Еще недавно корпоративная повестка строилась вокруг одного вопроса: какой искусственный интеллект внедрить первым?

Компании тестировали нейросети, покупали корпоративные лицензии, создавали лаборатории искусственного интеллекта, запускали чат-ботов, автоматизировали подготовку документов и пытались заменить алгоритмами отдельные функции сотрудников.

К 2026 году вопрос изменился.

Теперь руководителей гораздо больше интересует не то, какую модель выбрать, а то, почему многочисленные эксперименты с искусственным интеллектом не дали ожидаемого финансового результата.

Парадокс заключается в том, что сами технологии за это время стали значительно лучше. Модели научились анализировать большие массивы информации, готовить тексты, писать программный код, создавать презентации, обрабатывать обращения клиентов и выполнять целые последовательности действий.

Но производительность бизнеса растет далеко не в каждой компании, которая получила доступ к этим инструментам.

Практика последних лет показала: искусственный интеллект не исправляет слабое управление, не устраняет неэффективные процессы и не создает сильную корпоративную культуру. Более того, если встроить новую технологию в плохо организованную систему, она может лишь быстрее воспроизводить существующие ошибки.

Поэтому в 2026 году бизнес начинает возвращаться к человеку — не в качестве альтернативы искусственному интеллекту, а как к главному условию его эффективного применения.

Иллюзия технологической трансформации

Первая волна корпоративного интереса к генеративному искусственному интеллекту была во многом экспериментальной.

Руководители подразделений предлагали сотрудникам использовать нейросети для подготовки писем, презентаций, отчетов и маркетинговых материалов. Компании запускали пилотные проекты, создавали внутренних ассистентов и подключали технологии к отдельным базам данных.

На уровне отдельных задач эффект действительно был заметен. Сотрудник мог быстрее подготовить текст, проанализировать документ или сформировать несколько вариантов коммерческого предложения.

Однако локальное ускорение работы еще не означает роста производительности всей компании.

Если специалист подготовил отчет за один час вместо четырех, но документ затем несколько дней проходит согласования, бизнес почти ничего не выигрывает. Если менеджер быстрее формирует предложение, но не имеет полномочий самостоятельно принять решение, клиент не получает ответ быстрее. Если искусственный интеллект обрабатывает обращения, но данные о клиентах распределены между несколькими несвязанными системами, качество сервиса остается прежним.

Главная ошибка первой волны внедрения заключалась в попытке автоматизировать отдельные операции без изменения всей логики работы.

McKinsey отмечает, что среди организационных факторов именно глубокая перестройка рабочих процессов оказывает наиболее сильное влияние на способность компаний получать финансовый эффект от генеративного ИИ. При этом в исследовании 2025 года только 21% организаций, использующих генеративный искусственный интеллект, сообщили, что фундаментально переработали хотя бы часть своих процессов.

Иными словами, большинство компаний добавили новый технологический слой поверх старой управленческой системы.

В результате бизнес получил более быстрые инструменты, но сохранил прежние регламенты, организационные барьеры, многоступенчатые согласования и размытые зоны ответственности.

Почему большинство AI-проектов не окупается

У низкой окупаемости корпоративных проектов искусственного интеллекта обычно есть несколько причин.

Технология внедряется без конкретной бизнес-задачи

Многие компании начинают с выбора платформы, а не с определения проблемы.

Руководство принимает решение «внедрить ИИ», после чего подразделения пытаются найти применение уже приобретенному инструменту. В результате появляются демонстрационные проекты, которые выглядят современно, но практически не влияют на выручку, себестоимость, скорость обслуживания или качество управленческих решений.

Правильная последовательность должна быть обратной.

Сначала компания определяет процесс, в котором теряет деньги или время. Затем устанавливает измеримый показатель результата. И только после этого выбирает технологию.

Например, задачей может быть не «внедрение искусственного интеллекта в продажи», а сокращение времени подготовки персонализированного предложения с двух дней до двух часов. Не «создание умного помощника», а снижение количества повторных обращений клиентов на 20%. Не «автоматизация маркетинга», а увеличение конверсии определенного сегмента лидов.

Без такой привязки проект почти невозможно объективно оценить.

Автоматизируется неэффективный процесс

Искусственный интеллект способен значительно ускорить отдельные операции. Но если сам процесс спроектирован неправильно, ускорение не создает ценности.

Допустим, в компании коммерческое предложение последовательно согласовывают менеджер, руководитель отдела, юрист, финансовый директор и генеральный директор. Подготовку документа можно автоматизировать, однако основная потеря времени возникает не при написании текста, а на этапах согласования.

В такой ситуации сначала необходимо пересмотреть полномочия, лимиты ответственности и критерии принятия решений. Только после этого имеет смысл подключать технологию.

Именно поэтому компании, получающие наибольшую отдачу от искусственного интеллекта, не ограничиваются автоматизацией существующих операций. Они заново проектируют клиентские маршруты, цепочки принятия решений и взаимодействие между подразделениями.

По оценке McKinsey, около 60% потенциальной ценности от ИИ связано именно с перестройкой рабочих процессов, а не с простым добавлением моделей поверх существующей деятельности.

Отсутствует владелец результата

Корпоративные проекты искусственного интеллекта часто воспринимаются как зона ответственности IT-департамента.

Но IT-подразделение может отвечать за инфраструктуру, интеграцию, безопасность и стабильность решения. Оно не может самостоятельно изменить систему мотивации продавцов, перераспределить полномочия между руководителями или перестроить клиентский путь.

У каждого проекта должен быть бизнес-владелец — руководитель, который отвечает не за запуск технологии, а за конкретный экономический результат.

Если такого владельца нет, пилот может быть технически успешным и одновременно бесполезным для бизнеса.

Сотрудников не готовят к новой модели работы

Еще одна распространенная ошибка — предположение, что достаточно предоставить людям доступ к инструменту.

На практике сотрудникам необходимо объяснить:

• в каких задачах использовать искусственный интеллект;
• какие данные можно передавать системе;
• как проверять результат;
• где остается зона личной ответственности;
• какие решения нельзя делегировать алгоритму;
• по каким показателям будет оцениваться эффект.

Исследование B1 о корпоративном обучении показывает, что искусственный интеллект стал одним из главных направлений развития сотрудников: 51% респондентов ожидали, что в 2025 году ИИ выйдет в лидеры среди тем обучения. При этом акцент постепенно смещается с общего знакомства с технологией на ее практическое применение в бизнес-подразделениях — от автоматизации повседневных задач до поддержки принятия решений.

Это важный сдвиг. Компании начинают понимать, что цифровая трансформация требует не только программного обеспечения, но и новой квалификации людей.

Эффект измеряется количеством внедрений, а не деньгами

Еще несколько лет назад компания могла считать успехом само наличие пилотов, корпоративного чат-бота или внутренней AI-платформы.

В 2026 году этого недостаточно.

Руководители хотят видеть:

• сокращение операционных расходов;
• увеличение выручки;
• рост производительности на одного сотрудника;
• ускорение выполнения операций;
• уменьшение количества ошибок;
• повышение конверсии;
• улучшение клиентского опыта;
• сокращение времени вывода продукта на рынок.

Deloitte фиксирует противоречие: расходы компаний на искусственный интеллект растут, однако финансовая отдача по-прежнему остается неочевидной для значительной части бизнеса. В начале 2025 года более двух третей опрошенных руководителей ожидали, что в ближайшие три–шесть месяцев в полноценную эксплуатацию перейдут не более 30% проводимых экспериментов с генеративным ИИ.

Это не означает, что технология не работает. Это означает, что между успешным экспериментом и масштабируемой бизнес-моделью существует большая организационная дистанция.

Где искусственный интеллект действительно приносит прибыль

Несмотря на сложность внедрения, искусственный интеллект уже создает значительный экономический эффект. Но наиболее заметные результаты появляются там, где технология встроена в понятный процесс и решает конкретную проблему.

Продажи и клиентский сервис

В продажах искусственный интеллект может:

• анализировать историю взаимодействия с клиентом;
• готовить персонализированные предложения;
• определять вероятность сделки;
• подсказывать менеджеру следующий шаг;
• фиксировать результаты разговора;
• обновлять CRM;
• контролировать сроки коммуникации;
• выявлять потенциальный отток.

При этом алгоритм не заменяет сильного продавца. Он освобождает его от значительной части административной нагрузки и помогает сосредоточиться на переговорах, доверии и принятии сложных решений.

Именно такая модель — человек, усиленный цифровыми инструментами, — обычно показывает лучший результат, чем попытка полностью автоматизировать коммуникацию.

Маркетинг

В маркетинге ИИ способен быстро создавать варианты контента, сегментировать аудиторию, анализировать поведение клиентов и адаптировать рекламные сообщения.

Однако генерация большего количества материалов сама по себе не создает конкурентного преимущества. Если бренд не понимает своего клиента, не имеет четкого позиционирования и не способен сформулировать ценность продукта, искусственный интеллект лишь увеличит объем однотипного контента.

Здесь технология приносит прибыль, когда соединяется с сильной стратегией, качественными данными и профессиональной редактурой.

Разработка и внутренние операции

Большой эффект появляется в задачах, где сотрудники ежедневно выполняют многочисленные повторяющиеся действия:

• подготовка документов;
• проверка договоров;
• поиск информации;
• обработка типовых запросов;
• формирование отчетности;
• написание и тестирование программного кода;
• анализ закупок;
• прогнозирование спроса;
• управление запасами.

В этих процессах результат можно измерить: количеством сэкономленных часов, снижением ошибок или уменьшением стоимости операции.

Отраслевые решения

Наибольший потенциал создают не универсальные чат-боты, а решения, глубоко встроенные в отраслевую специфику.

«Яков и Партнёры» оценивают возможный ежегодный эффект от применения искусственного интеллекта для российской экономики к 2030 году в 7,9–12,8 трлн рублей. На генеративный ИИ может приходиться 1,6–2,7 трлн рублей. При этом доля компаний, использующих генеративные модели хотя бы в одной функции, существенно выросла, что подтверждает переход от единичных пилотов к более широкому применению.

В российском ритейле и электронной коммерции эксперты видят потенциал роста операционной прибыли за счет генеративного ИИ на 12–19%, а в секторе потребительских товаров — на 9–15%. Основными источниками эффекта могут стать персонализация, оптимизация клиентского пути, автоматизация маркетинга и управление поставками.

Но реализовать этот потенциал смогут не все. Преимущество получат компании, которые обладают качественными данными, современной инфраструктурой и способностью быстро менять процессы.

Искусственный интеллект делает людей не менее, а более важными

Одним из самых неожиданных результатов цифровой трансформации стало повышение ценности сильных специалистов.

Когда алгоритм берет на себя подготовку информации, стандартные расчеты и рутинные операции, человек должен выполнять более сложную часть работы:

• интерпретировать результат;
• учитывать контекст;
• принимать решение в условиях неопределенности;
• договариваться с другими людьми;
• управлять конфликтами;
• определять приоритеты;
• нести ответственность;
• формулировать стратегию.

Исследование PwC, основанное на анализе почти миллиарда вакансий, показывает, что отрасли, наиболее подверженные влиянию искусственного интеллекта, демонстрировали более быстрый рост выручки на одного сотрудника. Одновременно специалисты с навыками работы с ИИ получали существенную зарплатную премию, а требования к навыкам в наиболее затронутых профессиях менялись значительно быстрее.

Данные 2026 года усиливают этот вывод. Новые задачи в профессиях, активно трансформируемых искусственным интеллектом, в 2,5 раза чаще требуют эмпатии, профессионального суждения и креативности. Даже от начинающих специалистов компании все чаще ожидают навыков, которые раньше считались преимущественно управленческими: стратегического мышления, лидерства и способности принимать решения.

Получается, что искусственный интеллект обесценивает не человека, а стандартизированную работу.

Чем больше типовых операций выполняет технология, тем выше становится ценность опыта, ответственности, доверия, репутации и способности видеть ситуацию целиком.

Почему компетенции руководителей становятся главным ограничением роста

На раннем этапе цифровизации компании могли делегировать большую часть технологической повестки IT-директору.

С искусственным интеллектом такая модель перестает работать.

ИИ затрагивает не только технологии, но и:

• организационную структуру;
• количество сотрудников;
• систему мотивации;
• полномочия руководителей;
• контроль качества;
• клиентский сервис;
• управление знаниями;
• юридические и репутационные риски;
• принципы принятия решений.

Это означает, что внедрение искусственного интеллекта становится управленческой задачей.

Руководитель должен понимать, какие процессы создают ценность, какие операции можно автоматизировать, где необходим человеческий контроль и как изменится экономика функции после внедрения технологии.

Главным препятствием становится не отсутствие доступных моделей. Их становится все больше, а стоимость использования постепенно снижается.

Ограничением становится способность менеджмента:

• выбрать правильную задачу;
• отказаться от неэффективного процесса;
• изменить распределение ответственности;
• убедить сотрудников использовать новый инструмент;
• выстроить контроль;
• измерить финансовый результат;
• масштабировать успешное решение.

Слабая управленческая команда может годами проводить пилоты. Сильная — за несколько месяцев перестроить конкретный процесс и получить измеримый эффект.

Как меняется роль CEO

В традиционной модели CEO определял стратегию, распределял ресурсы и контролировал результат.

В эпоху искусственного интеллекта этих функций недостаточно.

Генеральный директор должен стать архитектором новой операционной модели компании.

CEO должен определять не AI-стратегию, а бизнес-стратегию с учетом ИИ

Отдельная стратегия искусственного интеллекта легко превращается в набор технологических инициатив, слабо связанных с целями компании.

Правильный вопрос звучит иначе: как технология меняет нашу бизнес-модель, продукт, клиентский опыт и структуру затрат?

Например:

• какие услуги теперь можно оказывать быстрее;
• какие продукты можно персонализировать;
• какие функции можно масштабировать без пропорционального роста штата;
• какие данные становятся стратегическим активом;
• какие источники выручки раньше были недоступны;
• какие посредники или этапы процесса становятся лишними.

CEO должен перераспределить ответственность

По мере роста роли алгоритмов необходимо четко определить, кто отвечает за результат.

Искусственный интеллект может сформировать рекомендацию, но решение об инвестиции принимает человек. Алгоритм может подготовить договор, но юридическую ответственность несет компания. Система может определить перспективного клиента, но за коммуникацию и соблюдение деловой этики отвечает менеджер.

Deloitte в исследовании глобальных трендов человеческого капитала 2026 года называет проектирование совместного принятия решений человеком и искусственным интеллектом отдельной управленческой дисциплиной. Компаниям необходимо заранее определить полномочия, ответственность и границы человеческого суждения, чтобы технология усиливала, а не вытесняла осознанное принятие решений.
CEO должен управлять доверием

Сотрудники могут формально получить доступ к искусственному интеллекту, но избегать его использования из-за страха потерять работу, допустить ошибку или нарушить внутренние правила.

Клиенты, в свою очередь, хотят понимать, когда они взаимодействуют с алгоритмом, как используются их данные и кто отвечает за принятое решение.

Поэтому доверие становится частью экономической модели внедрения.

Компании, которые создают понятные правила, обучают сотрудников и открыто объясняют ограничения технологии, способны быстрее масштабировать применение ИИ. McKinsey отмечает связь между высоким уровнем доверия к цифровым технологиям и более высокой вероятностью значительного роста выручки.

CEO должен защищать способность организации учиться

Технологии меняются быстрее, чем корпоративные регламенты и традиционные программы обучения.

Поэтому задача руководителя заключается не только в обучении конкретному инструменту, но и в формировании культуры постоянной адаптации.

Компаниям придется регулярно пересматривать роли, процессы и набор необходимых компетенций. Знания будут устаревать быстрее, а способность быстро осваивать новое станет важнее накопленного набора стандартных навыков.

Бизнес вокруг людей — это не отказ от автоматизации

Возвращение человека в центр бизнеса не означает технологического консерватизма.

Наоборот, наиболее человекоцентричные компании могут оказаться самыми автоматизированными.

Разница состоит в цели.

В слабой модели искусственный интеллект используется преимущественно для сокращения затрат и численности персонала.

В сильной — для увеличения возможностей сотрудников, улучшения клиентского опыта и создания новой ценности.

Первая модель задает вопрос: сколько людей можно заменить?

Вторая: насколько больше может создать один сильный специалист, если освободить его от рутины и предоставить качественные данные, быстрые инструменты и необходимые полномочия?

Именно второй подход способен обеспечить долгосрочный рост.

PwC отмечает, что компании с наибольшим ростом производительности используют искусственный интеллект не только для снижения затрат, но и для усиления человеческой эффективности, выхода на новые рынки и создания новых форм ценности.

Что компании должны сделать в ближайшие три года

Период 2026–2028 годов станет переходом от экспериментов к системной перестройке бизнеса.

Чтобы получить реальный эффект от искусственного интеллекта, компаниям необходимо пройти несколько этапов.

1. Провести аудит процессов, а не технологий

Начинать нужно не со списка доступных AI-решений, а с анализа работы компании.

Следует определить:

• где сотрудники тратят больше всего времени;
• где возникают задержки;
• какие операции регулярно повторяются;
• где совершается больше всего ошибок;
• какие решения принимаются без достаточных данных;
• где клиент вынужден ждать;
• какие процессы требуют слишком большого количества согласований.

Такой аудит позволяет сформировать реальный портфель задач для автоматизации.

2. Выбрать ограниченное число приоритетных сценариев

Попытка одновременно внедрить искусственный интеллект во всех подразделениях обычно приводит к распылению ресурсов.

Гораздо эффективнее выбрать три–пять процессов, в которых:

• есть большой объем повторяющейся работы;
• доступны качественные данные;
• эффект можно быстро измерить;
• существует руководитель, заинтересованный в результате;
• ошибка не создает критического риска;
• успешное решение можно масштабировать.

3. Перестроить процесс до автоматизации

Перед внедрением необходимо убрать лишние этапы, пересмотреть полномочия и определить точки контроля.

Автоматизировать следует уже оптимизированную систему.

В противном случае компания получает более технологичный, но по-прежнему неэффективный процесс.

4. Назначить бизнес-владельца

Каждый проект должен иметь руководителя, отвечающего за экономический результат.

Его KPI — не количество пользователей и не запуск платформы, а:

• снижение стоимости операции;
• рост выручки;
• сокращение времени;
• повышение конверсии;
• уменьшение ошибок;
• улучшение клиентских показателей.

5. Инвестировать в руководителей среднего звена

Именно линейные и функциональные руководители переводят стратегию в повседневную практику.

Если они не понимают, как менять процессы, управлять сопротивлением и измерять результат, инициатива CEO не дойдет до сотрудников.

В ближайшие годы особенно востребованными станут менеджеры, способные одновременно понимать бизнес, людей, данные и технологии.

6. Создать правила совместной работы человека и алгоритма

Для каждого важного процесса необходимо определить:

• что выполняет искусственный интеллект;
• что проверяет сотрудник;
• кто принимает окончательное решение;
• кто отвечает за ошибку;
• какие данные разрешено использовать;
• когда необходимо обязательное вмешательство человека.

Это особенно важно в финансах, медицине, праве, работе с персональными данными, инвестиционных решениях и клиентских коммуникациях.

7. Изменить систему обучения

Однократного курса по работе с нейросетями недостаточно.

Необходимо обучать людей на конкретных рабочих задачах. Сотрудник должен не просто знать возможности инструмента, а уметь применять его в своем процессе, проверять результат и понимать ограничения.

Обучение должно быть связано с показателями эффективности подразделения.

8. Считать полный экономический эффект

При оценке проекта необходимо учитывать не только стоимость лицензий.

В расчет должны входить:

• интеграция;
• подготовка данных;
• информационная безопасность;
• обучение сотрудников;
• изменение процессов;
• контроль качества;
• сопровождение;
• стоимость ошибок;
• время руководителей;
• расходы на масштабирование.

Только после этого можно объективно говорить об окупаемости.

9. Направлять высвободившееся время на создание ценности

Если благодаря искусственному интеллекту сотрудник экономит десять часов в неделю, компания должна заранее определить, на что будет направлено это время.

Без такого решения эффект быстро растворяется.

Освободившиеся ресурсы можно использовать для:

• увеличения количества контактов с клиентами;
• разработки новых продуктов;
• повышения качества сервиса;
• анализа рынка;
• развития партнерской сети;
• работы со сложными сделками;
• обучения;
• поиска новых источников выручки.

Главный вывод

В 2026 году искусственный интеллект перестает быть самостоятельной корпоративной стратегией.

Он становится инфраструктурой — такой же важной, как интернет, облачные сервисы или мобильная связь. Сам факт доступа к технологии больше не создает устойчивого преимущества.

Преимущество возникает у компаний, которые умеют:

• правильно выбирать задачи;
• перестраивать процессы;
• развивать сотрудников;
• быстро принимать решения;
• соединять человеческое суждение с возможностями алгоритмов;
• превращать сэкономленное время в дополнительную ценность;
• измерять результат в деньгах.

Поэтому бизнес снова начинает строиться вокруг людей.

Не потому, что искусственный интеллект оказался слабее ожиданий, а потому, что он стал достаточно сильным, чтобы проявить истинные ограничения компаний.

И главным из этих ограничений оказалась не технология.

Главным ограничением остаются качество управления, зрелость процессов, компетенции руководителей и способность организации меняться.

В ближайшие годы победят не компании с самым большим количеством AI-проектов.

Победят компании, в которых сильные люди используют искусственный интеллект для принятия более быстрых решений, создания лучших продуктов и построения более эффективного бизнеса.