Согласно исследованию «GenAI Divide: State of AI in Business 2025», подготовленному инициативой NANDA при Массачусетском технологическом институте, большая часть проектов по внедрению генеративного ИИ в компаниях оказывается неэффективной и не приводит к заметному увеличению выручки.
Аналитики проанализировали данные, собранные из 150 интервью с топ-менеджерами, опроса 350 сотрудников и изучения 300 публичных кейсов внедрения ИИ. Выяснилось, что только около 5% пилотных инициатив в этой области действительно демонстрируют быстрый рост доходов. Остальные 95% либо сворачиваются на ранних этапах, либо не оказывают ощутимого влияния на финансовые показатели.
Как поясняет автор отчёта Адитья Чаллапалли, успеха добиваются как некоторые крупные компании, так и молодые стартапы, особенно те, которыми управляют совсем молодые основатели. Некоторые из них сумели вырасти с нуля до $20 млн выручки всего за год, сфокусировавшись на конкретной бизнес-проблеме и выстраивая эффективные партнёрства с корпоративными клиентами.
Основные трудности большинства компаний связаны не с качеством ИИ-моделей, а с нехваткой компетенций в их адаптации и интеграции. Часто ответственность за неудачи возлагается на внешние факторы — такие как регулирование или ограничения самих моделей, — однако исследование указывает на внутренние барьеры: инструменты ИИ не адаптируются под конкретные процессы, а сотрудники не получают необходимой подготовки для их эффективного использования.
Отчёт также показывает, что значительная часть инвестиций в генеративный ИИ направляется в маркетинг и продажи, в то время как наибольшую отдачу даёт автоматизация внутренних процессов — таких как сокращение издержек на аутсорсинг и оптимизация операционной деятельности.
Исследование подчёркивает: стратегия внедрения ИИ играет ключевую роль. Закупка решений у специализированных вендоров и сотрудничество с ними оказывается успешной примерно в двух случаях из трёх. Напротив, компании, пытающиеся самостоятельно разрабатывать ИИ-инструменты, сталкиваются с провалами втрое чаще — особенно это характерно для финансового сектора и других строго регулируемых отраслей.
Кроме того, эксперты подчёркивают важность расширения полномочий линейных менеджеров — именно они способны определить, какие инструменты действительно нужны и как их внедрять на практике.
В отчёте также поднимается проблема «теневого ИИ» — использования неофициальных ИИ-решений без согласования с ИТ-отделами — и трудности с измерением реального влияния технологий на бизнес-эффективность.
Некоторые компании уже тестируют более продвинутые решения — агентные ИИ-системы, способные к обучению, запоминанию и автономному выполнению задач в рамках заданных ограничений.
По данным CB Insights, сегодня в мире насчитывается 498 частных ИИ-компаний с рыночной оценкой свыше $1 млрд, а совокупная стоимость этих игроков составляет $2,7 трлн. Только с 2023 года было основано около 100 таких компаний. Кроме того, существует более 1,3 тыс. стартапов в области ИИ, оценка которых превышает $100 млн.
Аналитики проанализировали данные, собранные из 150 интервью с топ-менеджерами, опроса 350 сотрудников и изучения 300 публичных кейсов внедрения ИИ. Выяснилось, что только около 5% пилотных инициатив в этой области действительно демонстрируют быстрый рост доходов. Остальные 95% либо сворачиваются на ранних этапах, либо не оказывают ощутимого влияния на финансовые показатели.
Как поясняет автор отчёта Адитья Чаллапалли, успеха добиваются как некоторые крупные компании, так и молодые стартапы, особенно те, которыми управляют совсем молодые основатели. Некоторые из них сумели вырасти с нуля до $20 млн выручки всего за год, сфокусировавшись на конкретной бизнес-проблеме и выстраивая эффективные партнёрства с корпоративными клиентами.
Основные трудности большинства компаний связаны не с качеством ИИ-моделей, а с нехваткой компетенций в их адаптации и интеграции. Часто ответственность за неудачи возлагается на внешние факторы — такие как регулирование или ограничения самих моделей, — однако исследование указывает на внутренние барьеры: инструменты ИИ не адаптируются под конкретные процессы, а сотрудники не получают необходимой подготовки для их эффективного использования.
Отчёт также показывает, что значительная часть инвестиций в генеративный ИИ направляется в маркетинг и продажи, в то время как наибольшую отдачу даёт автоматизация внутренних процессов — таких как сокращение издержек на аутсорсинг и оптимизация операционной деятельности.
Исследование подчёркивает: стратегия внедрения ИИ играет ключевую роль. Закупка решений у специализированных вендоров и сотрудничество с ними оказывается успешной примерно в двух случаях из трёх. Напротив, компании, пытающиеся самостоятельно разрабатывать ИИ-инструменты, сталкиваются с провалами втрое чаще — особенно это характерно для финансового сектора и других строго регулируемых отраслей.
Кроме того, эксперты подчёркивают важность расширения полномочий линейных менеджеров — именно они способны определить, какие инструменты действительно нужны и как их внедрять на практике.
В отчёте также поднимается проблема «теневого ИИ» — использования неофициальных ИИ-решений без согласования с ИТ-отделами — и трудности с измерением реального влияния технологий на бизнес-эффективность.
Некоторые компании уже тестируют более продвинутые решения — агентные ИИ-системы, способные к обучению, запоминанию и автономному выполнению задач в рамках заданных ограничений.
По данным CB Insights, сегодня в мире насчитывается 498 частных ИИ-компаний с рыночной оценкой свыше $1 млрд, а совокупная стоимость этих игроков составляет $2,7 трлн. Только с 2023 года было основано около 100 таких компаний. Кроме того, существует более 1,3 тыс. стартапов в области ИИ, оценка которых превышает $100 млн.
