ИИ-бум столкнулся с суровой реальностью: компании осознают, что до прибыли ещё далеко

Три года бешеных инвестиций в искусственный интеллект подошли к критической точке. Миллиарды были вложены в инфраструктуру, специалистов и лицензии. Казалось, что трансформация бизнеса не за горами. Но теперь пришло время подсчитывать первые результаты, и они заставляют многих нервничать.

Согласно свежему прогнозу аналитиков Gartner, к концу 2025 года не менее 30% проектов в области генеративного ИИ будут закрыты ещё на стадии пилота. Причины — от плохого качества данных до неясной бизнес-пользы. Это не статистическая погрешность, а почти треть всех корпоративных ставок на ИИ, которые рухнут, даже не дойдя до реального внедрения.

Ситуация выглядит ещё тревожнее, если заглянуть вперёд. Большинство компаний, как считают в Gartner, не получат сколько-нибудь значимой финансовой отдачи от своих проектов с генеративным ИИ раньше 2028 года. Для индустрии, продававшей ИИ как чудо-средство для мгновенного роста производительности, ещё три года ожидания — горькая пилюля.

«Разрыв между амбициями в области ИИ и реальной ценностью не сокращается, а увеличивается», — заявила вице-президент Gartner Рита Саллам. По её словам, многие организации стартовали проекты, даже толком не определив, что считать успехом. Результат — раздутые пилотные программы без измеримого влияния на выручку или издержки.

Масштабы капиталовложений поражают. Крупнейшие технологические гиганты планируют вложить в ИИ-инфраструктуру только в 2025 году сотни миллиардов долларов. Это ставка на то, что спрос на вычислительные мощности будет только расти. Но прогноз Gartner ставит под сомнение сам этот спрос: а что, если клиенты так и не поймут, как заставить ИИ окупаться?

Тревожные звоночки уже звучат. Опросы показывают, что около половины топ-менеджеров крупных компаний «не удовлетворены» своими инвестициями в ИИ. Это не просто разочарование — это сигнал о готовящихся сокращениях бюджетов. Некоторые вендоры корпоративного ПО уже тихо сократили специальные отделы продаж для ИИ, а другие сменили риторику с «ИИ-преимущества» на «ИИ-дополнение».

Проблемы — фундаментальны. Генеративные модели требуют чистых, структурированных данных, а у большинства компаний с этим беда: десятилетия накопленных legacy-систем, несогласованные форматы и организационные барьеры. Добавьте сюда «галлюцинации» ИИ, которые в таких сферах, как медицина или юриспруденция, недопустимы, и сложный ландшафт регулирования.

Конечно, есть и успешные кейсы — обычно в компаниях, которые и до бума генеративного ИИ имели сильную культуру работы с данными. Но это скорее исключение.

Индустрия вступает в фазу отрезвления. Аналитики всё чаще говорят, что цикл ажиотажа вокруг ИИ достиг пика. По классической модели Gartner, технология сейчас скатывается в «зловещую яму разочарования». Выход из неё, как правило, занимает годы.

Что же делать компаниям? Те, кто выиграет в долгосрочной перспективе, сосредоточатся на негламурной работе: приведут в порядок свои данные, определят чёткие метрики успеха и начнут с узких, конкретных задач. Остальные рискуют пополнить те самые 30% неудачников, списав миллионы инвестиций впустую.

ИИ-бум не закончился. Но закончилась эра лёгких денег и безудержного оптимизма. Впереди — более медленная, сложная и избирательная работа. Потенциал технологии огромен, но потенциал без грамотной реализации — это просто строчка расходов. И всё больше финансовых директоров задаются вопросом, как эту строчку оправдать.