Реальный эффект генеративного ИИ в корпоративной работе скромнее ожиданий

Аналитики Comindware свели эти данные воедино в рамках подготовки собственного отчета о коммерческом обосновании внедрения корпоративного ИИ.

Самый наглядный результат получила METR. В июле 2025 года она опубликовала результаты контролируемого эксперимента с участием 16 опытных разработчиков open-source проектов: они выполнили 246 реальных задач в рабочих репозиториях, половину с ИИ-ассистентом, половину без. До старта разработчики прогнозировали, что ИИ ускорит их на 24%. После эксперимента, даже столкнувшись с замедлением, они продолжали верить, что работали на 20% быстрее. Независимые замеры показали обратное: задачи с ИИ занимали на 19% больше времени. Разрыв между самовосприятием и объективной метрикой составил около 43 процентных пунктов, а использовали разработчики фронтирные модели того периода.

За месяц до METR инициатива NANDA в MIT Media Lab выпустила отчет The GenAI Divide: State of AI in Business 2025. Ключевой вывод: на фоне глобальных вложений в корпоративный генеративный ИИ в объеме $30 – 40 млрд около 95% пилотов не дают измеримого эффекта на P&L. Ценность извлекают лишь 5% проектов, причем граница проходит не по качеству моделей, а по способу внедрения. Организации, которые покупают специализированные инструменты и выстраивают партнерства с вендорами, достигают результата примерно вдвое чаще тех, кто пытается собрать собственное решение с нуля.

Тренд подтвердили и данные S&P Global Market Intelligence, опубликованные в марте 2025 года, согласно которым доля компаний, сворачивающих большую часть своих ИИ-инициатив до стадии продакшна, выросла до 42% с 17% годом ранее. В среднем организации отказываются от 46% пилотов после фазы proof-of-concept. Главными барьерами респонденты называли стоимость, приватность данных и риски безопасности, а ключевым организационным фактором провала, сопротивление команд и отсутствие сквозных метрик эффективности.

Три исследования сходятся в одном: между декларируемыми ожиданиями и результатом возник разрыв, который не удается объяснить ни незрелостью моделей, ни нехваткой вычислительных мощностей, ни регуляторными рамками. Корпоративный ИИ в большинстве компаний не получает механизмов обратной связи, контекстной настройки и интеграции в операционную модель, а значит, остается инструментом индивидуальной продуктивности, но не рычагом бизнес-трансформации.

«На российском рынке картина сопоставимая, с поправкой на специфику: интерес к ИИ перестал быть хайпом и стал нормой, но глубина внедрения далеко не всегда соответствует амбициям. Компания закупает модель, подключает ассистента, пилоты бодро выглядят на первых демо, а через полгода выясняется, что в P&L движения нет. Причина почти всегда одна: организация внедряет инструмент, но не перепроектирует процесс», - говорит Виталий Шпак, генеральный директор Comindware.

Аналитики Comindware обратили внимание на смежный сигнал. По данным OECD и Deloitte, реально замеряемая продуктивность от ИИ во многих офисных сценариях держится ниже 1%, тогда как сотрудники по опросам оценивают ее в 40 – 66%. Это тот же эффект, что METR зафиксировала у разработчиков, но уже в бОльшем масштабе - ощущение «мы стали работать быстрее» системно опережает фактические цифры, что делает корпоративное решение об инвестициях в ИИ особенно уязвимым к оптимистическим прогнозам снизу.

Разрыв усугубляет еще одно обстоятельство, отмеченное в MIT. Пока компании покупают корпоративные подписки в среднем для 40% сотрудников, до 90% работников уже используют личные ИИ-инструменты в ежедневных задачах. Возникает теневая экономика ИИ, в которой решения о применении технологии принимают не руководители и не ИТ-департамент, а сами сотрудники. Делают они это за периметром информационной безопасности, комплаенса и корпоративных метрик, что создает отдельный класс рисков, который в 2026 году уже выходит на первый план.

«Разрыв между 5% успешных внедрений и 95% неудачных определяет сегодня не технология, а операционная дисциплина. Кто владеет процессом, кто измеряет качество ответа модели, кто несет ответственность за результат и как именно ИИ встраивается в повседневную работу, - вот реальные точки, где решается эффект. Там, где ИИ остается надстройкой над процессом, он почти гарантированно не даст отдачи. Там, где он становится частью процесса и измеряется по метрикам бизнеса, а не по метрикам модели, он начинает приносить деньги, и этот сдвиг оптики и есть главный вывод 2025 года для российского заказчика», - добавляет Виталий Шпак.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!