Как ИИ меняет бизнес: международные кейсы и реальные цифры экономии

Разговоры об искусственном интеллекте как о технологии будущего окончательно остались в прошлом.

По данным исследования «Яков и партнёры» и Яндекса, 71% крупных российских компаний уже используют ИИ хотя бы в одной функции. 78% из них видят в этом реальную экономическую выгоду.

В мире показатели ещё выше: глобальный опрос McKinsey показывает, что 88% компаний регулярно применяют ИИ в своей работе.

Впрочем, это уже отражается и в запросе самих руководителей: по данным «Индекса менеджмента» СберУниверситета, навыки использования ИИ сегодня — среди главных приоритетов развития.

Теперь, когда искусственный интеллект стал операционной реальностью, бизнес задаётся только одним по-настоящему важным вопросом: как превратить его в надёжный источник прибыли?

Разбираем международные кейсы, где ИИ уже окупился, и объясняем, почему в одних компаниях это работает, а в других — нет.

Cisco — транснациональная компания, разрабатывающая сетевое оборудование и ПО для крупных организаций и телеком-предприятий. До внедрения ИИ команда Cisco по продлению контрактов тратила 40% рабочего времени на рутину: сбор данных из разных систем и ручной анализ рисков. То есть фактически контрактные менеджеры работали как аналитики, а не менеджеры.

Вместо того чтобы просто запустить чат-бота или ИИ-помощника, Cisco пошла дальше: создала систему из нескольких агентов, которые анализируют эффективность внедрения продукта, настроение заказчика и готовят персонализированную стратегию продления контракта.

В итоге каждый специалист стал тратить на рутину от 1,6 до 4 часов в неделю меньше. Освободившееся время они направили непосредственно на общение с клиентами и закрытие сделок. В результате это способствовало тому, что в 2025 году Cisco заработала более $31 млрд.

Самое удивительное в том, что большой эффект дала не только экономия времени, но и улучшение качества взаимодействия: система стала подсказывать менеджерам неочевидные риски и формировать точные предложения ценности для конкретного клиента.

Индийский фарм гигант Lupin подошёл к ИИ иначе. Менеджеры компании не искали серебряную пулю, которая мгновенно решит все проблемы, а с 2021 года планомерно встраивали алгоритмы в конкретные болевые точки производства.

Так, на одном из заводов в Нагпуре ИИ-модели начали анализировать параметры прессования для пяти ключевых продуктов — и это позволило Lupin ускорить выход продукции. Эффект оказался настолько очевидным, что практику масштабировали на все продуктовые линии. Затем на предприятиях появились системы контроля качества и мониторинг для прогнозирования возможных отказов оборудования.

В итоге в 2025 году Lupin получила 40 крор рупий (около $4,8 млн) прямой экономии и высвободила 12 тысяч человеко-дней. Для фармацевтической компании, где каждая минута простоя и каждый бракованный лот стоят больших денег, такая экономия — решающий фактор роста.

Немецкий сервис каршеринга Sixt столкнулся с классической проблемой глобального бизнеса: клиенты из 100+ стран присылают запросы на разных языках с разными вопросами. Традиционная модель машинного обучения давала только 70% точности классификации всех этих данных, что требовало постоянной ручной перепроверки и огромных затрат.

Вместо того чтобы доучивать старую модель, Sixt запустила проект AIR (классификация писем + чат-боты) на базе Amazon Bedrock и Anthropic Claude. Точность взлетела до 90%, а стоимость обработки запросов упала на 70%.

Новая система не только перенаправляет письма, но и генерирует готовые проекты ответов для агентов, а в простых случаях — отвечает полностью автономно. Например, она может выдавать маршруты и ссылки на Google Maps по запросу пользователей. Уже спустя год — к первому кварталу 2025-го — решение работало во всех странах присутствия Sixt.

McKinsey выяснил: только 6% компаний получают от ИИ значимую отдачу на уровне прибыли. Но почему?

Исследование консалтинговой компании показывает, что высокоэффективные компании (те самые 6%) делают три вещи, которых избегают остальные.

Во-первых, они используют ИИ не только для сокращения затрат, но и для роста и инноваций. У них амбициозные планы по трансформации бизнеса: более 30% заявляют, что ИИ изменит их бизнес-модель кардинально.

Во-вторых, они перестраивают рабочие процессы, а не просто внедряют ИИ в существующие. Компании, которые радикально меняют процессы под ИИ, почти в три раза чаще добиваются успеха.

В-третьих, у них есть чёткие процедуры контроля: когда и как человек должен проверять работу моделей. Это один из ключевых факторов, отличающих лидеров от аутсайдеров.

А что делают остальные? Они запускают пилоты без чётких бизнес-целей, оценивают успех по энтузиазму команды, а не по выручке, и не знают, как масштабировать удачные эксперименты. Их ИИ-инициативы часто держатся на героизме отдельных сотрудников.

Эти и другие проблемы решает ИИ-менторинг ГигаАкадемии СберУниверситета. Практикующий ИИ-ментор поможет вам выбрать сценарии с бизнес-эффектом. Вместе вы оцените риски и безопасность, а затем соберёте дорожную карту пилота на 2–6 недель.

В результате вы сможете сфокусироваться на экономическом эффекте и запустить управляемый процесс внедрения.

Хотите попасть в 6% компаний, которые получают системную выгоду от ИИ? Оставляйте заявку на ИИ-менторинг и ускорьте путь от идеи до работающего пилота в короткие сроки.