Бизнес уже не надо убеждать, что ИИ умеет писать тексты, искать по базе знаний, собирать справки и готовить черновики документов. Это перестает быть преимуществом и становится базовой функцией. Теперь бизнес считает деньги.
Сколько на самом деле стоит цифровой помощник. Какой участок работы он забирает. Кто проверяет результат. Какие данные ему можно доверить. Что делать с ошибками. И главное, когда затраты вернутся.
По данным Stanford AI Index, в 2024 году ИИ использовали 78% организаций против 55% годом ранее. McKinsey оценивает проникновение еще выше: 88% компаний применяют ИИ хотя бы в одной бизнес-функции. Но эти цифры показывают распространение технологии, но не ее окупаемость. Компании быстро научились запускать ИИ в отдельных задачах. Гораздо хуже получается встроить его в процессы так, чтобы он давал устойчивый финансовый эффект для всего бизнеса.
По данным IT-World, в 2024 году российские компании потратили на внедрение ИИ более 203 млрд рублей. В 2025 году, по словам вице-премьера Дмитрия Григоренко, расходы бизнеса на внедрение и применение ИИ выросли до 257 млрд рублей. Генеративный ИИ как минимум в одну бизнес-функцию еще в 2024 году внедрили 54% компаний. Деньги уже пошли в платформы, пилоты, команды и интеграции. Но что бизнес покупает за эти миллиарды? Работающий инструмент или участие в модном тренде.
MIT NANDA в отчете The GenAI Divide показывает другую точку зрения. Корпоративные инвестиции в GenAI оцениваются в $30–40 млрд, но 95% организаций в выборке не получили измеримой отдачи. Миллионы долларов ценности дают лишь 5% интегрированных пилотов. Проваливается не сама модель, а внедрение. ИИ ставят рядом с процессом, а не встраивают в него.
Владимир Толмачев, генеральный директор ООО «Салют для бизнеса» группы «Сбер», видит это в работе с клиентами. «Все говорят: да, конечно, используем. А когда переходим к конкретике, выясняется, что до реального применения доходят не так много компаний». ИИ уже стал пропуском в современный бизнес. Компаниям важно показать, что они в теме. Но между «используем» и «встроили в работу» по-прежнему большая пропасть.
Первые деньги в GenAI появились вовсе не в стратегии, а в рутине бэк-офиса. Документы, сверки, сканы, заявки, договоры, поиск по базе знаний, рекрутинг, проектные архивы. Все, что годами держалось на ручной проверке, пересылке файлов, уточнениях в почте.
По словам Владимира Толмачева, анализ запросов клиентов «Сбера» показывает: больше половины ждут от GenAI не новой выручки, а снижения операционных расходов. Бизнесу нужен не цифровой гений, а снижение ручного труда.
Документооборот стал главным полигоном для виртуальных помощников. Там скопились процедуры, которые плохо поддавались старой автоматизации. Акты, счета, сканы, письма, справки, договоры в свободной форме. Много похожего, но слишком много мелких различий. Жесткие алгоритмы на этом спотыкались. Для GenAI это стало рабочим материалом.
GenAI оказался полезен там, где RPA раньше упирался в смысл. Робот мог перенести данные и выполнить правило, но на нестандартном документе снова требовался человек. Теперь часть таких развилок можно отдать машине.
Та же логика работает за пределами документооборота. Цифровой аналитик достает похожие проекты. Рекрутер быстрее проходит первичный отбор. Агент сверяет взаиморасчеты по документам в свободном формате. ИИ дает результат там, где есть повторяемая операция, понятный объем ручной работы, цена ошибки и конкретная область применения. Больше чем гаджет: семь статусных подарков из Технопарка для тех, кто привык к лучшему Обзор российских NGFW Дом как датасет
Корпоративный помощник не работает в пустоте. Ему нужны данные, процесс и понятная ответственность. GenAI не отменяет обычную дисциплину. Нужны бэклог, ресурсы, расчет эффекта и экономика внедрения.
Сильный кейс обычно начинается с неприятной и кропотливой работы. Процесс нужно разобрать досконально. И здесь часто начинается сопротивление. Приходится вытаскивать наружу неформальные знания сотрудников, обходные маршруты и ручные решения, на которых держалась работа.
Цифровой сотрудник только кажется экономичным. Для компании за ним стоят данные, вычисления, безопасность и инфраструктура.
Первым дорожает доступ к данным. Чем полезнее помощник, тем глубже его нужно пускать внутрь бизнеса. В договоры, регламенты, проектные архивы, переписку, финансовые и кадровые документы. Без этого он остается поверхностным сервисом. С таким доступом он уже может быть опасен.
Если помощник работает с чувствительными данными компании, его нельзя запускать как обычный чат. Нужен свой контур, права доступа, журналирование и регламенты работы с данными. Иначе компания получает не цифрового сотрудника, а неуправляемую брешь в корпоративную сеть. Читайте также 
Облако выгодно, когда снижается стоимость полезной работы Экономика облака начинается не с цены виртуальной машины и выбора «купить сервер или арендовать». Правильная точка входа для CIO и CFO — показатель cost-per-workload: стоимость обработанной транзакции, пользовательского часа, расчетного задания, тестового контура, витрины данных и продуктовой среды.
Дорожают и сами вычисления. Модель требует ЦОДов, GPU, сети, памяти, охлаждения и электричества. Один помощник еще выглядит как подписка. Сотни помощников и агентов уже становятся инфраструктурной задачей.
По данным IEA, потребление электроэнергии дата-центрами может вырасти с 415 ТВт·ч в 2024 году до 945 ТВт·ч к 2030 году. Это уже не внутренняя строка ИТ-бюджета, а нагрузка на энергосистему. Российский рынок чувствует то же давление: IT-World писал, что дата-центрам не хватает мощностей, а спрос на инфраструктуру под ИИ усиливает давление на рынок ЦОДов.
Оптимизация не всегда снижает расходы. Часто она просто делает ИИ доступнее. Чем дешевле отдельный запрос, тем проще встроить модель в новые операции. Егор Дружинин, технический директор ЗАО «РСК Технологии», обратил внимание на этот парадокс: эффективность вычислений будет расти, но вместе с ней будет расти и их объем. Анна Сытник, генеральный директор АНО «Колаборатория», также отметила эту зависимость. Чем удобнее становятся модели, тем чаще ими пользуются. Значит, энергии снова нужно больше.
Запустить ИИ и масштабировать ИИ не одно и то же. Пилот можно собрать на внешнем сервисе. Корпоративная система с данными, агентами, журналированием и контролем качества уже требует собственного стека.
«ЦОД для ИИ качественно отличается от обычного. Нужны высокая плотность, быстрые сети, синхронизация, память, ускорители и охлаждение. Это уже не вопрос подписки на сервис. Это вопрос инфраструктуры, которую придется строить, покупать или арендовать», подчеркивает Вадим Подольный, технический директор АО «Лаборатория Технологий Автоматизации».
Для России это быстро упирается в железо. Серверы, процессоры, ускорители, сети, системы хранения. Цифровой сотрудник работает на физическом стеке. Если он зависим от поставок, дорог или собирается с минимальной добавленной стоимостью, масштабирование тормозится уже на уровне инфраструктуры.
Бизнес готов платить за ИИ, если видит понятный эффект и внятные результаты. Но цифровой сотрудник не живет отдельно от компании. Его работу нужно встраивать в бизнес-процессы, связывать с конкретными задачами и считать эффективность. Только тогда это становится не экспериментом с моделью, а рабочим инструментом.
Источник: www.it-world.ru