Исследование MIT NANDA прошлым летом ударило по индустрии неприятной цифрой: 95% корпоративных пилотов с генеративным ИИ не приносят измеримой отдачи. Не «работают хуже ожиданий», а именно не дают результата, который можно посчитать в деньгах.

Выборка международная, российской такого масштаба в открытом доступе нет. Но картина у нас похожая: рынок генеративного ИИ в 2026 году - около 58 миллиардов рублей, технологию применяют от 55 до 71 процента компаний, а значительная часть внедрений так и остаётся пилотами, которые никуда не выросли.

При этом Сбер отчитывается об эффекте в 1,3 триллиона рублей за четыре года. То есть ИИ работает - но не у всех и не везде. Разбираю, что отличает те самые 5 процентов.

Почему пилоты не доходят до результата

Главный вывод MIT контринтуитивный: дело не в качестве моделей. Модели давно достаточно хороши. Ломается всё в четырёх местах.

Взяли не ту задачу. Самая частая история. ИИ применяют там, где он не нужен, или там, где эффект в принципе копеечный. Красивая демка, ноль влияния на прибыль.

Не встроили в процессы. ИИ живёт отдельно от систем, которыми реально управляется бизнес. Менеджер копирует текст из чата в CRM руками, данные расходятся, никто не понимает, кто прав. Такое внедрение не выживает - им просто перестают пользоваться.

Поставили на универсальный инструмент. ChatGPT прекрасен для одного человека именно потому, что гибкий. Но он не знает ваших регламентов, не помнит прошлых сделок и не учится на ваших процессах. На уровне компании эта гибкость превращается в непредсказуемость.

Вложились не туда. Бюджеты почти всегда уходят в продажи и маркетинг - там ярче и понятнее эффект. А лучшая отдача, по данным того же исследования, сидит в операциях и бэк-офисе: в скучной рутине, где трение максимальное.

Где ИИ действительно экономит

За пять лет мы внедрили автоматизацию в 300 с лишним проектов и видим устойчивый паттерн. Отдача появляется там, где сходятся четыре условия: задача повторяется десятки раз в день, цена ошибки невысока, есть накопленные данные и результат измеряется в часах или рублях.

Конкретно это выглядит так.

Ответы на типовые вопросы. В любом бизнесе 60-80 процентов входящих сообщений - это одни и те же десять вопросов: цена, сроки, наличие, как оплатить, где вы находитесь. ИИ на базе знаний компании закрывает их без оператора. Экономия - от одной ставки при потоке в сотню обращений в день.

Разбор входящих заявок. Модель читает заявку, определяет тип и срочность, вытаскивает контакты и суть, заводит карточку в CRM с тегами и назначает ответственного. Время первого касания падает с часов до минут, а это напрямую конверсия.

Расшифровка и саммари переговоров. Часовой созвон превращается в структурированную выжимку с договорённостями и задачами за минуту. Руководитель отдела продаж перестаёт слушать записи выборочно и начинает видеть все сделки.

Черновики документов. Коммерческие предложения, спецификации, ответы на типовые запросы. Человек проверяет и правит вместо того, чтобы писать с нуля. Экономия по нашим проектам - 40-60 процентов времени на документ.

Первичный разбор откликов. При массовом найме рекрутёр тонет в сотнях резюме. Модель отсеивает явно нерелевантных по формальным критериям и делает сводку по остальным.

Работа с отзывами и обращениями. Классификация по темам и тональности, выделение повторяющихся жалоб. Вместо «клиенты чем-то недовольны» - конкретный список того, что чинить в первую очередь.

Общее у всех этих задач одно: они скучные, объёмные и хорошо описываются правилами. Именно там ИИ выигрывает у человека по стоимости, а не в творчестве.

Если не уверены, есть ли у вас такая задача - опишите свой процесс в двух предложениях в Telegram @viktdo. Скажу честно, стоит ли туда вообще заходить: иногда ответ «вам хватит обычного скрипта без всякого ИИ».

Где не окупается

Здесь придётся против рынка, но лучше сказать сразу.

Малые объёмы. Меньше 20-30 однотипных операций в день - дешевле делать руками. Разработка и поддержка съедят всю экономию.

Задачи с юридической ответственностью. Медицинские заключения, юридические выводы, финансовые рекомендации. ИИ может готовить черновик, но подпись и ответственность остаются на человеке, и экономия получается скромной.

Творчество с высокой ценой ошибки. Ключевые рекламные тексты, переговоры с крупным клиентом, стратегия. ИИ здесь - подмастерье, а не замена.

Процессы, которые ещё не описаны. Если внутри хаос и никто не может объяснить, как принимается решение, ИИ этот хаос только ускорит. Сначала регламент, потом автоматизация.

Ставка на «мы просто дадим сотрудникам ChatGPT». Это не внедрение, а надежда. Часть людей начнёт им пользоваться, часть нет, измерить эффект будет невозможно - и через полгода проект тихо закроется. Ровно из этого и складываются те самые 95 процентов.

Как выбрать задачу, которая окупится

Простой фильтр из четырёх вопросов. Если на все четыре ответ «да» - беритесь.

  1. Задача повторяется хотя бы 20-30 раз в день?
  2. Можете объяснить словами, как её решает хороший сотрудник?
  3. Ошибка в одном случае из двадцати не приведёт к катастрофе?
  4. Есть данные, на которых модель будет работать: база знаний, история переписок, документы?

Считать эффект стоит не в «повышении эффективности», а в часах и деньгах: сколько человеко-часов уходит сейчас, сколько останется, что это в зарплате. Если разница меньше стоимости внедрения за год - проект не нужен.

Сколько это стоит

Ориентиры по нашей студии на лето 2026.

Базовый ИИ-ответчик на базе знаний компании - от 50 тысяч рублей, 1-2 недели. Разбор заявок с интеграцией в CRM - от 60 тысяч. Связки посложнее, с несколькими источниками данных и логикой маршрутизации, - от 120 тысяч.

Отдельно идут расходы на сами модели: 2-25 тысяч рублей в месяц в зависимости от объёма. Российские YandexGPT и GigaChat выходят в 5-10 раз дешевле зарубежных аналогов на потоке, и с ними нет вопросов по 152-ФЗ - что именно выбрать, я подробно разбирал в сравнении моделей.

Окупаемость на правильно выбранной задаче - от одного до трёх месяцев. На неправильно выбранной - никогда, сколько ни вложи.

Что делать на следующей неделе

Не начинайте с выбора нейросети. Начните с того, что посчитайте, на что у вашей команды уходит больше всего одинаковых часов. Скорее всего, это будут ответы на повторяющиеся вопросы, ручной перенос данных между системами или разбор входящих.

Возьмите одну такую задачу, оцифруйте её в часах, внедрите точечно и измерьте через месяц. Один работающий кусок лучше, чем стратегия ИИ-трансформации, которая живёт в презентации.

Разберём вашу ситуацию

Напишите в Telegram @viktdo - посмотрю ваши процессы и скажу прямо: где ИИ даст эффект в часах и деньгах, а где вы потратите бюджет впустую. Разбор бесплатный, обычно хватает 15 минут.

Что делаем: интеграцию ИИ в бизнес-процессы - ответчики на базе знаний, разбор заявок, обработка документов; омниканальных ботов на Salebot для MAX, Telegram и VK; мини-приложения и интеграции с CRM и 1С. Прикинуть бюджет можно в калькуляторе.

BotKraft - студия чат-ботов и автоматизации: 5 лет на рынке, больше 300 проектов.