ИИ · 4 сентября 2026 г.

Искусственный интеллект в бизнесе: почему подписки есть, а результата нет

Собственники закупили командам тарифы GPT и Copilot — а изменений не увидели. Разбираем, где искусственный интеллект в бизнесе реально экономит деньги и что делать, если подписка уже куплена, а толку нет.

Подписки купили. Толку ноль.

Раздали команде доступ к GPT, к Copilot, к российским аналогам. Прошло полгода — и ничего не поменялось. Отчёты пишутся так же долго. Лиды обрабатываются с той же скоростью. Бухгалтер сидит над документами до полуночи, как и год назад.

Знакомая картина. И у неё есть цифры.

По январскому опросу UserGate среди 335 топ-менеджеров компаний с выручкой от 100 млн ₽ в год, 97% уже используют искусственный интеллект в бизнесе, тестируют его в пилоте или планируют внедрить. Но у 54% из них нет ясности, в чём именно ценность технологии, а ещё 38% тормозят из-за рисков, которые никто толком не посчитал.

Дело не в моде — дело в масштабе денег. По расчётам «Яков и Партнёры» и Яндекса, искусственный интеллект в цифровой трансформации бизнеса способен добавить российской экономике до 13 трлн рублей в год к 2030-му — почти 5,5% ВВП. Генеративный ИИ даст из этой суммы 1,6–2,7 трлн, а доля компаний, применяющих его хотя бы в одном процессе, за год выросла с 54% до 71%. Искусственный интеллект в экономике и бизнесе больше не эксперимент — вопрос в том, кто именно в компании доводит его до результата.

Если у вас в штате 30 человек, а не 300 — цифры выше всё равно про вас. Крупный бизнес просто считает быстрее и громче рассказывает о результатах на конференциях. Обработка заявок, сверка документов, одинаковые ответы на одинаковые вопросы устроены похоже что в компании на 30 человек, что на 300. Разница только в том, кто первым наведёт там порядок.

Где именно теряются деньги: бизнес-процессы, а не промпты

Дело не в самом ИИ. Дело в том, где он стоит.

По исследованию СберАналитики и Сбер Бизнес Софт, компании чаще всего автоматизируют документооборот и обработку заявок — 70% организаций, бухгалтерию и финансовый учёт — 55%, HR-процессы — 34%. Искусственный интеллект в бизнес-процессах работает там, где раньше сидел человек и делал работу со скоростью человека: разбирал заявки по одной, сверял цифры руками, отвечал одинаковыми письмами по десять раз в день.

Возьмите приёмную стойку в автосервисе. Администратор отвечает на звонки, записывает на ТО, дублирует запись в блокнот и в CRM. ИИ-агент делает то же самое без пауз на обед: записывает, напоминает, переносит, если клиент не подтвердил визит. Экономия не в зарплате администратора. Экономия — в клиентах, которые не потерялись, пока он обедал.

Или сеть кофеен на пять точек. Раньше отчёт по остаткам собирали вручную из кассовых чеков в конце недели — расхождения находили постфактум, когда деньги уже утекли вместе с недосчитанным кофе. ИИ-агент сверяет чеки с приходом каждое утро и присылает несоответствие в тот же день, а не через неделю задним числом.

Где ИИ ускоряет бизнес-аналитику, а не подменяет её

Отчёт готов через месяц. Актуален он был три недели назад.

Классическая проблема аналитики в компании на 20–300 человек: цифры собирают руками из десятка систем, сводят в Excel, и к моменту, когда отчёт ложится на стол директора, решение по нему уже опоздало. Искусственный интеллект в бизнес-аналитике не заменяет аналитика — он убирает ручную сборку и сведение, оставляя человеку то, что действительно требует головы: интерпретацию и решение.

Мы так считаем сквозную аналитику для клиентов: путь от показа рекламы до денег в кассе виден в одном отчёте, а не собирается из пяти систем раз в месяц. смотрите кейсы

В бизнес-анализе ИИ полезен ровно там, где раньше аналитик тратил день на подготовку данных и час на выводы. Поменяйте пропорцию местами — час на подготовку, день на выводы — и это уже другая экономика для директора, который сам смотрит на цифры, а не ждёт отчёт по пятницам.

Разница видна на конкретном решении. Раньше эффект от повышения цены на 5% проверяли по отчёту через две недели, задним числом, когда возврат клиентов уже не отменить. С рабочей аналитикой на ИИ директор задаёт вопрос напрямую — «как изменилась выручка после повышения цены» — и получает ответ за минуту, а не ждёт конца месяца.

Кто в компании отвечает за ИИ, если не вы лично

Обычно — никто.

Директор купил подписки, скинул ссылку в общий чат — и решил, что процесс запущен. Дальше каждый сотрудник сам решает, пользоваться или нет. Отсюда разрыв, который посчитала BCG в отчёте «AI at Work»: искусственным интеллектом в управлении бизнесом — то есть регулярно и по делу — пользуются 88% руководителей и 78% менеджеров среднего звена. Среди рядовых сотрудников — только 51%.

Тут прячется убеждение: «я не айтишник, пусть команда сама разбирается». Оно отчасти верное — вам действительно не нужно самому писать промпты за бухгалтера. Но оно перестаёт работать в тот момент, когда в компании никто не считает эффект. Подписка без владельца процесса — это статья расходов без результата, и рано или поздно её просто отключат, ничего не изменив.

Владелец процесса — не обязательно новая должность. Обычно это тот, кто уже отвечает за процесс руками: старший менеджер, главный бухгалтер, руководитель поддержки. Ему добавляют три конкретные вещи:

Считать эффект в деньгах или часах, а не в отзывах «стало удобнее»
Разбирать с сотрудниками, почему инструмент не прижился, вместо того чтобы молчать об этом
Раз в месяц докладывать собственнику: где сработало, где нет, что дальше

Чему учить людей, а не какой курс покупать

Курсы записей не работают. Одна лекция — тем более.

Мы не продаём записи и не проводим однодневные тренинги: обучение искусственному интеллекту в бизнесе работает, только если идёт рядом с реальной задачей человека. Бухгалтеру показывают, как ИИ ускоряет сверку счетов — на её счетах, не на абстрактном примере. Менеджеру по продажам — как агент готовит саммари звонка в CRM, пока он уже набирает следующего клиента. Технологии искусственного интеллекта в бизнесе усваиваются через задачу, а не через курс на две недели с сертификатом в конце.

В барбершопе администратора учат не «пользоваться нейросетью» вообще, а конкретной вещи: как ИИ-бот в мессенджере записывает клиента на стрижку, пока мастер работает руками, и что делать, если бот перепутал время. Через две недели практики администратор сам находит, где бота нужно донастроить, — и не ждёт инструкцию от разработчика.

Сколько это стоит и когда считать эффект

Быстро не будет. И это нормально.

Настоящая трансформация занимает от 3 до 9 месяцев, работаем по договору с ЭДО, услуги списываются в расходы компании как у обычного подрядчика. Порядок такой:

Аудит — две недели на то, чтобы найти 3–5 процессов, где человек работает со скоростью машины, а не своей
Пилот — 4–6 недель на одном процессе, с цифрами до и после, а не на ощущениях
Обучение — команда учится на своих задачах, а не на чужих примерах из курса
Масштабирование — от 2 до 6 месяцев на остальные процессы, с тем, кто внутри компании теперь отвечает за результат

Отдельно — про риски, которых директора боятся больше всего: данные и кадры. Пилот запускаем на обезличенных или тестовых данных, доступ настраиваем по ролям, а не «всем всё сразу». И нет, ИИ не сокращает половину отдела в первый же месяц: на пилоте обычно становится ясно, что от рутины освобождаются один-два человека, и их пересаживают на задачи, до которых раньше просто не доходили руки.

Мы сами живём в этой модели. Контент-заводы пишут статьи для сети блогов, боты в AmoCRM квалифицируют лидов до звонка менеджера, а «уборщик» рекламных площадок вычищает показы в РСЯ, которые не приносят заявок. Это часть нашего собственного ИИ-конвейера, а не витрина для клиентов.

Если подписки уже куплены, а эффекта нет — это не повод их отключать. Это повод посчитать, на каком именно процессе они простаивают.

Разберём, где в вашей компании ИИ уже можно приземлить: получить аудит процессов