88% компаний внедрили AI. Почему только 6% получили результат

По данным опроса McKinsey за ноябрь 2025 года, 88% компаний уже используют AI хотя бы в одном процессе. Но хоть какое-то влияние AI на прибыль видят только 39% из них. А «высоких результатов» - когда AI даёт больше 5% прибыли - добились около 6% компаний.

Остальные 94% купили лицензии, провели обучение, отчитались об «успешном внедрении» - и ничего не изменилось.

Это не проблема технологии. Это проблема того, как компании думают о внедрении.

Почему отчёты выглядят победно, а скорость работы не меняется

Когда компания внедряет AI-ассистента - например, корпоративного чат-бота с доступом к нейросети, - руководство видит красивые цифры на дашборде. Дашборд - это экран с показателями, который показывает, сколько людей «пользуются» системой.

Проблема в том, как считается «пользователь». Любой, кто просто зашёл в систему хотя бы раз за месяц, попадает в статистику. Открыл, закрыл, забыл - уже «активный пользователь».

Поэтому отчёты выглядят оптимистично. А реальная картина другая.

Типичное распределение после внедрения AI-ассистента в компании любого размера выглядит так:

• 5-10% сотрудников - продвинутые пользователи. Они работают с AI каждый день, настраивают его под свои задачи, видят реальный прирост скорости.
• Около 20% - заходят изредка. Пара запросов в день: переписать письмо, сформулировать ответ клиенту. Толком не умеют, но и не мешают.
• Примерно 70% - не пользуются вообще.

Семьдесят процентов. Это не лень и не сопротивление переменам. Это рациональное поведение людей, которым никто не объяснил, зачем им это нужно именно в их работе.

Кто платит и кто работает: разрыв между лицензиями и реальным использованием

В больших внедрениях - когда компания покупает тысячи лицензий и платит десятки миллионов долларов в год - картина становится ещё острее.

Примерно 10% сотрудников расходуют примерно 90% токенов. Токены - это единицы оплаты работы AI: грубо говоря, чем больше текста AI обрабатывает, тем больше токенов тратится и тем выше счёт.

Получается, что компания платит за тысячи мест, а работают на полную мощность единицы.

Если бы все сотрудники работали с AI так же интенсивно, как эти 10%, счёт вырос бы в десять раз. Но этого не происходит - и, скорее всего, не произойдёт само по себе.

Исследование MIT NANDA «GenAI Divide» за 2025 год подтверждает ту же закономерность на уровне целых проектов: около 5% корпоративных AI-пилотов дали быстрый рост выручки. Остальные 95% не дали измеримого эффекта.

Пять процентов.

История двух инженеров: почему одинаковый инструмент даёт разный результат

Два инженера получают одинаковую задачу. Оба используют AI. Результаты - противоположные.

Первый вставляет задачу в AI, получает правку сразу в шести файлах, мельком смотрит, видит зелёные тесты - всё работает - и принимает изменения. Через три недели на сервере всё ломается. Причина: AI поменял одну настройку, которую трогать было нельзя. Просто так, без причины. Первый инженер этого не заметил, потому что не читал все изменения.

Вторая работает иначе. Она объясняет AI, где лежит код и что трогать нельзя. У неё заранее написан файл с правилами - это текстовый файл, который AI читает перед каждой новой задачей, как инструкцию. Она читает все изменения сама, находит лишнюю правку и отклоняет её. Принимает вдвое меньше изменений, чем первый. Каждый раз, когда AI делает что-то не то, она дописывает новое правило в файл - и с каждой неделей AI работает у неё точнее.

Первый инженер создал поломку, которую кто-то другой потратил часы на исправление. Вторая сэкономила время и не создала проблем.

Инструмент у обоих одинаковый. Навык - разный.

Почему умение работать с AI - это отдельный навык, который нельзя купить на курсах

Работать с AI хорошо - значит делать несколько вещей одновременно. Чистить контекст (то есть не давать AI слишком много лишней информации, которая его запутывает). Вести файлы с правилами. Понимать, что AI ошибается, и проверять результат. Знать, в каких задачах AI помогает, а в каких только добавляет работы.

Половина сотрудников любой компании никогда не будет этим заниматься. Не потому что они плохие работники, а потому что это не их интерес и не их задача.

Консультанты продают курсы промптинга - то есть обучение тому, как правильно писать запросы к AI. Это полезно, но это малая часть решения. Настоящий вопрос другой: какие процессы в компании стоит автоматизировать полностью, а какие вообще не трогать. И ответ у каждой компании свой.

При этом производители AI выпускают всё более мощные инструменты. Планка умения растёт. Продвинутым сотрудникам выгодно, что коллеги отстают: их ценность - именно в этом отрыве. Они не будут делиться знаниями сами по себе.

Это и есть настоящий «GenAI Divide» - разрыв, о котором говорит исследование MIT. Не между компаниями с AI и без него. А внутри каждой компании - между теми, кто умеет, и теми, кто нет.

Что делать: два пути и три конкретных шага

Есть два способа ответить на этот разрыв. Первый - обучать всех и надеяться, что большинство подтянется. Второй - принять, что большинство не подтянется, и выстроить систему под это.

Работает сочетание обоих.

Шаг первый: найти способных - они прячутся в неожиданных местах.

Проводить обучение стоит не ради того, чтобы все стали продвинутыми пользователями. А ради того, чтобы найти тех, кто ими станет. Часть таких людей сидит в бухгалтерии, в отделе логистики, в колл-центре - там, где их никто не ищет. Они быстро схватывают, начинают применять и через месяц делают то, что раньше занимало день, за час.

Шаг второй: дать продвинутым пользователям статус, а не просить делиться бесплатно.

Внутренняя библиотека, куда продвинутые сотрудники выкладывают свои наработки - файлы с правилами, готовые запросы, схемы работы - с видимым рейтингом и именами авторов. Взамен отрыва они получают признание. Это работает лучше, чем корпоративный приказ «делитесь знаниями».

Шаг третий: для остальных 70% - не обучение, а агенты.

AI-агент - это программа, которая выполняет задачу самостоятельно, без участия человека на каждом шаге. Она встраивается в привычные программы: CRM (система учёта клиентов), учётные системы, тикеты (заявки в службу поддержки). Человек не учится работать с AI - он просто утверждает, отклоняет или правит готовое решение.

Конкретный пример: отдел, который обрабатывает входящие счета. Агенты разбирают счета за ночь - сверяют с договорами, проверяют суммы, формируют решение. Утром люди открывают очередь и просматривают: «согласовать», «отклонить», «уточнить». Работа, которая раньше занимала полдня, занимает час.

Как отчитываться совету директоров, чтобы цифры что-то значили

Стандартный показатель «процент внедрения» или «количество активных пользователей» ничего не говорит о реальном эффекте.

Полезный отчёт выглядит иначе. Берёте любой процесс и смотрите, какая доля работы делается тремя способами: вручную, вместе с AI и полностью автоматически. И отслеживаете, как эта доля меняется от квартала к кварталу.

Если доля ручной работы падает - внедрение работает. Если стоит на месте - нет.

Это единственная цифра, которая честно отвечает на вопрос совета директоров: «Мы получаем отдачу от AI или нет?»

Вопросы и ответы

Мы уже купили лицензии и провели обучение. Что делать дальше?

Посмотрите на реальное использование, а не на статистику входов. Найдите 5-10% сотрудников, которые работают с AI каждый день, - и начните с них. Попросите их описать, что именно они делают. Это даст вам карту процессов, которые реально поддаются автоматизации в вашей компании.

Нужно ли обучать всех сотрудников промптингу?

Курсы промптинга полезны для поиска способных людей, но не стоит ждать, что они изменят поведение большинства. Для 70% сотрудников, которые не пользуются AI, эффективнее встроить агентов в инструменты, которыми они уже пользуются каждый день.

Как понять, какие процессы автоматизировать, а какие не трогать?

Универсального ответа нет - ответ у каждой компании свой. Хороший ориентир: процессы с повторяющимися, предсказуемыми шагами и чётким результатом автоматизируются хорошо. Процессы, где важно суждение, отношения или нестандартные ситуации, - плохо. Начинайте с первых.

Как убедить совет директоров, что AI-проект работает?

Не показывайте «процент внедрения». Покажите, какая доля конкретного процесса делается вручную, вместе с AI и полностью автоматически - и как эта доля меняется каждый квартал. Это единственная цифра, которая отвечает на вопрос об отдаче.

Majento строит AI-агентов и внедряет их внутри компаний-клиентов. Инженеры Majento встраиваются в процессы, находят узкое место, собирают систему и остаются до результата - не уходят после презентации. Если хотите разобраться, где в вашей компании AI реально поможет, напишите: t.me/shimaoz или hello@majento.ai.