92% компаний нарастят ИИ-бюджет из страха отстать

Топ-менеджер Accenture, отвечающий за банковское направление компании, публично назвал вещи своими именами: значительная часть ИИ-бюджетов в банковском секторе объясняется не рациональным расчётом ROI, а страхом отстать от конкурентов — тем самым синдромом FOMO (Fear Of Missing Out), который хорошо знаком инвесторам на фондовом рынке. Банки продолжают увеличивать расходы на искусственный интеллект даже там, где бизнес-кейс не выстроен до конца, потому что издержки от «не сделал вовремя» кажутся выше издержек от неудачного пилота. Для среднего бизнеса в России этот сигнал важен вдвое: он показывает и куда движется рынок, и какую ошибку не стоит повторять.

Что такое банковский FOMO и почему он разгоняет расходы на ИИ?

Банковский FOMO — это модель принятия решений, при которой инвестиции в технологию мотивированы не расчётом окупаемости, а опасением остаться за бортом рынка, если конкуренты первыми внедрят ИИ-сервис. Механизм прост: совет директоров видит, что конкурент запустил ИИ-скоринг или чат-бота, и требует «своё» решение в сжатые сроки — часто без полноценной стратегической сессии и без предварительной оценки готовности данных и процессов.

Отличие FOMO-инвестиций от стратегических в том, что первые почти всегда начинаются с вопроса «а что если мы упустим момент?», а не с вопроса «какую бизнес-задачу мы решаем и сколько это стоит для клиента». Именно поэтому стратегические сессии для топ-менеджмента остаются той точкой, где эмоциональное решение о внедрении ИИ можно перевести в измеримый план с KPI, бюджетом и ответственными.

Сколько банки и корпорации тратят на искусственный интеллект в 2025 году?

По данным McKinsey, доля организаций, использующих генеративный ИИ хотя бы в одной бизнес-функции, выросла с 33% в 2023 году до 71–75% в 2024–2025 годах. Это один из самых быстрых циклов адаптации технологии за последние два десятилетия — быстрее облачных вычислений и мобильного банкинга.

Разрыв между строкой «планируем увеличить инвестиции» (92%) и строкой «уверены в готовности» (33%) — это математическое выражение того самого FOMO. Компании наращивают бюджет быстрее, чем зрелость процессов, данных и команды.

Почему страх отстать опаснее, чем сама технология?

Опасность не в ИИ как таковом, а в решениях, принятых под давлением конкурентной паники: без оценки данных, без пилота на ограниченном периметре и без расчёта unit-экономики проекта. Такие проекты чаще всего заканчиваются красивой презентацией для совета директоров и нулевым эффектом на P&L.

«Компании внедряют ИИ не потому, что понимают, как он изменит их бизнес-модель, а потому что боятся оказаться позади. Это создаёт спрос на технологию, но не создаёт готовности к её использованию.»— Kate Smaje, старший партнёр, глобальный со-руководитель McKinsey Digital & QuantumBlack, McKinsey

«Большинство банков сегодня инвестируют в ИИ из соображений конкурентной защиты, а не потому, что просчитали точную отдачу. Это рационально в краткосрочной перспективе, но требует дисциплины в выборе проектов.»— Michael Abbott, глобальный руководитель банковской практики, Accenture, Accenture Banking Insights

Для среднего бизнеса это означает одно: масштабирование бизнеса на базе ИИ должно опираться на приоритизированный портфель гипотез, а не на копирование того, что делает крупный конкурент. Здесь полезен взгляд со стороны — независимый директор по развитию помогает отделить реальный технологический прорыв от маркетингового шума и оценить, какие ИИ-инициативы действительно влияют на выручку.

Как избежать ловушки хайпа: 7 шагов для среднего бизнеса

Компании, которые получают измеримый эффект от ИИ, проходят одинаковый цикл — от диагностики данных до масштабирования пилота с чёткими метриками. Ниже — последовательность, которая снижает риск «инвестиций из страха».

1. Провести аудит данных и процессов — без качественных данных ИИ-модель бесполезна.
2. Сформулировать 3–5 гипотез с оценкой потенциального экономического эффекта.
3. Выбрать один пилот с измеримым KPI (снижение времени обработки, рост конверсии, экономия FTE).
4. Ограничить бюджет пилота 5–10% от планируемых инвестиций в направление.
5. Зафиксировать точку принятия решения через 60–90 дней: масштабировать, дорабатывать или закрыть.
6. Только после успешного пилота переходить к полноценному внедрению ИИ в бизнес на уровне процессов и организационной структуры.
7. Встроить регулярный пересмотр портфеля ИИ-проектов в стратегический цикл компании, а не оставлять его на разовое решение совета директоров.

Какие риски скрывает бесконтрольный рост ИИ-бюджетов?

Главный риск — не переплата за технологию, а организационный разрыв: команда получает инструмент, которым не умеет пользоваться, а процессы остаются прежними. В результате ИИ становится дорогой надстройкой без изменения бизнес-модели.

Второй риск — потеря фокуса на клиенте. Когда решение о внедрении принимается из конкурентной паники, продуктовая команда часто пропускает этап проверки гипотезы на реальных клиентах и переходит прямо к разработке. Это особенно критично для B2B-компаний, где цикл продажи длинный, а доверие клиента строится годами — здесь любые изменения в клиентском пути должны быть синхронизированы со стратегией B2B продаж, а не только с ИТ-департаментом.

Как российским компаниям среднего размера использовать этот тренд?

Средние российские компании находятся в выигрышной позиции: у них меньше legacy-инфраструктуры, чем у крупных банков, и есть возможность внедрять ИИ быстрее, не тратя годы на согласования. Российский рынок ИИ-решений для финансового сектора растёт, и аналитики CNews фиксируют увеличение числа внедрений в сегменте среднего и крупного бизнеса за последние два года (CNews, аналитика рынка ИИ).

Ключевое отличие удачных проектов от «панических» — наличие growth-ориентированной методологии, которая связывает технологию с конкретной метрикой роста: выручкой, LTV клиента, скоростью выхода на новый сегмент. Подход growth hacking в этом смысле дополняет ИИ-инвестиции: технология без гипотезы роста — это затраты, а не актив.

Что отличает зрелую ИИ-стратегию от FOMO-инвестиций?

Зрелая стратегия начинается с бизнес-метрики и заканчивается технологией, а не наоборот. Компании, которые формулируют цель до выбора инструмента, показывают кратно более высокую вероятность того, что пилот дойдёт до продуктивного использования — именно этот разрыв фиксирует Gartner в оценке 44% незавершённых пилотов.

Практическая проверка простая: если на вопрос «какую метрику P&L изменит этот ИИ-проект через 6 месяцев» команда не может дать конкретный ответ с цифрой — проект скорее продиктован страхом отстать, чем стратегией.

Сергей Семёнов, ESSG Consulting: «В нашей практике мы регулярно видим два типа клиентов: тех, кто внедряет ИИ, потому что «у конкурента уже есть», и тех, кто внедряет, потому что посчитал экономику. У нас был клиент — региональная сеть финансовых услуг с оборотом около 2 млрд рублей, — который два года откладывал внедрение скоринговой модели, наблюдая, как это делают крупные банки. Когда мы провели диагностику и запустили пилот на ограниченном сегменте заявок, время обработки сократилось на 38%, а доля просроченных решений упала на 22% за первые четыре месяца.

По опыту наших клиентов из финансового и ритейл-секторов, страх отстать — не плохой мотиватор, если его правильно канализировать через структурированный процесс: диагностика, пилот, метрика, масштабирование. Компании, которые пропускают первые два шага и сразу переходят к масштабным закупкам ИИ-решений, в среднем тратят в 2-3 раза больше бюджета на этапе доработки, чем те, кто начал с пилота.

Практический вывод для руководителя: если совет директоров требует «ИИ-стратегию за месяц» из-за действий конкурента — это сигнал остановиться и провести стратегическую сессию, а не подписывать контракт с первым попавшимся вендором. Страх — плохой архитектор бюджета.»

Часто задаваемые вопросы

Сколько стоит внедрение ИИ для средней компании?

Стоимость пилотного проекта обычно составляет от 1,5 до 5 млн рублей в зависимости от сложности данных и интеграций. Полноценное масштабирование на уровень бизнес-процессов может увеличить бюджет в 3-5 раз, поэтому мы рекомендуем начинать с ограниченного пилота и измеримой гипотезы.

За какой срок окупается ИИ-проект в среднем бизнесе?

При правильно выбранной гипотезе (сокращение времени обработки, автоматизация рутинных операций) первые измеримые результаты видны через 60-90 дней, а полная окупаемость пилотных проектов — в среднем в диапазоне 6-12 месяцев.

С чего начать внедрение ИИ, если конкуренты уже опережают?

С аудита данных и одной конкретной бизнес-гипотезы, а не с копирования решения конкурента. Разница в отраслях, клиентской базе и процессах делает прямое копирование почти всегда неэффективным.

Как понять, что ИИ-проект — это FOMO, а не стратегия?

Если команда не может назвать конкретную метрику P&L, которая изменится через полгода, а решение принято «потому что у конкурента уже есть» — это признак FOMO-инвестиции, а не продуманной стратегии роста.

Нужен ли отдельный ИИ-директор в средней компании?

Не всегда штатная позиция оправдана экономически на старте. Часто эффективнее привлечь внешнего эксперта в формате независимого директора по развитию, который курирует портфель ИИ-инициатив без затрат на полноценный найм.

#ИИвБизнесе #МасштабированиеБизнеса #ЦифроваяТрансформация #СтратегияРоста #ESSGConsulting