Внедрение ИИ в бизнес в 2026: почему 9 из 10 пилотов не доходят до продакшена

Что называют «внедрением ИИ» — и почему это три разные вещи

Когда руководитель говорит «мы внедрили ИИ», за этим стоит одна из трёх принципиально разных стадий, и путаница между ними — источник и завышенных ожиданий, и статистики провалов.

Подписка на ассистента. Компания купила доступ к GigaChat, YandexGPT или ChatGPT, сотрудники пишут туда тексты и просят пересказать документ. Это полезно, но к бизнес-процессу отношения не имеет: ассистент не знает ваших контрагентов, остатков и договоров. Ничего не автоматизировано — просто у людей появился более быстрый способ печатать.

Пилот на одном процессе. Взяли конкретную задачу — например, разбор входящих писем или черновик ответа на отзыв — и проверили на выборке. Стадия правильная, но именно здесь, по данным того же опроса, умирает около 40% проектов.

Промышленная эксплуатация. Агент имеет доступ к системам, где реально лежат данные, работает по расписанию без напоминаний, а результат ложится обратно в учётную систему. Только это меняет трудозатраты.

Рынок считает «внедрением» все три стадии одинаково. Отсюда и разрыв: по данным Сбера, 97% крупных российских компаний ИИ уже внедрили или планируют, — и одновременно более 90% не получили от него системной отдачи. Противоречия здесь нет: считали разные стадии.

Если вы ещё выбираете класс решения, начните с обзорного материала «ИИ для бизнеса» — эта статья про то, что происходит после выбора.

Почему девять из десяти пилотов не доходят до продакшена

Это главный вопрос, который обходят стороной методички интеграторов. Разберём пять причин — каждую с признаком, по которому её можно узнать у себя.

1. Пилот работал на выгрузке, а не на живом доступе

Самый частый сценарий. Чтобы быстро показать результат, из 1С или МойСклад выгружают Excel, скармливают модели, получают красивый разбор. Демо проходит на ура. Дальше выясняется, что для еженедельной работы кто-то должен делать эту выгрузку руками — и проект умирает не от качества ИИ, а от того, что экономию часов съел новый ручной шаг.

Признак: в описании пилота есть слова «выгрузили», «подготовили файл», «загрузили данные за период».

2. Данные оказались грязными

Модель не исправляет то, что сломано в учёте. Дубли контрагентов, один товар под тремя артикулами, проводки задним числом, номенклатура, которую ведут по-разному в двух филиалах, — всё это ИИ добросовестно отразит в отчёте, и отчёт будет неверным. Один такой случай на демо перед финансовым директором закрывает проект надолго.

Признак: до пилота в компании никто не мог быстро ответить, сколько у вас активных контрагентов или SKU, — потому что цифра зависит от того, кто считает.

3. У агента не было права на запись

Компания из осторожности даёт доступ только на чтение. Агент читает, анализирует, предлагает — а переносит результат в систему по-прежнему человек. Часы не экономятся, они перераспределяются: вместо «подумать и сделать» сотрудник теперь «прочитать чужое предложение и сделать». Экономии нет, раздражение есть.

Правильное решение — не «дать всё», а развести операции по уровню риска: чтение и расчёты агент делает сам, изменения в учётной системе идут с подтверждением, а необратимые действия остаются за человеком. Подробно эту логику мы разбирали в материале про ИИ-агентов для бизнеса.

Признак: после пилота сотрудник всё ещё открывает 1С и вбивает то, что агент насчитал.

4. Успех мерили демо-эффектом

«Смотрите, он написал письмо за три секунды» — это не метрика. Метрика — это срок закрытия месяца, количество ошибок в актах, доля отзывов с ответом за сутки, часы на сбор еженедельного отчёта. Если до старта не зафиксировали базовое значение, то через два месяца доказать пользу нечем, и бюджет на следующий год не защитить.

Признак: на вопрос «на сколько стало лучше» команда отвечает прилагательными, а не числами.

5. У процесса не было владельца

Пилот ведёт ИТ-служба, потому что «это про технологии». Результат нужен финансам, продажам или складу. ИТ не может решить, какой отчёт правильный, а функциональное подразделение не считает проект своим. Проект зависает между ними и тихо закрывается при первом пересмотре бюджета.

Признак: на встречах по пилоту нет человека, чью рабочую неделю этот процесс реально занимает.

С чего начать: четыре шага вместо «стратегии ИИ»

Стратегия ИИ на год — плохая первая покупка. Работает обратный порядок.

Шаг 1. Выберите процесс с измеримой рутиной. Хороший кандидат повторяется не реже раза в неделю, занимает у конкретного человека понятное число часов и имеет проверяемый результат. Плохой кандидат — «улучшить клиентский опыт».

Шаг 2. Подключите систему, где лежат данные. Не выгрузку, а систему: 1С, МойСклад, Битрикс24, amoCRM, кабинет маркетплейса, телефонию. Если на этом шаге выясняется, что доступ дать нельзя или API закрыт, — лучше узнать это в первую неделю, а не на третьем месяце. Что и как подключается, мы собрали в каталоге интеграций.

Шаг 3. Задайте границу автономии. Письменно: что агент делает сам, что показывает на подтверждение, чего не делает никогда. Это же документ, который потом пригодится для правил эксплуатации — их закон теперь требует вести.

Шаг 4. Меряйте одну метрику четыре недели. Одну, а не восемь. Зафиксируйте базовое значение до старта.

Какие процессы отдают ИИ первыми

Практика показывает устойчивую закономерность: первыми успешно уезжают процессы, где много повторяемости, данные уже лежат в системе, а результат легко проверить.

У «Сам Решу» каждая строка этой таблицы — не «агент вообще», а именованный навык, и это же ответ на вопрос «что именно пилотируем». Финансы ведут «Управленческий учёт» и «P&L, финмодель и финансовый анализ», план-факт — «Бюджетирование и план-факт анализ». Продажи — «Скрипты продаж и обработка возражений» и «Квалификация и скоринг лидов». Склад и закупки — «Прогноз закупок (маркетплейсы)». Документы — «Первичные бухгалтерские документы» и «УПД и счета-фактуры в XML для ЭДО». Маркетплейсы — «Юнит-экономика по SKU» и «Отзывы и вопросы на маркетплейсах».

Пилот на одном процессе выглядит так же узко, как звучит:

Как это выглядит на конкретных системах — в разборах по Битрикс24, amoCRM и МойСклад. Отдельно про звонки — в материале о речевой аналитике, про закрывающие — в разборе актов и документов.

Правовой контур: что изменилось летом 2026

До этого года выбор ИИ-сервиса был вопросом вкуса и цены. Теперь у него появилась правовая рамка, и её стоит понимать до пилота, а не после.

Закон о регулировании ИИ. Принят Госдумой 8 июля 2026 года, одобрен Советом Федерации 17 июля. Основной срок вступления в силу — 1 сентября 2026, отдельные положения — с 1 марта 2027, переходный период для уже работающих систем растянут до 1 сентября 2032.

Важная деталь, которая теряется в пересказах: закон распространяется только на большие фундаментальные модели — от миллиарда параметров. Узкие ML-модели, компьютерное зрение и специализированные алгоритмы под регулирование не подпадают. То есть если вы считаете прогноз спроса классической моделью, закон вас напрямую не касается.

Закон вводит два статуса. Суверенная модель — разработчик российское юрлицо под контролем РФ, полный цикл разработки в России, воспроизводимость обучения гарантирована. Национальная модель — российский разработчик, но допускаются иностранные open-source компоненты. Обе категории обязаны обрабатывать данные на российских серверах.

Для бизнеса-пользователя обязанности сводятся к четырём вещам: уведомлять пользователей о правах на результаты работы ИИ, принимать организационные и технические меры безопасности, вести техническую документацию и определить правила эксплуатации модели. Маркировка ИИ-контента осталась опциональной — её определяют соглашение сторон и правила площадки.

Персональные данные закон не регулирует — здесь действуют общие требования 152-ФЗ. И вот они в 2026 стали заметно жёстче: за массовую утечку (свыше 100 тысяч субъектов) юрлицу грозит от 10 до 15 млн рублей, а за повторную вводится оборотный штраф — от 1 до 3% годовой выручки, но не менее 20 млн и не более 500 млн рублей. Именно этот риск, а не сам закон об ИИ, делает вопрос «куда уходят наши данные» практическим.

Отсюда четыре вопроса, которые стоит задать вендору до пилота:

1. Где физически хранятся данные и переписка с агентом?
2. Что из наших данных уходит в модель и используется ли это для обучения?
3. Есть ли запись в реестре отечественного ПО — и понадобится ли она нам (для госзакупок требования к доверенному ПО вводятся поэтапно с 1 сентября 2026)?
4. Какие действия агент может совершить без подтверждения и как это журналируется?

Наш ответ на эти вопросы вынесен на страницу о безопасности и данных.

Своими силами, через интегратора или готовым агентом

Три пути, и у каждого честная цена.

Свой контур на открытых моделях. GigaChat выложен в открытый доступ, есть T-Pro и T-Lite от Т-Банка, Saiga и другие. Полный контроль над данными, ничего не уходит наружу. Плата — команда разработки и инфраструктура: нужен инженер, который поднимет, дообучит и будет поддерживать. Оправдано, когда требования к контуру жёсткие, а внутренняя разработка уже есть.

Интегратор «под ключ». Обследование, ТЗ, разработка, внедрение. Получаете решение под свои процессы, но цикл длинный, а бюджет считается сотнями тысяч и выше. Здесь же главный риск: значительная часть провалившихся проектов из статистики — именно такие, где обследование заняло месяцы, а к моменту запуска процесс успел измениться.

Готовый агент с интеграциями. Быстро, предсказуемо по деньгам, но вы работаете в рамках тех коннекторов, которые есть. Если вашей системы в списке нет или 1С сильно доработана нестандартными объектами — это выяснится на первой неделе.

Отдельно стоит развести ИИ-агента и коннектор-обвязку. Albato, Make, n8n, ApiX-Drive переносят данные по правилу «если — то» и не принимают решений; это полезный инструмент, но это не внедрение ИИ. Разницу мы подробно разбирали в сравнении агента и no-code платформ. Обзор российских решений — в подборке ИИ-ассистентов для бизнеса.

«Сам Решу» относится к третьему типу: подключается к 1С, МойСклад, Битрикс24, amoCRM, кабинетам маркетплейсов и телефонии по официальным API, ключи агенту не показываются, запись в ваши системы идёт с подтверждением, каждый шаг пишется в журнал. Это закрывает первую, третью и четвёртую причины провала из списка выше — но не вторую: грязные данные придётся чистить в любом случае, и это работа вашей команды.

Сколько стоит и как считать окупаемость

Считать «ROI 340%» бессмысленно — эта цифра ничего не значит без базы. Работает простой расчёт от двух величин.

Первая — часы рутины. Возьмите процесс, умножьте частоту на время и на стоимость часа сотрудника. Еженедельный отчёт, который аналитик собирает четыре часа, — это примерно 200 часов в год.

Вторая — стоимость ошибки. Просроченный акт, непойманный дубль платежа, SKU, который две недели продавался ниже себестоимости, потому что репрайсер не знал вашей маржи. Здесь суммы обычно выше, чем в часах, но их труднее прогнозировать — поэтому считайте по фактическим случаям за прошлый год.

Если сумма этих двух величин не превышает стоимость подписки в несколько раз, процесс выбран неудачно — возьмите другой. Наши тарифы и лимиты — на странице тарифов.

Чек-лист внедрения: 12 пунктов

Пройдите его до старта пилота, а не после.

1. Процесс повторяется не реже раза в неделю.
2. Зафиксировано базовое значение метрики до старта.
3. У процесса есть владелец из функционального подразделения, а не только из ИТ.
4. Данные лежат в системе, к которой можно дать доступ по API.
5. Проверено, что в данных нет дублей контрагентов и расхождений в номенклатуре.
6. Определено, что агент делает сам, что через подтверждение, чего не делает никогда.
7. Право на запись выдано хотя бы для части операций — иначе экономии не будет.
8. Известно, где хранятся данные и что уходит в модель.
9. Проверено, нужна ли вам запись в реестре отечественного ПО.
10. Есть журнал действий агента, доступный для проверки.
11. Согласован срок пилота — четыре недели достаточно для большинства процессов.
12. Заранее решено, по какому критерию пилот признают неудачным и остановят.

Двенадцатый пункт важнее, чем кажется: проекты без критерия остановки не закрываются, а тлеют, съедая внимание команды.

Частые вопросы

Сколько длится пилот? Для одного процесса с готовыми интеграциями — четыре недели: неделя на подключение и настройку границ, три на набор статистики. Если требуется доработка на стороне вашей системы, срок определяется ей, а не ИИ.

Нужен ли программист? Для готового агента с коннекторами — нет, нужен человек, который знает процесс и имеет права выдать доступы. Для своего контура на открытых моделях — обязательно.

У нас сильно доработанная 1С, это проблема? Не всегда, но проверять надо в первую неделю. Стандартные объекты читаются через официальный API; нестандартные требуют отдельной настройки. Это как раз тот вопрос, ответ на который дешевле получить сразу.

Можно ли начать без доступа на запись? Можно, и для первой недели это разумно. Но если оставить так навсегда, вы получите советчика, а не исполнителя, и часы не сэкономите — это третья по частоте причина провала.

Что с персональными данными клиентов? Закон об ИИ этот вопрос не регулирует, действует 152-ФЗ. Практически это значит: узнайте, где хранятся данные, минимизируйте то, что передаёте, и убедитесь, что переписка с агентом не уходит на обучение сторонней модели.

Чем ИИ-агент отличается от коннектора вроде Make или n8n? Коннектор выполняет заданное вами правило и не принимает решений. Агент разбирает задачу, сам выбирает шаги и может обработать случай, которого вы не предусмотрели. Для жёстких регламентных переносов коннектор дешевле и надёжнее; для разбора, анализа и нетиповых ситуаций он не подходит.

С чего начать малому бизнесу без ИТ-отдела? С одного процесса, где рутина очевидна: ответы на отзывы, сбор недельного отчёта по продажам, подготовка закрывающих документов. Не со «стратегии ИИ».

Обязательно ли что-то делать к 1 сентября 2026? Если вы пользователь ИИ-сервиса, а не разработчик большой фундаментальной модели, прямых обязанностей у вас немного: вести документацию и правила эксплуатации, уведомлять пользователей о правах на результаты. Основная нагрузка ложится на разработчиков моделей.

---

Если хотите разобрать конкретный процесс до того, как тратить на него бюджет, — запишитесь на демо: покажем на ваших данных, что агент закроет сам, а что придётся чинить в учёте.