Boston Consulting Group каждый год опрашивает руководителей крупных компаний о планах по ИИ — в издании 2026 года это 2360 человек из 16 стран, среди них 640 генеральных директоров. Главная цифра оттуда: компании собираются потратить на ИИ около 1,7% выручки против 0,8% годом раньше. Ровно вдвое.
Цифра красивая, но сама по себе бесполезная. Гораздо интереснее, на что именно уходят эти деньги — потому что там прячется главная ошибка в планировании бюджета.
Сколько именно закладывают
1,7% выручки — это средняя температура. Финансовые организации закладывают 2,0%, технологические компании — 2,1%. То есть отраслевой разброс на этом уровне небольшой: тот, у кого процессы построены на данных, тратит чуть больше, но не в разы.
Полезно перевести проценты в понятные деньги. Для компании с выручкой 500 млн рублей 1,7% — это около 8,5 млн в год. Для компании на 50 млн — 850 тысяч. Порядок величин, который уже нельзя провести как эксперимент на сдачу, но и не тот, ради которого закладывают отдельную инвестпрограмму.
Отдельная цифра, которая мне кажется важнее самой суммы: 94% опрошенных руководителей готовы продолжать вложения, даже если отдача придёт не сразу. И почти три четверти генеральных директоров говорят, что решения по ИИ теперь принимают лично они, а не ИТ-директор. Половина при этом считает, что от этих решений зависит их собственная должность.
Это уже не эксперимент. Это статья бюджета, которую защищает первое лицо.
Куда эти деньги уходят на самом деле
Тут начинается интересное.
Исследователи AI at Wharton — исследовательский центр Уортонской школы бизнеса — вместе с аналитической компанией GBK Collective несколько лет подряд разбирают корпоративные ИИ-бюджеты по составу. В их разборе структуры расходов картина такая: примерно треть денег уходит на саму технологию. Оставшиеся две трети — на обучение людей, внедрение и консультантов.
Соотношение стоит перечитать. Модель, подписка, инфраструктура — это меньшая часть чека.
Стефано Пунтони, профессор маркетинга Уортонской школы, формулирует причину прямо: сама технология более-менее превратилась в товар с полки, а разница возникает из того, как её встроили в бизнес-процессы. Разные компании покупают одну и ту же модель. Результат у них получается разный.
Почему так — механика в одном разделе
Языковая модель ничего не знает про вашу компанию. Она умеет работать с текстом вообще, но не знает вашего прайса, ваших правил скидок, того, что заявки от одного клиента приходят на два разных адреса.
Чтобы она стала полезной, вокруг неё надо построить обвязку:
- подключить к вашим системам, чтобы она видела актуальные данные, а не выдумывала их
- описать, что считается корректным ответом, а что нет
- добавить проверку перед действием там, где ошибка стоит денег
- разобрать, что делать при сбое: кто получает сигнал и в какой момент
- научить людей, которые будут с этим работать, — иначе они через месяц вернутся к старому способу
Вот эти две трети бюджета — и есть обвязка. Их нельзя не потратить: без них у вас останется умный собеседник, не подключённый ни к чему. Из чего эта обвязка состоит технически, я разбирал отдельно — какая инфраструктура нужна ИИ-агентам.
Самая недооценённая строка в этом списке — последняя. Обучение людей выглядит необязательным, потому что инструмент вроде бы простой. На практике именно там теряется эффект: инструмент, которым не пользуются, стоит ровно столько же, сколько тот, которым пользуются.
Что с этим делать при планировании
Мой практический вывод: считать бюджет от процесса, а не от подписки.
Самая частая ошибка, которую я вижу, — компания берёт стоимость лицензий, умножает на количество сотрудников и считает, что бюджет посчитан. Через два месяца выясняется, что нужен человек, который будет это поддерживать, что данные лежат в трёх несвязанных системах, и что половина команды инструментом не пользуется, потому что ей никто не показал зачем.
Рабочее правило для прикидки: умножайте стоимость технологии на три. Не потому что это точная формула, а потому что это порядок, который соответствует наблюдаемой структуре расходов. Если после умножения цифра выглядит неподъёмной — вы выбрали слишком большую задачу для первого шага, и лучше узнать это сейчас. Сколько стоит само решение, из которого вы будете отталкиваться в этом расчёте, я разбирал на конкретных цифрах — сколько на самом деле стоит ИИ-агент для бизнеса.
Обратная сторона того же расчёта приятнее. Если две трети стоимости приходятся на внедрение, то и экономия считается там же, в конкретном процессе. По данным СберАналитики и Сбер Бизнес Софт — они разбирали автоматизацию в российских компаниях по итогам 2025 года — ИИ-ассистент на первой линии поддержки сокращает расходы на оплату труда на 30–40%. Это не про «выросла эффективность», это про фонд оплаты труда конкретного отдела.
Отсюда простое правило: начинайте с одного процесса, где вы можете назвать текущую стоимость в рублях и часах. Если назвать не получается — считать окупаемость будет не с чем, и разговор о результате превратится в обмен впечатлениями.
Что спросить у подрядчика
Раз уж две трети денег уходят на внедрение, полезно уметь проверять, за что именно вы платите. Четыре вопроса, которые я бы задал на месте заказчика:
- Какие наши системы вы будете подключать и что для этого нужно с нашей стороны? Если ответа нет, оценка сроков ничего не стоит.
- Как мы поймём, что решение работает? Метрика должна быть названа до старта, а не подобрана по факту.
- Что происходит при ошибке агента? Кто получает сигнал, за сколько минут, что делает.
- Сколько будет стоить поддержка после запуска? Проект не заканчивается сдачей — процессы меняются, регламенты обновляются.
Подрядчик, у которого нет ответов на эти четыре, продаёт вам технологию. То есть треть от того, что вам на самом деле нужно.
Честная оговорка про эти 94%
Готовность инвестировать без быстрой отдачи можно прочитать двумя способами.
Оптимистичный: руководители понимают, что это долгая игра, и не дёргают проекты на полпути. Пессимистичный: у изрядной части компаний просто нет метрики, по которой можно было бы признать проект неудачным. Пока нет метрики — нет и плохих новостей.
Я склоняюсь ко второму прочтению чаще, чем хотелось бы.
И ещё: цифры BCG — январские и плановые, это намерения на год, а не потраченные деньги. Сколько из заявленного дойдёт до реальных счетов, покажет следующее издание отчёта. Структура расходов ⅓ на ⅔ взята из более раннего выпуска исследования Уортона, так что и её стоит держать как порядок величины, а не как точную пропорцию вашего конкретного проекта.
Но сама пропорция от этого не меняется. Если вы закладываете бюджет на ИИ и вся сумма ушла на технологию — бюджет посчитан примерно на треть.