70% российских компаний не окупили инвестиции в ИИ: без стратегии проекты застряли на уровне вечных пилотов

Инвестиции есть, эффекта — нет

Согласно исследованию консалтинговой компании TRIADA Partners, российские предприятия из отраслей металлургии, строительства и энергетики уже несколько лет используют технологии, в том числе генеративные модели, в целях оптимизации производственных процессов, предиктивного анализа и логистики. Однако вложения — в среднем от десятков до сотен миллионов рублей — пока не приносят желаемой отдачи.

Средний срок окупаемости решений на базе ИИ в России составляет от двух до трёх лет. В реальности же даже по прошествии этого периода многие компании продолжают фиксировать минусовую экономику.

Главная проблема — разрозненность процессов

Основные барьеры, по мнению TRIADA Partners, — это отсутствие централизованной стратегии, фрагментированность внедрений и слабая управленческая координация. Большинство проектов носят характер разрозненных пилотов, не интегрированных в общую бизнес-архитектуру. Даже если ИИ внедрён в производственный блок, он не охватывает другие процессы — например, финансы, закупки, HR или юридический блок — что в итоге ограничивает его эффективность.

Компании пытаются масштабировать успешные кейсы, но сталкиваются с ограничениями в ИТ-инфраструктуре, нехваткой обученного персонала и внутренним сопротивлением изменениям. В TRIADA подчёркивают: без системной перестройки бизнес-процессов и организационной поддержки ИИ-проекты превращаются в дорогостоящие эксперименты. А для крупных компаний с высокими ожиданиями и сложными структурами это критически снижает рентабельность.

Цена технологий всё ещё высока

Кроме внедрения ИИ-моделей на десятки и сотни миллионов рублей, компании вынуждены дополнительно модернизировать ИТ-инфраструктуру, закупать оборудование, разворачивать облачные мощности и перестраивать работу с данными. По сути, каждое внедрение требует не только лицензии, но и масштабной внутренней адаптации.

Особое напряжение вызывает необходимость делиться с поставщиком данными — без этого модели не работают. Однако именно в этой зоне возникает конфликт интересов: бизнес боится утечки информации, а вендоры настаивают на доступе к максимально полному массиву. Это снижает доверие к готовым решениям и подталкивает многие компании к работе с open source-моделями, которые требуют меньше вложений на старте и позволяют сохранять контроль над данными.

Альтернатива — в своём ИИ

По наблюдению TRIADA Partners, более 50% клиентов компании уже отказываются от покупки дорогих коробочных решений и переходят на open source. Такие модели не требуют лицензионных платежей, а основные инвестиции приходятся на инфраструктуру и команду.

Помимо экономии, компании стремятся сохранить суверенитет данных и выстраивают кастомные модели под собственные бизнес-задачи. Некоторые из них затем выводят на рынок как самостоятельные продукты — и в этом, по мнению TRIADA, кроется потенциальный путь к окупаемости. Коммерциализация собственных разработок, превращение внутренних ИИ-сервисов в рыночные решения — то, что может принести реальную экономическую отдачу.

Что делать, чтобы ИИ начал работать

TRIADA Partners рекомендует внедрять гибридную модель: создать централизованный центр ИИ-экспертизы и одновременно сформировать проектные команды внутри бизнес-юнитов. Такая структура позволяет разрабатывать методологии, стандарты и обучение в одном месте, а внедрение решений привязывать к реальным задачам конкретных функций. Это позволяет избежать как фрагментации, так и излишней централизации.

Не менее важно — приоритизировать те кейсы, которые дают быстрый и измеримый результат. Вместо того чтобы строить универсальные платформы «на вырост», эксперты советуют фокусироваться на задачах с понятной бизнес-метрикой: рост выручки, снижение затрат, ускорение процессов.


Фото: Thomas Barwick / Getty Images