Крупные компании по всему миру не достигают заявленных показателей экономии от автоматизации и ИИ — и продолжают наращивать инвестиции в новую волну технологий, опираясь на прогнозы, которые не подтвердились на практике. К такому выводу пришла международная консалтинговая компания специализирующаяся на стратегическом консалтинге, Bain & Company в новом исследовании Automation and AI Pathfinder Survey 2026. Опрос провелив апреле среди руководителей 951 компании с выручкой свыше $100 млн из девяти отраслей — от розничной торговли до страхования.
Среди компаний, которые фактически измеряли экономию от ИИ, наибольшая доля — 40% — зафиксировала снижение затрат не более чем на 10%. При этом большинство из них рассчитывало на существенно более значимый результат. Разрыв между ожиданиями и реальностью, по оценке Bain, носит системный характер:
«Предыдущая волна не оправдала ожиданий. Пул сбережений оказался меньше, чем предполагалось, а инвестиционный кейс для текущей волны строился на прогнозах, а не на фактических данных».
Особую тревогу вызывает то, каким образом компании финансируют новый раунд расходов на генеративный и агентный ИИ. Наибольшая доля — 44% — в числе главных источников финансирования называет целевую экономию от предыдущих внедрений. То есть средства на следующий цикл инвестиций берутся из прибыли, которую пока никто не получил.
«Самофинансирование следующей волны за счет прошлых результатов выглядит как дисциплина. На деле это круговая ставка со структурной утечкой», — констатируют в Bain.
Просчитались, но где?
Главной причиной провалов ИИ-программ консультанты называют не нехватку бюджетов и не организационные барьеры, а доступность данных. Несмотря на то что общемировые инвестиции в модернизацию данных за последнее десятилетие исчислялись сотнями миллиардов долларов, компании по-прежнему не могут надежно получить доступ к собственным данным — и именно это становится главным препятствием для работы ИИ.
Читайте также
Исследование: ИИ экономит сотрудникам до 7 часов в неделю, но создает новую нагрузку
При этом показательно, что компании, выполняющие целевые показатели экономии, сталкиваются с проблемами структуры и доступности данных даже чаще, чем те, кто их не достигает, — но при этом реже жалуются на нехватку бюджета или конкурирующие приоритеты.
Выводы Bain перекликаются с более ранними данными: в 2025 году исследовательская группа MIT зафиксировала, что 95% корпоративных ИИ-пилотов не дают результата. Основной причиной там называлась «проблема обучения» — инструменты, которые не обучаются, плохо интегрируются или не соответствуют рабочим процессам.
Рекомендация Bain носит прагматичный характер: не ждать, пока все корпоративные данные будут структурированы и приведены в готовность для ИИ, а начинать с тем, что уже доступно, — и использовать сам ИИ для упорядочивания остального массива. Для руководителей, которые сейчас одобряют новые бюджеты на ИИ под обещания будущей экономии, это исследование ставит неудобный вопрос: почему текущие прогнозы должны оказаться точнее предыдущих?
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.