Что решать компании в 2026 году: выводы из исследований ЕС, США и ООН

Что показывают данные

• ИИ использовали 19,8% компаний США на 3 мая 2026 года (Бюро переписи США, раздел AI Trends Across Sectors)
• в цикле 21 сентября - 4 октября 2026 года уже 23,8% (Бюро переписи США, National.xlsx, цикл 202620)
• в ЕС 19,95% компаний от 10 сотрудников в 2025 году (Евростат, рис. 1)
• в России 5,8% организаций, применяющих цифровые технологии, в 2024 году (ИСИЭЗ НИУ ВШЭ по данным Росстата, с. 18)

Что сделать

1. Выбрать один процесс, где ИИ экономит часы сотрудников или возвращает потерянные заявки.
2. Записать метрику до старта: время ответа, число обработанных обращений, доля ошибок.
3. Запустить пилот на 2-4 недели и решать о масштабе по цифрам пилота.

Что показывают данные

• в странах ОЭСР ИИ используют 11,9% малых компаний против 40% крупных (ОЭСР, гл. 1, с. 10, рис. 2)
• в ЕС 17% малых компаний против 55,03% крупных (Евростат, рис. 1)
• в США доля у компаний меньше 20 человек за полгода значимо не изменилась (Бюро переписи США, раздел U.S. Business AI Use, рис. 2)

Что сделать

1. Начать с готовых сервисов для текста, поиска и ответов клиентам, без собственной разработки.
2. Выделить сотрудника, который отвечает за ИИ-инструменты и правила работы с данными.
3. Считать эффект в часах и рублях за первый месяц.

Что показывают данные

• 24% работников в мире заняты в профессиях с той или иной подверженностью генеративному ИИ (МОТ, с. 47)
• в группе самой высокой подверженности 3,3% занятых; вероятнее изменение работы, чем замена (МОТ, с. 1, аннотация)
• общего влияния на занятость пока не видно, но спрос на начинающих в части профессий падает (Международный доклад о безопасности ИИ, с. 12)
• прием 22-25-летних в профессии, подверженные ИИ, похоже, замедлился (State of AI 2026, слайд 104)
• меньше 30% малых и средних компаний с генеративным ИИ обучают сотрудников (ОЭСР, гл. 4, с. 35)

Что сделать

1. Обучить сотрудников ставить задачи ИИ и проверять ответ на своих рабочих примерах.
2. Начинающим сотрудникам дать ИИ-инструменты с первого дня и наставника, который проверяет результат.
3. Пересмотреть описание ролей: какие задачи уходят ИИ, какие остаются за человеком.

Что показывают данные

• системы выдумывают информацию и пишут код с ошибками, методы снижения сбоев недостаточны для задач с высокой ценой ошибки (Международный доклад о безопасности ИИ, с. 12)
• галлюцинации поддерживают тесты, которые награждают догадку больше, чем честное «не знаю» (Kalai и соавторы, Why Language Models Hallucinate, arXiv 2509.04664, аннотация)
• у пользователей с опытом от 6 месяцев доля успешных разговоров на 10% выше (Экономический индекс Anthropic, мартовский отчет, с. 4)

Что сделать

1. Решения с ценой ошибки оставить за человеком: ИИ готовит черновик, человек подписывает.
2. Собрать набор своих примеров с правильными ответами и прогонять модель по нему перед запуском и после каждого изменения.
3. Записать в правила, какие ответы ИИ проверяются всегда.

Что показывают данные

• длина задач, которые агенты выполняют с успехом 80%, удваивается примерно каждые 7 месяцев (Международный доклад о безопасности ИИ, с. 34, рис. 1.7)
• агенты надежно выполняют часть задач программирования, на которые у человека уходит полчаса; год назад меньше 10 минут (Международный доклад о безопасности ИИ, с. 10)
• по открытым данным, в мае 2026 года 48,62% разговоров Claude.ai отнесены к автоматизации (Экономический индекс Anthropic, открытые данные, выпуск 26.06.2026)

Что сделать

1. Описать 3-5 процессов по шагам: вход, действия, проверка, результат.
2. Отметить шаги, которые повторяются и не требуют решения человека: их можно отдать агенту.
3. Начать с агента, который готовит результат на проверку, а не действует сам.

Что показывают данные

• у стран с высоким доходом 77% мощности коммерческих дата-центров мира (Всемирный банк, с. xiv)
• в 2025 году спрос дата-центров на электроэнергию вырос на 17%, дата-центров под ИИ на 50% (МЭА, с. 9)
• модели с открытыми весами дают 75% токенов на платформе OpenRouter (Microsoft, с. 7)

Что сделать

1. Разделить данные: что можно отправлять во внешний сервис, а что только в модель внутри компании.
2. Для персональных данных и коммерческой тайны поставить открытую модель на своих серверах или в российском облаке.
3. Остальные задачи вести через внешние модели по договору и следить за расходом.

Что показывают данные

• практические советы, поиск информации и письмо дают почти 80% разговоров с ChatGPT (NBER, аннотация)
• письмо около 40% рабочих сообщений, и две трети таких запросов правят текст пользователя (NBER, с. 14, рис. 8)
• в июне 2026 года генеративный ИИ использовали 18,8% населения мира 15-64 лет (Microsoft, с. 2)

Что сделать

1. Первые задачи в компании: письма, ответы клиентам, отчеты и поиск по внутренним документам.
2. Собрать базу знаний: регламенты, прайсы, ответы на частые вопросы.
3. Подключить ассистента, который отвечает по этой базе и показывает источник ответа.

Что показывают данные

• дорогие и все чаще заемные вложения в ИИ могут не окупиться; перекрестное финансирование узкой группы компаний повышает риск (МВФ, с. 15-16)
• четыре крупнейшие технологические компании США планируют 733 млрд долларов капитальных затрат в 2026 году, на 79% больше, чем в 2025-м (State of AI 2026, слайд 154)
• цена одного и того же уровня качества ИИ падает примерно на 47% в квартал (State of AI 2026, слайд 109)

Что сделать

1. Не покупать железо под ИИ заранее: сначала пилот с метрикой на арендованных мощностях или через API.
2. Пересматривать цены моделей раз в квартал: та же задача дешевеет.
3. Закупать оборудование, когда пилот доказал эффект и объем запросов известен.