# Тренды внедрения ИИ 2025–2026: данные отчётов

Canonical: https://www.kt-team.ru/blog/ai-adoption-trends-2026

Source: https://www.kt-team.ru/blog/ai-adoption-trends-2026

Что говорят McKinsey, Gartner, BCG и Sequoia про внедрение ИИ — и что это значит для вас Тренды внедрения ИИ 2025–2026: что говорят отчёты 28.06.2026 За 2025 год ИИ перестал быть экспериментом отдела инноваций и стал строкой в годовом плане. Но между «внедрили» и «получили прибыль» — пропасть, и крупные исследования это уже измерили. McKinsey: ИИ регулярно используют 88% организаций, а влияние на прибыль на уровне всей компании видят 39%. Gartner: более 40% агентских ИИ-проектов закроют к концу 2027 года. BCG: устойчивую ценность от ИИ в масштабе получают 5% компаний. Это не повод сворачивать ИИ — это карта, где именно теряется ценность. Ниже — самые частые вопросы бизнеса про внедрение ИИ, ответ на каждый из них названной цифрой из первоисточника (McKinsey, Gartner, BCG, Sequoia) и то, какой механизм отделяет 5% получивших результат от 60% не получивших. Все цифры даны на дату проверки 28.06.2026 со ссылкой на отчёт — рынок ИИ устаревает за недели, перед решением сверяйте с первоисточником. Главное Разрыв «внедрили / получили прибыль» — главный факт 2025 года: ИИ используют 88% компаний, влияние на EBIT видят 39%, и у большинства из них это меньше 5% (McKinsey). Провал — не редкость, а тренд: более 40% агентских ИИ-проектов закроют к концу 2027 из-за роста затрат, неясной ценности и слабого контроля рисков (Gartner). Ценность концентрируется у немногих: в масштабе её получают 5% компаний, 60% — практически нулевой эффект (BCG). Разница — не в бюджете, а в фокусе. Что закрывает разрыв — редизайн процесса под ИИ, а не ИИ поверх старого процесса (McKinsey: это фактор №1 для EBIT). Это и есть подход KT.Team — см. как избежать провала пилота. 88% → 39% внедрили ИИ хотя бы в одной функции / видят влияние на EBIT всей компании (McKinsey, 2025) 40%+ агентских ИИ-проектов будут закрыты к концу 2027 (Gartner, июнь 2025) 5% / 60% получают ценность от ИИ в масштабе / не получают материального эффекта (BCG, сентябрь 2025) Вопрос 1. «Все уже внедрили ИИ — мы отстаём?» Внедрили почти все: по опросу McKinsey (n≈2 000 респондентов, поле — лето 2025), ИИ регулярно применяют 88% организаций хотя бы в одной бизнес-функции — против 78% годом ранее. С агентами экспериментируют 62%. Так что отставание не в самом факте внедрения. Отставание — в результате. Влияние ИИ на прибыль на уровне всей компании (EBIT) отмечают только 39% респондентов, и большинство из них оценивают это влияние ниже 5%. Полностью масштабировали ИИ по предприятию лишь 7%. Иначе говоря: внедряют все, ценность извлекают единицы. Правильный вопрос — не «успели ли мы», а «попадает ли ИИ в процесс, где даёт измеримый эффект». «Мы внедрили ИИ» ИИ запущен хотя бы в одной функции — как у 88% пилоты идут, отчёт о внедрении закрыт эффект на P&L не выделен и не измерен «Мы получили результат» эффект виден на EBIT компании — как у 39%, реже процесс переделан под ИИ, а не ИИ добавлен сверху результат проходит приёмку и считается в деньгах Вопрос 2. «Почему столько ИИ-проектов проваливается?» Потому что большинство — ранние эксперименты и proof-of-concept, запущенные на волне хайпа и часто примененные не к той задаче. Gartner прямо прогнозирует: более 40% агентских ИИ-проектов будут отменены к концу 2027 года. Три причины: рост затрат, неясная бизнес-ценность и недостаточный контроль рисков. К этому добавляется «agent washing»: из тысяч вендоров, заявляющих агентские решения, по оценке Gartner лишь около 130 предлагают действительно агентские возможности — остальное это переименованные ассистенты, чат-боты и RPA. Вывод для покупателя: фильтровать не по слову «агент» в презентации, а по тому, какой проверяемый бизнес-результат закрывает проект. Как выбрать задачу и пилот так, чтобы не попасть в эти 40% — в отдельном разборе как избежать провала и что замедляет внедрение ИИ. Три причины, по которым закрывают ИИ-проекты (Gartner) Растущие затраты Стоимость инференса, интеграции и сопровождения обгоняет ожидания, а ценность за результат не посчитана заранее. Неясная бизнес-ценность Проект решает «интересную» задачу, а не ту, где эффект виден в P&L. Многое, что названо агентским, агентским быть не обязано. Слабый контроль рисков Нет приёмки, измеримого качества и контура для чувствительных данных — ИБ и юристы не пускают пилот в прод. Вопрос 3. «Что отличает тех, у кого ИИ работает?» Не размер бюджета, а фокус. BCG в исследовании более 1 250 компаний (сентябрь 2025) выделяет 5% «future-built» — тех, кто получает ценность от ИИ в масштабе; 60% — отстающие с практически нулевым материальным эффектом. Лидеры обгоняют отстающих примерно вдвое по росту выручки и дают на ~40% больше экономии затрат в тех областях, где применяют ИИ. Ключевое наблюдение для стратегии: лидеры концентрируются в среднем на 3,5 сценария применения ИИ, тогда как отстающие распыляются на 6,1 — и при меньшем числе сценариев получают примерно в 2,1 раза больше отдачи на вложение. Меньше фронтов, глубже проработка каждого — это и есть механизм, а не лозунг. У McKinsey тот же вывод с другой стороны: из ~25 проверенных факторов сильнее всего на влияние ИИ на EBIT действует редизайн рабочих процессов — переделать процесс под ИИ, а не навесить ИИ на старый. Фокус бьёт широту: меньше сценариев — больше отдачи Компании-лидеры по ИИ концентрируются в среднем на 3,5 сценария применения, отстающие распыляются на 6,1 — и лидеры получают примерно в 2,1 раза больше ROI (BCG, 2025). McKinsey добавляет: из ~25 факторов сильнее всего на EBIT-эффект действует редизайн процесса под ИИ. 3,5 vs 6,1 сценариев ИИ у лидеров против отстающих → ~2,1× ROI при меньшем числе фронтов ценность даёт не количество внедрённых ИИ-инструментов, а глубина проработки немногих процессов, где эффект измерим распыление на 6+ сценариев растит затраты и риск попасть в те 40% проектов, что закрывают (Gartner) механизм закрытия разрыва — переделать сам процесс под ИИ (фактор №1 McKinsey для EBIT), а не добавить ИИ поверх существующего Вопрос 4. «Куда движется рынок моделей и агентов?» Слой базовых моделей консолидируется. Sequoia в эссе «AI in 2025» описывает гонку крупнейших моделей как сужение до «пяти финалистов»: Microsoft/OpenAI, Amazon/Anthropic, Google, Meta и xAI. 2025 год там же назван годом стабилизации капзатрат: после почти удвоения CapEx с до-ChatGPT уровней ожидается нормализация и переход от гонки контрактов к исполнению. Бытовой прогноз Sequoia: каждый знание-работник будет использовать минимум два ИИ-поисковика ежедневно — один для работы, один для всего остального. Агенты при этом из демо превращаются в долю ценности. По BCG, ИИ-агенты дают около 17% всей ценности ИИ в 2025 году и, по прогнозу, достигнут ~29% к 2028-му. Что такое агентский ИИ и где он реально оправдан — в разборе ИИ-агенты 2025: автономные LLM-системы; рядом держите фильтр Gartner про «agent washing». Что это значит для вас: закрыть разрыв, а не догнать хайп Сложив четыре отчёта, получаем одну картину. Внедрили почти все (88%), прибыль видят немногие (39%), в масштабе ценность берут единицы (5%), а главный рычаг — редизайн процесса и фокус на немногих сценариях. Это и есть позиция KT.Team: маленькие сильные команды берут один процесс, переделывают его под ИИ и отвечают за бизнес-результат, а не за факт внедрения. Практический выбор, который стоит за этими цифрами, — строить ИИ-компетенцию внутри или покупать готовое решение. Ответ зависит не от моды, а от того, насколько процесс уникален и насколько часто он будет меняться. Строить ИИ-решение внутри или покупать готовое Строить под процесс (build) когда процесс — ваше конкурентное отличие и его нельзя свести к коробке когда нужен редизайн самого процесса (фактор №1 для EBIT у McKinsey), а не функция поверх когда данные чувствительны и нужен свой контур и приёмка — меньше риск из тех 40%, что закрывают цена ошибки выбора ниже: фокус на 3,5 сценария, а не на 6,1 (логика лидеров BCG) Покупать готовое (buy) когда задача типовая и хорошо закрыта зрелым вендором — не нужно строить с нуля когда нужен быстрый старт и предсказуемая стоимость владения риск «agent washing»: проверяйте, что за «агентом» стоит результат, а не переименованный чат-бот (≈130 настоящих вендоров из тысяч, Gartner) готовое редко переделывает ваш процесс — а именно это даёт основной эффект на прибыль FAQ Откуда взяты цифры и можно ли им верить? Каждая цифра на странице — из первоисточника: McKinsey «The State of AI in 2025» (опрос ≈2 000 респондентов), пресс-релиз Gartner от 25 июня 2025, исследование BCG «The Widening AI Value Gap» (сентябрь 2025, 1 250+ компаний) и эссе Sequoia «AI in 2025». Все ссылки — в блоке «Источники» внизу, с датой проверки. Цифры рынка ИИ устаревают за недели — сверяйте перед решением. 88% внедрили, а прибыль у 39% — это значит, что ИИ не работает? Нет. Это значит, что внедрение само по себе не даёт прибыли — её даёт попадание ИИ в процесс, где эффект измерим, и редизайн этого процесса. Разрыв закрывается механизмом, а не ещё одним пилотом. Подробно — AI в корпорациях: барьеры и эффект. Как не попасть в 40% проектов, которые закроют к 2027? Выбирать задачу по проверяемому бизнес-результату, а не по слову «агент»; фиксировать приёмку и контроль рисков до старта; не распыляться на 6+ сценариев. Процедура выбора задачи и пилота — в разборе как избежать провала. С чего начать, если процесс с персональными данными? Сначала определить, какие поля в процессе действительно являются ПДн, и поставить контур, где они не утекают наружу. Это отдельная инженерная задача — см. генеративный ИИ для трансформации бизнеса и решение ИИ для бизнеса. Источники McKinsey — The State of AI in 2025: Agents, innovation, and transformation Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 June 2025) BCG — Are You Generating Value from AI? The Widening Gap (Sept 2025) BCG — AI Leaders Outpace Laggards (press release, 30 Sept 2025) Sequoia — AI in 2025: Building Blocks Firmly in Place McKinsey — The State of AI in 2025: Agents, innovation, and transformation Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 June 2025) BCG — Are You Generating Value from AI? The Widening Gap (Sept 2025) BCG — AI Leaders Outpace Laggards (press release, 30 Sept 2025) Sequoia — AI in 2025: Building Blocks Firmly in Place