ИИ в бизнесе: от хайпа к управляемому эффекту

Два-три года назад разговоры про ИИ в российских компаниях были похожи на обсуждение космического туризма: интересно, но далеко от операционной реальности. Сегодня тон заметно изменился. В опросах, которые в 2023–2024 годах проводили и консалтинг, и профильные ИТ-ресурсы, большинство компаний, уже внедривших ИИ, говорят об измеримом влиянии на издержки, производительность и даже EBITDA.

Но есть нюанс, который хорошо виден ИТ-руководителям: между «мы что‑то пробуем с ИИ» и «ИИ стабильно даёт нам деньги» лежит пропасть. И заполняется она не новыми моделями, а работой с данными и процессам.

Почему сценарий «ИИ вместо людей» не срабатывает

Первые волны проектов были предсказуемы. Руководство спрашивает ИТ-блок: где у нас самые большие расходы в компании? Ответ понятен – ФОТ. Дальше рождается простая идея: «давайте автоматизируем максимум операций и сократим людей».

На бумаге всё выглядит красиво: список из сотни процессов, над каждым работают один‑два человека, значит, потенциал экономии налицо. На практике ИТ-директора увидели другую картину:

• каждый контур «весит» в среднем те самые 1–1,5 FTE, ради которых и затевали внедрение;
• для загрузки, очистки, маркировки и валидации данных всё равно нужны специалисты;
• появляется дополнительный слой – поддержка инфраструктуры и контроль моделей.

Штат почти не сокращается, зато архитектура усложняется, а расходы на инфраструктуру растут. В выигрышах – разве что презентации для совета директоров.

Это, пожалуй, главный урок первых лет хайпа: ИИ плохо окупается как «универсальный заменитель людей» на множестве мелких процессов. Если не пересобирать сами цепочки ценности, экономия оказывается ниже затрат на сложность.

Где ИИ действительно зарабатывает деньги

Исследование Global CIO «Приоритеты ИТ-руководителя 2026»

На другом полюсе – истории, которыми ИТ-руководители делятся куда менее охотно, но которые интереснее для них.

Промышленность и цифровые двойники

В производстве цифровые двойники перестали быть витриной для инвесторов. Если у вас нет «второй линии» станков, то каждое нетривиальное решение по режимам работы, ремонту или модернизации вынуждено сначала прожить в модели. Здесь ИИ – не про «магический интеллект», а про очень конкретные проценты к EBITDA за счёт меньших простоев, брака и аварий. Именно такие кейсы попадают в отраслевые обзоры: сухо, без красивых картинок, но с экономикой.

Сервис и аналитика взаимодействий

Кейс, который я видел в разных вариациях: компания запускает речевую аналитику в контакт‑центре, чтобы «сократить контролёров». Ожидания – минус пять ставок. Реальность – экономия едва заметна. Проект разворачивается, когда фокус смещается на NPS и удержание клиентов.

Пока ИИ считали инструментом контроля, он экономил копейки. Как только его связали с ростом выручки через клиентский опыт, счёт пошёл на десятки миллионов рублей в год. Технология та же, но вопрос, который ставит себе бизнес, – другой.

Внутренний ИТ‑сервис

Многие ИТ‑директора осторожно относятся к идее «ИИ вместо первой линии поддержки» – и небезосновательно. Гораздо чаще выстреливают сценарии, где ИИ остаётся внутри: подбирает статьи базы знаний, предлагает шаги диагностики, черновики ответов. Пользователь по‑прежнему коммуницирует с живым оператором, а ИИ экономит минуты на каждом обращении. В сумме – десятки человеко‑эквивалентов без риска уронить CSAT.

Общий знаменатель прост: ИИ приносит эффект там, где усиливает людей и процессы, а не пытается заменить их «единым агентом на всё».

HR‑аналитика: полезный инструмент или тонкий лёд

Самая чувствительная зона применения ИИ сегодня – HR‑аналитика. Многие компании уже экспериментируют с анализом метаданных видеоконференций, активности в корпоративных системах, коммуникационных паттернов.

Логика понятна: если вы видите, что команда из «говорливой» за пару месяцев превратилась в набор «молчунов», это сигнал. Можно раньше заметить выгорание, токсичность, потерю вовлечённости – и это напрямую связано с KPI по текучести и производительности.

Дальше начинается тонкий лёд. Анализ микромимики, особенностей набора текста, попытки «считать» эмоции и намерения – всё это уже не только про технологии, но и про этику, трудовое право и репутацию. Здесь ИТ-руководители без тесного союза с HR и юристами рискует получить очень неприятные сюрпризы, даже если модели работают хорошо.

От пилотов к портфелю: 60/30/10

Почти в каждом исследовании про ИИ за 2023–2024 годы есть одинаковая мысль: успешные компании уходят от случайных пилотов к портфелю ИИ‑инициатив. Логика одной из рабочих схем приоритизации может выглядеть так:

• около 60% – проекты с прямым экономическим эффектом: выручка, маржа, конкретные затраты;
• примерно 30% – инициативы, влияющие на качество (OTIF, SLA, точность прогнозов, клиентский опыт);
• ещё 10% – безопасность, экология, соответствие регуляторным требованиям.

Важное не в самой пропорции, а в дисциплине: каждая идея проходит быстрый чек на гипотетический эффект, пилот с жёсткими KPI, а затем – либо масштабирование до промышленных масштабов, либо честное закрытие.

Для ИТ‑блока это смена роли: от «команды PoC» к партнёру, который отвечает за то, чтобы архитектура, данные и процессы выдержали не один успешный пилот, а десятки внедрённых решений.

Барьеры, которые нельзя решить моделью

Исследование Global CIO «Приоритеты ИТ-руководителя 2026»

Если посмотреть на срез опросов российских компаний, картина повторяется:

• Данные. Разрозненные системы, несогласованные справочники, отсутствие единой политики по качеству и доступу. Любая модель поверх этого превращается в дорогое упражнение, результат которого сложно защитить на уровне P&L.
• Низкая цифровая грамотность. Сотрудники до последнего считают ИИ «игрушкой сверху» или угрозой своим ролям. Без системного обучения и вовлечения пользователей даже хорошее решение будет саботироваться.
• Завышенные ожидания. Ощущение, что «ИИ – как конвейер Форда, давайте поставим его везде», приводит к применению в сценариях, где цена ошибки выше любой экономии.
• Дефицит связующих ролей. Разработчики понимают модели, бизнес – процессы, экономисты – P&L. Но без людей на стыке этих компетенций (CPO, продуктовые аналитики, архитекторы решений) постановка задач для ИИ либо слишком общая, либо технически красивая, но экономически бессмысленная.

Эти барьеры не решаются «ещё одной моделью». Они требуют от ИТ-руководителей лидерства в данных, архитектуре и изменениях.

Ближайший горизонт: агентские сети и «вторые руки»

Если попытаться заглянуть на 1–2 года вперёд, тренд выглядит довольно ясно.

Во‑первых, компании будут уходить от зоопарка отдельных ботов и сервисов к агентским сетям и единым точкам входа. Сотруднику не нужно знать, какой именно ИИ под капотом. Ему нужно одно окно, куда он приходит с задачей – от «помоги с документом» до «проверь аномалии в отчётах».

Во‑вторых, закрепится класс «вторых рук» – ко‑пилотов для конкретных ролей: разработчиков, администраторов, продавцов, аналитиков. Они будут незаметно присутствовать в привычных инструментах и снимать рутину: анализировать встречи, готовить черновики ответов, подсказывать аномалии.

И, наконец, требования к ИТ-блоку вырастут. ИИ перестанет быть отдельным проектом «внедрить вот тут», а станет слоем операционной модели – как когда-то сеть или виртуализация. Вопрос уже не в том, «какую модель выбрать», а в том, как встроить ИИ в архитектуру, данные, безопасность и культуру компании.

Три вопроса к себе для ИТ-руководителей

Когда смотришь на массив кейсов и исследований, соблазн велик сделать ещё один обзор. Но для ИТ-директоров практичнее задать себе всего три вопроса:

1. На каких 3–5 участках нашей цепочки ценности ИИ реально может дать 1–5% к EBITDA – и как мы это посчитаем?
2. Где ИИ должен усиливать людей и процессы, а не пытаться их заменить, даже если это красиво смотрится в презентации?
3. Готовы ли наши данные, архитектура и команда к масштабированию ИИ‑решений, а не только к «показательным пилотам»?

Ответы на них почти всегда разделяют компании, где ИИ остаётся модным слайдом, и тех, у кого он превращается в рабочий инструмент управления результатом.