Стоит ли генеративный ИИ затрат? Лишь 5% проектов приносят прибыль. Источник: AI
Исследование MIT NANDA под названием «The GenAI Divide: State of AI in Business 2025» разоблачило одну из самых болезненных правд о цифровой трансформации: массовые инвестиции в генеративный искусственный интеллект превратились в финансовую чёрную дыру для большинства компаний. Из анализированной выборки организаций целых 95% не получили ни малейшей измеримой отдачи от своих вложений в нейросети.
Миллиарды потрачены впустую: реальные цифры разочаровывают
На фоне громких заявлений о «революции искусственного интеллекта» реальная ситуация выглядит несравнимо мрачнее. Корпоративный сектор вложил в GenAI от 30 до 40 миллиардов долларов, однако лишь 5% запущенных пилотных проектов когда-либо достигли стадии, где приносили реальную прибыль. Остальные миллионы были потеряны на экспериментах, которые так и не вышли за пределы демонстрационных залов и презентаций.
Авторы отчета провели комплексный анализ, охватив более 300 публичных инициатив и проведя глубинные интервью с руководителями 52 различных организаций. Картина получилась единообразной: проблема кроется не в технологии как таковой, а в неспособности бизнеса адаптировать её к своим реальным потребностям.
Почему ИИ не работает: три главных препятствия
Первая беда — поверхностное внедрение. Более 80% компаний ограничились простым развёртыванием универсальных инструментов вроде ChatGPT или Microsoft Copilot. Эти системы отлично справляются с генерацией писем и презентаций, но совершенно беспомощны перед специфическими отраслевыми задачами, требующими глубокого понимания особенностей конкретного бизнеса.
Вторая проблема — технологическая. Исследователи отметили, что ИИ-системы демонстрируют нестабильность рабочих процессов и крайне ограниченную способность сохранять контекст во время длительного взаимодействия. Алгоритмы попросту не понимают специфику предприятия, игнорируют обратную связь от сотрудников и часто выдают решения, совершенно непригодные для практического применения.
Третья причина — организационная. Бизнес оказался неготов к внедрению: сотрудники не знают, как сформулировать задачу для цифрового агента, качество исходных данных часто неудовлетворительно, а управление проектами ведётся по старым схемам, не предусматривающим необходимую гибкость.
Внешние подрядчики vs внутренние разработки: кто побеждает
Любопытный вывод касается источника разработки решений. Проекты, созданные при участии внешних консультантов и подрядчиков, достигали стадии промышленной эксплуатации в 67% случаев. Внутренние разработки показали вдвое скромнее — всего 33% успешных внедрений.
Однако спешить с выводами о явном преимуществе аутсорсинга не стоит. Авторы отчета саркастично заметили, что компании по-разному трактуют само понятие «успех», и простое привлечение внешних подрядчиков отнюдь не гарантирует, что система будет работать эффективно. В большинстве случаев — это лишь переложение ответственности на партнёра, при этом внутренние процессы остаются неизменными и неподготовленными.
Вывод: технология обогнала готовность бизнеса
MIT и NANDA приходят к единственно логичному выводу: технологическая база ИИ опередила организационную способность компаний её внедрять. До тех пор, пока бизнес не научится чётко артикулировать свои задачи, обеспечивать системы качественными данными и перестраивать внутренние процессы под новую реальность, генеративный ИИ останется дорогостоящей прихотью руководства — красивой историей в квартальных отчётах, но не источником реальной стоимости.
Примечательно, что даже флагманские инструменты начинают деградировать в плане функциональности: недавно ChatGPT отказался от имитации стиля известных писателей, что дополнительно сужает его применение в корпоративной коммуникации и ещё раз подтверждает: технология далека от совершенства, которым её часто изображают в маркетинговых материалах.