80% российских компаний планируют расширять применение генеративного ИИ. При этом 65% сталкивались с пилотами, которые так и не дошли до промышленной эксплуатации. Таковы результаты исследования, проведенного СберПро совместно с аналитическим центром TAdviser с июня по август 2026 года специально к V ежегодной конференции Сбера по цифровой трансформации бизнеса SberPro Tech 2026.
Анатолий Попов, заместитель Председателя Правления Сбербанка:
«Как показало исследование, 47% российских компаний используют генеративный ИИ для разработки программного обеспечения. Столько же – для анализа данных и подготовки отчетности. Важно, чтобы успешные решения выходили за рамки отдельных экспериментов и становились частью повседневной работы. Но далеко не все ИИ-проекты доходят до промышленной эксплуатации. Причин несколько. 48% опрошенных назвали одной из них низкое качество данных, 46% – сложности интеграции с корпоративными системами. Поэтому внедрение ИИ требует не только инвестиций в технологии, но и работы с данными, инфраструктурой и процессами. А в случае с ИИ-агентами нужно заранее решить, какие действия им доверять, как контролировать их работу и кто отвечает за результат».
Россия и мировой рынок
В 2025 году объем глобального рынка генеративного ИИ превысил 100 млрд долларов, а более 70% международных компаний внедрили технологию хотя бы в одной бизнес-функции.
Российский рынок развивается в особых условиях. Это влияет не только на выбор технологий, но и на подход компаний к их внедрению. Отличий несколько. Во-первых, государство одновременно выступает регулятором, крупным заказчиком и ключевым соинвестором. Во-вторых, рынок разработки сосредоточен вокруг трех-четырех крупных экосистем, а не большого числа независимых стартапов. В-третьих, инфраструктура в первую очередь строится вокруг on-premise-развертывания – на собственных серверах компании и в защищенном контуре. В-четвертых, открытый исходный код стал одним из основных способов получить доступ к современным архитектурам ИИ. И, в-пятых, ограниченный венчурный рынок заставляет российские компании чаще опираться на собственные исследования и разработки.
От пилотов – к промышленному использованию
До полноценного масштабирования российскому рынку генеративного ИИ еще предстоит пройти путь. Сейчас 43% опрошенных компаний экспериментируют с технологией и проводят пилоты, а 31% уже используют решения в регулярной эксплуатации. По оценке интеграторов, полномасштабные продуктивные внедрения есть лишь у 10-15% крупных холдингов. При этом реальная структура применения ИИ заметно отличается от наиболее заметных публичных кейсов.
В лидерах – задачи, где результат можно относительно легко проверить: разработка и эксплуатация ПО, аналитика данных и подготовка отчетности, маркетинговые коммуникации и генерация контента. Клиентский сервис и контакт-центры, которые долго оставались главным публичным сценарием применения генеративного ИИ, назвали только 22% респондентов.
Что определяет успех
Выбор базовых моделей постепенно перестает быть главным вопросом. Разрыв между ведущими коммерческими и открытыми LLM* сократился до менее чем 3%. При большой нагрузке на первый план выходит стоимость токена. Конкуренция перемещается в инженерную «обвязку»: системную маршрутизацию запросов, трассировку, контроль качества и затрат.
Это хорошо видно по причинам, из-за которых ИИ-проекты останавливаются. У небольших и средних компаний на первом месте по-прежнему несовершенство моделей – так ответили 62% респондентов. Крупный бизнес чаще сталкивается с другой проблемой – качеством корпоративных данных, которое назвали ограничением 83% организаций. За проблемами с данными часто стоят более глубокие вопросы – неготовая инфраструктура (43%) и требования информационной безопасности (42%). При этом нехватка компетенций остается общим ограничением для компаний разного масштаба. Более трети организаций пока вообще не обучают сотрудников работе с ИИ.
Как меняются пилоты
Этап бессистемных экспериментов постепенно заканчивается. С 2025 года финансовые подразделения все чаще требуют оценивать полную стоимость владения и потенциальный бизнес-результат еще до запуска проекта. При этом единого подхода к измерению эффекта от ИИ на рынке пока нет.
Почти две трети компаний (65%) сталкивались с пилотами, которые так и не дошли до промышленной эксплуатации. Для зрелой организации сама по себе остановка пилота не обязательно означает провал: вовремя закрытый проект позволяет не тратить ресурсы на решение, которое не дает нужного эффекта. Главными причинами закрытия проектов респонденты называют отсутствие четкого управленческого решения и нежелание владельцев бизнес-процессов менять привычные регламенты.
Пока компании чаще всего получают от генеративного ИИ прирост скорости и производительности – оба эффекта отметили по 75% респондентов. На рост выручки или конверсии напрямую указывают только 15% организаций.
Агентные системы: следующий этап эволюции
Российский рынок постепенно переходит от диалоговых чат-ботов, которые ищут информацию в корпоративных базах, к ИИ-агентам, способным самостоятельно выполнять действия. От мирового рынка этот переход пока отстает примерно на один-два года.
При этом компании передают агентам полномочия осторожно: 55% используют агентов как рекомендательные системы; 45% допускают выполнение действий по заранее заданным алгоритмам; только 5% доверяют агентам полную автономию в отдельных операциях.
Пока ИИ остается ассистентом, сквозной прирост производительности процесса составляет около 10%. Более заметный эффект появляется, когда меняется сам процесс и человек перестает участвовать в каждом отдельном действии, контролируя систему на уровне всего цикла. Один из примеров – агентное управление карьерной техникой в добывающей промышленности. Но такие проекты требуют уже не просто внедрения новой технологии, а серьезных организационных изменений. Подходы и стандарты для них только начинают формироваться.
Трансформация ролей и компетенций
Влияние ИИ на кадровую структуру уже отмечают 59% компаний. В первую очередь меняются требования к профессиональным навыкам – об этом говорят 69% респондентов. Далее идут должностные позиции (47%) и функциональные обязанности сотрудников (41%). При этом 85% компаний допускают, что в будущем отдельные рутинные функции будут оптимизированы. Сегодня же основной эффект от ИИ связан с ростом производительности труда.
Исследование включало количественный опрос более 100 руководителей, отвечающих за ИИ-повестку: ИТ-директоров, руководителей цифровой трансформации и ИИ, топ-менеджеров бизнес-функций. Также были проведены глубинные интервью с ИТ-лидерами крупных компаний из промышленности, девелопмента, ретейла, фармацевтики и агросектора, а также с представителями технологических провайдеров – Сбера, Сколково, Яндекса и Axenix. Дополнительно было проведено кабинетное исследование открытых источников, отчетов консалтинговых компаний и публичных кейсов внедрения.
* LLM (от англ. Large Language Model – большая языковая модель) – это тип нейросети, обученной на огромных массивах текстовых данных для понимания, анализа и генерации естественного языка.