03.06.2026
Бизнес уже не надо убеждать, что ИИ умеет писать тексты, искать по базе знаний, собирать справки и готовить черновики документов. Это перестает быть преимуществом и становится базовой функцией. Теперь бизнес считает деньги. Каналы и подписка IT-World там, где вам удобно
Новости рынка, редакционные обзоры, экспертные материалы и выпуски изданий. Выберите формат, который удобен вам.
ВК Дзен TG Max Email Подписка
Сколько на самом деле стоит цифровой помощник. Какой участок работы он забирает. Кто проверяет результат. Какие данные ему можно доверить. Что делать с ошибками. И главное, когда затраты вернутся.
По данным Stanford AI Index, в 2024 году ИИ использовали 78% организаций против 55% годом ранее. McKinsey оценивает проникновение еще выше: 88% компаний применяют ИИ хотя бы в одной бизнес-функции. Но эти цифры показывают распространение технологии, но не ее окупаемость. Компании быстро научились запускать ИИ в отдельных задачах. Гораздо хуже получается встроить его в процессы так, чтобы он давал устойчивый финансовый эффект для всего бизнеса.
По данным IT-World, в 2024 году российские компании потратили на внедрение ИИ более 203 млрд рублей. В 2025 году, по словам вице-премьера Дмитрия Григоренко, расходы бизнеса на внедрение и применение ИИ выросли до 257 млрд рублей. Генеративный ИИ как минимум в одну бизнес-функцию еще в 2024 году внедрили 54% компаний. Деньги уже пошли в платформы, пилоты, команды и интеграции. Но что бизнес покупает за эти миллиарды? Работающий инструмент или участие в модном тренде.
MIT NANDA в отчете The GenAI Divide показывает другую точку зрения. Корпоративные инвестиции в GenAI оцениваются в $30–40 млрд, но 95% организаций в выборке не получили измеримой отдачи. Миллионы долларов ценности дают лишь 5% интегрированных пилотов. Проваливается не сама модель, а внедрение. ИИ ставят рядом с процессом, а не встраивают в него.
«Все сделали пилот, все сделали лабораторию, все попробовали, все это работает. И все сидят, но спроса нет», снимает оптимизм Игорь Дорофеев, президент Ассоциации участников отрасли ЦОД во время форума «ИИ — будущее сегодня».
Пилот запускают, чтобы проверить гипотезу, показать технологию и собрать первые реакции. К нему редко относятся как к рабочему инструменту. Цифровому сотруднику такой скидки не дают. Он должен выполнять конкретную работу и менять экономику процесса. Если маршрут документа не меняется, ручная проверка не сокращается, а цена ошибки не снижается, значит, ИИ остался надстройкой, а не стал частью процесса.
Владимир Толмачев, генеральный директор ООО «Салют для бизнеса» группы «Сбер», видит это в работе с клиентами. «Все говорят: да, конечно, используем. А когда переходим к конкретике, выясняется, что до реального применения доходят не так много компаний». ИИ уже стал пропуском в современный бизнес. Компаниям важно показать, что они в теме. Но между «используем» и «встроили в работу» по-прежнему большая пропасть.
Деньги как всегда в рутине
Первые деньги в GenAI появились вовсе не в стратегии, а в рутине бэк-офиса. Документы, сверки, сканы, заявки, договоры, поиск по базе знаний, рекрутинг, проектные архивы. Все, что годами держалось на ручной проверке, пересылке файлов, уточнениях в почте.
По словам Владимира Толмачева, анализ запросов клиентов «Сбера» показывает: больше половины ждут от GenAI не новой выручки, а снижения операционных расходов. Бизнесу нужен не цифровой гений, а снижение ручного труда.
Документооборот стал главным полигоном для виртуальных помощников. Там скопились процедуры, которые плохо поддавались старой автоматизации. Акты, счета, сканы, письма, справки, договоры в свободной форме. Много похожего, но слишком много мелких различий. Жесткие алгоритмы на этом спотыкались. Для GenAI это стало рабочим материалом.
GenAI оказался полезен там, где RPA раньше упирался в смысл. Робот мог перенести данные и выполнить правило, но на нестандартном документе снова требовался человек. Теперь часть таких развилок можно отдать машине.
«Там, где нужно было раньше возвращать пользователя в петлю принятия решений и проводить его через определенные этапы только руками, сейчас это уже может делать машина», объяснила Кира Лапина, генеральный директор ООО «Северсталь. Центр Единого Сервиса».
В одном из кейсов «Северстали» речь шла о бумажных документах. OCR распознавал текст, но дальше начиналась ручная проверка. Нейросети встроили именно туда. Большую часть верификаторов убрали, компания получила заметный годовой эффект.
Та же логика работает за пределами документооборота. Цифровой аналитик достает похожие проекты. Рекрутер быстрее проходит первичный отбор. Агент сверяет взаиморасчеты по документам в свободном формате. ИИ дает результат там, где есть повторяемая операция, понятный объем ручной работы, цена ошибки и конкретная область применения. Больше чем гаджет: семь статусных подарков из Технопарка для тех, кто привык к лучшему Обзор российских NGFW Дом как датасет
Помощник нужен там, где есть данные и процесс
Корпоративный помощник не работает в пустоте. Ему нужны данные, процесс и понятная ответственность. GenAI не отменяет обычную дисциплину. Нужны бэклог, ресурсы, расчет эффекта и экономика внедрения.
«Мы поняли, что ничего особо не меняется. Это тот же продуктовый подход, тот же груминг бэклога по эффективности, те же ресурсы, все это сопоставляется с экономикой планового решения и внедряется», объясняет Кира Лапина.
Это важная поправка к спорам о цифровых сотрудниках. ИИ не может изменить качество данных, описать процесс и назначить ответственного. Если база знаний устарела, регламенты расходятся с практикой, документы лежат где попало, а исключения живут в головах сотрудников, модель просто усиливает хаос.
Сильный кейс обычно начинается с неприятной и кропотливой работы. Процесс нужно разобрать досконально. И здесь часто начинается сопротивление. Приходится вытаскивать наружу неформальные знания сотрудников, обходные маршруты и ручные решения, на которых держалась работа.
«Люди не очень хотят раскрывать ни знания свои, ни процессы свои, ни встраивать неведомую чушь, за которую потом отвечать все равно придется», точно сформулировала Кира Лапина.
Если этого не сделать, помощник не даст ожидаемого эффекта. Он получит старые данные, мутный процесс и размытую ответственность. В итоге он не изменит работу, а станет еще одной прослойкой в привычном процессе.
Энергобешенство ИИ. Кто будет платить по счетам
Цифровой сотрудник только кажется экономичным. Для компании за ним стоят данные, вычисления, безопасность и инфраструктура.
Первым дорожает доступ к данным. Чем полезнее помощник, тем глубже его нужно пускать внутрь бизнеса. В договоры, регламенты, проектные архивы, переписку, финансовые и кадровые документы. Без этого он остается поверхностным сервисом. С таким доступом он уже может быть опасен.
Если помощник работает с чувствительными данными компании, его нельзя запускать как обычный чат. Нужен свой контур, права доступа, журналирование и регламенты работы с данными. Иначе компания получает не цифрового сотрудника, а неуправляемую брешь в корпоративную сеть.
Дорожают и сами вычисления. Модель требует ЦОДов, GPU, сети, памяти, охлаждения и электричества. Один помощник еще выглядит как подписка. Сотни помощников и агентов уже становятся инфраструктурной задачей.
«Искусственный интеллект формирует вообще безумный рост энергопотребления. Безумный, на масштабе», отмечает Игорь Дорофеев.
По данным IEA, потребление электроэнергии дата-центрами может вырасти с 415 ТВт·ч в 2024 году до 945 ТВт·ч к 2030 году. Это уже не внутренняя строка ИТ-бюджета, а нагрузка на энергосистему. Российский рынок чувствует то же давление: IT-World писал, что дата-центрам не хватает мощностей, а спрос на инфраструктуру под ИИ усиливает давление на рынок ЦОДов.
Что не так с рынком искусственного интеллекта
Оптимизация не всегда снижает расходы. Часто она просто делает ИИ доступнее. Чем дешевле отдельный запрос, тем проще встроить модель в новые операции. Егор Дружинин, технический директор ЗАО «РСК Технологии», обратил внимание на этот парадокс: эффективность вычислений будет расти, но вместе с ней будет расти и их объем. Анна Сытник, генеральный директор АНО «Колаборатория», также отметила эту зависимость. Чем удобнее становятся модели, тем чаще ими пользуются. Значит, энергии снова нужно больше.
Запустить ИИ и масштабировать ИИ не одно и то же. Пилот можно собрать на внешнем сервисе. Корпоративная система с данными, агентами, журналированием и контролем качества уже требует собственного стека.
«ЦОД для ИИ качественно отличается от обычного. Нужны высокая плотность, быстрые сети, синхронизация, память, ускорители и охлаждение. Это уже не вопрос подписки на сервис. Это вопрос инфраструктуры, которую придется строить, покупать или арендовать», подчеркивает Вадим Подольный, технический директор АО «Лаборатория Технологий Автоматизации».
Для России это быстро упирается в железо. Серверы, процессоры, ускорители, сети, системы хранения. Цифровой сотрудник работает на физическом стеке. Если он зависим от поставок, дорог или собирается с минимальной добавленной стоимостью, масштабирование тормозится уже на уровне инфраструктуры.
«Разработчики оборудования привязаны к референтным решениям, которые дают разработчики процессоров. Здесь мало добавленной ценности», обозначил слабое место Иван Покровский, исполнительный директор Ассоциации российских разработчиков и производителей электроники.
Цена цифрового сотрудника не сводится только к доступу к модели. В нее входят данные, безопасность, интеграция, вычисления, энергия, оборудование и люди, которые поддерживают систему в рабочем состоянии.
Бизнес готов платить за ИИ, если видит понятный эффект и внятные результаты. Но цифровой сотрудник не живет отдельно от компании. Его работу нужно встраивать в бизнес-процессы, связывать с конкретными задачами и считать эффективность. Только тогда это становится не экспериментом с моделью, а рабочим инструментом.