Игорь Градов
Игорь Градов
5 мин
ai

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.

95% корпоративных ИИ-пилотов не дают прибыли: Европа тормозит на входе, Россия на выходе
Почему это важно

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.

Как это читать

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.

Мнение редакции dzen.guru

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»

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

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

Комментарии

Читайте также

Суд в США одобрил продажу данных Spirit Airlines компании Google за $10 млн: на них обучат ИИ
ai

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…

5 мин
ИИ применяют 83% команд, а код до релиза доводят лишь 24%: где теряется ускорение
ai

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…

5 мин
ai

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…

5 мин