Интеллект выходит в люди: почему ИИ повышает продуктивность, но пока не увеличивает прибыль
Компании по всему миру активнее внедряют искусственный интеллект, однако рост эффективности сотрудников пока не приводит к сопоставимому улучшению финансовых показателей бизнеса. Такой разрыв зафиксировала консалтинговая компания McKinsey в исследовании "Состояние ИИ в 2026 году: на пути к окупаемости инвестиций".
В опросе приняли участие более 1,7 тыс. представителей организаций из 97 стран. Согласно результатам, искусственный интеллект постепенно выходит за пределы экспериментальных проектов: компании переходят от отдельных пилотов к внедрению технологий на уровне всего предприятия.
Доля организаций, масштабировавших ИИ на большинство ключевых процессов, за год выросла с 38% до 44%. При этом хотя бы в одном направлении искусственный интеллект регулярно применяют 89% опрошенных компаний. Наиболее активно технологию расширяют крупные предприятия. Среди организаций с годовой выручкой от $1 млрд более половины уже сообщили о корпоративном масштабировании ИИ. У небольших компаний этот показатель составляет примерно треть.
Сотрудники работают эффективнее
Главный положительный эффект внедрения ИИ сегодня наблюдается на уровне отдельных специалистов и рабочих групп. Алгоритмы помогают быстрее обрабатывать информацию, готовить документы, анализировать данные и принимать решения. Во многих случаях сокращается время выполнения типовых операций, а сотрудники получают возможность сосредоточиться на более сложных задачах.
Однако повышение индивидуальной производительности не всегда означает рост прибыли всей компании. Чтобы финансовый результат изменился, улучшения в отдельных процессах должны распространиться на всю операционную модель бизнеса. Пока это происходит далеко не во всех организациях.
Доля компаний, отметивших положительное влияние ИИ на показатель EBIT - прибыль до вычета процентов и налогов,- за год практически не изменилась и составила 37%. При этом заметный эффект, выражающийся в росте EBIT минимум на 5%, получают лишь 6% организаций.
Таким образом, большинство компаний уже видят пользу от искусственного интеллекта, но пока не могут превратить ее в масштабный финансовый результат. Технология дает локальные улучшения, однако они еще не складываются в устойчивый рост прибыли.
Где ИИ уже сокращает расходы
Даже компании, которые не зафиксировали влияния искусственного интеллекта на общую прибыль, отмечают отдачу в конкретных рабочих процессах. Чаще всего речь идет о снижении затрат в управлении цепочками поставок, производстве и сервисных операциях.
В логистике ИИ помогает прогнозировать спрос, оптимизировать маршруты и управлять запасами. На производстве алгоритмы используются для контроля качества, профилактического обслуживания оборудования и выявления отклонений. В сервисных подразделениях технология ускоряет обработку обращений клиентов и автоматизирует ответы на стандартные запросы.
Проблема заключается в том, что экономия на одном участке не всегда заметна в итоговой отчетности. Эффект может теряться из-за расходов на внедрение, обучение сотрудников, интеграцию с корпоративными системами и сопровождение моделей.
Инвестиции растут, но окупаемость остается вопросом
Операционные расходы становятся одним из факторов, сдерживающих дальнейшее распространение ИИ. Несмотря на это, компании продолжают направлять на технологию значительную часть ИТ-бюджетов.
Около 60% организаций, использующих искусственный интеллект хотя бы в одном направлении, ожидают роста профильных инвестиций в течение ближайшего года. Самый высокий уровень оптимизма демонстрируют фармацевтические и медицинские компании, а также страховые и финансовые организации.
Для этих отраслей ИИ особенно важен из-за больших объемов данных, высокой стоимости ошибок и значительной доли интеллектуального труда. При этом масштабирование требует не только покупки программных решений. Компаниям приходится перестраивать процессы, обновлять инфраструктуру, обеспечивать защиту информации и формировать новые правила контроля качества.
Почему рост продуктивности не превращается в прибыль
Одна из причин разрыва заключается в том, что бизнес часто внедряет ИИ как отдельный инструмент, не меняя саму организацию работы. Сотрудник действительно может выполнять задачу быстрее, но если последующие этапы процесса остаются прежними, общая экономия оказывается ограниченной.
Например, автоматизация подготовки аналитического отчета не даст большого эффекта, если его согласование по-прежнему занимает несколько недель. Аналогично, ускорение обработки клиентских запросов не приведет к существенному росту прибыли, если компания не располагает достаточными ресурсами для обслуживания увеличившегося потока заказов.
Еще одна проблема - отсутствие четких критериев успеха. Компании нередко оценивают число внедренных инструментов или количество пользователей, но не связывают эти показатели с выручкой, себестоимостью, маржинальностью и качеством обслуживания.
Для реальной окупаемости необходимо заранее определить, какой показатель должен измениться благодаря ИИ: время обработки заказа, расходы на единицу продукции, объем продаж, число ошибок или уровень удержания клиентов.
Как изменится занятость
По мере расширения применения ИИ увеличивается доля компаний, ожидающих сокращения численности персонала в ближайший год. В 2026 году такой сценарий допускают 39% респондентов против 32% годом ранее.
Однако фактические результаты оказались значительно скромнее прогнозов. За последний год только 14% компаний сообщили о сокращениях, связанных с внедрением искусственного интеллекта. Две трети участников исследования - 66% - заявили, что технология оказала на численность персонала незначительное влияние либо не повлияла вовсе.
Это означает, что на текущем этапе ИИ чаще меняет содержание работы, чем полностью заменяет сотрудников. Люди начинают выполнять меньше повторяющихся операций, но получают новые задачи: проверяют результаты алгоритмов, формулируют запросы, контролируют риски и отвечают за принятие итоговых решений.
Что потребуется компаниям для окупаемости
Чтобы искусственный интеллект начал заметно влиять на прибыль, организациям придется перейти от точечных экспериментов к комплексной перестройке процессов. Важно не просто внедрить цифрового помощника, а определить, какие операции можно объединить, ускорить или полностью переработать.
Особое значение приобретает качество данных. Неточные, устаревшие или разрозненные сведения снижают пользу даже самых современных моделей. Поэтому перед масштабированием ИИ компаниям необходимо наладить единые правила хранения, обработки и защиты информации.
Не менее важна подготовка сотрудников. Без обучения персонал может использовать технологию поверхностно, допускать ошибки или, наоборот, игнорировать новые инструменты. Эффективная стратегия предполагает развитие цифровых навыков и формирование понятной ответственности за решения, принятые с помощью алгоритмов.
В ближайшие годы преимущество, вероятно, получат не те компании, которые просто быстрее других приобретают ИИ-системы, а те, кто умеет встроить их в бизнес-модель. В таком случае искусственный интеллект перестанет быть только средством повышения личной эффективности и начнет работать как инструмент устойчивого сокращения затрат, роста качества и увеличения прибыли.
