Корпоративный AI в России 2026: 88% компаний используют AI, но лишь 6% получают значимый ROI
По данным McKinsey и IBM за 2026 год, глобально 88% организаций применяют AI, но только 6% достигают более 5% прироста EBIT. В России разрыв между adoption и результатом ещё шире из-за кадрового дефицита, ограничений инфраструктуры и незрелости корпоративных процессов под AI.
Глобальная статистика McKinsey, IBM и других аналитиков за 2026 год демонстрирует парадокс корпоративного AI: высокое adoption при крайне низком результате. Российский рынок воспроизводит эту проблему в усиленном варианте.
Глобальная статистика (McKinsey State of AI 2026):
| Показатель | Значение |
|---|---|
| Организации, использующие AI | 88% |
| Получают финансовый эффект | 39% |
| «AI high performers» (>5% EBIT от AI) | 6% |
| Компании без продуктивности от AI | 80% (NBER, фев 2026) |
| ROI AI-инициатив (ожидаемый) | 25% достигают (IBM CEO Study) |
Почему 94% компаний не достигают >5% EBIT от AI: ``` Главные причины провала AI-ROI: ├── Проблема данных (60%): разрозненные, грязные, недоступные данные ├── Change management (55%): люди не меняют процессы ├── Governance отсутствует: AI внедрён, ответственных нет ├── Пилоты не масштабируются: «вечный пилот» без production └── ROI не измеряется: «AI работает, прибыль — посчитаем потом» ```
Исключения — 6% «AI high performers»:
| Характеристика | High performers | Остальные |
|---|---|---|
| ROI-gate на проекты | Да | Нет |
| Данные как актив (governance) | Зрелые | Хаотичные |
| AI в C-suite повестке | CEO | IT-директор |
| Масштаб от пилота | Быстрый | «Вечный пилот» |
Российская специфика:
- 1.Кадровый дефицит: нехватка ML-инженеров и data scientists глубже, чем в США/ЕС
- 2.Данные в 1С: большинство корпоративных данных заперты в 1С — плохо доступны для AI
- 3.Регуляторная нагрузка: 152-ФЗ создаёт дополнительный барьер для AI-проектов с ПДн
- 4.Санкционные ограничения: затрудняют использование лучших AI-инструментов
- 5.Следование западным провалам: многие российские компании копируют западные AI-проекты, которые там не работали
Успешные российские случаи (6% категория):
- ВТБ: «бережливый ИИ», 15 млрд экономии, жёсткий ROI-gate
- Сбер: AI в кредитном скоринге и оперционной оптимизации
- Яндекс: AI как core-продукт, а не добавка
Практические выводы для руководителей: Если ваша компания использует AI, но не видит P&L-эффекта — вы в 94% большинства. Выход: а) прекратить «AI для галочки», б) ввести ROI-gate, как у ВТБ (2–3× обязательно), в) начать с 1-2 узких процессов вместо «AI-трансформации».
Это краткое изложение. Полный текст — на сайте источника:
Читать оригинал: McKinsey / IBM / UC TodayЕщё по теме: бизнес и стартапы
MWS AI (экс-МТС AI) запускает направление AI-трансформации крупного бизнеса: вертикальные решения и ROI-гарантии
AI в российском финтехе 2026: кредитный скоринг и антифрод — наиболее зрелые применения
Сбер продвигает GigaChat в страны Глобального Юга: БРИКС как альтернатива западному AI-суверенитету
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.

