Использование генеративного искусственного интеллекта в бизнесе: рынок переходит от пилотных проектов к масштабным внедрениям

Объемы внедрения генеративного ИИ (GenAI) в бизнес-процессы в России демонстрируют динамичный рост, однако этот процесс сопровождается рядом вызовов. По данным на конец 2025 года, российский рынок генеративного ИИ достиг 58 млрд руб., что в пять раз больше, чем в 2024 году. Порядка 70% крупных компаний уже используют генеративный искусственный интеллект в бизнесе: лидируют отрасли IT, телекоммуникационных и банковских услуг, электронной торговли и страхования. По данным отчета консалтинговой компании «Яков и Партнеры» и исследований «Яндекса», 80% опрошенных предприятий отметили, что финансовый эффект от внедрения GenAI составил до 8% в EBITDA, при этом, по оценкам экспертов, к 2030 году его вклад в масштабах всей экономики страны может достигнуть 2,7 трлн руб.

Текущее состояние рынка генеративного ИИ в России

В 2025 году на рынке ИИ начался переход от реализации пилотных проектов к промышленному внедрению систем генеративного искусственного интеллекта, хотя по числу проектов пилоты все же лидировали (55%). Из оставшихся 45% на масштабирование пилотных проектов приходилось 30%, на промышленные внедрения — 15%.

По оценкам аналитиков, реальные кейсы в российской промышленности показывают, что использование генеративного ИИ дает ощутимый эффект: увеличение эффективности и скорости бизнес-процессов может доходить до 80%. Ведущие отечественные и мировые компании фокусируются на оптимизации производства, логистики и НИОКР за счет интеграции GenAI с уже работающими системами управления и автоматизации их деятельности.

Ключевые отрасли, активно использующие GenAI:

• финансовый сектор. На этот сегмент приходится около 20% рынка генеративного ИИ (12 млрд руб. на конец 2025 года);
• ИТ. Объем рынка — около 7 млрд руб. (12%);
• ретейл — около 6 млрд руб. (10%);
• телеком — 3 млрд руб. (5%).

Кроме того, искусственный интеллект внедряется на промышленных предприятиях, в медицине, образовании и других сферах. Чаще всего его применяют для автоматизации производства и клиентского сервиса, технической поддержки, аналитики и борьбы с мошенничеством.

Примеры использования генеративного искусственного интеллекта в российском бизнесе

В России от пилотных проектов к внедрению генеративного ИИ в производственные бизнес-процессы в основном переходят крупные предприятия тяжелой промышленности.

Быстринский ГОК (ГК «Норильский никель»)

Искусственный интеллект интегрирован с MES-системами и управляет процессом измельчения руды в реальном времени, оптимизируя технологические параметры и обеспечивая снижение энергозатрат на 10–15%. При этом производительность этого этапа выросла на 12%, а простои полностью устранены.

Экосистема «Сколково» и партнеры (предприятия машиностроения и нефтехимии)

Более 30% из 150+ пилотных проектов по внедрению GenAI перешли в стадию промышленной эксплуатации: от анализа отклонений параметров в производственных процессах до мультиагентных систем для контроля качества в реальном времени, а также планирования и оптимизации цепочек поставок.

ИИ от «Яндекса» на производстве

После предварительных испытаний ИИ‑решения для работы с документами и анализа производственных сбоев были успешно внедрены на нескольких промышленных заводах. Благодаря интеграции генеративного ИИ в систем управления предприятиями удалось сократить простои оборудования на 20–30% и автоматизировать половину документооборота. Весь процесс перехода занял от полугода до девяти месяцев за счет использования гибридного подхода: часть данных хранится в облаке, часть — на собственных серверах компаний.

Генеративные решения от «Сбера»

«Сбер» также начал внедрение своего генеративного искусственного интеллекта с небольших пилотных проектов — например, разработал чат‑бот для поддержки сотрудников и автоматизировал анализ данных. Получив положительные результаты, компания перешла к более серьезным изменениям: масштабному реинжинирингу производственных процессов на промышленных предприятиях. В результате использования компьютерного зрения для контроля и оптимизации графиков работы достигнуто улучшение ключевых показателей эффективности (KPI) более чем на 15%, увеличение объемов производства продукции на 8% и снижение брака на 25%. Внедрение проводилось через корпоративную платформу с акцентом на обучение персонала, в которое было вовлечено 80% сотрудников.

Драйверы развития рынка генеративного ИИ в России

Росту этого рынка способствуют как государственные инициативы, так и экономические, технологические и рыночные факторы:

• государственная поддержка и регулирование. Благоприятную инфраструктурную и регуляторную среду создают Национальная стратегия развития искусственного интеллекта до 2030 года (Указ Президента № 490), национальный проект «Экономика данных» и финансирование научных центров по развитию применения ИИ;
• экономическая ситуация и потребность в повышении эффективности. Рост налоговой нагрузки и дефицит кадров стимулируют использование генеративного искусственного интеллекта как инструмента для увеличения эффективности бизнеса и его конкурентоспособности. По данным опросов, проведенных в 2025 году, 68% компаний, внедривших ИИ, отмечали рост EBITDA до 5%, а 94% — снижение операционных затрат. Новые технологии позволяют автоматизировать рутинные процессы, ускорить создание продуктов, снизить нагрузку на персонал и освободить ключевых сотрудников для решения более важных стратегических задач;
• развитие локальных моделей и платформ. Российские компании активно разрабатывают собственные языковые и мультимодальные модели, адаптированные под русскоязычную среду. Среди ключевых игроков — «Яндекс» (YandexGPT), «Сбер» (GigaChat), МТС AI и другие. Отечественные ИИ-решения используют более 90% компаний в России. Развитие локальных моделей снижает зависимость от иностранных технологий и повышает безопасность данных;
• проблема Dark AI. Активное использование сотрудниками компаний публичных языковых моделей и открытых сторонних ИИ-сервисов создает риски утечек корпоративных данных. Чтобы сохранить контроль над информацией и обеспечить безопасность, компаниям необходимо быстрее создавать собственные защищенные GenAI-среды и обучать персонал корректной работе с ИИ;
• спрос на автоматизацию и новые бизнес-сценарии. Генеративный ИИ открывает новые возможности для автоматизации бизнес-процессов — от подготовки документов до разработки программного кода. Он радикально изменил речевую аналитику, повысил эффективность чат-ботов и голосовых помощников. Компании все чаще связывают рост выручки и лояльности клиентов с качеством поддержки, а GenAI позволяет сделать взаимодействие с потребителями более гибким и персонализированным;
• импортозамещение. Уход иностранных игроков с рынка усилил конкуренцию среди отечественных компаний и стимулировал развитие российских ИИ-решений. 

Кроме того, государственные инвестиции в цифровую трансформацию ключевых отраслей, включая промышленность, логистику и финансы, создают мощный импульс для масштабирования систем искусственного интеллекта. Банки, IT‑компании, ретейлеры и операторы связи внедряют автоматизацию в работе с клиентами активнее других — преимущественно в поддержке и маркетинге. И это дает быстрый эффект, так как вложения в такие проекты окупаются в короткие сроки.

Почему это стало возможно именно сейчас? Есть несколько важных факторов: появились открытые языковые модели (open‑source LLM), улучшилось качество российских ИИ‑решений, возникли специализированные отраслевые платформы, которые упрощают внедрение технологий и снижают затраты на запуск новых сервисов. То есть технологии искусственного интеллекта стали доступными даже небольшим компаниям, что способствуют росту рынка и повышению эффективности всей российской экономики.

Основные барьеры рынка

Вместе с тем развитие рынка генеративного ИИ в России сдерживается комплексом негативных факторов, главные из которых:

• недостаток компетенций;
• отсутствие стратегии;
• дефицит бюджета;
• низкий уровень доверия к технологиям;
• регуляторные ограничения.

По данным проведенного исследования, более половины российских компаний выделяют на использование ИИ в своих бизнес-процессах менее 1% ИТ-бюджета, при этом только 16% имеют модель оценки ROI этих вложений. Недостаток экспертизы усугубляется дефицитом вычислительных мощностей и сложностью интеграции искусственного интеллекта с уже работающими системами, так как для этого требуется перестройка многих технологических и организационных процессов.

Есть также и регуляторные барьеры: необходимость сертификации ФСТЭК для объектов критической информационной инфраструктуры и маркировки контента, требования к подтверждению российского происхождения систем искусственного интеллекта повышают капитальные затраты на их внедрение. Однако сбалансированный подход к регулированию ИИ в России — сочетание принятия рамочных законов, регулирующих деятельность отрасли, и ставки на ее саморегулирование — помогает снизить риски и создает условия для роста этого рынка. Ключевое условие успеха: инвестиции в обучение специалистов и использование ИТ‑решений в локальной инфраструктуре предприятий (on‑premise).

Прогноз развития рынка до 2030 года

Технологические тренды развития искусственного интеллекта в России на 2026–2027 годы заключаются в продолжении перехода от пилотных проектов к промышленной эксплуатации с использованием отечественных платформ и отраслевых решений:

• отраслевые платформы. Готовые доменные модели (например, GigaChat) для быстрой интеграции в производственные и логистические процессы, на них перейдут до 50% промышленных компаний;
• референтные архитектуры. Российский предприятия будут выбирать готовые проверенные схемы построения ИИ‑систем с использованием технологий RAG и инструментов для работы с языковыми моделями, специально адаптированные для размещения на собственных серверах;
• мультиагенты и ИИ-помощники. Автоматизация рабочих процессов на промышленных заводах ускорит логистику и проведение контроля качества на 20–30%;
• облачные модели и приватность данных. Компании будут использовать мощные облачные ИИ‑модели и строго следить за защитой информации: внедрять шифрование и контролировать, как и где хранятся чувствительные данные. Такой подход позволит пользоваться передовыми технологиями без риска для конфиденциальности.

По оценкам экспертов, внедрение GenAI в масштабе страны к 2030 году может дать эффект порядка 13 трлн руб., при этом вклад в ВВП за счет роста эффективности и производительности ключевых бизнес процессов составит 1,6–2,7 трлн руб.

Динамика роста рынка генеративного ИИ в России напрямую связана с адаптацией экономики к санкциям: предприятия ищут технологические возможности для обеспечения устойчивости бизнеса и готовы инвестировать в современные цифровые решения. Однако развитие рынка сдерживается рядом структурных проблем. Прежде всего, это дефицит экспертов — от дата‑сайентистов до специалистов по внедрению ИИ, который ограничивает скорость и масштаб развертывания новых систем. Есть также проблема нехватки методологической базы: отсутствуют отраслевые стандарты и четкие метрики оценки эффективности вложений в проекты по внедрению генеративных моделей искусственного интеллекта в бизнес-процессы российских компаний.