Исследования показали: реальная эффективность генеративного ИИ в бизнесе оказалась значительно ниже ожиданий. Большинство пилотных проектов не влияют на финансовые показатели, а сотрудники систематически переоценивают прирост собственной продуктивности.
В прошлом году три независимых исследования показали одну тенденцию: практическая отдача от GenAI в корпоративной среде оказалась значительно ниже ожиданий как руководителей, так и самих сотрудников. К такому выводу пришли специалисты MIT, S&P Global Market Intelligence и METR, которые анализировали влияние ИИ с разных сторон, но зафиксировали схожие результаты. Эксперты Comindware сопоставили выводы этих работ при подготовке собственного исследования, посвященного экономической эффективности внедрения корпоративных ИИ-решений.
Одним из наиболее показательных стало исследование METR — американской некоммерческой лаборатории, занимающейся анализом влияния ИИ на рабочие процессы. Организация представила результаты контролируемого эксперимента с участием опытных разработчиков open-source-проектов. Им предложили выполнить более 200 реальных задач в рабочих репозиториях: часть заданий выполнялась с использованием ИИ-ассистента, часть — без него. До начала эксперимента участники были уверены, что применение ИИ позволит увеличить скорость работы примерно на четверть. Даже после завершения тестов, несмотря на возникшие сложности, разработчики продолжали считать, что справлялись с задачами быстрее примерно на 20%. Однако независимые замеры продемонстрировали противоположный эффект: при использовании ИИ время выполнения задач увеличивалось в среднем на 19%. Таким образом, разница между субъективным восприятием и фактическими показателями достигла примерно 43 п.п.
Исследование MIT Media Lab (основано на 300 публично известных корпоративных кейсов внедрения GenAI) показало, что при общем объеме инвестиций мирового бизнеса в корпоративный генеративный ИИ на уровне $30–40 млрд около 95% пилотных проектов не приводят к ощутимому влиянию на финансовые показатели компаний. Реальную ценность получают примерно 5% внедрений. При этом критически важным фактором оказывается не столько качество самих моделей, сколько подход к внедрению технологии. Компании, приобретающие специализированные решения и выстраивающие сотрудничество с профильными вендорами, достигают положительного эффекта примерно в два раза чаще, чем организации, пытающиеся самостоятельно разработать ИИ-инфраструктуру с нуля.
Схожие выводы содержатся и в исследовании S&P Global Market Intelligence: доля компаний, которые сворачивают большинство своих ИИ-проектов еще до перехода в стадию промышленной эксплуатации, за год выросла с 17% до 42%. В среднем организации прекращают развитие 46% пилотных инициатив уже после этапа proof-of-concept. Основными причинами отказа от проектов респонденты назвали высокую стоимость внедрения, риски, связанные с конфиденциальностью данных и безопасностью, а также сопротивление сотрудников и отсутствие единых метрик для оценки эффективности ИИ-систем.
Исследования позволяют сделать общий вывод: между ожиданиями бизнеса и фактическими результатами применения генеративного ИИ сформировался серьезный разрыв. Причем его нельзя объяснить только несовершенством моделей, нехваткой вычислительных ресурсов или ограничениями регулирования. Во многих компаниях ИИ по-прежнему используется как вспомогательный инструмент для повышения индивидуальной продуктивности сотрудников, но не интегрируется в ключевые бизнес-процессы. В результате технология не становится полноценным инструментом трансформации бизнеса, поскольку отсутствуют механизмы обратной связи, адаптации к контексту и полноценного включения ИИ в операционную модель компаний.
На российском рынке наблюдается схожая ситуация, хотя и с определенной спецификой, отметил Виталий Шпак, генеральный директор Comindware. Интерес к ИИ перестал быть исключительно модным трендом и превратился в обязательный элемент корпоративной повестки, однако реальная глубина внедрения часто не соответствует заявленным амбициям компаний. Организации приобретают модели, подключают ИИ-ассистентов, демонстрируют успешные пилоты, но спустя несколько месяцев выясняется, что заметного влияния на финансовые показатели так и не произошло. Основная проблема, по мнению эксперта, заключается в том, что компании внедряют технологию, не меняя при этом сами процессы работы.
Аналитики Comindware также обратили внимание на дополнительный тревожный сигнал. Согласно данным OECD и Deloitte, измеряемый рост производительности труда благодаря ИИ во многих офисных сценариях остается ниже 1%, тогда как сами сотрудники в опросах оценивают эффект от использования ИИ в диапазоне от 40% до 66%. Это во многом повторяет выводы METR, но уже применительно ко всему сегменту офисных работников. Иными словами, субъективное ощущение ускорения работы существенно опережает реальные показатели эффективности. Такая разница восприятия и фактических результатов делает инвестиционные решения компаний в сфере ИИ особенно зависимыми от чрезмерно оптимистичных ожиданий сотрудников и менеджмента.
Дополнительную сложность, как отмечается в исследовании MIT, создает и другая тенденция. Пока компании закупают корпоративные ИИ-подписки лишь примерно для 40% персонала, до 90% сотрудников уже активно используют личные ИИ-инструменты в повседневной работе. Это формирует своеобразную «теневую экономику» искусственного интеллекта, когда решения о применении технологии принимаются самими работниками, а не ИТ-службами или руководством. При этом использование подобных сервисов происходит вне рамок корпоративной безопасности, комплаенса и внутренних систем контроля, что создает новый класс рисков, который в 2026 году начинает выходить на первый план.
По словам Виталия Шпака, различие между успешными и неудачными ИИ-внедрениями сегодня определяется не столько уровнем самой технологии, сколько качеством операционного управления. Ключевое значение имеют вопросы ответственности, контроля качества ответов модели, а также понимание того, каким образом искусственный интеллект встроен в ежедневные рабочие процессы. Если ИИ остается лишь дополнительной надстройкой над существующей системой, рассчитывать на значимую отдачу практически невозможно. Реальный эффект появляется тогда, когда технология становится полноценной частью бизнес-процессов и оценивается через бизнес-метрики, а не только через показатели самой модели. Именно этот сдвиг в подходе к внедрению ИИ, по мнению эксперта, стал главным выводом 2025 года для российских компаний. ИИ на стороне атакующих. Что взлом macOS значит для Windows, Linux и Android? Claude Mythos помог обойти одну из ключевых защит macOS Блокировки интернета становятся риском для цифровой экономики
Источник: www.it-world.ru