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.
Иллюстрация: Nano BananaНо 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.
© iXBT
