95% провала: цифры, которые не хотят признавать
Опрос крупнейших венчурных фондов за первый квартал 2025 года показал шокирующую цифру: 95% компаний, внедряющих ИИ, не могут продемонстрировать положительный возврат инвестиций. Никакого. Ноль. При этом бюджеты на AI-проекты выросли в среднем на 300% с 2023 года.
Инвесторы в панике. Руководители отделов ИИ массово увольняются. А аналитики все еще говорят о "невероятном потенциале". Что-то здесь не так.
Важно: это не значит, что ИИ бесполезен. Это значит, что большинство внедрений выполнено настолько плохо, что технология не может раскрыть свой потенциал. Как будто купили Ferrari и пытаются ездить на нем по бездорожью.
Три причины, почему ваш ИИ-проект — это черная дыра для бюджета
Почему так происходит? После разговоров с десятками CTO и аналитиков, я выделил три главные проблемы.
1. Иллюзия быстрой победы
Компании думают, что можно взять готовую модель из коробки, подключить к своим данным и получить волшебство. На практике: модели, обученные на общих данных, бесполезны для специфических бизнес-процессов. Они выдают красивые, но пустые ответы.
Пример: банк внедрил чат-бота для консультаций по ипотеке. Бот прекрасно рассказывал об истории ипотеки в мире, но не мог рассчитать точные платежи для конкретного клиента. Потому что для этого нужен доступ к внутренним калькуляторам и данным — а интеграция заняла бы еще год и миллионы долларов.
2. Качество данных? Каких данных?
80% времени в AI-проектах уходит на подготовку данных. Но в корпорациях данные разбросаны по десяткам устаревших систем, в разных форматах, с пробелами и ошибками. Обучать модель на этом — все равно что учить хирурга по комиксам.
3. Отсутствие метрик, которые имеют значение
Отчеты пестрят "точностью модели", "F1-score" и другими техническими показателями. Но генерального директора волнует только одно: как это повлияло на прибыль? Сократились ли операционные затраты? Выросла ли выручка?
Если вы не можете измерить влияние ИИ на бизнес-показатели, вы не управляете проектом — вы просто тратите деньги.
2026: год, когда все изменится (или нет?)
Венчурные капиталисты, вложившие миллиарды в AI-стартапы, начинают терять терпение. Их прогнозы на 2026 год сводятся к одному: либо проекты начнут приносить деньги, либо финансирование иссякнет. Вот что произойдет.
Кастомизация моделей станет стандартом
Готовые модели уйдут в прошлое. Будущее за тонкой настройкой под конкретную задачу компании. Не просто "модель для юристов", а "модель для составления договоров аренды в Москве с учетом местных нормативов".
Это потребует новых специалистов — не просто data scientists, а экспертов в предметной области, которые смогут обучать модели. Появятся целые консалтинговые агентства, специализирующиеся на такой кастомизации. Уже сейчас мы видим рост спроса на AI как инфраструктуру банков.
AI консалтинг вытеснит AI разработку
Компаниям нужны не технологии, а решения. Поэтому вместо того, чтобы нанимать армию разработчиков, бизнес будет обращаться к консультантам, которые знают, как интегрировать ИИ в конкретные процессы. Это уже происходит: крупные консалтинговые фирмы открывают AI-отделы, а стартапы-разработчики борются за выживание.
Как мы писали в статье "Консолидация AI-рынка в 2026: конец эпохи экспериментов", рынок ждет жесткая чистка. Выживут только те, кто может показать реальную ценность.
Новые метрики ROI: от точности к прибыли
В 2026 году появятся стандартные методики расчета возврата инвестиций в ИИ. Они будут учитывать не только прямую экономию, но и косвенные выгоды: ускорение времени выхода на рынок, повышение удовлетворенности клиентов, снижение рисков.
| Метрика 2025 | Метрика 2026 | Что изменится |
|---|---|---|
| Точность модели (accuracy) | Влияние на EBITDA | Фокус сместится с технических показателей на финансовые |
| Скорость обработки запросов | Сокращение операционных затрат | Будет измеряться реальная экономия, а не абстрактная скорость |
| Количество внедренных моделей | Количество автоматизированных бизнес-процессов | Важно не сколько моделей, а сколько процессов они автоматизируют |
Что делать сейчас, чтобы не опоздать?
Если вы ждете 2026 года, чтобы начать действовать, вы уже опоздали. Вот три шага, которые нужно сделать прямо сейчас.
1Прекратите эксперименты, начните интеграцию
Выберите один-два ключевых бизнес-процесса, где ИИ может дать максимальный эффект. Не распыляйтесь на десять пилотных проектов. Сосредоточьтесь на интеграции выбранного решения в существующие системы. Да, это будет больно. Да, это займет время. Но только так можно получить реальный результат.
2Измеряйте то, что важно для бизнеса
Забудьте про технические метрики. С первого дня внедрения задайте вопрос: как мы будем измерять влияние на прибыль? Установите KPI, связанные с выручкой, затратами, удовлетворенностью клиентов. И отслеживайте их еженедельно.
3Готовьтесь к кастомизации
Начните собирать и очищать данные, которые уникальны для вашего бизнеса. Нансите или обучите специалистов, которые понимают и вашу отрасль, и машинное обучение. Потому что в 2026 году победят те, у кого будут лучшие данные и лучшие эксперты.
Как показало первое чистое AI-IPO, рынок ждет зрелости. И эта зрелость наступит через боль и жесткий отбор.
Прогноз: к концу 2026 года 70% компаний, которые сегодня не видят ROI от ИИ, либо прекратят проекты, либо радикально изменят подход. Выживут только те, кто перестанет играться с технологиями и начнет решать конкретные бизнес-задачи.
И последний совет: не верьте хайпу. Верьте цифрам в вашей отчетности. Если их нет — значит, что-то не так. И это "что-то" нужно исправлять сейчас, а не ждать 2026 года.
