Привет 👋 Ситуация с ИИ в российском бизнесе - это одновременно и кризис ожиданий и уже достаточно зрелый рынок, который просто проходит болезненный этап от пилот-проекта к массовому внедрению. Затраты компаний на развитие ИИ действительно уже очень большие, так как в сумме насчитывается уже сотни миллионов долларов в год. При этом реальный бизнес-эффект получают лишь единицы.

👨‍💼 По словам Павла Подкорытова из Napoleon IT, ежегодные траты превышают 90 млрд рублей, а полноценно ИИ используют порядка 5,8% компаний. Это не просто статистика, а индикатор того, что деньги уходят в проекты с неопределённой экономической логикой и в красивые презентации, а не в решения с измеримым ROI.

🤔 Почему так происходит? Ответ прост - индустрия научилась продавать будущее, но до сих пор плохо умеет строить настоящее. За последние пару лет появилось много быстрых поставщиков, которые сделали демонстрационный стенд, провели пару пилотов, скачали модель и взяли предоплату. Но когда дело доходит до интеграции, операционного сопровождения и измерения эффекта, то большинство таких проектов просто застревают.

👨‍💼 Подкорытов справедливо отмечает, что считать эффект от предотвращённых ошибок, ускорения решений или роста качества процессов сложнее, чем посчитать выручку от нового канала продаж. Без чёткой методологии бизнес предпочитает не рисковать.

📊 Структурно видно деление - те 5–6% компаний, которые действительно уже получают эффект, концентрируются в тяжёлой промышленности, ритейле и в крупных финансовых институтах, где можно привязать изменения к KPI производства, логистики или обработке сервисных запросов. Примеры не теоретические, а реальные, например Северсталь #CHMF фиксирует экономический эффект в размере более 2 млрд рублей от ИИ-проектов. Норникель #GMKN добился увеличения извлечения металлов на порядка 2,5%, что в пересчёте принесло примерно $100 млн. У Сбера #SBER внедрение генеративного ИИ принесло ощутимый вклад в операционную эффективность - около 30 млрд руб. за первое полугодие 2025-го.

🕵️‍♂️ Эти кейсы показывают, что когда задача правильно сформулирована и данные действительно готовы, ИИ перестаёт быть игрушкой и превращается в инструмент повышения маржинальности. Но именно Когда - вот ключевое слово. Для большинства предприятий барьер входа не столько в цене модели, сколько в стоимости подготовки данных, изменении процессов и управленческой дисциплине. ИИ-проекты требуют внимания к интеграции, мониторингу качества прогнозов и экономическому измерению эффекта. Без этого результат либо не появится, либо будет размываться под общим бюджетом цифровизации.

🤔 К тому же государственный сектор демонстрирует ещё большую осторожность, потому что риски и ответственности выше, а метрики окупаемости часто непрямые и длительные. Наконец, для рынка в целом это определенный сигнал. Пора перестать измерять успех количеством проектов и начать считать деньги, которые эти проекты приносят или экономят. Инвесторы и менеджеры должны требовать прозрачных методик оценки и смотреть на кейсы, где эффект уже исчислен в рублях или процентах производительности.

🤖 ИИ не волшебство и не только маркетинг, а набор полезных инструментов. Когда компании научатся встраивать эти инструменты в операционную модель и измерять их вклад честно и системно, переход от дорогой презентации к реальным миллиардам рублей в эффективности станет массовым, а не исключением. Спасибо большое за проявленный интерес к моей работе, а также за поддержку в комментариях и реакции под моими постами...это мотивирует меня выпускать качественный и полезный контент!

❗Всё, что написано выше 👆 не ИИР
__________________________________________
#аналитика #инвестиции #хочу_в_дайджест #пульс_оцени #SBERP #YDEX #SOFL #DATA #VKCO #ASTR #POSI