Инвестиции в ИИ для компании, пока гиганты тратят миллиарды

Компании в мире наращивают вложения в ИИ. По опросу McKinsey среди 1 719 участников из 97 стран (май-июнь 2026), 60% организаций ждут роста инвестиций в ИИ в следующем году, а 44% уже масштабируют ИИ на всю компанию.

Среди крупных компаний 40% масштабируют ИИ-агентовИИ-агент ИИ-агент это нейросеть, которая не просто отвечает, а сама выполняет задачу по шагам: ищет данные, пользуется программами и проверяет результат. Подробнее в словаре: программы, которые сами ведут заявки, сверки и отчеты в рабочих системах. Агент работает внутри процесса, поэтому решение о нем принимает руководитель процесса, а не только ИТ-отдел.

Для России оценка эффекта тоже крупная. По отраслевому исследованию 2025 года, ИИ может давать экономике 7,9-12,8 трлн руб. в год к 2030 году, до 5,5% прогнозного ВВП.

Оценка рынка не говорит, сколько получит конкретная компания. Ответ дает только расчет по ее процессам: где теряются время и деньги и какую часть этой работы заберет ИИ.

Ждать тоже стоит денег. Пока решение откладывают, ручная работа в заявках, сверках и отчетах стоит компании столько же каждый месяц.

Гиганты тратят на ИИ сотни миллиардов долларов, но их расходы идут на вычислительные мощности и модели, а не на процессы средней компании. Сколько и на что тратят крупнейшие корпорации мира, собрано на странице о капитальных затратах гигантов.

Разрыв между теми, кто внедряет, и теми, кто зарабатывает, большой. По McKinsey, 44% организаций масштабируют ИИ, 37% видят хоть какой-то вклад ИИ в EBIT, и только около 6% относят к ИИ не меньше 5% EBIT.

Российские цифры показывают ту же картину с другой стороны. По отраслевому исследованию 2025 года (опрос 150 технических директоров из 16 отраслей), компании с наибольшим эффектом тратят на ИИ 13-17% ИТ-бюджета и получают 6,6% EBITDA, а в ожиданиях 15,8%.

Из этих данных следуют три вывода для вашей компании.

1. Эффект дает бюджет, рассчитанный под процессы, а не разовая покупка подписок. Компании с отдачей тратят на ИИ заметную долю ИТ-бюджета и планируют ее на год.

2. Отдачу меряют в деньгах: доля EBIT или EBITDA, экономия в рублях по процессу. Без такой цифры компания не узнает, в какой группе она находится.

3. Масштаб не равен результату. Заметный вклад в прибыль видят около 6% организаций при 44%, которые масштабируют ИИ: решает не число запущенных решений, а то, какие процессы выбраны.

Разница между группами начинается до первого договора: с выбора процесса, метрики и человека, который отвечает за результат.

Проверить себя можно по трем вопросам. Есть ли у каждого ИИ-решения метрика в рублях? Есть ли человек, который за нее отвечает? Знаете ли вы, сколько компания тратит на ИИ за год? Если хотя бы на один вопрос ответ «нет», отдачу пока нечем доказать.

Деньги на ИИ делятся на три статьи. Перекос в одну из них превращает вложения в расходы без отдачи: модель без данных ошибается, процесс без ответственного стоит на месте.

Процессы. Вкладывать стоит туда, где компания теряет время и деньги: заявки, поддержка, сверки, отчеты, закупки. По MIT NANDA, до рабочего использования доходит 5% заказных ИИ-инструментов, поэтому начинают с процесса и его потерь в рублях, а не с выбора инструмента.

Пример: менеджеры тратят часы на перенос заявок из мессенджеров в CRM. Вложение здесь это ИИ-агент, который заводит сделки сам, и порядок в CRM, на которой он работает.

Данные. ИИ работает на том, что лежит в CRM, 1С и почте. Если половина полей пустая, а заявки из мессенджеров не попадают в учет, первые деньги уходят на порядок в данных.

Люди. Нужен ответственный за ИИ и владельцы процессов, которые принимают работу агентов. В компании это ИИ-департамент: люди и правила, а не только подрядчик.

Отдельная статья: готовое или свое. 32% организаций в опросе McKinsey отказались от покупки хотя бы одного продукта, потому что могут сделать его сами с помощью агентов. Как выбирать между своим ИИ и готовым решением, разобрано отдельно.

Единой суммы нет, но есть ориентиры. Российские компании с наибольшим эффектом от ИИ тратят на него 13-17% ИТ-бюджета, по отраслевому исследованию 2025 года.

В мире 28% организаций тратят на ИИ больше 10% ИКТ-бюджета, по опросу McKinsey 2026 года. Базы у исследований разные, ИТ и ИКТ, поэтому цифры сравнивают как порядок, а не точно.

Долю бюджета проверяют расчетом снизу: сколько стоит рутина в процессах, какую часть заберет ИИ и сколько стоят внедрение и сопровождение. Если расчет не сходится с долей, верить стоит расчету.

Пример расчета снизу: пять менеджеров тратят половину дня на перенос заявок и ответы на типовые вопросы. Бюджет на этот процесс считают от стоимости этой половины дня с налогами, а не от доли ИТ-бюджета.

В сумму входят разовые расходы (проверка, пилот, внедрение) и ежемесячные (ответственный за ИИ, сопровождение, оплата моделей). Ежемесячные считают с месяца запуска, а не с начала года.

Сумму на первый год удобно делить на две части: проверка и первый процесс с метрикой, затем масштаб по итогам пилота.

Ориентиры по доле бюджета и порядок расчета собраны на странице о том, сколько вкладывать в ИИ. Из каких статей складывается годовой бюджет, разобрано в разделе об ИИ-департаментеИИ-департамент ИИ-департамент это люди и правила внутри компании, которые отвечают за искусственный интеллект: кто выбирает решения, кто следит за данными и рисками, кто считает эффект. Подробнее в словаре.

По отчету MIT NANDA 2025 года, 95% организаций не получили измеримой отдачи от генеративного ИИ. Причину стоит искать в решениях до старта: что внедрять, как мерить и кто отвечает.

1. Метрика до старта. Что было, что должно стать и как это измерить. Метрику записывают в договор с подрядчиком. Как считать окупаемость до запуска, разобрано отдельно.

2. Проверка до покупки. ИИ Due Diligence, то есть комплексная проверка компании перед вложениями в ИИ, показывает процессы, данные, системы, затраты и уже купленные решения. После нее понятно, во что вкладываться, а во что нет.

3. Один процесс первым. Пилот на одном процессе с метрикой показывает цифру за недели, а не за год. Следующий шаг делают, когда первый дал результат.

4. Контроль поставщиков. Если решение работает только у одного подрядчика или на одной зарубежной модели, доступ могут закрыть или поднять цену. Права на код, данные и доступы держите у компании.

5. Остановка вовремя. Раз в месяц сверяйте экономию с планом и снимайте деньги с решений, которые не дошли до цели.

Начинать с выбора модели или подрядчика рано. Сначала нужен ответ, где в вашей компании ИИ вернет деньги и сколько.

1. Разбор за 30 минут, бесплатно. Понимаем, чем живет компания и где болит сильнее всего.

2. Проверка по отделам: процессы, данные, системы, затраты, уже купленные решения.

3. Карта ИИ-решений: по каждому процессу решение, цена, эффект в рублях и порядок внедрения. В карте стоит и пункт «ничего», если ИИ процессу не нужен.

4. Пилот на первом процессе из карты с метрикой в договоре.

5. Масштаб: следующие процессы по итогам пилота.

Тот же путь нужен компании, у которой ИИ уже куплен: подписки, боты и подрядчики есть, общей картины нет. Проверка показывает, что из купленного приносит деньги, а что можно отключить.

Такой порядок не обещает попадания в 6% компаний с заметным вкладом ИИ в EBIT. Он дает то, без чего туда не попасть: расчет до старта и проверку цифрой после запуска.