые сервисы: по данным MIT, покупной продукт срабатывает вдвое чаще. Из доступных в РФ аналогов для работы с текстом и документами есть YandexGPT и GigaChat. Назначьте пилоту дату, когда вы честно сверите результат с деньгами.
На мой взгляд, ценность колонки в том, что она снимает иллюзию «у нас особый путь». Российский бизнес тратит больше и быстрее, но упирается в тот же разрыв между отчётом и прибылью, что и американские компании. Я бы начинал не с нейросети, а с процесса. Если ИИ за секунду собирает досье, а потом файл три дня ждёт ручной проверки, прибыли не будет ни в Москве, ни в Брюсселе.
Прогноз на ближайший год у меня простой. Выиграют не те, кто запустит больше пилотов, а те, кто научится закрывать неудачные на третьей неделе и перестраивать процесс до покупки модели.
По данным MIT Project NANDA, Eurostat, FinExpertiza и «Яков и Партнёры»

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Суд в США одобрил продажу данных Spirit Airlines компании Google за $10 млн: на них обучат ИИ
Федеральный суд по банкротствам в Нью-Йорке одобрил продажу внутренних данных Spirit Airlines компании Google за $10 млн, а Google собирается обучать на…

ИИ применяют 83% команд, а код до релиза доводят лишь 24%: где теряется ускорение
SimpleOne опросила 71 специалиста и выяснила, что искусственный интеллект применяют 83% команд, но лишь 24% выпускают созданный с ним код в рабочие системы, а…
СУБД Jatoba выявляет персональные данные с помощью ИИ и сама их маскирует
Разработчик отечественной системы управления базами данных «Ятоба» встроил в неё ИИ-поиск персональных данных, который заменил ручную проверку таблиц и…
Комментарии