80% опрошенных российских компаний планируют расширять применение генеративного ИИ, а три четверти респондентов уже отмечают прирост скорости работы. Это данные исследования, представленного 29 октября на V Ежегодной конференции «Сбера» по цифровой трансформации бизнеса SberPro Tech 2026, где переход от экспериментов с генеративным ИИ к агентным системам стал центральной темой. Отдельные компании уже получают измеримый эффект: по данным участников проекта в краснодарском девелопере «Тренд-групп», время на типовые документы и запросы там сократилось с 14 до 3 часов в неделю на сотрудника. Масштабирование технологии при этом сдерживают качество данных, инфраструктура и неготовность менять процессы.
Что мешает масштабировать ИИ
Исследование «Сберпро» и аналитического центра TADviser проводилось с июня по август 2026 г. и охватило более 100 руководителей, отвечающих за ИИ-повестку в компаниях. Дополнительно проведены глубинные интервью с ИТ-лидерами крупных компаний из промышленности, девелопмента, ритейла, фармацевтики и агросектора, а также опросы технологических провайдеров.
По данным опроса, 43% компаний экспериментируют с генеративным ИИ и проводят пилотные проекты, еще 31% уже используют решения в регулярной эксплуатации. Технологические провайдеры оценивают ситуацию строже: по их оценке, полномасштабные продуктивные внедрения есть лишь у 10–15% крупных холдингов. Эти показатели относятся к разным группам: 31% – доля компаний-респондентов, которые используют решения в регулярной эксплуатации, а 10–15% – оценка провайдеров, которая касается только крупных холдингов и полномасштабных продуктивных внедрений.
65% респондентов сталкивались с пилотами, которые не дошли до промышленной эксплуатации: чаще всего из-за отсутствия четкого управленческого решения и нежелания владельцев бизнес-процессов менять привычные регламенты. При этом, как отмечают авторы исследования, остановка пилота не обязательно означает провал: своевременное закрытие проекта позволяет не расходовать ресурсы на решение, не дающее нужного эффекта.
Барьеры различаются в зависимости от размера бизнеса. В небольших и средних компаниях на первом месте несовершенство моделей – так ответили 62% респондентов. Крупный бизнес чаще упирается в качество корпоративных данных – эту проблему назвали 83% крупных организаций. За ней, как правило, стоят более глубокие ограничения – неготовая инфраструктура и требования информационной безопасности. Свою роль играет и российская специфика: по выводам исследования, разработка сконцентрирована вокруг 3–4 крупных экосистем, а компании делают ставку на развертывание в защищенном контуре. Нехватка компетенций остается общим ограничением для компаний любого масштаба: более трети организаций пока вообще не обучают сотрудников работе с ИИ.
«Внедрение ИИ требует не только инвестиций в технологии, но и работы с данными, инфраструктурой и процессами. А в случае с ИИ-агентами нужно заранее решить, какие действия им доверять, как контролировать их работу и кто отвечает за результат», – отметил заместитель председателя правления «Сбера» Анатолий Попов.
Где бизнес получает эффект от ИИ
Чаще всего компании получают от генеративного ИИ прирост скорости и производительности – каждый из этих эффектов отметили по 75% респондентов. На прямой рост выручки или конверсии указали 15% опрошенных. Но и ускорение работы имеет экономическую ценность: высвободившееся время сотрудники могут направить на более сложные задачи.
Лидируют сценарии, где результат относительно легко проверить: 47% компаний используют генеративный ИИ для разработки программного обеспечения, столько же – для анализа данных и подготовки отчетности. Клиентский сервис и контакт-центры, долго остававшиеся главным публичным сценарием применения технологии, назвали лишь 22% респондентов.
Требования к оценке эффекта растут: с 2025 г., по данным исследования, финансовые подразделения все чаще просят посчитать полную стоимость владения и потенциальный бизнес-результат еще до запуска проекта. Единого подхода к измерению эффекта от ИИ на рынке при этом пока нет.
Внедрение начинается с руководителя
«Сбер» продвигает собственные агентные решения. «Гигаагентом» сегодня пользуются около тысячи руководителей компаний, сообщил на конференции старший вице-президент, руководитель блока «Технологическое развитие» Андрей Белевцев. По его словам, личный опыт использования ИИ первым лицом компании становится одним из ключевых условий внедрения технологии. «Когда лидер сам начинает пользоваться этими продуктами, у него абсолютно меняется взгляд на то, что действительно можно сделать. Он начинает думать о том, как весь его бизнес изменится. Это первый такой очень важный шаг», – сказал он.
Помимо «Гигаагента», банк развивает линейку GenAI-решений от уровня отдельного сотрудника до взаимодействия компании с контрагентами – платформы GigaCowork для создания и управления ИИ-агентами и GigaCode для разработки. Продукты объединены общими навыками и плагинами, что, по словам Белевцева, устраняет разрывы между инструментами.
Трансформация крупных организаций занимает несколько лет, поэтому начинать внедрение агентных технологий нужно уже сейчас, считает он. К 2028 г. не менее 15% повседневных рабочих решений будут полностью приниматься ИИ-агентами, а до 33% корпоративных приложений получат встроенные агентные функции.
От отчетности к непрерывному мониторингу
О перестройке управленческих процессов банка на конференции рассказал заместитель председателя правления, финансовый директор «Сбера» Тарас Скворцов. «Сбер» объединяет данные, аналитику и ИИ в единый контур принятия решений. BI-платформа «Навигатор», одна из ключевых систем управления банка, объединяет более 2,6 тыс. дашбордов, на непрерывном мониторинге находится свыше 50 тыс. показателей. Система ИИ-агентов-аналитиков автоматически выявляет аномалии, формирует и проверяет гипотезы об их причинах и направляет руководителям персонализированные уведомления об отклонениях. Это позволяет перейти от анализа отчетности по итогам периода к непрерывному мониторингу и оперативному реагированию.
«Когда речь идет о десятках тысяч показателей, традиционные подходы уже не позволяют достаточно быстро выявлять отклонения и принимать решения. Наша задача – перейти от реактивной модели управления к проактивной, когда ИИ самостоятельно выявляет потенциальные проблемы на ранней стадии и предлагает варианты реагирования», – пояснил Скворцов.
Отдельно от эффекта ИИ-агентов банк приводит экономику своих платформ данных: аналитической платформой Data Tracker пользуются около тысячи сотрудников, а экономия на подписках на внешние источники данных составляет 2,2 млрд руб. в год. В 2025 г. «Сбер» перешел от разовых исследований бизнес-процессов к их постоянному цифровому мониторингу и в 2026 г. планирует увеличить число сценариев такого мониторинга с 220 до 1,1 тыс. – более чем в пять раз.
Как компании меняют модель управления
О применении ИИ в управлении на панельной дискуссии «Новая модель управления» рассказали представители разных отраслей. Старший вице-президент, директор департамента развития корпоративного бизнеса «Сбера» Владимир Ситнов описал эволюцию интеллектуальной системы управления (ИСУ), действующей в банке восемь лет: система анализирует работу и выявляет отклонения от средних значений, а три года назад в нее интегрировали большую языковую модель. «Сейчас она помогает клиентскому менеджеру сразу в четырех функциональных областях. Как ассистент, co-pilot, автопилот и даже как наставник. Система анализирует, как сотрудник общается с клиентом, оценивает эффективность встречи и дает рекомендации», – сказал он. По его словам, за финальное решение, даже предложенное ИИ, ответственность несет человек.
У промышленных компаний эффект достигается на «нижнем этаже» управления. «Наша ИИ-система выдает аналитику по каждому участку, и спускаться в цех уже необязательно. Мы сделали приложение, которое показывает руководителю, на каком участке возникла проблема, чтобы можно было быстро принять решение», – рассказала директор компании «Русский Робот» Алиса Сотникова. Генеральный директор АО «ГЛОНАСС» Алексей Райкевич сообщил, что платформа компании подключена к более чем 14 млн транспортных средств, а с запуском национальной системы идентификации беспилотников объем данных вырос настолько, что обработка без ИИ стала невозможной. В «Экониве», по словам первого заместителя генерального директора Бьерне Хайнца Дрекслера, ИИ применяется прежде всего в планировании продаж и закупок и консолидации информации из разных источников в дашборды для принятия решений.
Ограничения внедрения участники обсуждали не только технологические. «Чтобы человек начал вписываться в новую среду, должна быть потребность, а она есть не у всех», – отметил заведующий лабораторией нейрофизиологии и нейрокомпьютерных интерфейсов МГУ Александр Каплан. Еще одно препятствие, по его словам, связано с агентностью: «Человек так устроен, что считает свое творение своим. А тут между творением и человеком оказывается ИИ-агент. Получается уже не то, что конкретно ты хотел, а ведь оно может быть даже лучше, чем ты задумал».
ИИ уже освобождает время сотрудников
О применении агентов в девелопменте на конференции рассказал управляющий директор департамента развития корпоративного бизнеса «Сбера» Дмитрий Трофимов. Краснодарский девелопер «Тренд-групп» использует платформу GigaCowork с июня: в пяти направлениях – кадры, юридическое сопровождение, закупки, продажи и финансы – работает по 10–15 агентных сценариев, агенты выполняют до половины типовых задач без участия человека. «Вместо рутины вроде подготовки документов, обработки запросов, проверки информации сотрудники концентрируются на действительно важных задачах, которые может решить только человек», – описал эффект Трофимов.
По данным участников проекта, время на типовые документы и запросы сократилось с 14 до 3 часов в неделю на сотрудника – экономия в среднем 11 часов в неделю. Бизнес-аналитик «Тренд-групп» Андрей Думчев отмечал, что облачная модель внедрения позволила обойтись без затрат на собственную ИТ-инфраструктуру, а число ошибок в договорах снизилось «в разы».
Цифровой двойник для рыбной отрасли
Еще один проект, представленный на конференции, находится на более ранней стадии. «Сбер» и платформа FishStat представили проект цифрового двойника промышленного холодильного комплекса для управления цепочкой поставок рыбы. Следующий шаг – синхронизировать динамическую модель с реальными складскими процессами. После этого решение должно прогнозировать загрузку холодильников, оптимизировать логистику и оперативно выявлять отклонения от условий хранения. «Рыбопромышленники и ритейлеры получат точную картину того, какой объем продукции физически находится на складе и какая его часть готова к продаже», – заявил Трофимов.
Какие решения бизнес доверяет агентам
Распределение ролей между человеком и агентом, по данным опроса «Сберпро», пока остается консервативным: 55% опрошенных компаний используют агентов как рекомендательные системы, 45% допускают выполнение действий по заранее заданным алгоритмам и лишь 5% – полную автономию в отдельных операциях (можно было выбирать несколько ответов). Российский рынок, как отмечают авторы исследования, переходит от диалоговых чат-ботов к агентам, способным самостоятельно выполнять действия, с отставанием от мирового примерно на 1–2 года.
Работа ИИ в роли ассистента уже дает результат: сквозной прирост производительности процесса в этом случае авторы исследования оценивают примерно в 10%, а для крупной компании это ощутимый эффект. Дальнейший рост эффекта, по выводам авторов, возможен, когда меняется сам процесс, а человек контролирует систему на уровне всего цикла.
Технологии меняют и кадровую структуру: 59% опрошенных компаний отмечают влияние ИИ на нее, 69% – изменение требований к профессиональным навыкам.
Первые внедрения показывают, где проходит граница между пилотом и результатом. Эффект появляется там, где компании перестраивают процессы, готовят данные и заранее распределяют ответственность между человеком и агентом. Поэтому главный вопрос для бизнеса уже не в том, использовать ли агентов, а в том, какие действия им доверить, как контролировать их работу и кто отвечает за результат.