Жемал Хамидун · Head of AI Alpina Digital, CPO AlpinaGPT
В апреле 2026 года мы провели конференцию «ИИ-Трансформация», где спикеры из ведущих российских компаний обсуждали, почему корпоративный ИИ буксует. Тезисы были разные, но сходились в одном.
Я работаю с корпоративными клиентами уже несколько лет. Каждый раз, когда приходит новый клиент с запросом «внедрите нам ИИ», первый разговор примерно одинаковый. Они уже потратили несколько месяцев на пилот: на демо всё работало, а в продакшне — нет.
Цифры, которые не принято произносить вслух
Исследование MIT NANDA охватило 150 интервью с руководителями, 350 сотрудников и 300 публичных ИИ-внедрений — и вынесло неудобный вердикт: 95% корпоративных ИИ-пилотов не дают измеримого эффекта на P&L. Только 5% достигают ощутимого роста выручки.
Strategy Partners выяснили, что 97% крупных российских компаний уже внедряют ИИ или планируют. При этом опрос МТС Web Services среди 700 компаний показал: формализованная ИИ-стратегия есть только у 26%.
Инвестиции при этом растут экспоненциально. Epoch AI фиксирует: капитальные расходы Alphabet, Amazon, Meta, Microsoft и Oracle выросли с $162 млрд в 2022 году до $448 млрд в 2025-м. Nvidia за 2024 год выросла по капитализации с $1.2 трлн до $3.28 трлн — почти в три раза за один год.
Goldman Sachs оценивает прирост производительности от генеративного ИИ в 1.5 процентных пункта в год на горизонте десяти лет. McKinsey — скромнее, 0.7% ежегодно до 2040 года. Капитализация растёт в разы — реальные эффекты пока не догоняют.
Почему проекты умирают
За несколько лет работы с 40+ корпоративными клиентами я вижу одни и те же ошибки — и каждый раз они неприятно узнаваемые.
Первая и самая частая — данные, которые не готовы к ИИ. Запускаете модель на устаревших, неструктурированных данных — получаете устаревшие, неструктурированные ответы. В рамках конференции мы обсуждали тему RAG: 70–80% проблем с качеством — это не выбор между GPT и Claude, это данные. На одном из наших проектов клиент передал базу из 12 000 документов с пометкой «актуальное». После аудита осталось 3 800. Мы выбросили три четверти базы без единой строчки кода, и качество retrieval выросло кратно. MIT в своём отчёте называет это «learning gap»: проблема не в качестве моделей, а в том, что инструменты не интегрируются в существующие рабочие процессы.
Вторая — безопасность, о которой думают уже после запуска. Компании разворачивают системы, не думая об информационной безопасности с первого дня. Это заканчивается громко и неизбежно: незащищённые эндпоинты, промпты в открытых базах, конфиденциальные данные в публичных моделях без каких-либо политик. Когда происходит инцидент — замораживают не только проблемный проект, а всё. Это дорогой способ научиться тому, что можно было предусмотреть заранее.
Третья история — система есть, пользователей нет. По данным совместного исследования Writer и Workplace Intelligence, опросившего 2400 сотрудников и 1200 топ-менеджеров в США, Великобритании и Европе: 29% сотрудников признались, что мешают внедрению ИИ — скрывают показатели, отказываются работать с новыми инструментами, намеренно снижают продуктивность. Среди поколения Z этот показатель достигает 44%. Не потому что люди против прогресса — просто их не вовлекали, не объясняли зачем, не обучали.
Ещё одна системная проблема — компании считают стоимость лицензии, но не считают стоимость трансформации. Запрашивают КП у вендора, видят цену платформы и думают, что это весь бюджет. За кадром остаются подготовка данных, безопасность, обучение людей, мониторинг, перестройка процессов. Реальное соотношение затрат примерно такое: 10% бюджета — технологии, 20% — данные и инфраструктура, 70% — люди, процессы, культура. Большинство инвестируют в обратной пропорции — и получают соответствующий результат.
И наконец — стратегия в PowerPoint вместо реальной стратегии. ИИ внедряется в отрыве от бизнес-целей, метрики успеха не определены до начала, за результат никто не отвечает. Пилот запускают потому что «надо попробовать» — а через три месяца никто не может ответить, сработало или нет, потому что непонятно, что считать успехом.
Одна из причин, почему корпоративные ИИ-проекты буксуют — компании используют публичные сервисы без политик безопасности и не обучают сотрудников. Мы в Alpina GPT сделали иначе: собрали ведущие нейросети, ИИ-ассистентов и агентов для рабочих задач в одной платформе, с обучением команды и в соответствии с 152-ФЗ — попробовать бесплатно можно прямо сейчас.
Про пузырь
ИИ — не плохая технология. Это одна из самых важных технологий, которые я видел за свою карьеру. Но рынок переоценил скорость трансформации, а компании внутри него переоценили готовность своих процессов и данных.
История знает похожие сюжеты. В середине 1840-х годов инвестиции в британские железные дороги достигли пика: по данным FocusEconomics, на пике ажиотажа железнодорожные инвестиции составили 7% ВВП страны — половину всех инвестиций в экономику того времени. С 1846 по 1850 год стоимость акций упала примерно на 50%, а многие инвесторы, вложившие туда сбережения, были разорены. Технология выжила и действительно изменила мир. Пузырь — нет.
Сейчас та же история в другой обёртке. Компании строят ИИ-инфраструктуру под ожидания, не подкреплённые ни реальным спросом, ни готовыми процессами. Интернет пережил крах доткомов. ИИ переживёт свой пузырь тоже. Вопрос в том, кто будет готов к тому моменту, когда хайп спадёт.
Что отличает тех, у кого получается
По данным того же отчёта MIT: покупка ИИ-инструментов у специализированных вендоров и партнёрства дают успех примерно в 67% случаев, тогда как внутренние разработки — только в трети случаев. Это контринтуитивно для многих крупных компаний, убеждённых, что «построим сами» надёжнее. Данные говорят обратное.
За несколько лет я видел компании, которые входят в условные «успешные 6%». Общее у них одно: они начинают с бизнес-проблемы, а не с выбора модели. Определяют метрики успеха до запуска, а не после. Вкладывают в данные и управление изменениями больше, чем в лицензии. Масштабируют 2–3 проверенных кейса вместо запуска 20 пилотов одновременно. И вовлекают бизнес до начала пилота, а не после внедрения.
Каждый из этих пунктов неудобен в моменте: аудит данных скучнее выбора между моделями, управление изменениями требует политической воли, вовлечение бизнеса на старте замедляет начало — но потом ускоряет всё остальное.
ИИ-трансформация не провалится из-за плохих моделей. Она провалится из-за плохих управленческих решений, неготовых данных и систем, внедрённых без пользователей.
Что думаете: пузырь уже лопается — или у него ещё есть время? И что убивает ИИ-проекты в компании быстрее — неструктурированные данные, люди или требования безопасности?
Поделитесь своим мнением в комментариях ниже! Спасибо за прочтение!
Комментарии (19)
fire64
12.05.2026 18:22Пузырь то может и лопается, но только то одна новость то другая на хабре об очередном сокращении в крупных АйТи гигантах.
CrazyOpossum
12.05.2026 18:22Сокращают потому что бабки кончились, а прикрываются ИИ трансформацией, чтобы инвестиции заманить.
mahmud90
12.05.2026 18:22Эти новости и раньше были. Периодически идут волны сокращений. В пандемию набрали кучу народу. Найм при этом не останавливается. Маск в 2022 сократил 80% сотрудников твиттера и т. д.
Wesha
12.05.2026 18:22только то одна новость то другая на хабре об очередном сокращении в крупных АйТи гигантах.
Ну так ковитные вкатуны выкатываются, делов-то.
Anniegard
12.05.2026 18:22Да пузырь ли это вообще, если AI уже сейчас экономит людям часы работы каждый день. Проблема чаще не в модели, а в том, что компании пытаются прикрутить AI к хаосу без нормальных процессов и данных.
mckeenly15
12.05.2026 18:22Пузырь в том, что экономические ожидания от ИИ и стоимость ИИ-компаний могут быть многократно завышены. Инвестиции колоссальные, а есть ли существенный экономический профит? Много ли компаний, которые получают увеличение прибыли от внедрения ИИ? Статья говорит, что их почти нет.
fivlabor
12.05.2026 18:22Пузырь ИИ лопается: почему 95% пилотов не доходят до продакшна
Может стоит писать заголовки корректнее? 100% пилотов дошло до продакшна, а то что большинство не "достигают ощутимого роста выручки" - так это не к ИИ вопросы. Какие могут быть претензии к бензопиле, что спиленные ей деревья никому не нужны.
К тому же термин "Пузырь лопается" - это акции должны резко обесцениться, с КОЛИЧЕСТВОМ прибыльных проектов это никак не связано. В итоге может остаться на весь мир десяток, но зато с миллиардными прибылями.
Да и акции не понятно какие лопнут - Антропик или ОпенАИ не торгуются на бирже, а бигтех вряд ли "утонет".
Based on 2026 data and market performance, here are 10 of the top AI stocks to watch:
Nvidia Corp. (NVDA): The leading chipmaker and foundational AI infrastructure provider.
Alphabet Inc. (GOOGL): Leader in LLMs (Gemini) and AI integration in search.
Microsoft Corp. (MSFT): Deep integration of OpenAI tools and Copilot across its ecosystem.
Amazon.com Inc. (AMZN): Dominant in AI cloud services via AWS and AI integration in its marketplace.
Meta Platforms Inc. (META): Heavy investment in open-source AI and consumer AI applications.
Broadcom Inc. (AVGO): Key designer of custom AI chips for hyperscalers.
Taiwan Semiconductor Manufacturing Co. (TSM): The primary manufacturer for high-end AI chips.
Oracle Corporation (ORCL): Growing rapidly in cloud infrastructure for AI workloads.
Palantir Technologies (PLTR): A leader in AI-driven data analytics for enterprise and government.
Applied Optoelectronics (AAOI): Recognized in 2026 for surging demand in high-speed data center connectivity.
Wesha
12.05.2026 18:22Ну то есть продавцы лопат в плюсах, какая неожиданность.
Lazytech
12.05.2026 18:22Palantir как бы не продавец лопат?
Wesha
12.05.2026 18:22Просто у него лопаты другие, и он продаёт их отюдь не простым людям. Про иранских школьниц уже забыли?
Lazytech
12.05.2026 18:22Скорее, покупатель лопат. Что касается сопутствующего ущерба, смутно подозреваю, что без использования современного (генеративного) ИИ его могло бы быть еще больше, ведь человеческих ошибок никто не отменял.
SurMaster
12.05.2026 18:22отличная статья, вроде все и так на поверхности лежат очевидные вещи, но зачастую бизнес этого не понимает и не видит. “Сейчас быстренько ИИшечку внедрим и все у нас будет летать”. Не будет. Не устаю повторять - дайте данные для ИИ, не просто свалку всякого,а именно то, что вы хотите видеть, и с ними еще плотно работать надо прежде чем скормить ИИ. Дайте метрики по которым вы потом оцените результат, нет метрик - нет смысла внедрения. А еще чаще всего это упирается в “вытягивание” из заказчика внятного ТЗ, так как когда до него дело доходит, заказчик начинает понимать, что он и сам то не знает, что собстсвенно он хочет и что ИИ- это не волшебная палочка. К его сожалению. “А что такого, ты же код быстро напишешь!”. Да, код то я напишу, но если бы этим кодом все ограничивалось, было бы намного проще. Данные ИИ не подготовит и датасеты не разметит (ну почти). Будущее - за грамотным продакт менеджментом, который понимает что они должны решить и нужно ли это бизнесу вообще. И самое трудное - если не нужно, как донести это бизнесу. IMHO
Lazytech
12.05.2026 18:22Исследование MIT NANDA охватило 150 интервью с руководителями, 350 сотрудников и 300 публичных ИИ-внедрений — и вынесло неудобный вердикт: 95% корпоративных ИИ-пилотов не дают измеримого эффекта на P&L. Только 5% достигают ощутимого роста выручки.
Свежий разбор этого исследования и его освещения в прессе: The story behind the bad AI stat that moved markets and misled millions
ИИ-перевод от Kagi Translate: История плохой статистики ИИ, которая потрясла рынки и ввела в заблуждение миллионы
Wesha
12.05.2026 18:22ChatGPT, напиши опровержение на это исследование, а то оно угрожает нашим прибылям.
Lazytech
12.05.2026 18:22Чем ChatGPT провинился-то?
Отрывок из статьи:
<…> One of the report’s main conclusions is that AI tools aren’t flourishing in business because they lack learning, memory, and contextual adaptation. And it says that the solution to that is agentic AI frameworks — coincidentally, exactly the kind of thing that they’re all either currently developing or trying to sell.
Чуть подправленный гуглоперевод:
<…> Один из главных выводов отчета заключается в том, что ИИ-инструменты не расцветают пышным цветом в бизнесе из-за нехватки обучения, памяти и контекстной адаптации. В нем также говорится, что решением этой проблемы являются агентные ИИ-фреймворки — по совпадению, именно то, что [авторы исследования] сейчас либо разрабатывают, либо пытаются “продать”.
Вроде конфликт интересов налицо, не?
sceptizator
12.05.2026 18:22Никогда такого не было, и вот опять:
Срочно внедряем 4GL иначе проиграем! BPMN, BPWin, ERWin, IDEF0. А нет, нужно ARIS внедрять! И MDA! Иначе проиграем!
Cрочно внедряем: COM/DCOM или СORBA, XML, AJAX, WebSocket, BPML, UML. Срочно!
Срочно внедряй WPF, или проиграешь! Silverlight! Нет, все переписать на J2EE/JSF! Или на ASP.NET 3.0? Может сразу на Go? Или на Flutter? Или на Rust? Только REST - спасет мир! Какой Django, только FastAPI! ReactJS и NodeJS - вот ключ к успеху!
RxJava! Забудьте про AspectJ! Scala? Только Kotlin! Нет, лучше на Elexir. А еще лучше сразу на Haskel!
Какой Hadoop, он мертв! Только Clickhouse. Или KDB? Нет, DuckDB срочно в номер! И Parquet!
Микросервисы! только микросервисы спасут мир! NoSQL? NewSQL! А что это такое этот ваш LowCode?
LLM!
И Rust, срочно весь Linux переписать на Rust! А лучше сразу новую ОС написать, без CVE, утечек и переполнений.
Всё срочно внедряем AI, иначе опять не успеем!
zgwerby
12.05.2026 18:22Родным-то как повеяло, знакомым.
А сами создатели до сих пор почему-то не на новом ХХХ, а на древнем YYY
Dhwtj
А не этот ваш нейрослоп