Компании массово внедряют ИИ. Но работает он лишь у 5%
Почти через полтора года после начала массового внедрения генеративного ИИ компании начинают фиксировать первые устойчивые эффекты от инвестиций. Однако главный вывод 2026 года оказался неожиданно «приземлённым»: ограничителем масштабирования становятся не модели, а данные.
Согласно широкому опросу AI Momentum Survey, 97% организаций уже запустили проекты по внедрению ИИ в бизнес-процессы, но лишь 5% считают свою инфраструктуру данных действительно готовой к их поддержке на уровне всей компании.
Это создаёт характерный разрыв между пилотами и промышленной эксплуатацией. Как отмечает директор по стратегии компании, проводившей опрос, Dun & Bradstreet Кайетано Геа-Карраско, запуск отдельных кейсов возможен даже при фрагментированных данных, но масштабирование требует принципиально иной степени зрелости — единой, управляемой и совместимой инфраструктуры.
Отдельные метрики показывают, что эффект уже становится заметен: 67% компаний фиксируют первые признаки возврата инвестиций, а 24% — уже устойчивый ROI. При этом 56% планируют увеличить вложения в ИИ в ближайший год, а около трети переходят к внедрению в реальные бизнес-процессы.
Но по мере перехода от тестовых контуров к бизнес-среде проблемы становятся системными. Компании называют ключевыми барьерами доступ к данным (50%), вопросы конфиденциальности и комплаенса (44%), качество и согласованность данных (40%), а также отсутствие интеграции между системами (38%). Лишь 10% уверенно говорят о способности управлять рисками, связанными с ИИ.
Особенно остро это проявляется при переходе к агентным системам: они требуют непрерывного доступа к данным и стабильной операционной среде, которая изначально создавалась под человеческие процессы, а не автономные вычислительные контуры. В результате многие организации ограничиваются «автономией с супервизией», где ИИ выполняет рабочие процессы, а ключевые решения остаются за человеком.
На практике это означает, что ИИ всё чаще используется не как замена сотрудников, а как инструмент ускорения — в задачах поиска информации, онбординга, комплаенса, анализа и принятия решений. Но, как подчёркивает Геа-Карраско, устойчивый эффект возникает только там, где данные уже достаточно структурированы, согласованы и доступны для моделей.
В итоге отчёт фиксирует сдвиг в понимании корпоративного ИИ: проблема 2026 года — уже не в доступе к моделям, а в способности компаний построить инфраструктуру, в которой эти модели вообще могут работать на уровне бизнеса.
Почти через полтора года после начала массового внедрения генеративного ИИ компании начинают фиксировать первые устойчивые эффекты от инвестиций. Однако главный вывод 2026 года оказался неожиданно «приземлённым»: ограничителем масштабирования становятся не модели, а данные.
Согласно широкому опросу AI Momentum Survey, 97% организаций уже запустили проекты по внедрению ИИ в бизнес-процессы, но лишь 5% считают свою инфраструктуру данных действительно готовой к их поддержке на уровне всей компании.
Это создаёт характерный разрыв между пилотами и промышленной эксплуатацией. Как отмечает директор по стратегии компании, проводившей опрос, Dun & Bradstreet Кайетано Геа-Карраско, запуск отдельных кейсов возможен даже при фрагментированных данных, но масштабирование требует принципиально иной степени зрелости — единой, управляемой и совместимой инфраструктуры.
Отдельные метрики показывают, что эффект уже становится заметен: 67% компаний фиксируют первые признаки возврата инвестиций, а 24% — уже устойчивый ROI. При этом 56% планируют увеличить вложения в ИИ в ближайший год, а около трети переходят к внедрению в реальные бизнес-процессы.
Но по мере перехода от тестовых контуров к бизнес-среде проблемы становятся системными. Компании называют ключевыми барьерами доступ к данным (50%), вопросы конфиденциальности и комплаенса (44%), качество и согласованность данных (40%), а также отсутствие интеграции между системами (38%). Лишь 10% уверенно говорят о способности управлять рисками, связанными с ИИ.
Особенно остро это проявляется при переходе к агентным системам: они требуют непрерывного доступа к данным и стабильной операционной среде, которая изначально создавалась под человеческие процессы, а не автономные вычислительные контуры. В результате многие организации ограничиваются «автономией с супервизией», где ИИ выполняет рабочие процессы, а ключевые решения остаются за человеком.
На практике это означает, что ИИ всё чаще используется не как замена сотрудников, а как инструмент ускорения — в задачах поиска информации, онбординга, комплаенса, анализа и принятия решений. Но, как подчёркивает Геа-Карраско, устойчивый эффект возникает только там, где данные уже достаточно структурированы, согласованы и доступны для моделей.
В итоге отчёт фиксирует сдвиг в понимании корпоративного ИИ: проблема 2026 года — уже не в доступе к моделям, а в способности компаний построить инфраструктуру, в которой эти модели вообще могут работать на уровне бизнеса.
