95% компаний из выборки MIT NANDA так и не увидели измеримой отдачи от генеративного ИИ, хотя на корпоративный рынок уже ушли десятки миллиардов долларов. В отчёте The GenAI Divide: State of AI in Business 2025 хорошо виден разрыв между пилотами, красивыми презентациями для совета директоров и тем, что потом реально попадает в рабочие процессы.
По оценке исследователей, корпоративные вложения в GenAI уже дошли до $30—40 млрд. Но измеримый эффект, если смотреть на данные отчёта, показали только 5% интегрированных пилотов. И в отдельных случаях речь шла уже о миллионах долларов.
Это не один опрос и не один источник. Авторы посмотрели больше 300 публично раскрытых инициатив, провели структурированные интервью с представителями 52 организаций и собрали ответы 153 руководителей на четырёх отраслевых конференциях. При этом они отдельно оговаривают: речь идёт о выбранной выборке, а не обо всём рынке ИИ-проектов.
В MIT NANDA проблему видят не в самих моделях и не в регулировании. Сложность в том, как компании пытаются встроить ИИ в обычную работу. Проекты чаще всего буксуют из-за нестабильных процессов, слабой памяти систем, которые не удерживают контекст и обратную связь, и плохой связки между инструментом и задачами сотрудников.
Интерес к универсальным инструментам вроде ChatGPT и Copilot заметно выше, чем готовность бизнес-заказчиков доводить их до промышленной эксплуатации. Более 80% организаций из выборки изучали такие продукты или запускали пилоты, но до реального внедрения доходила только малая часть специализированных систем под конкретные задачи.
Тут, кстати, дело упирается не только в технику, но и в саму организацию работы. Если ИИ не встраивается в уже существующий процесс, сотрудники продолжают делать всё по старой схеме, а модель остаётся ещё одним тестовым стендом. На демо он выглядит прилично. В отчётах — уже не так.
Исследователи ещё и заметили разницу между внешней разработкой и внутренними командами. В их выборке решения, созданные с участием подрядчиков, доходили до внедрения примерно в 67% случаев, а собственные разработки компаний — примерно в 33%.
Но это не повод делать прямой вывод, что подрядчики всегда работают лучше. Авторы отдельно пишут: компании по-разному понимают успех, и сама связь между внешними партнёрами и лучшими результатами ещё ничего не доказывает.
Для рынка это неприятный сигнал. Корпоративный ИИ уже стал одной из самых дорогих технологических ставок последних лет. И если выводы MIT NANDA подтвердятся на более широких данных, инвесторам и заказчикам придётся смотреть не на число пилотов, а на то, какие процессы реально можно автоматизировать без просадки качества и с понятной экономикой.