Почему ИИ в компаниях не дает результата и что с этим делать

Отчет MIT NANDA The GenAIгенеративный ИИ Генеративный ИИ (generative AI) это нейросети, которые создают новый контент: тексты, изображения, музыку, видео и программный код по описанию на обычном языке. Подробнее в словаре Divide вышел в июле 2025 года. 95% организаций не получили измеримой отдачи от генеративного ИИ, а до рабочего использования доходит 5% заказных ИИ-инструментов. Деньги потрачены, процессы остались прежними.

В России картина похожая. По опросу МТС Web Services среди 700 компаний в декабре 2025 года, у 74% российских компаний нет стратегии развития ИИ, она есть только у 26%. Без стратегии каждый отдел покупает свое, и общий результат никто не считает.

По тому же опросу МТС Web Services, 91% российских компаний работают с одним поставщиком ИИ. Сравнить его цену и качество им не с чем, поэтому переплату и слабое решение никто не замечает.

BCG показывает, где лежат ошибки внедрения ИИвнедрение ИИ Внедрение ИИ это путь от идеи до работающего решения: компания выбирает процесс, подключает к нему искусственный интеллект, учит людей и измеряет результат в деньгах. Подробнее в словаре: около 70% трудностей связаны с людьми и процессами, 20% с технологией и только 10% с алгоритмами. Модель редко бывает главной проблемой, проблема в том, как устроена работа вокруг нее.

Gartner в прогнозе от 25 июня 2025 года ждет, что больше 40% проектов с ИИ-агентамиИИ-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 закроют к концу 2027 года. Причины названы прямо: расходы, неясная ценность и слабый контроль рисков.

Вывод из этих цифр один: ИИ как технология работает, а внедрение без процесса, метрики и ответственного не окупается. Подробный разбор отчета MIT и устройства пилота с метрикой есть в статье про 95% пилотов без результата.

Почему внедрение ИИ не окупается, обычно объясняет одна из шести причин. У каждой есть признак, по которому ее видно в вашей компании без аудита.

1. Купили подписки на нейросети для сотрудников, а процессы остались прежними. Признак: отчеты об использовании есть, а сроки, затраты и выручка не изменились. Подробно в разборе про подписки вместо процессов.

2. Отдали ИИ в ИТ-отдел: ИТ отвечает за системы, а деньги теряются в продажах, закупках и учете. Признак: руководители отделов узнают о проекте последними. Чего не хватает ИТ-отделу и что остается за ним, мы разобрали отдельно.

3. Подрядчик продает то, что умеет делать: разработку на миллионы там, где хватило бы готового сервиса. Признак: в коммерческом предложении нет сравнения с решениями, которые уже есть на рынке. Как выбирать между ними, читайте в материале про разработку или готовое решение.

4. Никто не посчитал эффект в рублях до старта, поэтому после старта нечего проверить. Признак: на вопрос «сколько сэкономили» отвечают «стало удобнее».

5. Нет ответственного за результат: ИИ есть у всех отделов и ни у кого. Признак: каждый отдел платит за свой сервис, а общую сумму и общий эффект не знает никто.

6. Сотрудников не научили. Инструмент есть, пользоваться им никто не стал. Признак: через месяц после запуска с ИИ работают несколько энтузиастов, остальные делают все по-старому.

Причины складываются. Компания с подписками, проектом в ИТ-отделе и без метрики получает сразу три из шести, и каждая по отдельности уже съедает эффект.

Один и тот же ИИ дает разный результат. Разница не в модели и не в цене подписки, а в том, как компания ставит задачу и кто за нее отвечает.

Подписки. ИИ не работает: купили подписку всем сотрудникам и ждут роста. ИИ работает: нашли процесс, где теряются деньги, и посчитали эффект до старта.

Подписка ускоряет отдельного человека. Деньги приходят, когда меняется процесс: как принимают заявку, выставляют счет, готовят отгрузку или собирают отчет.

ИТ-отдел. ИИ не работает: проект ведет ИТ-отдел, отделы узнают о нем последними. ИИ работает: решение принимает первое лицо, каждый отдел знает свою задачу и свою цифру.

ИТ-отдел остается нужен: он подключает ИИ к CRM, 1С и телефонии и отвечает за доступы. Но решение, что менять и зачем, принимает руководитель компании, а за результат отвечает один человек. Как это устроить, разобрано на странице про проекты без ответственного.

Разработка. ИИ не работает: подрядчик сразу предлагает разработку. ИИ работает: до заказа разработки проверяют готовые решения на рынке и разрабатывают только то, чего нет.

Разработка дороже и дольше готового сервиса. Если процесс типовой, решение для него уже кто-то сделал и отладил на других компаниях.

Метрика. ИИ не работает: успех измеряют тем, что система запущена. ИИ работает: успех измеряют рублями экономии и роста, метрика записана в договор.

Запуск системы ничего не говорит о деньгах. Цифра до старта, например время ответа на заявку или часы сотрудников в месяц, дает точку сравнения. Как ее выбрать, читайте в разборе про метрику до старта.

Люди. ИИ не работает: сотрудники боятся, что их заменят, и не пользуются. ИИ работает: людей учат работать вместе с ИИ, и они видят, что работы стало меньше.

Обучение на своих задачах и честный разговор о том, что меняется в работе, дают больше, чем новая модель. Почему сотрудники не пользуются ИИ и что с этим делать, разобрали отдельно.

Данные. ИИ не работает: сведения о клиентах уходят в зарубежные сервисы без проверки. ИИ работает: до старта проверено, что можно отдавать ИИ, обработка идет в России по 152-ФЗ.

Если персональные данные клиентов утекут, отвечает компания, а проект в таком случае закрывает юрист, а не собственник. Риски проверяют до запуска, а не после первой утечки.

Ответьте на шесть вопросов. Каждое «нет» или «не знаю» указывает на одну из причин выше.

1. Есть ли процесс, где вы знаете потери в рублях за месяц?

2. Кто принимает решения по ИИ: первое лицо или ИТ-отдел?

3. Сравнивали ли вы предложение подрядчика с готовыми решениями на рынке?

4. Записана ли метрика до старта, и где: в договоре или в презентации?

5. Кто один отвечает за результат ИИ во всех отделах?

6. Сколько сотрудников пользуются ИИ каждый день через месяц после запуска?

Чем больше ответов «нет», тем меньше шансов, что вложения в ИИ вернутся. Это не повод все останавливать: часто хватает назначить ответственного, выбрать один процесс и записать одну цифру.

Если проект начинали с ожидания, что ИИ заменит людей, сначала пересоберите цель. Какие ожидания от ИИ реальны, мы разобрали на отдельной странице.

Тот же разбор мы проводим вместе с вами: 30 минут, бесплатно. Пройдем по шести причинам, найдем процесс, где ИИ может вернуть деньги, и скажем, нужна ли вам полная карта ИИ-решений.