Без стратегии, но с бюджетом: почему российский бизнес не может масштабировать искусственный интеллект

Исследования и экспертные мнения свидетельствуют: российские компании массово инвестируют в искусственный интеллект, но лишь немногие понимают, зачем он им нужен и как извлечь из него реальную пользу. Большинство проектов остаются разрозненными экспериментами без измеримого результата. Ведомости: «Три четверти российских компаний не знают, зачем им искусственный интеллект».

Внедрение искусственного интеллекта стало обязательным корпоративным приоритетом, однако реальная зрелость проектов сильно отстает от амбиций. Исследование МТС Web Services «Технологические стратегии бизнеса» показывает, что лишь 26% российских компаний, инвестирующих в ИИ, имеют четкую стратегию его внедрения. Для сравнения, стратегии в области облачных технологий и кибербезопасности есть у 44% и 42% компаний соответственно.

Ситуация характерна и для крупного бизнеса. В компаниях с выручкой более 15 млрд рублей стратегию по ИИ имеют только 25%, что ниже показателя сегмента с выручкой от 2 до 15 млрд рублей (36%). При этом инвестиционные потоки значительны: более 10 млн рублей в год в ИИ вкладывают свыше 20% компаний в IT, финансах и добывающей промышленности.

Этот разрыв указывает на системную проблему: ИИ для многих остается инструментом разрозненных экспериментов, а не основой для трансформации бизнеса, что создает риск неэффективного использования значительных бюджетов.

Диагноз: стратегия без стратегии

Глобальный контекст проблемы, которую переживает и российский бизнес, хорошо описывает «парадокс приоритетов», отмеченный исследованием Wavestone. Он заключается в том, что, хотя почти 90% компаний заявляют о включении ИИ в бизнес-стратегию, почти половина из них не имеет единых метрик для оценки его ценности. В среднем 13% ИТ-бюджета тратятся без четкого обоснования, а 45% руководителей субъективно ощущают отставание, не имея ясных ориентиров для сравнения.

В России эта ситуация усугубляется специфическим восприятием технологии. Эксперты констатируют, что ИИ часто расценивается как модный инструмент для экспериментов, а не как элемент долгосрочной архитектуры бизнеса. Это мнение иллюстрируют разные точки зрения на проблему:

Внедрение ради внедрения: Андрей Рыбинцев (Авито) отмечает, что без стратегии компании внедряют ИИ ради самого факта, формируя завышенные ожидания.
Рост затрат без отдачи: Станислав Ежов (Группа Астра) указывает, что разрозненные пилоты без единой архитектуры ведут к потере 30–40% бюджета на непродаваемые проекты.
Естественная фаза: Станислав Колесниченко (Sk Capital) считает такую ситуацию естественной для рынка в фазе «тестирования гипотез».

К этим общим вызовам добавляются локальные барьеры:

Дефицит кадров и экспертизы: 43% компаний испытывают сложности с привлечением специалистов, включая грамотных заказчиков внутри бизнеса.
Управленческий ступор: Руководители часто не могут перейти от восприятия ИИ как «магии» к определению конкретных процессов, данных и метрик для автоматизации.
Инфраструктурные и регуляторные сложности: Нехватка ресурсов, разрозненность данных и неокончательное регулирование сдерживают системное планирование.

Отсутствие системного подхода имеет измеримые последствия. Gartner предупреждает, что до 30% проектов генеративного ИИ закрываются после стадии концепта именно из-за неясной бизнес-ценности и растущих затрат.

Стратегия масштабирования: от экспериментов к системной ценности

Чтобы преодолеть стадию хаотичных пилотов, компаниям необходимо выработать дисциплинированный подход. Gartner формулирует десять ключевых практик, среди которых можно выделить фундаментальные для российского контекста:

Фокусировка на ценности, а не на технологии. Вместо вопроса «где бы пристроить ИИ?» нужно искать ответ на «какую конкретную бизнес-проблему, которая тормозит рост, мы можем решить?». Фокус должен сместиться с количества пилотов на ограниченный список сценариев с доказанной экономикой и прозрачными метриками. Речь идет не о точечном «вкручивании» нейросетей в старые процессы, а о пересборке бизнес-архитектуры.
Архитектурный подход «купить или построить». Решения должны быть рассчитаны на масштабирование до тысяч пользователей. Компаниям следует оценивать спектр решений: от использования готовых API (например, OpenAI) и отраслевых моделей до дообучения open-source решений и создания собственных. Выбор зависит от потребностей в безопасности, глубине интеграции и необходимости дифференциации.
Ответственный ИИ с самого начала. Генеративный ИИ создает новые риски: репутационные, комплаенс, связанные с интеллектуальной собственностью и приватностью. Видение и политики ответственного ИИ должны быть разработаны и внедрены до старта масштабных проектов.
Всеобщая грамотность в области ИИ (AI Literacy). Поскольку в будущем каждый сотрудник будет прямо или косвенно взаимодействовать с ИИ, инвестиции в обучение команд — обязательны. Это снижает сопротивление, страх и количество ошибок, вызванных непониманием работы систем.

Заключение: время архитекторов, а не экспериментаторов

Российский бизнес исчерпал фазу первоначальных экспериментов с ИИ. Данные исследований, показывающие разрыв между бюджетами и стратегиями, — это прямой сигнал к переходу от разрозненных пилотов к системному внедрению. Успех теперь зависит не от объёма инвестиций, а от способности встроить технологию в архитектуру бизнеса: выбирать задачи с измеримой ценностью, выстраивать гибкие платформы, управлять рисками и обучать команды.

В условиях, где ИИ стал национальным приоритетом, а конкуренция сместилась в плоскость скорости, отсутствие внятной стратегии превращается в стратегический риск. Будущее — за теми, кто сможет преодолеть стадию «пилотов ради пилотов». Именно такие компании, как показывает пример «Сбера» (оценивающего экономический эффект от внедрения ИИ в 550 млрд рублей к 2026 году по заявлению первого зампреда правления Александра Ведяхина), получат решающее преимущество.