Венчурный фонд a16z — один из крупнейших инвесторов в ИИ-стартапы, то есть сторона заинтересованная, но с доступом к цифрам, которых нет в открытых отчётах, — свёл данные по корпоративному внедрению. Главный вывод: 29% компаний из списка Fortune 500 уже платящие клиенты ведущих ИИ-стартапов. Не пилот, не пробный доступ — счета.
Среди Global 2000, то есть по более широкому кругу крупнейших компаний мира, доля ниже — около 19%.
Но интереснее не общая доля, а распределение. Оно оказалось куда более перекошенным, чем принято думать, и из этого перекоса выводится практический фильтр, по которому стоит выбирать свою первую задачу.
Одна функция обогнала все остальные почти на порядок
По выручке ИИ-компаний картина такая: с большим отрывом лидирует разработка кода. Следом идёт клиентская поддержка. Третьим — поиск по внутренним данным. Разрыв между первым и вторым местом — «почти на порядок», то есть примерно десятикратный.
Продуктивность сильных инженеров, по оценке фонда, выросла в 10–20 раз. Цифра выглядит рекламной, и к ней я вернусь в конце.
По отраслям впереди технологические компании — на них приходится 27% бизнес-пользователей ChatGPT. Дальше — юридическая сфера и здравоохранение.
Юридический пример нагляднее всего. Harvey, стартап, делающий ИИ для юридических фирм, вышел на 200 миллионов долларов годовой выручки за три года с момента основания. Eve, работающая на адвокатов истцов, набрала больше 450 клиентов и оценку в миллиард долларов. Юристы — консервативная профессия с высокой ценой ошибки и почасовой оплатой, где экономия времени напрямую конфликтует с моделью заработка. Если платят даже они, значит, инструмент делает что-то проверяемое.
Отдельная деталь того же ряда: Cursor, инструмент для написания кода, поднял раунд на 2,3 миллиарда долларов. Деньги идут туда, где результат виден сразу.
Почему именно код и юристы, а не «бизнес вообще»
Общий признак у этих задач есть, и он объясняет перекос лучше любой отраслевой аналитики.
У кода мгновенная и объективная обратная связь. Модель написала функцию — она либо компилируется и проходит тесты, либо нет. Ответ приходит за секунды, и его не надо ни с кем согласовывать. Из-за этого разработчик может позволить себе принять черновик на 80% готовности: доводить его дешевле, чем писать с нуля, а брак виден сразу.
У юридического текста похожая история — есть эталон. Договор сверяется с законом и с практикой, реферат по делу проверяется по первоисточнику. Опять же: неправильный ответ обнаруживается, а не уходит в производство незамеченным.
Сравните с задачей «ИИ придумает нам стратегию продвижения». Правильность такого ответа проверить нечем — узнаете вы через квартал, и то не факт, что дело было в стратегии.
Отсюда рабочее правило, к которому я свожу большинство первых разговоров с клиентом: ИИ окупается быстрее там, где ошибку видно сразу и дёшево. Не там, где задача важнее.
В России структура другая
Западные данные полезны для понимания направления, но напрямую они не переносятся, и это надо учитывать, прежде чем копировать чужой список задач.
По исследованию СберАналитики и Сбер Бизнес Софт — итоги 2025 года по российским компаниям, результаты представлял зампред правления Сбербанка Анатолий Попов — ИИ-агентов и ассистентов используют 39% организаций. А вот распределение задач совсем не такое, как у a16z:
- документооборот и обработка заявок — 70%
- бухгалтерия и финансовый учёт — 55%
- HR-процессы и стратегическое планирование — по 34%
- поддержка клиентов — 30%
- продажи и маркетинг — по 25%
- креативные задачи — 19%
Разработки кода в этом списке нет вообще. Российский бизнес зашёл в ИИ не через разработку, а через бумаги.
Логика при этом та же самая, если приглядеться: у обработки входящего документа тоже проверяемый результат. Данные из счёта либо совпали с накладной, либо нет. Ошибка ловится на следующем шаге процесса, а не через квартал.
Второй источник подтверждает тот же крен. UserGate, российский разработчик решений по кибербезопасности, в январе 2026 опросил 335 топ-менеджеров компаний с выручкой от 100 млн рублей. На первом месте по применению ИИ — генерация отчётов и аналитики (42%), затем оптимизация сетевой инфраструктуры (38%), разбор больших массивов логов (37%), ускорение расследований инцидентов (35%) и работа службы поддержки (32%).
Снова обработка данных, а не творчество. Причём приоритеты зависят от размера: в корпоративном сегменте больше 60% назвали ключевым направлением анализ больших логов, а в среднем бизнесе на первое место вышла оптимизация сети.
Что из этого следует для вашей компании
Самое практичное здесь — не список отраслей, а фильтр для выбора первой задачи. Возьмите процесс, который рассматриваете, и проверьте его по четырём пунктам.
Как быстро видно ошибку. Если на следующем шаге — задача хорошая. Если по итогам квартала — отложите.
Есть ли эталон для сверки. Документ, регламент, закон, прошлые данные — что-то, с чем можно сравнить ответ. Если сверять не с чем, вы не сможете ни принять работу, ни улучшить её.
Сколько это стоит сейчас. В часах и рублях. Без этого числа окупаемость посчитать не с чем, а разговор о результате превратится в обмен впечатлениями.
Кто будет пользоваться каждый день. Не «компания», а конкретные люди. Инструмент, у которого нет ежедневного пользователя, умирает на втором месяце независимо от качества.
Этот фильтр объясняет и то, почему клиентская поддержка стоит вторым номером во всех отчётах сразу. Оператор видит ответ бота до отправки — ошибка ловится мгновенно. Клиент реагирует моментально — есть обратная связь. Эффект считается в фонде оплаты труда: по данным того же исследования Сбера, ИИ на первой линии сокращает расходы на оплату труда на 30–40%.
Скучные задачи с быстрой проверкой окупаются. Красивые задачи с отложенной проверкой — почти никогда, по крайней мере первыми.
Обратная сторона правила, о которой стоит сказать честно: оно смещает вас в сторону экономии, а не роста. Автоматизация документооборота срезает издержки, но не приносит новых клиентов. Задачи с быстрой проверкой — правильное место, чтобы начать и научиться. Не единственное, где ИИ имеет смысл.
Насколько этим цифрам можно верить
Три оговорки, все существенные.
Источник заинтересован. a16z вложился в значительную часть компаний, о росте которых рассказывает. Это не делает данные ложными — у фонда действительно есть доступ к закрытым цифрам портфельных компаний. Но отбор примеров у заинтересованной стороны всегда смещён.
«В 10–20 раз» — это про лучших. Оценка относится к сильнейшим инженерам, а не к среднему результату по индустрии. Средний скромнее в разы, и планировать надо по нему.
Данные не первой свежести. Разбор фонда опубликован в апреле 2026, и на русском его, насколько я вижу, не разбирали. За четыре месяца доли могли сдвинуться — направление тренда надёжнее, чем конкретный процент.
Что из этого точно устойчиво: ИИ уже приносит деньги не «в бизнесе вообще», а в узком наборе функций с быстрой проверкой результата. У российских компаний этот набор свой, и начинается он не с кода, а с документооборота. Если вы выбираете первую задачу — выбирайте из этого набора, а не из презентации поставщика.