91% сотрудников считают, что их компания пока не получает полноценную ценность ИИ, хотя разговоров, лицензий и пилотов стало только больше. Для русскоязычного IT-рынка это знакомый сюжет: бюджеты на AI растут быстрее, чем понятные эффекты в процессах, а команды все чаще спрашивают не «что еще попробовать», а «что уже пора выключить».
Такой вывод следует из отчета Thomson Reuters Future of Professionals Report 2026, о котором сообщает ZDNet. Исследование основано на глобальном опросе 1800 специалистов из разных отраслей, и его главный вывод неприятно прост: разрыв между AI-амбициями и реальной пользой не сокращается, а становится заметнее. Операционный директор Thomson Reuters Кирсти Рот прямо связывает это с деньгами: сотрудники активно расходуют токены и пробуют новые сервисы, а руководители все чаще смотрят на счета за IT и не видят сопоставимого эффекта.
Это заметный разворот по сравнению с настроением полуторагодичной давности. Тогда бизнес охотно поощрял эксперименты с генеративным ИИ, а сотрудники были рады тестировать все подряд. Теперь романтика закончилась. В материале ZDNet приводится еще одна показательная цифра: по исследованию MIT, 95% AI-проектов не приносят ожидаемой ценности. На таком фоне неудивительно, что компании начинают нервничать, особенно если внутри уже накопился парк разрозненных инструментов с разными моделями, интерфейсами, ограничениями и счетчиками затрат.
Рот описывает это как tool blast — ситуацию, когда сотрудникам выдают сразу много AI-сервисов без ясного ответа, для каких задач и с каким ожидаемым результатом их нужно использовать. Симптомы у такого подхода знакомые: люди получают доступ «ко всему», но не понимают, что именно нужно менять в ежедневной работе. В итоге компания видит не рост производительности, а рост расходов на подписки и инфраструктуру. И это особенно важно для IT-команд: проблема уже не в отсутствии моделей, а в том, что вокруг них не выстроен управляемый производственный контур.
При этом сами специалисты довольно четко формулируют требования к корпоративному ИИ. 96% опрошенных говорят, что инструменты должны защищать конфиденциальные данные. 94% ждут, что ответы будут опираться на авторитетные источники. Еще 90% считают критически важной объяснимость и защищаемость рассуждений системы. То есть рынок просит не магию, а скучную зрелость: безопасность, проверяемость, понятное происхождение ответа. На этом фоне особенно показательно, что 41% пользователей ИИ на работе заявили об отсутствии доступа к качественным инструментам. Другими словами, дефицит теперь не в количестве AI, а в качестве внедрения.
Даже наличие формальной стратегии не спасает. Чуть больше трети респондентов — 35% — из компаний с заявленной AI-стратегией сказали, что не видят ее в своей повседневной работе. Для продактов, инженеров и IT-директоров это, пожалуй, самая важная цифра во всем отчете. Она показывает, что «стратегия по ИИ» легко превращается в презентацию для совета директоров, если не привязана к конкретным операциям, SLA, метрикам качества и изменениям процессов. Иначе сотрудники продолжают жить по-старому, только теперь еще и с чат-ботом в соседней вкладке.
Рецепт от Thomson Reuters звучит довольно приземленно, и именно поэтому выглядит убедительно. По словам Рот, рабочий подход состоит из двух частей: дать командам пространство для осмысленных экспериментов и затем жестко переводить удачные сценарии в промышленное использование. Внутри компании на раннем этапе действовало почти лабораторное правило: если у команды был интересный инструмент, ей могли дать лицензию примерно на шесть недель. Дальше решение было бинарным: есть результат — масштабируем на другие подразделения, нет результата — останавливаем и идем дальше. Без священных коров и без желания бесконечно «допиливать пилот» просто потому, что на него уже потратили бюджет.
Это важный контраст с распространенной практикой, когда пилоты по генеративному ИИ живут месяцами, но так и не доходят до эксплуатации. Рот прямо говорит, что вперед выходят те компании, которые уже выбрали конкретные инструменты и начали под них менять бизнес-процессы. Отстающие, по ее формулировке, все еще остаются «на детской площадке». С учетом того, как быстро рынок заполняется агентными фреймворками, частными моделями, open-weight-подходами и «глубокими» исследовательскими инструментами, этот тезис звучит почти как антидот от технологической суеты. Кстати, ZDNet отдельно напоминает и другой прогноз: Gartner ожидает, что к 2027 году 40% компаний понизят статус или вовсе выведут из эксплуатации автономных AI-агентов из-за сомнений в их ценности.
Внутри Thomson Reuters фокус сузили до пяти направлений, где прирост выглядит наиболее осязаемым: engineering, customer support and success, marketing, editorial and content operations, а также core technology operations. Это еще один полезный сигнал для бизнеса: не пытаться одновременно «улучшить работу всех», а выбирать зоны, где можно быстро измерить эффект. В компании утверждают, что сейчас 87% сотрудников ежедневно используют AI-инструменты. Один из примеров — поддержка продаж и клиентов: вместо того чтобы вручную собирать данные от сейлзов и из Salesforce, сотрудники через внутреннюю платформу Open Arena и модель Claude получают сводку по аккаунту за секунды, включая возможности для сделки, риски и недавние обращения в поддержку.
Для разработчиков и руководителей продуктов вывод здесь неприятный, но полезный. Основной дефицит 2026 года — не доступ к большим моделям, а дисциплина внедрения. Если у компании десяток AI-сервисов, но нет правил по данным, понятных критериев успеха и списка задач, которые действительно должны измениться, то ценность ИИ почти наверняка растворится в расходах. А если есть короткий цикл проверки гипотез, готовность быстро закрывать слабые пилоты и несколько производственных use case с измеримым эффектом, то AI перестает быть дорогим корпоративным хобби и начинает работать как обычная инженерная система.
Похоже, следующий этап корпоративного AI будет не про новые громкие модели, а про скучную селекцию: какие инструменты оставить, какие сценарии довести до продакшена и где именно ценность ИИ можно доказать цифрами, а не энтузиазмом. В этом смысле материал фиксирует для рынка неприятную, но полезную мысль: эпоха безлимитных экспериментов заканчивается, начинается эпоха отключений, метрик и очень конкретных кейсов.