Эксперты, опрошенные TatCenter, сходятся во мнении, что такая пропорция — не признак «пузыря», а закономерный этап технологического цикла, который требует от бизнеса смены подхода: от экспериментов — к измеримым экономическим результатам.

Почему проекты застревают

Главная проблема российского ИИ-рынка заключается не в отсутствии технологий, а в методологии внедрения. Управляющий партнер POSLEDOV GR Ярослав Последов отметил, что высокая доля пилотов сама по себе не является признаком пузыря, поскольку для новой технологии разрыв между экспериментом и промышленной эксплуатацией вполне нормален.

Однако он предупредил, что проблема возникает, когда компания воспринимает пилот как результат, а не как этап: купила доступ к модели, провела демонстрацию, но не определила владельца процесса, источник данных, допустимую цену ошибки и экономический показатель, который должен измениться.

Руководитель отдела аналитики данных и машинного обучения в ICL Services Сергей Щербаков, в свою очередь, назвал 15% реальных внедрений уже серьезной цифрой, напомнив, что еще недавние исследования говорили лишь о пяти процентах.

Эксперт в области ИТ-разработки и онлайн-продвижения Вячеслав Коэн также не считает нынешнюю ситуацию пузырем. Бизнес сначала проверяет, где ИИ действительно экономит деньги, а где просто хорошо выглядит в презентациях, и в ближайшие два-три года рынок будет жестче отсеивать проекты без измеримого эффекта.

Алексей Овсянников, эксперт в области запуска и масштабирования бизнеса, ментор стартап-акселератора Alchemist Accelerator, комментируя текущую структуру рынка, заявил, что ситуация не выглядит как пузырь.

Эксперт подчеркнул, что доля в 15% дошедших до внедрения проектов — это не провал, однако означает, что у инициатив часто не бывает измеримых KPI и владельцев, из-за чего они застревают на этапе тестов. Ощутимый эффект может появиться через несколько лет, когда накопится опыт внедрения сценариев с использованием ИИ.

Куда уходят реальные деньги

Второй важный тренд, который отмечают все опрошенные эксперты, — смещение спроса в сторону облачных и гибридных моделей. Руководитель по развитию бизнеса разработки и искусственного интеллекта ICL SOFT Александр Гребенкин подтвердил, что тренд на облака и ИИ‑агентов отражает запрос бизнеса на скорость и гибкость. Он уточнил, что облачная модель остается востребованной для быстрого запуска MVP и масштабирования, но не является универсальным решением: для критической инфраструктуры, финсектора и промышленности актуальны гибридные и on‑premise‑подходы.

Сергей Щербаков спрогнозировал, что в ближайшем будущем основным сценарием использования генеративного ИИ станет облачно-гибридный. С одной стороны, будет много чисто облачных внедрений, где компании примут риски провайдеров. С другой — гибридные решения, когда ИИ-платформа клиента подключается как к облачной модели для открытых запросов, так и к локальному ИИ для работы с закрытой информацией.

Вячеслав Коэн полагает, что облачная модель — это надолго, поскольку собственные вычислительные мощности под ИИ дороги и оправданы только при очень большой постоянной нагрузке. При этом он обратил внимание, что полностью облачным рынок ИИ-агентов не станет: чувствительные данные и критические процессы крупные компании продолжат размещать в частных или гибридных контурах.

Алексей Овсянников также выразил уверенность, что облачная модель пришла надолго, поскольку снижает порог входа и позволяет быстрее запускать проекты без больших вложений в оборудование. У крупных заказчиков и в чувствительных отраслях, например, в банковском секторе, будет расти спрос на гибридные решения, где часть задач выполняется в облаке, а часть — в закрытом контуре.

Отдельное внимание эксперты уделили региональным инициативам, в частности программе Татарстана, который заложил пять млрд рублей на развитие ИИ до 2030 года, рассчитывая вернуть 1,5−2 млрд рублей от аренды серверных мощностей. Мнения по этому поводу разделились.

Александр Гребенкин оценил эти планы как реалистичные с точки зрения развития ИТ-инфраструктуры, но предупредил, что возврат именно за счет аренды — узкая метрика. Ощутимый экономический эффект для региона формируется через рост производительности предприятий и появление новых цифровых сервисов, а не только через монетизацию мощностей.

Сергей Щербаков привел конкретный расчет: стоимость сервера соответствует примерно шести месяцам непрерывной эксплуатации облака соответствующей мощности.

Вячеслав Коэн согласился, что планы выглядят реалистично при высокой загрузке инфраструктуры, однако напомнил, что 30−40% возврата от аренды — это лишь часть эффекта; остальной должен появляться за счет экономии государства и развития местных ИТ-компаний.

Алексей Овсянников также назвал ставку в пять млрд рублей реалистичной, но при условии создания экосистемы вокруг мощностей, а не только сдачи серверов в аренду.

Управляющий партнер компании «Зинин, Штурбин и партнеры» Тим Зинин занял более осторожную позицию. Он отметил, что возврат полутора-двух миллиардов рублей может быть достижим, если серверные мощности будут загружены и найдутся якорные арендаторы, но вряд ли это получится с помощью какой-то одной отрасли — нужна целая экосистема.

Что касается отраслей с быстрой отдачей, здесь мнения экспертов совпали. Ярослав Последов указал, что быстрее всего эффект появляется там, где уже есть цифровой процесс и большой объем повторяющихся операций: обработка обращений, документов, закупочной информации, контроль полноты и подготовка черновиков.

В нефтехимии, по его словам, потенциальный эффект выше, но интеграция длиннее и требования к безопасности строже. В АПК быстрые сценарии возможны только при наличии качественных данных, а в госсекторе разумно начинать не с «универсального агента», а с узкого процесса с понятными полномочиями и метрикой.

Сергей Щербаков расставил приоритеты так: на первом месте — госсектор, на втором — АПК, на третьем — нефтехимия. Он пояснил, что у нефтехимии хороший уровень зрелости и практика использования ИИ, но там больше критических процессов, которые ограничивают использование облаков.

Александр Гребенкин добавил, что быструю отдачу способны дать отрасли с высокой долей повторяющихся операций и зрелой ИТ-базой: госсектор — за счет оптимизации услуг и документооборота, АПК — через предиктивную агрономию, а нефтехимия — через оптимизацию технологических режимов и предиктивное обслуживание.

Прогноз роста рынка ИИ в России до 830 млрд рублей к 2030 году выглядит обоснованным, но при одном важном условии: компании должны научиться переводить пилоты в промышленную эксплуатацию. Как отметил Ярослав Последов, «дорогу осилит идущий, но в ИИ идти нужно не от модного инструмента, а от конкретного процесса и измеримого результата».

Тим Зинин резюмировал, что рядом с объемом вложений важно оценивать число систем, которые вошли в ежедневную работу и дают измеримый эффект. Для этого компании выбирают ограниченный процесс с понятным входом и проверяемым результатом, сохраняют контроль человека над действиями с последствиями и заранее фиксируют метрики.

Сегодня главный показатель зрелости рынка — не объем инвестиций или количество пилотов, а доля решений, которые пережили демонстрацию, встроились в рабочие процессы и показали повторяемый экономический эффект. Если этот переход состоится, прогноз в 830 млрд рублей перестанет быть просто оптимистичной цифрой и станет отражением реальной трансформации российской экономики под влиянием искусственного интеллекта.

Екатерина Слюсарева