Две цифры, которые стоит поставить рядом.
СберАналитика по итогам 2025 года: ИИ-агентов и ассистентов используют 39% российских компаний. Почти каждая третья.
Платформа автоматизации Nodul посмотрела на собственные данные за февраль 2026 года — 9,7 миллиона операций внутри рабочих сценариев, 28,5 тысячи активных цепочек. Доля операций, где задействован ИИ: 5,3%.
Как так выходит, что используют почти сорок процентов, а в реальной работе технология занимает пять?
«Пользуемся ИИ» и «автоматизировали с помощью ИИ» — разные вещи
Объяснение простое, и оно объясняет заодно половину провальных проектов.
Пользоваться ИИ — это когда маркетолог просит нейросеть написать пост, а руководитель — сделать выжимку из отчёта. Полезно, экономит время, но с процессами компании никак не связано.
Автоматизировать с помощью ИИ — это когда система сама принимает заявку, определяет, что человеку нужно, заносит данные в CRM и уведомляет менеджера. Без участия людей на всём маршруте.
Большинство компаний находятся на первом этапе и совершенно искренне отвечают «да» на вопрос, внедрён ли у них ИИ. Отсюда и расхождение между 39% в опросах и 5% в реальных операциях.
Цифры со стороны это подтверждают. Deloitte: активно используют агентов 11% компаний, ещё 30% изучают возможности, а 38% проводят пилоты. Пилот запустить легко — перевести в промышленную работу совсем другая история. Сооснователь Napoleon IT Павел Подкорытов оценивает годовые траты российских компаний на внедрение ИИ более чем в 90 миллиардов рублей, при том что реально пользуются им не более 6% организаций.
Три причины, по которым деньги уходят впустую
Задача сформулирована размыто. Самый частый и самый дорогой провал. Компания приходит с запросом «внедрите нам агента» вместо «у нас 500 однотипных обращений в неделю на первой линии, хотим сократить время ответа с четырёх часов до пятнадцати минут». Чем расплывчатее формулировка, тем выше шанс получить красивую демонстрацию, которая рассыпается при первом столкновении с реальностью.
ИИ ставят поверх сломанных процессов. Агент обладает неприятным свойством: он делает видимым всё, что было спрятано. Противоречивые регламенты, поля в базе без описаний, знания, которые живут в голове одного сотрудника и больше нигде. Пока этот слой не приведён в порядок, ни один подрядчик не выдаст обещанного результата — автоматизированный хаос остаётся хаосом.
Не договорились об ответственности. Причина управленческая, а не техническая, и её почти никогда не обсуждают до старта. Кто отвечает за решение, которое принял агент? Что делать, если он ошибся? Кто и как проверяет качество? По разбору итогов 2025 года от Generation AI, значительная часть неудач лежит именно здесь: модель работала технически верно, просто не для той цели.
Общая оценка по рынку, которую приводит Подкорытов: доля неудачных ИИ-проектов в России может превышать 80%. Мои наблюдения примерно совпадают — и почти всегда причина в одном из трёх пунктов выше, а не в самой технологии.
Где ИИ-агенты в малом бизнесе работают наверняка
Теперь про то, что окупается. Если брать ИИ-агентов для малого бизнеса, список рабочих сценариев короткий, и первый в нём — вот этот.
Самый зрелый и проверенный сценарий — первая линия поддержки. Работает он потому, что в любом бизнесе от 60 до 80% вопросов повторяются: цена, сроки, наличие, статус заказа, как добраться, что входит в услугу.
Агент отвечает на них мгновенно и круглосуточно. Ночные обращения перестают теряться, а сотрудники занимаются тем, что действительно требует человека.
Почему этот сценарий выигрывает у остальных — три причины сразу. Ответы уже существуют в ваших документах, их не надо придумывать. Ошибка дёшева: неправильный ответ на вопрос о графике работы неприятен, но не фатален. И результат считается без методологических споров — сравниваете время ответа и долю обращений, закрытых без человека, до и после.
Мой совет тем, кто начинает: берите именно это. Не «умного помощника для всей компании», а первую линию, где вы за неделю увидите цифру.
Как поставить задачу, чтобы проект не развалился
Правило, которое стоит всех остальных: задача должна звучать как измеримое изменение конкретного процесса.
Плохо: «внедрить ИИ-агента в отдел продаж». Хорошо: «первичная квалификация заявки занимает у менеджера 20 минут, обращений 400 в месяц, хотим уложиться в 5 минут при том же качестве».
Во второй формулировке видно всё: что автоматизируем, сколько это стоит сейчас, каким должен быть результат. Такую задачу можно оценить, сделать и проверить.
Дальше проверьте процесс на пригодность. Он должен существовать в одном варианте, а не в пяти; данные для него должны быть в системе, а не в голове у Марины из второго отдела; и должно быть понятно, кто принимает решение, когда агент сомневается.
Если хоть один пункт не выполняется — сначала чините процесс. Это дешевле, чем чинить его потом через подрядчика и с уже потраченным бюджетом. Как считать эффект от проекта, чтобы его можно было защитить перед руководством, я подробно разбирал в отдельной статье.
Что это значит для вас
Разрыв между 39% и 5% — не повод для скепсиса. Он скорее означает, что рынок только начинается: почти все попробовали, почти никто не встроил.
Для компании, которая сейчас думает про ИИ-агента, из этого следует практический вывод. Конкурентное преимущество даёт не факт использования ИИ — им пользуются уже все. Его даёт доведённый до конца процесс, где технология работает без человека и где вы можете назвать цифру до и после.
Таких компаний по всем оценкам не больше десяти процентов. Место ещё есть.