Исследования показывают, что большинство корпораций не получают ожидаемой финансовой отдачи от внедрения нейросетей. Разбираем, почему стандартные метрики бессильны и как правильно оценивать ИИ-проекты.
3 мин
Корпоративный сектор начинает всерьез беспокоиться о возврате инвестиций (ROI) в технологии искусственного интеллекта. Несмотря на массовое внедрение нейросетей во все бизнес-процессы, реальные финансовые показатели отстают от ожиданий руководства. Традиционные инструменты оценки эффективности капитала оказываются неприменимы к новой технологической реальности.
В последние годы бизнес инвестировал миллиарды долларов в надежде на быстрый рост эффективности. Однако статистика рисует иную картину. Руководители столкнулись с тем, что ИИ не работает как обычное программное обеспечение, где установка новой системы гарантированно снижает издержки в течение нескольких кварталов. Возникла острая необходимость в новой системе координат для оценки таких проектов.
Данные ведущих консалтинговых агентств за 2025-2026 годы подтверждают масштаб проблемы. Согласно глобальному опросу McKinsey, 88% организаций используют ИИ как минимум в одной бизнес-функции, но лишь 39% сообщают о каком-либо влиянии на операционную прибыль (EBIT). При этом у большинства из них это влияние составляет менее 5%.
Аналитика BCG выглядит еще более сурово: 60% компаний, инвестирующих в ИИ, не создают никакой материальной ценности, и только 5% удается извлечь существенную выгоду в масштабах всего предприятия. Опрос Deloitte, охвативший почти 2000 руководителей, показывает, что достижение удовлетворительного уровня окупаемости типичного сценария использования ИИ занимает от двух до четырех лет. Это в несколько раз превышает привычные для ИТ-сектора сроки окупаемости в семь-двенадцать месяцев.
Изображение из источника
Чтобы преодолеть этот кризис оценки, эксперты предлагают делить все инвестиции в ИИ на пять категорий. Две из них являются тактическими и направлены на удержание рыночных позиций. К ним относятся инвестиции для достижения конкурентного паритета (чтобы не отстать от рынка) и создание опциональной ценности (эксперименты для понимания потенциала технологии).
Три другие категории носят стратегический характер и направлены на создание долгосрочного преимущества. Это уникальная системная интеграция, создание эффекта маховика данных (data flywheel) с формированием закрытых экосистем, а также развитие глубинных организационных компетенций. Каждая из этих категорий имеет собственную финансовую логику и не может быть адекватно оценена с помощью стандартных формул возврата инвестиций.
Проблема заключается в том, что компании пытаются измерять стратегические сдвиги тактическими линейками. Создание маховика данных, когда продукт улучшается за счет пользовательской информации, привлекая новых пользователей и генерируя еще больше данных, требует времени на разгон. Это структурная трансформация, а не просто автоматизация рутины.
В ближайшие годы мы увидим переоценку корпоративных ИИ-стратегий. Компании, которые поймут разницу между тактическими экспериментами и стратегическим построением фундамента, перестанут требовать немедленной окупаемости от сложных интеграционных проектов. Время покажет, какие организации смогут успешно перестроить свои финансовые модели, но уже сейчас ясно: эпоха быстрых и легких побед на поле искусственного интеллекта подошла к концу. Наступает время системной, вдумчивой работы с горизонтом планирования в несколько лет.
Традиционные методы расчета окупаемости не подходят для оценки ИИ-проектов, требуя перехода к новой модели, разделяющей инвестиции на тактические и стратегические.
Главная ценность ИИ кроется не в немедленном снижении издержек, а в долгосрочном эффекте маховика данных и развитии новых организационных компетенций, которые невозможно измерить стандартными формулами ROI.
