7 из 10 компаний в России инвестируют в ИИ-инфраструктуру в 2026 году: план — повысить эффективность работы

Внедрение ИИ — главная задача для большинства компаний

45% опрошенных VK Tech и MARC компаний называют внедрение AI/LLM-решений ключевой задачей в работе с данными. Ещё 40% сосредоточены на модернизации data-инфраструктуры*Инфраструктура, которая отвечает за сбор, хранение, качество, безопасность и использование данных, а 39% — на повышении качества и защищённости данных.

62% компаний сообщили, что в ближайшие два года планируют вкладываться в ИИ-агентов, 53% — в машинное обучение, 51% — в технологии генеративного ИИ*Нейросети, которые генерируют тексты, изображения, код, видео и LLM*Большие языковые модели, которые работают с текстом.

В опросе приняли участие 154 компании крупного бизнеса с оборотом от 10 млрд рублей. Средний объём структурированных данных в таких организациях достигает 260 ТБ и ежегодно увеличивается примерно на 50 ТБ.

Главное препятствие для внедрения ИИ — безопасность данных

По данным исследования, сегодня бизнес применяет искусственный интеллект прежде всего для повышения операционной эффективности (51% компаний), аналитики и BI (44%), а также маркетинга и персонализации (39%).

Главным ограничением для внедрения ИИ-решений остаётся безопасность данных — её называют ключевым вызовом 45% компаний. Далее следуют контроль качества (34%) и рост требований к технологическому стеку (32%).

Спрос на платформы и хранилища данных будет расти

Директор по продуктам направления дата-сервисов VK Tech Екатерина Канунникова отметила, что компании всё активнее интегрируют ИИ в работу с данными, усиливая инфраструктуру и повышая требования к её качеству и надёжности.

По данным исследования, 74% бизнеса намерены инвестировать в искусственный интеллект в ближайшие два года.

Как отметила Екатерина Канунникова, на этом фоне будет расти спрос на инструменты хранения данных и единые платформы, которые позволяют хранить и обрабатывать большие объёмы информации в одной системе. Такие решения помогают компаниям снижать инфраструктурную сложность, сдерживать затраты на масштабирование и повышать качество данных для аналитики и ИИ-сценариев.