Расширять применение генеративного искусственного интеллекта собираются 80% российских компаний, однако 65% уже сталкивались с пилотными проектами, которые так и не дошли до промышленной эксплуатации. Такие данные приводит исследование «СберПро», представленное на конференции SberPro Tech 2026. Как отметил заместитель председателя правления Сбербанка Анатолий Попов, «47% российских компаний используют генеративный ИИ для разработки программного обеспечения, столько же — для анализа данных и подготовки отчётности. Важно, чтобы успешные решения выходили за рамки отдельных экспериментов и становились частью повседневной работы». Среди причин, по которым пилоты не доходят до эксплуатации, 48% опрошенных назвали низкое качество данных, 46% — сложности интеграции с корпоративными системами. Сейчас 43% компаний экспериментируют с технологией, а 31% уже используют её в регулярной эксплуатации. Глобальный рынок генеративного ИИ в 2025 году превысил 100 млрд долларов, а более 70% международных компаний внедрили технологию хотя бы в одной бизнес-функции.
Как отмечает эксперт Среднерусского института управления — филиала РАНХиГС Анастасия Власова, разрыв между 80% желающих и 31% реально использующих — это не «провал ИИ», а провал инфраструктуры, которая должна этот ИИ поддерживать. За цифрами исследования стоит несколько системных проблем, которые не решаются покупкой лицензии или запуском чат-бота.
Первая — данные. Почти половина компаний (48%) называют низкое качество данных главной причиной неудач. Генеративный ИИ требует не просто «больших данных», а чистых, размеченных и структурированных данных. Во многих российских компаниях информация хранится в разрозненных системах, дублируется, содержит ошибки и не имеет единых стандартов. ИИ, обученный на таком массиве, выдаёт правдоподобные, но неверные результаты — и пилот останавливается, потому что бизнес не доверяет выводам.
Вторая — интеграция. 46% респондентов указали на сложности с корпоративными системами. Генеративный ИИ не работает «в вакууме»: чтобы приносить пользу, он должен быть встроен в CRM, ERP, документооборот и производственные процессы. А это требует не только технических решений, но и перестройки процессов: кто отвечает за результат, какие действия можно доверять ИИ-агенту, как контролировать его работу. Без ответов на эти вопросы пилот остаётся «песочницей», а не рабочим инструментом.
Третья — особые условия российского рынка. Исследование отмечает: государство здесь одновременно регулятор, крупный заказчик и ключевой соинвестор, разработка сосредоточена вокруг трёх-четырёх крупных экосистем, а инфраструктура строится преимущественно на собственных серверах компаний. Это создаёт с одной стороны — предсказуемость и поддержку, с другой — ограничивает выбор решений и усиливает зависимость от нескольких игроков. Компании, которые строят ИИ на собственной инфраструктуре, получают контроль над данными, но сталкиваются с высокими затратами на вычислительные мощности и обслуживание.
Директор по данным и аналитике одной из российских технологических компаний Сергей Кравченко подчёркивает, что проблема не в технологии, а в управленческой зрелости:
«Генеративный ИИ — это не "коробочный продукт", который можно купить и включить. Это инструмент, который требует, чтобы компания сначала навела порядок в данных, описала процессы и определила зоны ответственности. Когда мы говорим о 65% неудачных пилотов, речь часто идёт не о том, что ИИ "не сработал", а о том, что организация не была готова к его внедрению. Компании, которые доходят до эксплуатации, как правило, начинают не с выбора модели, а с аудита данных и перестройки процессов. И это правильный путь: сначала — фундамент, потом — технология».
Генеративный ИИ в российских компаниях переживает стадию перехода от энтузиазма к зрелости. 80% планируют расширять, 43% экспериментируют, 31% используют регулярно — это не провал, а естественная кривая внедрения, на которой пилоты неизбежно отсеиваются. Главный урок исследования: успех зависит не от выбора самой продвинутой модели, а от качества данных, готовности инфраструктуры и управленческой воли. Компании, которые это понимают, уже сегодня получают отдачу — от ускорения разработки ПО до автоматизации отчётности. Остальным предстоит пройти этот путь: не через «ещё один пилот», а через инвестиции в фундамент, без которого генеративный ИИ останется красивой демонстрацией, а не рабочим инструментом.
© 2026 ООО "Мегасофт"
