Окупаемость ИИ снова оказалась не той магической кнопкой, которую обещали презентации для совета директоров. По итогам 2025 года 16% компаний получили отрицательный ROI от внедрения ИИ, а 82% руководителей признали, что стали ниже оценивать ценность человеческих сотрудников. Для русскоязычного IT-рынка сигнал неприятный, но полезный: когда бизнес не видит отдачи, первым делом меняется не технология, а отношение менеджмента к людям.
Об этом сообщает The Register со ссылкой на третий ежегодный отчет AI at Work Report компании G-P. Исследование основано на опросе 2850 руководителей уровня VP и выше в США, Германии, Сингапуре, Австралии и Франции, а также отдельной выборке из 500 HR-специалистов в США. Картина получилась далекой от восторгов, которыми рынок жил последние два года: ИИ в корпорациях уже не только пилотируют и демонстрируют на внутренних митапах, но и пытаются защитить перед финансистами. И вот тут начинается самое интересное.
Главный вывод звучит почти как анекдот про корпоративную трансформацию: деньги потратили, эффекта не увидели, а виноваты почему-то люди. По данным G-P, 73% руководителей даже в тех случаях, когда ИИ все же принес положительный результат, заявили, что отдача оказалась ниже ожиданий. Иными словами, формально проект мог окупаться, но не настолько, чтобы оправдать тот уровень ажиотажа, бюджетов и управленческого внимания, который ему достался. Неудивительно, что многие топ-менеджеры уже готовы урезать расходы на ИИ, если цели бизнеса не будут достигнуты и в этом году. Для компаний это переход от фазы «вкладываемся, потому что все вкладываются» к куда менее романтичной фазе «покажите цифры, иначе бюджет режем».
На этом фоне особенно показателен блок про отношение к сотрудникам. 82% опрошенных руководителей признали, что ИИ снизил ценность, которую они приписывают человеческим работникам. Еще 88% опасаются, что сотрудники используют ИИ скорее демонстративно, чем для реальной пользы бизнесу. Это важная деталь для разработчиков, аналитиков, продактов и команд автоматизации: речь уже не только о внедрении инструментов, а о сдвиге корпоративной оптики. Если раньше менеджер мог смотреть на специалиста как на носителя уникальной экспертизы, то теперь часть руководителей видит в нем оператора поверх моделей и ассистентов. Проблема в том, что сами компании одновременно жалуются на дефицит людей с навыками ИИ и на слабую data literacy. То есть бизнесу по-прежнему нужны сильные специалисты, чтобы запускать даже убыточные ИИ-проекты, но психологически ценит он их уже меньше. Для рынка труда это токсичное сочетание.
Есть и вторая линия разочарования: качество результатов. Полную уверенность в точности ИИ выразили лишь 23% респондентов. Из-за этого 69% руководителей говорят, что тратят больше времени на мониторинг и проверку работы систем, а 61% не доверяют ИИ подготовку чувствительных документов, потому что сомневаются в юридической корректности текста. В сухом остатке получается не автоматизация, а новая управленческая надстройка: сначала компания покупает и внедряет ИИ, потом нанимает или переназначает людей, которые следят, чтобы он не ошибался слишком дорого. Для инженеров и руководителей продуктов это звучит знакомо. Когда система не дотягивает до уровня надежного рабочего инструмента, она не сокращает издержки автоматически, а переносит их в другие статьи: в ревью, контроль качества, комплаенс и ручную перепроверку.
Контекст здесь тоже важен. The Register напоминает о прошлогоднем исследовании MIT NANDA, где лишь 5% организаций смогли успешно довести ИИ-проекты до промышленной эксплуатации. На этом фоне нынешний отчет G-P выглядит даже умеренно оптимистичным, но общая логика рынка не меняется: пилотов много, презентаций еще больше, а системных историй про стабильную окупаемость ИИ все еще мало. Добавим сюда недавние исследования Microsoft о проблемах с надежностью ИИ-вывода, и становится понятнее, почему энтузиазм в C-level кабинете начинает остывать. ИИ больше не воспринимается как безусловный ускоритель. Скорее как дорогой слой поверх существующих процессов, который надо очень аккуратно встраивать, если не хочется получить еще одну статью расходов под вывеской инноваций.
Для русскоязычной IT-аудитории из этой истории следует несколько практических выводов. Во-первых, эпоха «у нас тоже есть ИИ» быстро заканчивается: на первый план выходит измеримая бизнес-польза, причем в понятных метриках, а не в количестве слайдов про трансформацию. Во-вторых, внутри компаний будет расти напряжение между HR, финансами и техкомандами. HR придется объяснять, почему людей с ИИ-навыками трудно найти и дорого удерживать, пока часть руководства публично занижает ценность сотрудников. Техлидам и продактам придется защищать не саму идею ИИ, а конкретные сценарии, где он реально экономит время или деньги без взрывного роста рисков. В-третьих, растет цена зрелой экспертизы: не умения «подружить команду с нейросетями», а способности построить процесс, где результат модели проверяем, ограничен по рискам и привязан к задаче, которую вообще стоило автоматизировать.
Парадокс в том, что корпоративный скепсис к людям возник не после убедительного триумфа машин, а на фоне слабой окупаемости ИИ и сомнений в качестве его работы. Если этот тренд сохранится, рынок получит не замену сотрудников алгоритмами, а более жесткий менеджмент, который требует от людей доказывать ценность на фоне инструментов, в которые сам же бизнес еще не научился инвестировать с понятной отдачей. И это, пожалуй, самый неприятный сценарий для компаний: разочароваться в ИИ и одновременно испортить отношения с теми, кто должен делать его полезным.