Искусственный Интеллект для бизнеса: что внедрять, сколько это стоит и где он реально окупается

Тимур Азизов
Основатель True Result AI · обновлено 16 июня 2026

Про ИИ для бизнеса написано столько, что за хайпом потерялся простой вопрос: на чём он реально приносит деньги, а где это слив бюджета. Я внедряю ИИ в компаниях в пяти странах и вижу обе стороны — поэтому здесь будет и про возможности, и про то, почему большинство проектов не окупается.

Свежие данные это подтверждают жёстко. Несмотря на то что инструменты вроде ChatGPT попробовали уже большинство компаний, McKinsey оценивает потенциал генеративного ИИ в $2,6–4,4 трлн в год, а исследование MIT при этом показывает, что 95% корпоративных пилотов не дают измеримого эффекта на прибыль. Весь вопрос — по какую сторону этой границы оказаться.

Что такое ИИ для бизнеса простыми словами

Важно сразу разделить два слоя. Есть готовые инструменты, которыми пользуется сотрудник вручную (например, написать текст в чате с моделью), и есть встроенные ИИ-агенты, которые работают внутри процесса сами — отвечают на заявки, ведут диалог, обновляют CRM. Деньги бизнесу приносит в основном второй слой, а покупают чаще первый. Отсюда и разрыв между «мы внедрили ИИ» и «это что-то изменило».

Что ИИ реально делает для бизнеса

Если убрать абстракции, полезные применения ИИ в сервисном бизнесе сводятся к нескольким направлениям. По данным McKinsey, около 75% ценности генеративного ИИ приходится всего на четыре области, и две из них — клиентский сервис и продажи. Именно туда я и советую смотреть в первую очередь.

Закономерность та же, что и во всей автоматизации: чем понятнее и повторяемее задача, тем больше отдача. Если хотите глубже разобрать, какие именно процессы стоит отдавать машинам, а какие нет, — у меня есть отдельный разбор по автоматизации бизнеса.

Сколько стоит ИИ для бизнеса

Самый частый вопрос — и самый запутанный, потому что под «ИИ для бизнеса» прячут решения, которые отличаются по цене в сотни раз. Ориентировочные рыночные диапазоны выглядят так:

Две честные оговорки от практика. Первая: стоимость внедрения — не главная цифра. Важнее совокупная стоимость владения — поддержка, оплата токенов модели, доработки под изменения процесса. Второе: большинству бизнесов мультиагентные системы не нужны вообще. Лёгкий агент под одну боль окупается быстрее и почти всегда даёт больше пользы, чем грандиозная система, которую год внедряют. Это и есть смысл запросов вроде «бесплатные ИИ для бизнеса» — начинать стоит с минимального, а не максимального.

Адвокат дьявола: почему 95% проектов с ИИ не окупаются

А теперь то, о чём не пишут продавцы курсов и платформ. В 2025 году исследование MIT (проект NANDA) показало, что около 95% корпоративных ИИ-пилотов не приносят измеримого эффекта на прибыль — и лишь 5% дают реальную отдачу. Это при $30–40 млрд вложений в генеративный ИИ.

Самое важное — почему. Авторы прямо говорят: проблема организационная, а не техническая. ИИ цепляют сбоку, он не встроен в рабочий процесс, не учится на контексте компании и не привязан к измеримой цели. И ещё одна деталь, которая бьёт точно в нерв: больше всего денег компании льют в пилоты для продаж и маркетинга, а отдача там самая низкая — реальные результаты дают встроенная автоматизация и back-office. Выигрывают те, кто, по словам авторов, «берёт одну боль, делает её хорошо и встраивает в процесс».

Картину дополняет Gartner: по их прогнозу, до 60% проектов ИИ без готовых данных будут свёрнуты к 2026 году. Справедливости ради, цифру MIT критикуют за методологию (часть выводов основана на ограниченном числе интервью), так что «95%» стоит читать как направление, а не точную константу. Но направление однозначное: технология работает, проваливается внедрение.

Отсюда мой главный практический вывод: не покупайте «ИИ», покупайте решение конкретной проблемы, встроенное в ваш процесс. Это противоположность тому, как действует провальное большинство.

Как выбрать и внедрить ИИ: без хайпа

Первый выбор — не «какая модель», а как внедрять: взять готовый сервис, заказать решение под ключ или строить кастомную разработку.

Дальше — последовательность, которая отделяет 5% от 95%:

1. Диагностика. Выбрать один-два процесса с понятным алгоритмом и прямой связью с деньгами.
2. Лёгкий MVP под одну боль. Не «ИИ во всём», а узкое место: обработка заявок, возврат базы.
3. Встроить в рабочие инструменты. Внутри CRM и мессенджеров, а не отдельным сервисом сбоку.
4. Человек на сложном. Бот закрывает типовое, нестандартное передаёт менеджеру.
5. Измерить в деньгах и масштабировать. Сравнить метрики до и после, потом расширять.

По требованиям к данным: если работаете с данными граждан РФ, удобнее модели с хранением в России (YandexGPT, GigaChat) — это проще с точки зрения 152-ФЗ, чем гонять данные через зарубежные сервисы.

Как это выглядит на реальных проектах

Несколько примеров из практики True Result AI — где ИИ встроен в процесс, а не приклеен сбоку.

Частые вопросы

Какой ИИ лучше для бизнеса?

«Лучшего» ИИ для всего не существует — есть лучший под конкретную задачу. Для заявок и поддержки подходят диалоговые модели (GPT, Claude, YandexGPT, GigaChat), для аналитики — свои инструменты. Выбирайте под процесс и требования к данным, а не по хайпу.

Сколько стоит ИИ для бизнеса?

Ориентировочно: от 150–200 тыс. руб. за простого бота до 600 тыс. — 2,5 млн руб. за функционального агента с интеграциями и от десятков миллионов за мультиагентные системы. Но важнее цены внедрения — совокупная стоимость владения: поддержка, токены, доработки.

Как использовать ИИ для бизнеса?

Начать с одного процесса с быстрым эффектом — обработка заявок или возврат базы. Встроить в CRM и мессенджеры, оставить человека на сложном, измерить результат в деньгах и потом масштабировать.

Какой ИИ лучше, чем ChatGPT?

Зависит от контекста. Claude силён в работе с длинным контекстом и текстом; в России удобны YandexGPT и GigaChat — данные в РФ и оплата в рублях, что проще с точки зрения 152-ФЗ. ChatGPT универсален, но не всегда подходит под локализацию данных.

Почему большинство проектов с ИИ не окупаются?

По данным MIT, около 95% пилотов не дают измеримого эффекта. Причина организационная: ИИ подключают сбоку, без интеграции в процессы и без измеримой цели. Окупается тот, кто берёт одну боль и встраивает решение в рабочий поток.

С чего начать внедрение ИИ?

С диагностики: выбрать один-два процесса с понятным алгоритмом и влиянием на деньги, зафиксировать метрики, сделать лёгкий MVP, измерить и потом расширять. Не автоматизировать то, что не отлажено вручную.

Можно ли внедрить ИИ в малый бизнес недорого?

Да. Простой ИИ-агент на ответах и квалификации заявок стоит несравнимо меньше мультиагентных систем, а эффект для малого бизнеса часто выше. Тяжёлые кастомные разработки малому бизнесу обычно не нужны.