Экономика ИИ: от экспериментов к результатам в российском бизнесе

Российские компании переходят от экспериментов с искусственным интеллектом к его повседневному использованию. В центре внимания — экономический эффект: влияние на выручку, производительность и окупаемость ИИ-решений

Экономика ИИ: от экспериментов к результатам в российском бизнесе
Фото: IM Imagery/Shuttеrstock /FOTODOM

Мировые расходы на ИИ растут ускоренными темпами, отмечают в консалтинговой компании Gartner: в 2025 году они превысили $1,79 трлн, а в 2026-м, по прогнозу компании, увеличатся на 49,5%, до $2,67 трлн. Крупнейшая статья расходов — ИИ-инфраструктура: на нее приходится около $1 трлн. Самым быстрорастущим сегментом станут модели генеративного ИИ: в 2026 году расходы на них, как ожидается, вырастут на 117%, до $28 млрд.

В России 97% крупных компаний уже внедрили ИИ-технологии или планируют это сделать, по оценке консалтинговой компании Strategy Partners. Инструменты ИИ, по оценке аналитиков компании, используют в работе 67% работников умственного труда — около 11,2 млн человек.

По данным консалтинговой компании «Яков и Партнеры», в 2025 году генеративный ИИ применяли хотя бы в одной бизнес-функции 71% российских компаний — на 17 п.п. больше, чем годом ранее. Согласно исследованию «Сбер Про» 2026 года, 74% опрошенных компаний используют генеративный ИИ или запускают пилотные проекты, а 80% планируют расширять области его применения.

Рынок генеративного ИИ и агентных платформ только формируется, говорит руководитель проектов практики «Промышленность и технологии» Strategy Partners Виталий Шапошников: «Вендоры смещаются от отдельных ИИ-решений к платформам, на которых заказчик сам собирает агентов под свои процессы и встраивает их в контур компании». По его словам, ИИ-

агенты уже не просто отвечают на вопросы, а взаимодействуют с корпоративными системами и выполняют последовательности действий в рамках бизнес-процессов — от подбора персонала и закупок до юридической работы.

Что стимулирует внедрение ИИ

В 2025–2026 годах российские компании переходили от экспериментов с ИИ к его интеграции в повседневную работу. «Компании смотрят на конкретные вещи: как меняются производительность сотрудников, скорость выполнения операций, стоимость обслуживания и какой финансовый эффект это дает», — комментирует директор центра технологического бизнеса «Сбера» Андрей Кутуков.

«В крупном бизнесе ИИ уже стал массовым инструментом, и темпы внедрения продолжают расти», — подтверждает руководитель отдела разработки генеративного ИИ в Ozon Андрей Дядюнов. По его словам, первоначальный ажиотаж, когда компании стремились внедрять технологию практически повсеместно, уступает место более взвешенному подходу: бизнес оценивает потенциальную пользу ИИ и затраты на его внедрение и использование. При этом реализация проектов может занимать больше времени, поскольку организации тщательнее прорабатывают их экономику и ожидаемый эффект.

На первый план выходит интеграция ИИ в существующие бизнес-процессы. «Идей и пилотов у крупного бизнеса уже много, но главная задача — встроить ИИ в процессы, данные и существующий IТ-ландшафт, измерить эффект и затем масштабировать решение», — отмечает старший вице-президент, руководитель департамента разработки и поддержки продаж транзакционных продуктов Альфа-банка Александр Горинов.

«Приоритет получают решения, способные увеличивать выручку, снижать затраты и повышать производительность, и для их внедрения компании развивают вычислительную инфраструктуру, данные и собственные ИИ-платформы», — отмечает директор по ИИ-агентам и автоматизации X5 Tech Виталий Лукин. Например, технологический контур AI Core X5 объединяет модели, данные и инфраструктуру, по словам Виталия Лукина: «Общая технологическая база позволяет не разрабатывать каждое решение с нуля, а использовать ее для разных бизнес-задач, сокращая затраты и сроки внедрения».

Другие крупные ретейлеры также встраивают ИИ в операционные процессы. Так, «Магнит» использует компьютерное зрение для контроля выкладки товаров и доступности продукции на полках, а «Лента» применяет машинное обучение для прогнозирования спроса: ее система ежедневно обрабатывает около 15 млн временных рядов для 2,5 тыс. магазинов.

Где и как бизнес применяет ИИ

Основная доля ИИ-проектов приходится на финансовый сектор — банки и страховые компании, — ретейл, электронную коммерцию, телеком и IТ, отмечают в Strategy Partners. «Крупная промышленность, логистика и энергетика находятся на этапе масштабирования, а строительство, транспорт и госсектор активно экспериментируют с ИИ и скоро перейдут к масштабированию», — рассказывает Виталий Шапошников. На уровне бизнес-функций основной спрос, по словам эксперта, формируют клиентский сервис, маркетинг, HR, разработка и логистика: «ИИ востребован прежде всего в задачах с высокой частотностью и относительной простотой — там, где риск ошибки невелик».

Одно из направлений затрат — доступ сотрудников к передовым ИИ-моделям. По оценкам Strategy Partners, в 2026 году российские работодатели потратят около 50 млрд руб. на оплату или компенсацию подписок на иностранные ИИ-модели и их использование через API.

По словам Андрея Дядюнова, значительная часть инвестиций направлена на внедрение генеративного ИИ: компании развивают автономных ИИ-агентов и адаптируют готовые решения внешних поставщиков под собственные бизнес-задачи.

Другой подход — развертывание ИИ в собственном закрытом контуре. Такие проекты формируют спрос на вычислительные мощности и оборудование, отмечает Андрей Кутуков. Помимо инфраструктуры компании инвестируют в интеграцию ИИ с внутренними системами, информационную безопасность и обучение сотрудников. В зависимости от технологической зрелости бизнеса вложения в генеративный ИИ могут составлять от нескольких процентов до 10–20% IТ-бюджета без учета расходов на оборудование, оценивает эксперт.

Следующий этап, по словам Андрея Кутукова, — переход от автоматизации отдельных задач к автоматизации целых бизнес-процессов. Для этого компании используют платформы, на которых сотрудники могут создавать ИИ-агентов под свои рабочие задачи. Например, платформа «Сбера» GigaCowork предназначена для создания таких агентов, управления ими и их подключения к корпоративным системам. Среди сценариев ее применения — обработка документов и консолидация финансовой отчетности.

Такие решения развивают и другие банки. В Альфа-банке платформа AlfaGen объединяет инструменты для разработки и запуска ИИ-агентов, в том числе для анализа документов, работы с электронной почтой и автоматизации разработки. ИИ-помощник Corporate AI Copilot МТС Банка, разработанный совместно с MWS AI, помогает сотрудникам анализировать обращения клиентов, готовить договоры и проектную документацию, изучать отчеты и выявлять отклонения в данных.

При этом сама ИИ-модель быстро становится базовой технологией, а конкурентное преимущество создают данные компании и способность применять их в конкретных процессах, считает Александр Горинов. Поэтому бизнес инвестирует в единый слой данных, ИИ-платформы и компоненты, которые можно повторно использовать в разных проектах.

В Альфа-банке наибольший спрос отмечают на автоматизацию обработки документов и выполнения операций, аналитику и прогнозирование, корпоративный поиск, ассистентов сотрудников, а также решения для продаж и клиентского сервиса. «В корпоративном банкинге ИИ особенно ценен там, где дорого стоит время человека, наша задача — убрать из работы специалиста поиск, сбор и механическую обработку информации и вернуть ему время на клиента и принятие решений», — рассказывает Александр Горинов.

«В ретейле наиболее востребованы решения для прогнозирования спроса, управления ассортиментом, ценообразования и логистики, одновременно растет применение генеративного ИИ и агентных систем для автоматизации внутренних процессов», — комментирует Виталий Лукин. По его словам, в X5 более 30 тыс. сотрудников пользуются корпоративным сервисом, который предоставляет доступ к разным ИИ-моделям через единый интерфейс. Другая внутренняя платформа, ACE X5, позволяет сотрудникам самостоятельно создавать специализированных ИИ-агентов под рабочие задачи. По данным Виталия Лукина, на ней создано более 2,5 тыс. агентов: «Это уже не отдельные эксперименты, а инструменты повседневной работы».

ИИ-инфраструктуру развивает «Магнит»: его AI Lab создает прикладные решения на основе генеративного ИИ, включая собственную языковую модель MagnitGPT, помощника MagnitCopilot для разработчиков, бизнес-чат-боты и интеллектуальных агентов.

От чего зависит экономический эффект ИИ

По данным Strategy Partners, 57% компаний не оценивали отдачу от вложений в ИИ либо получили результат ниже запланированного. При этом 43% компаний масштабируют менее 20% пилотных проектов, а фактические затраты из-за скрытых организационных расходов могут в два-три раза превышать первоначальную смету, рассказывает Виталий Шапошников. По его словам, у компаний, доведших ИИ-агентов до промышленной эксплуатации, рентабельность инвестиций (ROI) за 12–24 месяца превышает 25%.

Само по себе использование ИИ-инструментов не гарантирует экономического эффекта: результат зависит в том числе от готовности менять бизнес-процессы. Без их пересмотра эффект от внедрения может не превысить 5%, отмечает Виталий Шапошников.

Сроки получения результата зависят от технологической зрелости бизнеса. «При масштабировании проектов компании ориентируются на окупаемость в течение года, в технологически зрелых организациях первые устойчивые результаты ожидают через два—шесть месяцев, в менее зрелых отраслях — через год и более», — рассказывает Андрей Кутуков.

«Главный критерий эффективности ИИ — его подтвержденный вклад в финансовые и операционные показатели бизнеса», — считает Виталий Лукин. По его словам, по итогам 2025 года ИИ-решения принесли X5 около 5 млрд руб. дополнительной операционной прибыли. Основной вклад обеспечили прогнозирование спроса, ценообразование и управление ассортиментом.

Александр Горинов выделяет три направления оценки эффекта: производительность, финансовый результат и качество решений. В первом случае измеряют, насколько быстрее выполняются операции: например, сокращается ли время сбора информации о клиенте с часов до минут. Во втором — оценивают, как высвободившееся время сотрудников влияет на продажи, удержание клиентов и заключение новых сделок. В третьем — учитывают повышение точности прогнозов и обоснованности выбора рынков, а в сфере безопасности — предотвращенный ущерб и снижение критических рисков.

При этом, по мнению Александра Горинова, наибольший потенциал связан не с автоматизацией отдельных операций, а с перестройкой работы. «Если просто добавить ИИ в старый процесс, можно получить локальную экономию, но если пересобрать сам процесс вокруг новых возможностей технологии, можно получить в целом новую экономику бизнеса», — отмечает он.

Для реализации этого потенциала нужны не только технологии, но и организационная подготовка, отмечают эксперты. «Необходимы готовность компании к изменениям, качественная предварительная аналитика, четкая постановка задачи и поддержка инициативы на всех уровнях организации», — подчеркивает Андрей Дядюнов.

Поделиться