Российские компании всё активнее экспериментируют с искусственным интеллектом, однако переход от пилотных проектов к промышленному внедрению остаётся узким местом. Эта тенденция подтверждается сразу несколькими исследованиями — как российскими, так и международными: ИИ разрабатывается и тестируется быстрее, чем встраивается в реальные бизнес-процессы.
Согласно результатам опроса CTO и технических руководителей крупнейших компаний, проведённого консалтинговой компанией «Яков и Партнёры» совместно с Яндексом, подавляющее большинство организаций уже запускали пилотные ИИ-проекты. При этом самооценка уровня разработки ИИ-решений существенно опережает оценку уровня их внедрения в операционную деятельность. Это указывает на системный разрыв между экспериментами и масштабированием.
Кадры: дефицит как структурное ограничение роста
Одним из ключевых барьеров внедрения ИИ остаётся нехватка квалифицированных специалистов. Это подтверждается исследованиями МТС Web Services, согласно которым 44% российских компаний прямо указывают на дефицит ИИ-кадров. В ряде отраслей ситуация ещё более напряжённая:
— промышленность,
— тяжёлая промышленность,
— строительство и ЖКХ,
— наука и образование.
В этих сегментах доля компаний, испытывающих кадровый дефицит, превышает половину выборки.
Параллельно Альянс в сфере искусственного интеллекта в своих аналитических материалах указывает, что проблема заключается не только в количестве специалистов, но и в разрыве между технологическими и прикладными компетенциями. Для масштабирования ИИ-решений необходима связка ролей: владельцы бизнес-процессов, аналитики, архитекторы данных, ИТ-специалисты, службы информационной безопасности и эксплуатации. При отсутствии такой связки ИИ-проекты остаются локальными инициативами без системного эффекта.
В качестве одного из инструментов ориентации в качестве подготовки кадров Альянс публикует рейтинг российских вузов по уровню подготовки специалистов в сфере ИИ, который используется бизнесом при формировании кадровых стратегий.
Инфраструктура: вычисления растут быстрее управляемости данных
Международные исследования подтверждают, что генеративный ИИ радикально меняет требования к инфраструктуре. В отчёте Nutanix Enterprise Cloud Index (2025) подчёркивается, что рост нагрузок GenAI ускоряет переход компаний к гибридным и мультиоблачным архитектурам, поскольку традиционные on-premise-модели перестают справляться с масштабом вычислений.
Схожие выводы делает Gartner: согласно прогнозу аналитической компании, к 2027 году около 90% корпоративных ИИ-нагрузок будут размещаться в гибридных или облачных средах. При этом ключевым ограничением Gartner называет не столько доступ к вычислениям, сколько проблему синхронизации и управления данными между различными средами.
Таким образом, инфраструктурный барьер всё чаще смещается из плоскости «железа» в плоскость архитектуры данных и управляемости цифрового контура компании.
Комментарий эксперта
Ольга Чернокоз, руководитель Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI ВЕК»:
«Работая с компаниями, которые обращаются за внедрением искусственного интеллекта, мы регулярно сталкиваемся с повторяющимся сценарием: формально запрос звучит как “нам нужен ИИ”, но на практике оказывается, что менять приходится не отдельный цифровой инструмент, а всю управленческую и цифровую архитектуру.
Искусственный интеллект не встраивается поверх существующих процессов — он их вскрывает. Выявляется фрагментированность данных, отсутствие формализованных процессов, размытые зоны ответственности и управленческие решения, не опирающиеся на измеримые показатели. В таких условиях ИИ просто не может дать устойчивый эффект.
Поэтому мы видим, что компании, предлагающие ИИ-решения рынку, должны консолидировать в себе не только экспертизу в ИИ и IT, но и компетенции в бизнес-аналитике, проектировании бизнес-процессов, стратегии и интеграции цифровых платформ.
По сути, ИИ становится не технологическим проектом, а триггером пересборки управленческой модели. И именно к этому этапу бизнес, как показывает практика, оказывается наименее готов — хотя именно здесь формируется основной экономический эффект».
Экономика: эффект признан, но плохо формализован
На уровне макроаналитики экономический эффект ИИ подтверждён. В отчёте PwC Global AI Jobs Barometer 2025 показано, что отрасли с высокой степенью применения ИИ демонстрируют более высокие темпы роста выручки на одного сотрудника и ускорение производительности по сравнению с менее «AI-интенсивными» секторами.
Однако на уровне отдельных компаний ситуация иная. Глобальные исследования Boston Consulting Group Указывают, что лишь ограниченная доля организаций действительно получает измеряемую отдачу от инвестиций в ИИ и способна масштабировать решения за пределы пилотных проектов. Основная причина — отсутствие единой методологии оценки эффекта и завышенные ожидания на ранних стадиях.
В ответ на эту проблему Альянс в сфере искусственного интеллекта разработал и представил методологию оценки финансовой эффективности ИИ-проектов, описывающую:
- типы эффектов (снижение затрат, рост доходов, ускорение процессов, снижение рисков),
- подходы к фиксации базовых метрик,
- правила проведения пилотов и A/B-тестов,
- полный состав затрат, включая инфраструктуру и обучение персонала.
Использование подобных методик позволяет бизнесу перейти от интуитивных решений к системной инвестиционной логике.
От пилотов — к трансформации
Практика показывает, что начинать внедрение ИИ целесообразно с ограниченных, измеримых инициатив. Однако точечные проекты сами по себе не меняют компанию. Существенный эффект возникает только тогда, когда ИИ приводит к пересмотру операционной модели и логики управления.
В этом смысле искусственный интеллект становится не целью, а инструментом более глубокой трансформации — управленческой, организационной и цифровой.