Представьте: вы собираете совет директоров, ставите на слайды картинки с роботами, произносите слово »трансформация» раз пятнадцать и утверждаете бюджет на генеративный ИИ. Через год в той же переговорке вы объясняете, куда делись деньги и почему продажи не выросли. Примерно так выглядит 2024–2026 год для большинства крупных компаний.
По данным Gartner из отчёта Hype Cycle for Artificial Intelligence 2025, средний корпоративный бюджет на инициативы с GenAI составил $1,9 млн, при этом менее 30% AI-лидеров говорят, что их гендиректора довольны отдачей от этих инвестиций. А MIT в исследовании The GenAI Divide, основанном на интервью с руководителями и анализе 300 публичных внедрений, выяснил, что 95% пилотов не дали никакого измеримого влияния на P&L. Только 5% интегрированных систем создали реальную ценность.
Похоже не на кризис технологий, а на кризис их применения.
Если послушать вендоров образца 2023–2024 года, то ИИ должен был: удвоить продуктивность команд, сократить расходы на поддержку клиентов вдвое, автоматизировать контент-маркетинг, заменить джуниоров в разработке и дать бизнесу конкурентное преимущество, пока конкуренты спят. McKinsey писала про $4,4 трлн потенциального ежегодного прироста экономики. На конференциях CEO рассказывали, как ChatGPT изменил их утреннюю рутину. Инвесторы требовали от портфельных компаний »стратегию по ИИ» как обязательный пункт. И компании поверили и начали тратить. Нанимать директоров по ИИ. Запускать пилоты.
Самые острые данные касаются конверсии из пилота в продакшн: только 5% кастомных корпоративных AI-инструментов реально добираются до продакшн-стадии. Крупные предприятия в среднем тратят на этот путь девять и более месяцев, тогда как компании среднего бизнеса справляются примерно за 90 дней.
Что происходит в оставшихся 95%? Они зависают в состоянии вечного »мы тестируем». Хороший пилот в изолированной среде, похвала на презентации внутри компании, потом тихая смерть. Причины: система не интегрируется с реальными данными, сотрудники не меняют процессы, метрики успеха никто не определил заранее.
Согласно апрельскому опросу Gartner 2026 года, среди 782 руководителей в сфере IT-инфраструктуры, только 28% AI-кейсов полностью выполняют ожидания по ROI, а 20% проектов проваливаются полностью. При этом 57% тех, кто столкнулся хотя бы с одним провалом, объяснили его тем, что ожидали слишком многого слишком быстро. Среди причин неудач лидируют: нехватка навыков (38% опрошенных) и низкое качество данных или их ограниченная доступность (ещё 38%).
Ну а часть команд и вовсе просто ставит заветные буковки »AI» в название и идёт собирать бюджеты у инвесторов. Если кто-то из них вообще доходит до продукта — это удивительно.
Проблема номер один: деньги идут не туда. Более половины GenAI-бюджетов направляется в продажи и маркетинг, несмотря на то что самая высокая отдача фиксируется именно в бэк-офисной автоматизации: снижении затрат на аутсорсинг, сокращении расходов на внешние агентства, росте операционной эффективности. Это как качать бицепс, когда проблема в спине.
Проблема номер два: компании строят сами, хотя покупать выгоднее. MIT обнаружил, что покупка инструментов у специализированных вендоров и партнёрства дают результат примерно в 67% случаев, тогда как собственные разработки успешны лишь в трети случаев. Тем не менее в регулируемых отраслях многие компании продолжают строить проприетарные решения.
Проблема номер три: плохие данные. Можно взять самую мощную модель и скормить ей мусор. На выходе будет дорогой, уверенно говорящий мусор. В большинстве компаний данные годами не структурированы, не размечены и не очищены. ИИ не исправляет эту проблему, он её усиливает.
Проблема номер четыре: организационная. Gartner прямо указывает: компании с низким уровнем зрелости не могут определить подходящие кейсы и приходят с нереалистичными ожиданиями, тогда как зрелые организации спотыкаются о нехватку специалистов и неумение выстроить ИИ-грамотность внутри команд. Иными словами, проблема есть у всех, просто разная.
И отдельная история с »теневым ИИ»: сотрудники используют ChatGPT и другие потребительские инструменты без ведома работодателей, создавая неотслеживаемые риски и разрыв между официальной »стратегией по ИИ» и тем, что реально происходит в компании.
Сам Gartner называет 2026 год »провалом ожиданий» в рамках своего Hype Cycle и указывает, что прежде чем масштабировать ИИ по-настоящему, компаниям нужно научиться предсказывать ROI. Это честнее большинства корпоративных пресс-релизов.
ИИ работает. Просто не так, как его продавали. И не там, куда большинство тратит деньги. Те 5%, которые получают реальный результат, не умнее остальных. Они просто менее романтичны в своём подходе: узкая задача, хорошие данные, интеграция в существующий процесс, чёткая метрика. Всё остальное — дорогостоящий способ выглядеть современно на совете директоров.
