Большинство проектов по внедрению генеративного ИИ в компаниях пока не выходит за рамки пилотов, несмотря на значительные инвестиции и высокий интерес к технологии. Эксперты объясняют это сложностями интеграции, нехваткой компетенций и незрелостью решений. Массовое внедрение ожидается лишь в ближайшие годы, по мере развития рынка и накопления практического опыта
Доля пилотных инициатив, связанных с внедрением технологий генеративного искусственного интеллекта, остается крайне ограниченной: согласно данным опроса компании "Интеллектуальная аналитика", лишь около 7–10% проектов, запущенных крупнейшими технологическими компаниями в 2025 году, смогли перейти в стадию полноценной промышленной эксплуатации. Подавляющее большинство — порядка 90% — либо продолжает оставаться на этапе тестирования, либо подвергается пересмотру, либо вовсе закрывается.
Это подтверждается и участниками рынка. Такой показатель соответствует текущей стадии развития генеративного ИИ, рассказали в MWS AI. Значительная часть инициатив все еще находится в активной разработке и сохраняет потенциал для дальнейшего масштабирования.
Готов ли российский бизнес к эре цифровых сотрудников? Обзор рынка ИИ-агентов
Согласно данным опроса, от 30 до 40% пилотных проектов были остановлены из-за отсутствия ожидаемой экономической отдачи. Ключевой проблемой стала недостаточная интеграция решений в реальные бизнес-процессы компаний. Во многих случаях внедряемые модели не были связаны с ключевыми корпоративными системами — такими как CRM, ERP или СЭД. Кроме того, часть проектов изначально носила скорее имиджевый характер и запускалась ради публичного эффекта, а не практической пользы, что также снижало их шансы на успешное внедрение.
Отдельные кейсы, приведенные участниками исследования, демонстрируют типичные ошибки. Так, в одном из проектов компания пыталась самостоятельно дообучить китайскую языковую модель без привлечения профильных специалистов. Использованные данные оказались нерепрезентативными, а сама модель показала низкий уровень владения русским языком. В результате точность работы ИИ-ассистента в юридическом подразделении не превысила 30%, и проект был закрыт. В другом случае внедрение не удалось из-за ограничений технологий: служба поддержки компании обрабатывала обращения с вложениями в виде документов и изображений, однако доступные на тот момент модели не обеспечивали полноценную мультимодальность, что сделало реализацию невозможной.
Финансовые вложения в развитие ИИ значительны. По данным FinExpertiza, в 2024 году российские компании направили на такие технологии более 90 млрд рублей, при этом средние расходы на одну организацию составили около 6 млн рублей. В 2025 году бюджеты пилотных проектов, как правило, находились в диапазоне от 5 до 15 млн рублей без учета затрат на инфраструктуру.
Несмотря на текущие сложности, потенциал генеративного ИИ оценивается высоко. Эксперты считают, что в перспективе он способен обеспечить дополнительный рост ВВП России на уровне до 2,5%. Если в 2024 году вклад технологии оценивался лишь в пределах 0,07–0,15% ВВП, то уже в 2025 году эффект может достигать 0,5–1 трлн рублей, а к 2035 году — вырасти до 2% ВВП, что эквивалентно десяткам триллионов рублей.
При этом сроки внедрения заметно сдвигаются. У половины компаний запуск промышленных решений перенесен с 2025 — начала 2026 года на более поздний период — вторую половину или конец 2026 года. Основные причины — более высокая, чем ожидалось, сложность проектов, необходимость обучения сотрудников, развитие инфраструктуры и обеспечение требований безопасности.
Уровень проникновения ИИ зависит от выбранной методики оценки. Например, с точки зрения освоения инструментов и общей готовности компаний показатель может достигать 80–90%. Однако если говорить о глубокой интеграции в бизнес-процессы, то этот уровень пока остается на отметке 5–10%, что объясняется рядом ограничений — от нехватки компетенций до организационных и инфраструктурных барьеров.
Эксперты сходятся во мнении, что низкая доля внедренных ИИ-проектов — это нормальный и ожидаемый этап развития технологии. Основные причины — сложность интеграции в реальные бизнес-процессы, нехватка компетенций, инфраструктуры и зрелых решений, а также повышенные требования к безопасности. При этом потенциал у генеративного ИИ остается высоким: по мере доработки технологий, накопления опыта и появления более удобных инструментов массовое внедрение ожидается в ближайшие несколько лет.