Стоит ли бизнесу так дорого платить за искусственный интеллект?

По данным отчета McKinsey, 78% компаний внедрили хотя бы пилотные AI-решения. Но есть нюанс: реальную ценность получают далеко не все.

На первый взгляд — это революция. Но массовое внедрение далеко не всегда про эффективность. И для многих компаний ИИ остается скорее витриной для инвесторов и партнеров, чем реальным источником прибыли и оптимизации процессов.

Почему так происходит? Ответ станет очевиднее, если посмотреть на последствия первой волны энтузиазма.

Первое похмелье: ожидания и реальный ROI

Сначала ИИ воспринимался как безусловный драйвер роста: презентации крупнейших корпораций обещали новые рынки, прорыв в продуктивности и почти мгновенную окупаемость инвестиций. На этом фоне началась масштабная гонка за инфраструктурой: компании закупали графические процессоры, строили дата-центры, разворачивали облачные сервисы и нанимали целые команды специалистов.

Масштабы капиталовложений поражают. По оценкам Nvidia, к 2030 году общий объем инвестиций в дата-центры может достигнуть $3–4 трлн. Эта сумма сопоставима с ВВП крупнейших мировых экономик и показывает, что бизнес воспринимает ИИ не как эксперимент, а как стратегическое направление.

Однако за этим впечатляющим ростом скрывается большая проблема. Возврат на инвестиции оказывается гораздо скромнее, чем ожидалось. Затраты на оборудование, электроэнергию и обслуживание растут быстрее, чем успевают появляться ощутимые результаты. Для многих компаний это уже превращается в серьезную проблему: бюджеты на ИИ стремительно увеличиваются, а ROI остается либо нулевым, либо символическим.

При этом сводить картину только к разочарованию было бы неправильно. Одновременно с первыми трудностями появляются и успешные примеры: технологии реально помогают бизнесу зарабатывать — будь то оптимизация цепочек поставок или автоматизация клиентского сервиса.

Где технологии уже работают

Лучший показатель зрелости технологий — когда ИИ становится частью повседневной рутины. У Microsoft это получилось: Copilot встроен прямо в Office и Windows и уже работает в сотнях корпораций. Для миллионов сотрудников он стал рабочим инструментом, который помогает писать тексты, анализировать таблицы, искать нужные документы. Это уже, можно сказать, новый стандарт корпоративного софта.

Walmart сэкономил больше $55 млн за счет оптимизации запасов с помощью AI. Здесь искусственный интеллект напрямую влияет на прибыль, а не просто создает иллюзию инноваций.

Подобные примеры встречаются и в других сферах. Банки используют ИИ для борьбы с мошенничеством и автоматической проверки транзакций. Автопроизводители интегрируют алгоритмы в производство, снижая простои и повышая точность.

Все это подтверждает: искусственный интеллект приносит реальную ценность только там, где его встраивают в фундамент бизнес-процессов. Там, где он становится двигателем, а не красивой вывеской для отчетов и презентаций.

Но далеко не всем компаниям удается повторить этот сценарий.

Когда инвестиции не окупаются

Главные барьеры для внедрения ИИ хорошо известны, но в реальности они сложнее, чем кажется на первый взгляд.

Во-первых, дефицит вычислительных мощностей. Компании сталкиваются не только с высокой ценой серверов и видеокарт, но и с ограничениями в доступе к ним. Очереди на аренду мощностей у крупных облачных провайдеров могут растягиваться на месяцы. Часть AI-стартапов была вынуждена арендовать GPU через посредников по ценам, превышающим рыночные в 2–3 раза.

Во-вторых, интеграция ИИ в существующие системы оказывается гораздо сложнее, чем в презентациях. Банки, например, тратят годы на согласование моделей с требованиями комплаенса. В медицине внедрение ИИ блокируют не только регуляции, но и необходимость обучать алгоритмы на локальных медицинских данных, которые почти невозможно передавать через границы из-за правил конфиденциальности.

В-третьих, управление данными. Алгоритмы без качественной базы бесполезны. У ритейлеров часто данные хранятся разрозненно: часть в старых ERP, часть в облаке, часть в «теневых» Excel-таблицах. Приведение всего этого к единому стандарту занимает годы и требует немалых инвестиций.

Человеческий фактор часто становится главным барьером. На заводах операторы игнорируют сигналы систем предиктивного ремонта, опасаясь потерять значимость. В колл-центрах консультанты сопротивляются чат-ботам, которые берут на себя до 40% обращений. В юрфирмах младшие сотрудники недовольны автоматизацией проверки контрактов, так как теряют практику. В банках риск-аналитики скептически относятся к моделям, выдающим инвестиционные рекомендации, видя в них угрозу своей экспертности. В медицине врачи тормозят внедрение алгоритмов диагностики, считая их конкурентами.

И наконец — давление регуляторов. В ЕС принят AI Act, который требует жесткой отчетности для «высокорисковых» систем, включая финтех и медицину. В США обсуждают ограничение доступа к продвинутым моделям для неаффилированных компаний, чтобы снизить риски утечек данных. Это означает, что внедрение может буксовать не из-за технологий, а из-за юридических рамок.

Главный парадокс в том, что полный отказ от ИИ обходится дороже, чем риск экспериментов. В начале 2000-х компании, проигнорировавшие интернет, потеряли рынки. Позже те, кто задержался с переходом в облако, столкнулись с неконкурентными издержками.

Сейчас похожая ситуация повторяется. Ритейлеры без систем прогнозирования спроса списывают больше товаров, тогда как Walmart экономит десятки миллионов благодаря ИИ. В промышленности отказ от предиктивного ремонта приводит к простоям на миллионы долларов, тогда как компании, внедрившие ИИ, сокращают незапланированные остановки почти наполовину. В банках автоматизация комплаенса и анализа транзакций снижает издержки и ускоряет обслуживание, а консервативные игроки теряют клиентов.

Цена бездействия растет быстрее, чем цена ошибок при внедрении.

Ждать нельзя

ИИ перестал быть экспериментом или модной фичей — сегодня он встраивается в новую инфраструктуру бизнеса.

Ошибки и издержки на этапе внедрения неизбежны: алгоритмы требуют дообучения, инфраструктура дорогая, качественные команды ― в дефиците. Но цена промедления выше в разы. Компании, которые медлят, накапливают технологический долг, теряют скорость обновления продуктов и отдают рынок более решительным конкурентам.

В ближайшие годы именно этот разрыв определит рынок: одни компании превратят ИИ в стратегическое преимущество, другие останутся догоняющими.

Как в твоей компании внедряют ИИ? И насколько довольны результатом?