Перейти к основному содержимому
AXIOMA AI
Все новости ИИ в России
Бизнес и стартапы

В России закрылись 9 из 10 AI-бизнесов — только 7-10% проектов с LLM доходят до промышленного внедрения

В России закрылись 9 из 10 AI-бизнесов — только 7-10% проектов с LLM доходят до промышленного внедрения
Бизнес и стартапы
9 из 10
российских AI-бизнесов закрылись — только 7-10% LLM-проектов достигают промышленного масштаба согласно исследованию ЦНИС

Исследование ЦНИС, опубликованное на Хабре, фиксирует жёсткую реальность российского AI-рынка: 9 из 10 бизнесов в сфере ИИ закрылись, а из оставшихся только 7-10% проектов с LLM достигли полноценного промышленного внедрения. Остальные 90% застряли в пилотировании или закрыты. Параллельно правительство разрабатывает госплан по нейросетям.

Аналитический центр ЦНИС опубликовал на Хабре один из наиболее откровенных разборов состояния российского AI-рынка в 2026 году. Реальность оказалась жёстче маркетинговых презентаций.

Выживаемость AI-бизнесов:

ПоказательЗначение
AI-бизнесов, закрывшихся за 2 года9 из 10
LLM-проектов, достигших production7-10%
Проектов в вечном «пилоте»~50%
Проектов, закрытых без результата~40%

Почему 90% AI-проектов не доходят до production:

  1. 1.Разрыв ожиданий и реальности: демо на 100 запросах работает, на 100 000/день — нет
  2. 2.Отсутствие MLOps-культуры: нет процессов мониторинга, retraining, A/B-тестирования
  3. 3.Кадровый голод: AI-инженер с опытом production-внедрений — 3-5 млн руб/год, редкость
  4. 4.Интеграционная сложность: legacy ERP/CRM несовместимы с AI-API без дорогостоящей адаптации
  5. 5.Отсутствие бизнес-спонсора: пилот запустил CTO, а P&L-owner не верит в ROI

Госплан по нейросетям:

Правительство РФ поручило профильным ведомствам до 1 июня 2026 подготовить национальный план внедрения ИИ в экономику, госуправление и социальную сферу. По данным Минцифры, фокус:

  • Автоматизация рутинных задач в МФЦ и госуслугах
  • AI-медицина: расширение московского опыта на регионы
  • AI в образовании: персонализация учебных планов
  • Промышленный AI: предиктивное обслуживание на заводах

Что отличает выживших (10%):

  • Чёткий ROI-кейс с измеримыми KPI на входе
  • Выделенная AI-команда (не аутсорс) с правом менять бизнес-процессы
  • Итеративный подход: MVP за 6 недель, а не «большой проект на год»
  • Интеграция в core-систему, а не отдельный чат-бот-«потёмкинская деревня»

Практические выводы для собственников:

  1. 1.AI-проект ≠ IT-проект: нужен AI-champion на уровне C-suite, не только IT
  2. 2.Данные первичны: 80% усилий — подготовка данных, 20% — модель
  3. 3.Пилот ≠ «посмотрим»: пилот должен иметь exit criteria и решение «расширяем или закрываем»
  4. 4.Compliance с начала: 152-ФЗ и ФСТЭК-требования дешевле встроить в архитектуру, чем переделывать потом

Это краткое изложение. Полный текст — на сайте источника:

Читать оригинал: Хабр

Как это касается вашего бизнеса

Изменения на рынке важны, когда руководитель видит их в показателях своей компании. Радар управления каждый день собирает брифинг: 10 приоритизированных сигналов о главном за 24 часа.