ИИ в России — от хайпа к стандартам. Что нужно знать бизнесу

Колонка Юлии Шориной, руководителя агентства AI-маркетинга «Команда Шориной»

Помните время, когда нейросети ассоциировались только с дипфейками и генерацией стихов на день рождения? Этот период прошел так же стремительно, как и наступил. Рынок искусственного интеллекта в России вступил в новую фазу, которую эксперты называют «пост-хайп». По данным Just AI и агентства Onside, только рынок генеративного ИИ по итогам 2025 года достиг примерно 58 млрд рублей против 13 млрд годом ранее.

Но главное не в цифрах. ИИ становится «скучным» в хорошем смысле этого слова — он перестает быть модной игрушкой и превращается в полноценный рабочий инструмент. На смену абстрактным экспериментам приходит жесткий прагматизм: бизнес больше не ищет «волшебную кнопку», а требует понятного экономического эффекта.

Где ИИ работает уже сегодня

Развитие нейросетей сегодня идет не по пути узких функций, а системно — по нескольким направлениям. Генерация контента, безусловно, остается в топе, позволяя бизнесу экономить ресурсы на упаковке брендов и продвижении. Однако на первый план выходят более сложные задачи.

Сейчас мы наблюдаем бум ИИ-агентов и автоматизации, когда даже новичок в IT может собрать умного ассистента, который возьмет на себя рутинную работу. Отдельно стоит отметить вайбкодинг — создание сайтов и приложений с помощью нейросетей, что значительно ускоряет разработку. В B2B-сегменте ИИ внедряют в аналитику, прогнозирование, клиентский сервис и даже динамическое ценообразование.

Наиболее зрелые кейсы сегодня — в финтехе, ритейле и промышленности. В банках нейросети уже стали инфраструктурой: они работают в скоринге, антифроде и управлении рисками, напрямую влияя на прибыль. В ритейле — это прогнозирование спроса и персонализация, дающая прирост к среднему чеку. Промышленность использует предиктивную аналитику и компьютерное зрение для контроля качества — решения с измеримым результатом.

Кто главные игроки и как обстоят дела с импортозамещением

Несмотря на рост числа стартапов (особенно в B2B, кибербезопасности и импортозамещении), рынок остается сконцентрированным. Основная выручка и инфраструктура по-прежнему сосредоточены у гигантов: Яндекс, Сбер, Т-банк, VK и Лаборатория Касперского.

Ситуация с импортозамещением ИИ неоднозначна. С одной стороны, на уровне прикладных решений российский бизнес активно переходит на отечественные продукты — в CRM-системах роботы обучаются быстрее и выдают качественные результаты. С другой — инфраструктура и мощности пока не всегда соответствуют западным аналогам. Импортозамещение сегодня воспринимается не как экстренная задача, а как «фоновый рабочий процесс». В 2026 году ключевым становится не сам факт перехода на российский софт, а то, насколько новая архитектура безопасна и экономически оправдана.

Сложности внедрения: что тормозит процесс

Главный барьер сегодня — дефицит квалифицированных кадров и опытных интеграторов. Рынку не хватает не просто программистов, а гибридных специалистов, которые одновременно понимают и технологию, и бизнес-задачи. Из-за динамичного развития ИИ специалистам сложно «обкатывать» процессы, приходится постоянно переписывать решения и переобучать модели.

Вторая проблема — завышенные ожидания. Бизнес инвестирует большие бюджеты, надеясь на «волшебную кнопку», не просчитывая рентабельность и окупаемость. Также остро стоят вопросы безопасности данных, авторского права и юридической ответственности за решения, принятые ИИ.

Как решать эти задачи? Дорожная карта для бизнеса

Успех внедрения ИИ определяется не технологией, а подходом к управлению. Ключевых шагов несколько:

1. Бизнес-трекинг. Любой запуск проекта должен начинаться с ответа на вопрос: «Какую конкретную проблему мы решаем с помощью ИИ?».

2. Внутренняя экспертиза. Необходимо обучать сотрудников и повышать их квалификацию в области ИИ, выстраивая инфраструктуру вокруг конечного пользователя, а не вокруг процессов работы модели.

3. Инфраструктура. Переход на облачные решения и развитие отечественного «железа» — критически важный тренд, который позволит снизить стоимость внедрения и обойти дефицит вычислительных мощностей.

Искусственный интеллект перестает быть отдельной функцией — он становится продолжением культуры работы с данными и эффективного управления. И те, кто сможет выстроить системную работу с данными и интеграциями, получат преимущество.