80% ИИ-пилотов не масштабируются: что делать бизнесу сейчас

ИИ-пузырь или структурный сдвиг: почему рынок ждёт жёсткая коррекция

Весной 2025 года аналитики зафиксировали тревожный консенсус среди технологических директоров крупнейших компаний мира: рынок искусственного интеллекта демонстрирует «классические признаки» перегрева, предшествующего резкой коррекции. Это не паника ретроградов — это трезвая оценка разрыва между нарративом и реальностью внедрения. Для российских компаний, принимающих решения об инвестициях в ИИ прямо сейчас, понимание этого разрыва критически важно.

Что происходит: анатомия «классических признаков» перегрева

«Классические признаки» рыночного пузыря в секторе ИИ включают четыре ключевых паттерна, которые сегодня наблюдаются одновременно: экспоненциальный рост оценок без пропорционального роста выручки, массовые корпоративные объявления о «трансформации через ИИ» без конкретных метрик результата, концентрация капитальных вложений у узкого круга инфраструктурных бенефициаров и разочарование первых adopters после пилотов.

По данным исследования Gartner (сентябрь 2024), более 80% корпоративных GenAI-проектов останутся на стадии пилота вплоть до 2026 года — они не масштабируются до реального промышленного применения. Это не технический провал. Это системный менеджерский и стратегический провал: компании покупают технологию, не выстроив под неё операционную архитектуру.

Параллельно происходит то, что экономисты называют «нарративной экономикой»: стоимость компаний растёт быстрее, чем их способность генерировать реальный денежный поток от ИИ-продуктов. Когда нарратив начинает расходиться с отчётностью — коррекция неизбежна.

Почему CIO бьют тревогу: три разрыва реальности

Технологические директора глобальных корпораций выделяют три системных разрыва, которые сигнализируют о грядущей рыночной встряске: разрыв ожиданий, разрыв компетенций и разрыв монетизации.

«Большинство организаций инвестируют в GenAI, не имея чёткого ответа на вопрос: какую конкретную бизнес-задачу это решает и как мы это измерим? Без этого любой проект обречён остаться экспериментом.»— Томас Курианн, вице-президент по стратегии, McKinsey Digital

Разрыв ожиданий. Руководители, вдохновлённые демо-версиями ChatGPT и Copilot, ожидают автоматизации 30–40% функций за 6–12 месяцев. Реальные проекты внедрения в крупных организациях занимают 18–36 месяцев до устойчивого ROI — и это при наличии выстроенной data-инфраструктуры.

Разрыв компетенций. По данным PwC AI Jobs Barometer 2024, дефицит специалистов, способных одновременно понимать бизнес-процессы и архитектуру ИИ-систем, остаётся критическим во всех индустриях. Этот дефицит особенно остро ощущается в России, где санкционные ограничения затруднили доступ к зарубежным облачным платформам.

Разрыв монетизации. Инфраструктурные гиганты — производители чипов, облачные провайдеры — зарабатывают реальные деньги. Конечные корпоративные потребители пока в основном несут затраты. Это классическая асимметрия технологического цикла: «лопаты» всегда прибыльны на старте золотой лихорадки.

Как это выглядит для российского рынка

Российский рынок ИИ развивается по собственной траектории, которая одновременно защищает от части глобальных рисков и создаёт специфические уязвимости. По оценкам Сбера и РАЭК, объём российского рынка ИИ-решений превысил 650 млрд рублей в 2024 году, при этом государственный сектор остаётся крупнейшим заказчиком.

Для средних и крупных российских компаний ситуация парадоксальна: с одной стороны, санкционное давление вынуждает искать отечественные решения (GigaChat, YandexGPT, разработки Сбера), что создаёт более предсказуемую среду вендорной зависимости. С другой — именно российские компании рискуют повторить глобальный паттерн «пилотного кладбища»: десятки запущенных ИИ-экспериментов без единой промышленной реализации.

Характерная ошибка: ИИ-трансформация воспринимается как IT-проект, а не как стратегический. Решение принимается на уровне CTO или CIO, минуя CEO и совет директоров. В результате — пилот работает в изолированной среде, не меняет операционную модель и не попадает в P&L.

Если вы рассматриваете системное внедрение ИИ в бизнес, критически важно начинать не с выбора технологии, а с аудита процессов и формулировки конкретных бизнес-гипотез, которые ИИ должен подтвердить или опровергнуть за 90 дней.

Пять признаков того, что ваш ИИ-проект повторит судьбу «пилотного кладбища»

Существует пять чётких индикаторов, которые с высокой вероятностью предсказывают провал ИИ-инициативы до её масштабирования. Если в вашей компании присутствуют три и более из них — риск критический.

1. Нет владельца ROI. Пилот запущен, но никто конкретно не отвечает за его финансовый результат. «Ответственный» — это команда, а не человек с KPI.
2. Данные не готовы. ИИ-модель обучается на неочищенных, несогласованных данных из разных систем. 60–70% времени проекта уходит на data engineering — и это выясняется уже после старта.
3. Нет change management. Сотрудники, чьи процессы должен автоматизировать ИИ, не вовлечены в проект и воспринимают его как угрозу. Скрытый саботаж — главный убийца внедрений.
4. Пилот изолирован от стратегии. Нет связи между ИИ-экспериментом и стратегическими приоритетами компании на 3–5 лет. Пилот живёт сам по себе.
5. Вендор управляет повесткой. Технологический поставщик определяет scope проекта, критерии успеха и сроки. Компания — пассивный получатель.

Что делать: алгоритм действий для руководителя в условиях коррекции

Рыночная коррекция в секторе ИИ — это не катастрофа для корпоративных внедрений, это фильтр. Компании, инвестирующие системно, получат конкурентное преимущество именно в период, когда конкуренты заморозят эксперименты.

«Организации, которые переживут ИИ-пузырь с наименьшими потерями, — это те, кто инвестировал в фундамент: данные, процессы, людей — а не в демо-кейсы для совета директоров.»— Пол Доэрти, Chief Technology & Innovation Officer, Accenture

1. Аудит текущего портфеля ИИ-инициатив. Составьте реестр всех активных пилотов. Для каждого — владелец ROI, гипотеза, текущая метрика, срок принятия решения (kill or scale). Если этого нет — создайте в течение 2 недель.
2. Определите 1–2 «якорных» use case. Не распыляйтесь на 10 пилотов одновременно. Выберите 1–2 с наибольшим потенциальным P&L-эффектом и максимальной готовностью данных. Концентрация ресурсов критична.
3. Встройте ИИ-инициативу в стратегический цикл. Следующая стратегическая сессия должна включать блок ИИ-приоритетов как обязательный пункт повестки — не как IT-вопрос, а как стратегический выбор распределения ресурсов.
4. Постройте data governance до масштабирования. Без единой версии данных, без data owner по ключевым доменам — масштабирование невозможно. Это решается за 3–6 месяцев при наличии политической воли сверху.
5. Привлеките внешнюю экспертизу для валидации. Внутренние команды системно переоценивают готовность компании к ИИ. Независимая оценка зрелости (AI Maturity Assessment) даёт трезвую базу для инвестиционных решений.
6. Сформируйте центр компетенций (CoE). Не отдельную IT-команду, а кросс-функциональный центр с представителями бизнеса, IT, юристов, HR. Именно они будут масштабировать успешные кейсы.
7. Установите checkpoint через 90 дней. Каждый якорный use case должен иметь измеримую метрику через 90 дней. Нет метрики — нет продолжения финансирования. Это жёсткое, но необходимое правило.

Таблица: Системный vs. экспериментальный подход к ИИ

Источник: обобщение данных Gartner 2024, McKinsey State of AI 2024.

Экспертный комментарий: почему коррекция — это возможность для зрелых компаний

Сергей Семёнов, ESSG Consulting: «Мы наблюдаем эту ситуацию в нашей практике уже второй год подряд. В 2023–2024 годах к нам обратились несколько производственных холдингов (металлургия, агропром), которые инвестировали от 80 до 200 млн рублей в ИИ-пилоты — и получили «работающие» прототипы без единого промышленного внедрения. Проблема была не в технологии. Проблема была в том, что ИИ-проект жил отдельно от операционной реальности. Мы провели стратегический аудит, переформатировали портфель: из 11 пилотов выбрали 2 якорных, встроили их в операционный цикл и за 14 месяцев один из клиентов из сектора агропрома зафиксировал снижение операционных затрат на 17% на одном из ключевых производственных участков.»

«По опыту наших клиентов из ритейла и логистики — сектора, где давление на маржу максимальное, — главным барьером масштабирования является не технология и не бюджет, а отсутствие «переводчика» между бизнесом и IT. Именно поэтому роль независимого директора по развитию или внешнего стратегического партнёра становится критической: он не заинтересован в продаже конкретного технологического стека и может дать объективную оценку готовности компании.»

«Практический вывод для любого руководителя, читающего эту статью: если в вашей компании есть более трёх активных ИИ-пилотов без чёткого P&L-владельца и 90-дневного checkpoint — вы уже находитесь в «пилотном кладбище». Не ждите рыночной коррекции, чтобы это признать. Проведите внутренний аудит прямо сейчас, заморозьте всё, кроме 1–2 якорных кейсов, и сосредоточьте ресурсы на доведении их до измеримого результата. Это и есть реальная стратегия масштабирования в условиях неопределённости.»

Кто выиграет от коррекции: профиль устойчивой компании

Коррекция рынка ИИ создаёт структурное преимущество для компаний с одним ключевым качеством: они инвестируют в ИИ как в операционный инструмент, а не как в имиджевый нарратив для совета директоров или медиа.

Профиль компании, которая пройдёт коррекцию и выйдет сильнее:

• Есть единая data-платформа или хотя бы консолидированное хранилище ключевых бизнес-данных;
• ИИ-инициативы курирует CEO или его прямой подчинённый с P&L-ответственностью;
• В компании есть 3–5 внутренних «ИИ-чемпионов» в бизнес-подразделениях (не только в IT);
• Стратегия ИИ синхронизирована с общей стратегией развития бизнеса на 3+ года;
• Компания готова остановить нерезультативные пилоты — есть культура data-driven решений, а не культура «сохранения лица».

Именно такие компании сегодня привлекают внешних партнёров по growth hacking и стратегическому развитию не для того, чтобы «запустить ИИ», а для того, чтобы выстроить операционную модель, в которую ИИ встраивается органично.

Глобальный контекст: что говорят цифры капзатрат

Капитальные расходы пяти крупнейших технологических компаний на ИИ-инфраструктуру в 2024 году превысили совокупный ВВП Финляндии. Этот факт одновременно свидетельствует о масштабе ставок и о концентрации риска.

По данным отчёта Goldman Sachs (2024), глобальные инвестиции в ИИ-инфраструктуру приближаются к $200 млрд в год, при этом аналитики банка прямо задают вопрос: «Окупятся ли эти инвестиции?» — и дают осторожный ответ: горизонт возврата существенно длиннее, чем закладывают рынки.

Для корпоративных покупателей ИИ-решений это означает несколько практических следствий. Во-первых, вендоры под давлением инвесторов будут активно продвигать коммерциализацию — что создаёт риск покупки «сырых» корпоративных продуктов. Во-вторых, консолидация рынка неизбежна: часть стартапов, привлёкших венчурное финансирование в 2022–2024 годах, не переживёт охлаждения. Работать с такими вендорами как с долгосрочными партнёрами — значит принимать технологический риск на баланс компании.

В-третьих — и это ключевое для стратегии масштабирования бизнеса — именно период коррекции является оптимальным для приобретения компетенций: найма специалистов (рынок освободит таланты), переговоров с вендорами (скидки вырастут) и проведения стратегического переосмысления ИИ-портфеля без давления «хайпового» момента.

FAQ: Вопросы руководителей об ИИ-инвестициях в период коррекции

Стоит ли вообще инвестировать в ИИ, если рынок ждёт коррекция?

Да, но с принципиально иным подходом. Коррекция — это фильтр хайпа, а не конец ИИ-трансформации. Компании, которые инвестируют в фундамент (данные, процессы, компетенции), а не в демо-кейсы, выходят из коррекции с устойчивым конкурентным преимуществом. Вопрос не «инвестировать или нет», а «во что конкретно инвестировать и как измерить результат».

Сколько стоит реальное внедрение ИИ в среднем бизнесе?

Диапазон для российского рынка — от 15–20 млн рублей за точечную автоматизацию одного процесса до 150–300 млн рублей за системную трансформацию с созданием CoE и data-платформы. Критически важно: бюджет на change management и обучение сотрудников должен составлять не менее 20–30% от бюджета на технологию. Компании, которые экономят на этом, теряют всё.

За какой срок окупятся инвестиции в ИИ?

При системном подходе и правильно выбранном use case — 18–36 месяцев до устойчивого положительного ROI. При экспериментальном подходе («пилоты ради пилотов») — горизонт окупаемости не определён, так как большинство таких проектов не достигают стадии промышленного применения. Ключевой индикатор — наличие P&L-эффекта, измеримого через 90 дней после запуска.

С чего начать ИИ-трансформацию, если у нас уже есть несколько незакрытых пилотов?

Первый шаг — честный аудит текущего портфеля: для каждого пилота определить владельца ROI, гипотезу и дату решения «kill or scale». Второй шаг — заморозить всё, кроме 1–2 кейсов с наибольшим P&L-потенциалом и наилучшей готовностью данных. Третий шаг — синхронизировать эти кейсы со стратегическими приоритетами компании на стратегической сессии с участием CEO и функциональных руководителей.

Как выбрать надёжного партнёра по ИИ-внедрению в условиях нестабильного рынка вендоров?

Три критерия: (1) партнёр работал с компаниями вашей отрасли и может показать конкретные P&L-результаты, а не только «кейсы»; (2) партнёр не зависит от продажи конкретного технологического стека — он независим в выборе инструментов; (3) партнёр начинает с аудита процессов и бизнес-гипотез, а не с презентации технологии. Любой, кто начинает разговор с «вот наш продукт» — технологический вендор, а не стратегический партнёр.

#ESSG_Consulting #ВнедрениеИИ #МасштабированиеБизнеса #ИИТрансформация #StrategicAI

—