От пилотов к продакшену: как российский бизнес учится считать эффект от ИИ

Рынок искусственного интеллекта (ИИ) в России обгоняет остальной IT-сектор по темпам роста почти вдвое, оценили аналитики IT-холдинга Т1. По их данным, спрос на ИИ-технологии вырос на 12% в 2025 г., а в 2026 г. прибавит еще 16%. В абсолютных цифрах объем рынка по итогам 2025 г. составил 316,1 млрд руб., увеличившись на 30% год к году, подсчитали в аналитическом агентстве Aiana. К 2030 г. эксперты прогнозируют рост до 830 млрд руб. При этом, по данным Strategy Partners, 97% крупных российских компаний уже внедрили или планируют внедрять ИИ-технологии.

Рост рынка сопровождается изменением подхода компаний к ИИ: решения постепенно выходят за рамки экспериментов и встраиваются в реальные бизнес-процессы, отмечают в Т1. Главным драйвером этого перехода в холдинге называют запрос на практический результат: компании внедряют ИИ как полноценный производственный инструмент, способный формировать новые источники доходов и заменять устаревшие операционные модели.

Для бизнеса это означает смену требований к самим ИИ-проектам: от них теперь ждут не демонстрации возможностей технологии, а понятного финансового результата. «Главное изменение – раньше от ИИ ждали просто работы, а сейчас важна экономика: сколько стоит внедрение и когда оно окупится, – говорит директор по цифровым технологиям и ИИ «Ростелекома» Роман Хазеев. – Пилоты ради пилотов больше никому не нужны».

Такой сдвиг стал возможен по мере того, как менялись и сами заказчики, и рынок ИИ-решений. В Т1 выделяют две причины перехода от пилотов к промышленным внедрениям. Первая – появилась культура внедрения ИИ: бизнес начал использовать этот инструмент для оптимизации процессов, говорит руководитель направления по ИИ Сергей Голицын. Вторая – интеграторы научились оценивать эффекты и доносить до заказчиков качество решений с ИИ, добавил он.

Государственный интерес

Спрос на ИИ растет и со стороны государства. В 2025 г. госструктуры увеличили закупки ИИ-решений в 6,4 раза до 1,2 млрд руб., а общий объем открытых закупок вырос в 7,4 раза, подсчитывали по запросу «Ведомостей» аналитики «АТК консалтинга». В рамках нацпроекта «Экономика данных» на 2025–2030 гг. предусмотрено 197 млрд руб. на федеральный проект «Искусственный интеллект» и 327 млрд руб. – на «Цифровое государственное управление».

Государство влияет на рынок ИИ не только через закупки, но и через регулирование. С 1 сентября вступил в силу закон «О поддержке развития технологий искусственного интеллекта», который определяет функционирование фундаментальных ИИ-моделей, содержащих от 1 млрд параметров.

Экономический эффект

Бизнес учится считать реальный финансовый результат от внедрения ИИ. Так, «Норникель» оценивает эффект от всех новых технологий, включая ИИ, примерно в 10 млрд руб. с расчетом увеличить его до 30 млрд руб. к 2030 г. X5 Group сообщает о дополнительной операционной прибыли от ИИ-решений в 5 млрд руб. по итогам 2025 г.

По итогам 2025 г. Т1 зафиксировал финансовый эффект от ИИ в 1 млрд руб. за счет увеличения доли кода, созданного с помощью ИИ, говорится в пресс-релизе компании. В нем уточняется, что холдинг планирует увеличить долю генерируемого ИИ кода с 3% в апреле 2026 г. до 20% к концу года за счет перехода от модели копилота, при которой разработчик пользуется подсказками ИИ, к агентской модели, в которой код генерируется по техническому заданию. Изменение производственного процесса позволило сократить длительность разработки, рассказал Голицын. «Если стандартный спринт для команды из 12 человек занимал две недели, то при переходе на новую модель команда из трех человек сможет производить сопоставимый объем за пару дней. Иными словами, производительность возрастает в 3–4 раза», – говорит он.

Но у этого роста есть обратная сторона: масштабирование требует больших инвестиций в вычислительную инфраструктуру. По оценке Т1, корпорациям требуются десятки серверных стоек стоимостью до 100 млн руб. каждая, т. е. затраты на запуск и эксплуатацию ИИ оцениваются в миллиарды рублей.

При этом единой методологии оценки финансового эффекта от ИИ пока не существует, и компании разрабатывают их параллельно с самими внедрениями. Например, в «Росатоме» считают эффект по изменению ключевых операционных показателей: производительности труда, времени выполнения процессов, качества продукции, простоев оборудования, скорости принятия решений, рассказал представитель госкорпорации. В «Ростелекоме» измеряют трудозатраты, прямую экономию и рост дохода.

Инфраструктура как фундамент масштабирования

Переход от пилота к промышленной эксплуатации требует не только увеличить вычислительные мощности, но и перестроить инфраструктуру вокруг ИИ-решения, отметили опрошенные эксперты. По словам директора ИИ-вертикали Selectel Александра Тугова, пилотные проекты обычно развертываются на одном или нескольких графических процессорах и компании на этом этапе готовы к простоям или длительному ожиданию ответов от большой языковой модели. Промышленная же эксплуатация требует отказоустойчивости, предсказуемой производительности под нагрузкой и надежного хранения данных, отмечает эксперт. По его словам, при подготовке инфраструктуры компании сталкиваются с тремя основными вызовами: доступностью оборудования и сроками поставки графических процессоров, стоимостью «железа» и безопасностью данных.

Смещение приоритетов в сторону инфраструктуры видно на примере нефтегазовой отрасли. По данным аналитиков Т1, общий ИИ-бюджет занятых в нефтегазовой сфере компаний немного сократился – с 2,9 млрд руб. в 2024 г. до 2,7 млрд руб. в 2025 г., при том что общие IT-расходы отрасли выросли на 13% до 151 млрд руб. Внутри ИИ-бюджета произошел заметный переток: расходы на приобретение и доработку ИИ-софта упали, в то время как затраты на оборудование под ИИ, а также на дата-инженерию и сопровождение выросли в десятки раз, говорится в исследовании Т1.

Промышленность перестает «арендовать чужие мозги» через внешние облачные сервисы и строит собственную инфраструктуру: серверы, кластеры графических процессоров, изолированные контуры, в которых компания контролирует и данные, и стоимость каждого запроса к модели, поясняет Голицын. «Бизнес в условиях экономических и политических трудностей вынужден считать юнит-экономику каждого обращения к модели», – подчеркивает он.

Голицын добавляет, что при масштабировании ИИ справиться со множеством как технологических, так и финансовых вызовов помогает платформенный подход. Он подразумевает организацию работы, при которой разрозненные ИИ-инструменты и модели объединяются в единую цифровую среду с общими правилами, данными и управлением. Платформа настраивается под меняющиеся задачи и интегрируется в уже существующий IT-ландшафт компании, уточнил Голицын. Но для того чтобы она обеспечивала ожидаемый эффект, необходима перестройка: требуется оцифровать всю имеющуюся в компании информацию и настроить обмен данными между ИИ-платформой и внутренними системами, обучить сотрудников, перечисляет эксперт. По его словам, именно на эти задачи приходится основной объем затрат.

Покупка или разработка

Рассуждая о выборе между покупкой готовой ИИ-модели для нужд компании или разработкой собственной, большинство экспертов указали, что экономически целесообразнее первый вариант. «Это гораздо дешевле, проще и быстрее», – говорит Голицын. По его словам, обучение большой языковой модели с нуля – дорогой и технологически сложный проект, который могут себе позволить буквально несколько крупнейших компаний в стране. Так, «Яндекс» вложил в развитие генеративных нейросетей более 10 млрд руб., а совокупные инвестиции компании в ИИ за 10 лет исчисляются «сотнями миллиардов рублей», рассказывал директор по технологиям компании Дмитрий Масюк РБК в 2023 г. Сбербанк может вложить не менее 500 млрд руб. в создание нового суперкомпьютера для обучения и эксплуатации своих ИИ-моделей, сообщал «Ведомостям» источник, близкий к банку. Из всех заметных языковых моделей, представленных российскими разработчиками в 2025 г., полностью с нуля обучены только модели «Сбера» и «Яндекса», уточнил Голицын. По его словам, остальные игроки дообучают открытые зарубежные модели – почти в половине случаев это решения китайского семейства Qwen. Для абсолютного большинства задач создание собственных языковых моделей избыточно и экономически нецелесообразно, согласен Тугов. По его словам, многим компаниям достаточно взять открытую модель и дообучить ее на своих данных. «Это дает нужный уровень качества, безопасности и удобства», – говорит эксперт.

По мнению Хазеева, обучать большую языковую модель с нуля оправданно только в случае, если бизнес работает с уникальными данными, при этом ИИ должен решить задачу большого масштаба, и у компании есть ресурсы на его постоянное переобучение.

Представитель «Росатома» считает, что для крупной российской компании на начальном этапе развития ИИ-решений наиболее целесообразно выбрать гибридную модель внедрения. Она сочетает использование готовых решений и постепенное создание собственных разработок и позволяет достичь баланса между краткосрочными результатами и долгосрочными стратегическими целями, сказал представитель госкорпорации.

Каждая компания сейчас определяет свой ИИ-путь и это стратегический выбор, поскольку в ближайшие годы ИИ будет ведущей технологией, которая максимально повлияет на экономику, подытожил Голицын.