60% компаний тратят на AI впустую. Вот данные и три вопроса, которые отделяют остальных

Три числа, которые стоит увидеть до того, как вы потратите бюджет на «внедрение AI».

60% компаний, вложившихся в AI, не получают от него значимой отдачи. Это не мнение, это данные BCG за 2024-2025 годы. А если взять тех, кто не смог масштабировать результаты, цифра вырастает до 74%.

19% - на столько замедлились опытные разработчики, когда им дали AI-инструменты для кода. Не ускорились. Замедлились. Рандомизированное контролируемое исследование METR, 246 задач. При этом сами разработчики были уверены, что работают на 20% быстрее. Разрыв между ощущением и реальностью: 39 процентных пунктов.

14% - на столько выше вовлечённость у контента, написанного человеком, по сравнению с чисто AI-текстом. Peer-reviewed исследование De Cicco et al. в Journal of Services Marketing, 2025 год. Но нюанс: гибридный контент (человек + AI) показал результаты на уровне чисто человеческого. AI помогает, но только в связке.

Я привожу эти числа не затем, чтобы сказать «AI не работает». Он работает. Но не там, где большинство пытается его применить. И не так, как обещают на курсах за 49 900 рублей.

BCG в отчёте «Are You Generating Value from AI?» нашли закономерность. Компании, которые получают отдачу от AI, тратят 70% ресурсов на людей и процессы, 20% на данные, и только 10% на сами алгоритмы. Те, кто не получает, делают ровно наоборот. Покупают подписку, подключают бота, ждут чуда.

Это как купить станок ЧПУ и поставить его посреди цеха, не обучив ни одного оператора. Станок рабочий. Проблема не в нём.

Я это вижу каждую неделю. Веду группу менторинга: 16 человек, от коучей до трейдеров, которые внедряют AI в свою работу. Типичная картина на старте: человек открывает ChatGPT, пишет «Привет, помоги мне составить стратегию бизнеса» и получает три страницы воды. Дальше разочарование. «Ну вот, AI, ерунда».

Один из менторов сформулировал проблему точнее, чем я: «Весь промт в формате карго-культа». Люди копируют форму общения с AI, не понимая, что за ней стоит. Как папуасы строили взлётные полосы из соломы, надеясь, что самолёты прилетят.

Не 10x, как обещают на курсах. Реально: 1.5-3x на правильно выбранных процессах. Но вот что важно - это 1.5-3x на КАЖДЫЙ выбранный процесс. Если таких процессов пять, суммарный эффект ощутимый.

Вот что подтверждено данными, а не маркетинговыми презентациями.

Клиентская поддержка. Самый надёжный кейс. Klarna перевела типовые обращения на AI: среднее время обработки тикета упало с 15 минут до 2. Vodafone снизил стоимость чата на 70%. Исследование Oxford QJE на выборке 5172 агента поддержки: +15% решённых обращений в час. AI закрывает 40-60% рутинных вопросов. Живые люди занимаются сложным.

Документооборот. Второй по надёжности. Eletrobras (бразильский энергетик) сэкономил 9360 рабочих часов в год на обработке документов, точность выросла с 50% до 92%. Thermo Fisher сократил время обработки счетов на 70%. Типовые договоры, счета, акты: здесь AI выдаёт стабильный результат.

А вот дальше начинаются оговорки.

Маркетинг. AI ускоряет черновики в 2-4 раза. Но без человеческой редактуры качество падает: чисто AI-контент проигрывает человеческому по вовлечённости на 14% (De Cicco et al., 2025). Зато гибрид, когда AI делает черновик, а человек доводит, работает на уровне чисто человеческого контента. Экономия времени при этом сохраняется. Ключевое слово: «доводит». Без этого этапа лучше не публиковать.

HR и рекрутинг. Unilever сэкономил 70 000 часов в год на скрининге резюме. Time-to-hire сократился с 45 до 18 дней. Но это только скрининг. Собеседования по-прежнему проводят люди. Если услышите «AI заменит HR-отдел», спрашивайте: какой именно этап?

Код. Самая опасная зона для обещаний. Исследование METR (рандомизированный контролируемый эксперимент, 2025): опытные open-source разработчики с AI-инструментами работали на 19% медленнее. Выборка небольшая, 16 разработчиков, 246 задач, но это единственное RCT на эту тему. Младшие разработчики, вероятно, получают больше пользы. Надёжных данных пока нет. Если кто-то обещает вам «10x продуктивность разработчиков через AI», спрашивайте: на каких данных?

Я провёл больше 20 AI-рентгенов для малого и среднего бизнеса. Формат такой: садишься с собственником на 2-3 часа, смотришь на его процессы и находишь, где AI реально сэкономит время и деньги. Не теоретически. На его конкретных данных, с его конкретными задачами.

Паттерн, который повторяется: разница между теми, кто получает результат, и теми, кто нет, сводится к трём вопросам.

«Какой процесс отнимает больше всего часов при минимальной вариативности?»

AI силён в повторяющихся задачах с понятными правилами. Бухгалтер каждый месяц руками переносит данные из 50 актов в таблицу? Идеальный кандидат. Дизайнер каждый раз создаёт уникальную концепцию с нуля? AI здесь не поможет. Пока.

Один из менторов получил задачу: оформить 257 Word-файлов по техническому заданию. Оценка: неделя работы специалиста. Через AI, одна рабочая сессия. Экономия: примерно 35 рабочих часов. Это не магия. Повторяющийся процесс, чёткие правила, большой объём.

«Сколько стоит час на этом процессе?»

AI-стек для малого бизнеса сегодня стоит 0-15 тысяч рублей в месяц. GigaChat даёт миллион токенов бесплатно. YandexGPT, 10 запросов в час бесплатно. Этого хватает на 80% задач. Даже экономия 10 часов в месяц при стоимости часа сотрудника в 500 рублей уже окупается.

Но если процесс занимает 2 часа в месяц, а стоимость часа 300 рублей, то экономия 600 рублей не стоит времени на внедрение. Считайте.

«Что произойдёт, если AI ошибётся?»

Вопрос, который 90% забывают задать. AI для скрининга резюме: ошибка стоит одно пропущенное резюме. AI для ответа клиенту с медицинским вопросом: ошибка стоит потенциально судебный иск. Цена ошибки определяет, нужен ли человек в цепочке. В поддержке Klarna AI отвечает сам на типовые вопросы, а сложные маршрутизирует на людей. В медицине AI предлагает варианты, решение за врачом. Два разных мира.

После десятков рентгенов я свёл выбор процессов к простой формуле:

Потенциал = Часы × Повторяемость × (1 / Цена ошибки)

Много часов, высокая повторяемость, низкая цена ошибки: начинайте здесь.

Мало часов, низкая повторяемость, высокая цена ошибки: не трогайте.

Звучит очевидно. Но 60% компаний делают ровно наоборот. Начинают с «давайте внедрим AI в стратегическое планирование» (мало часов, нулевая повторяемость, высочайшая цена ошибки) вместо «давайте автоматизируем обработку типовых обращений» (много часов, максимальная повторяемость, низкая цена ошибки).

Несколько вещей, которые я узнал на практике.

AI не заменяет экспертизу. Он её усиливает. Трейдер из моей группы менторинга, не умевший программировать, за неделю создал алготрейдинг-бота через AI. Backtest показал 988% доходности. Впечатляет, но это сработало не потому, что AI умеет торговать. Человек знал, КАКУЮ стратегию хочет реализовать. AI дал возможность применить экспертизу в новом домене. Без предметного знания на входе AI генерирует правдоподобную ерунду. Красивую. Убедительную. Неправильную.

Промт это ТЗ, а не заклинание. «Напиши мне стратегию»: это как сказать подрядчику «сделай мне хорошо». Результат будет соответствующий. «Я владелец кофейни на 30 посадочных мест в спальном районе, трафик 50 человек в день, средний чек 280 рублей, хочу увеличить выручку на 20% за 3 месяца, бюджет на маркетинг 30 тысяч», это уже ТЗ, с которым AI выдаст полезный результат.

Подключить GigaChat, 5 минут. Понять, куда его применить, как сформулировать задачи, как встроить в рабочий процесс так, чтобы люди пользовались а не саботировали, это недели. Здесь сгорают бюджеты тех 60%.

Большинство не читает исследования. Большинство покупает подписку на ChatGPT, пишет «сделай мне красиво» и через неделю решает, что AI не работает.

AI работает. Но как любой инструмент, только в руках того, кто понимает где и зачем его применять. 60% компаний тратят деньги впустую не потому, что технология плохая. Потому что применяют не там.

Сколько часов. Насколько повторяемо. Какова цена ошибки. Начните с этих трёх вопросов.

Больше разборов AI для бизнеса — в Telegram: Горилла под капотом

Источники: