Объем венчурных инвестиций в технологии искусственного интеллекта за 2025 год составил $258 млрд — 60% от всех вложений в венчурный рынок мира. В России рынок генеративного ИИ вырос в 4,5 раза, достигнув 58 млрд рублей. Деньги поступают огромные, технологии развиваются стремительно — но где обещанная отдача?
Форум «Данные + ИИ 2026» собрал 500 представителей ведущих российских компаний и госструктур именно для того, чтобы обсудить этот непростой переход от прототипов к прагматичному внедрению. Общая тенденция ясна: ИИ покидает лаборатории и стенды пилотных проектов, но путь к реальному экономическому эффекту оказался куда сложнее, чем предполагали оптимисты.
Цифры и контекст: масштаб прагматичного поворота
Российский рынок искусственного интеллекта продолжает расти быстрее остального ИТ-рынка: спрос на ИИ-технологии увеличится на 12% в 2025-м и на 16% в 2026-м. 35% российских промышленных предприятий уже используют ИИ, и 77% из них отмечают положительный эффект. Эти цифры создают впечатление поступательного триумфального шествия технологии.
Реальность сложнее. По данным исследования fortech.dev, 92% российских компаний, внедривших AI-решения в 2025 году, не получили ожидаемого ROI. Основная причина — хаотичный подход без четкой стратегии. Средние затраты на неудачное внедрение составляют 2–8 млн рублей, а время на «эксперименты» — от 6 до 18 месяцев.
При этом, по данным PwC, 74% всего экономического эффекта от ИИ получают всего 20% компаний. Это неравенство — прямое следствие того, что одни уже научились интегрировать ИИ в бизнес-процессы, а другие продолжают использовать его как «умный поисковик».
Разрыв между ожиданиями и реальностью: почему пилоты не масштабируются
2025 год стал поворотным в том смысле, что бизнес впервые массово заговорил не о «внедрении ИИ вообще», а о его реальной окупаемости и влиянии на ключевые процессы. Но анализ показывает системную проблему: большинство проектов по внедрению ИИ стартуют как инициативы отдельных команд без четко заданной бизнес-гипотезы.
Характерная картина: разработчики подключают ассистентов в IDE, бизнес запускает чат-боты для поддержки клиентов, аналитики осваивают новые инструменты работы с данными. Через несколько месяцев ситуация выглядит одинаково: нельзя назвать конкретный экономический результат, цели пилота изначально не синхронизированы между ИТ, бизнесом и ИБ, а риски учитываются постфактум, когда проект уже сделан «как получится».
Георгий Шатиров из «К2Тех» на форуме «Данные+ИИ 2026» высказался еще жестче: в 90% случаев ИИ вообще не нужен — проще и дешевле решать задачи традиционными методами.
Но где же ИИ действительно работает?
Технологии реального эффекта: от хайпа к экономике
Те, кто уже прошел стадию пилотов и вышел на промышленную эксплуатацию, опираются на проверенные технологии с измеримыми результатами.
Предиктивная аналитика остается лидером по экономическому эффекту. Алгоритмы, анализируя данные с вибродатчиков, термопар и расходомеров, прогнозируют отказы оборудования. Внедрение таких систем помогает сократить время простоя на 25%, а число поломок — на 35%.
Компьютерное зрение перестало быть экзотикой. Камеры с ИИ в реальном времени контролируют безопасность (отсутствие касок, вход в опасные зоны), качество продукции и ведут поштучный учет. В металлургии такие системы позволяют автоматически измерять ширину ленты без остановки конвейера, экономя до 10 минут на каждой проверке.
Small Language Models становятся альтернативой гигантским LLM. Мир осознал, что огромные модели не всегда рентабельны. Будущее — за небольшими, эффективными моделями, которые решают узкий круг задач с минимальными затратами на вычисления. В российской промышленности это проявляется в росте спроса на «коробочные» ИИ-решения для автоматизации документооборота и технической поддержки.
Кейсы: прагматичный ИИ в действии
За цифрами стоят живые примеры. Вот несколько историй промышленного внедрения с измеримым экономическим эффектом.
CYBERSTEEL (производство стальных труб) внедрила комплекс ИИ-решений стоимостью более 16 млн рублей. На участке контроля продукции заработала система автоматического измерения длины: камера сканирует трубу, а результаты передаются в MES. Решение заменило ручные замеры рулеткой, исключило человеческий фактор и сократило время операции в 4 раза. Кроме того, система ведет предиктивный контроль термообработки для раннего выявления отклонений качества. Эффект — прямое сокращение брака и повышение прозрачности отгрузок.
ShokinGPT — защищенная промышленная ИИ-платформа от холдинга «Росэл» (входит в Ростех), выведенная на рынок в апреле 2026 года. Платформа построена по принципу мультиагентной системы и позволяет экономить от 3 до 5 рабочих часов в день на одного специалиста при работе с документами и корпоративными данными.
ОМК представила на международной конференции AAAI 2026 в Сингапуре инновационную систему ИИ-мониторинга металлолома. Система позволяет автоматически сортировать и контролировать качество металлолома, сокращая ручной труд и повышая эффективность переработки. Научная статья прошла двойное слепое рецензирование четырьмя независимыми экспертами — признание на самом высоком академическом уровне.
«Северсталь» последовательно трансформирует классическое металлургическое производство в высокотехнологичную экосистему, где ИТ-решения определяют себестоимость и качество конечного продукта. Ключевой инструмент — цифровые двойники: виртуальные копии производственных линий позволяют тестировать новые режимы работы без риска для реальных мощностей.
Оскольский электрометаллургический комбинат внедряет ИИ для управления установкой металлизации. Управляющий директор комбината Кирилл Чернов отметил, что применение ИИ формирует задел для дальнейшего роста объемов выпуска, повышения стабильности качественных характеристик товарной продукции и сдерживания производственных затрат.
«Рокет Контрол», разработчик ИИ-продуктов для промышленности, впервые раскрыл финансовые показатели. По итогам 2025 года выручка компании составила 500 млн рублей, увеличившись на 22% год к году. Совокупный экономический эффект для клиентов превысил 7 млрд рублей. В отдельных проектах в металлургии удалось повысить производительность на 1,5–3%, снизить энергопотребление до 8% и увеличить извлечение металла на 0,5–1%.
Итог: ИИ перестал быть модой
Бизнес вошел в 2026 год с пониманием, что дальнейший рост невозможен без автоматизации ключевых процессов. ИИ наконец перестал быть модой и превратился в базовую инфраструктуру — такую же обязательную, как CRM десять лет назад.
Но прагматичный ИИ — это не про покупку лицензий на ChatGPT и не про отчеты о количестве написанных промптов. Главный вывод, который подтверждает вся собранная статистика: ИИ дает эффект только при системном внедрении. Пилотные проекты без интеграции в процессы не решают бизнес-задач.
Ключевая ошибка бизнеса — воспринимать ИИ как технологический проект. На практике это управленческое изменение. Искусственный интеллект сам по себе не повышает производительность — он лишь перераспределяет задачи, создавая возможности для роста, если компания готова эти возможности использовать.
В 2026 году фокус сместился с вопроса «нужен ли нам ИИ» на вопрос «как правильно распределить роли между человеком и технологией». И ответ на этот вопрос уже есть у тех 20% компаний, которые получают 74% экономического эффекта от ИИ. Остальным предстоит догонять — или рисковать остаться позади.