Что изменилось в работе организаций с ИИ за двенадцать месяцев — по двадцати исследованиям IBM IBV, PwC, KPMG, Microsoft, BCG и Stanford HAI. Восемь направлений, от экономики отдачи до опыта сотрудника, и чем мерить себя в каждом. Каждое число ведёт ссылкой на отчёт, откуда оно взято; кнопка «i» открывает разбор подробнее.
Если читать только один абзац
За год ИИ прошёл путь от статьи расходов к статье отдачи — но отдача распределилась крайне
неравномерно. Верхняя граница ROI — около +250%, нижняя — около −20%:
между ними 270 процентных пунктов. Компании, сильнее всего затронутые ИИ, прибавили 33,5%
производительности, а топ-20% внутри них — 163%. Узкое место переехало
с данных на архитектуру и операционную модель: в анализе Microsoft на организационные факторы приходится 67% суммарной относительной важности при прогнозировании самооценки эффекта, на индивидуальные — 32%; это статистическая связь, а не причинный эффект. Управляемость перестала
быть тормозом и стала условием масштабирования. А рынок труда не схлопнулся —
он расслоился на два трека, и самое жёсткое происходит на входе
в профессию.
Если свести год к одному сдвигу: в 2025 главным вопросом было «как дать людям ИИ», а в 2026 — «как перестроить вокруг ИИ процессы, метрики и ответственность». Технология стала заметно мощнее и автономнее; главный разрыв теперь проходит не между «есть ИИ / нет ИИ», а между организациями, которые перепроектируют работу, и теми, кто ограничивается новыми инструментами.
Границы этих данных
Это крупный бизнес. KPMG опрашивает компании с выручкой ≥ $1 млрд, а средняя выручка компании в выборке техруководителей IBM — $14,4 млрд. Малого и среднего бизнеса здесь почти нет.
Это не одни и те же компании год к году. Каждое издание опрашивает новых людей, поэтому «26% → 76%» — сравнение двух срезов рынка, а не путь одной и той же группы.
Отдача измерена в основном самооценкой. Ни один источник не считал ROI по данным управленческого учёта; независимые рыночные ряды есть только у PwC и Stanford.
Главный вопрос года — сколько ИИ вернул — получил ответы, которые бессмысленно усреднять: у одних кратный возврат, у других убыток, на той же технологии и в том же году. Дальше семь утверждений о том, что за этим стоит.
01
Год назад ИИ мерили расходами. Сейчас его мерят отдачей — и отдача расслоилась
В 2025 году отчёты фиксировали почти универсальный оптимизм при почти полном отсутствии измерения. За три года только 25% ИИ-инициатив дали ожидаемый ROI, только 16% были масштабированы на уровень предприятия. В маркетинге картина была ещё хуже: 19% пилотов дали ожидаемый ROI, 14% развернули на всё предприятие. При этом 68% CAIO признавались, что запускают ИИ-проекты, даже когда не могут оценить их эффект.
Через год отдачу стали измерять чаще — и прежде всего стал виден её размах.
Между верхней и нижней границей — 270 процентных пунктовIBM Tech 2026
Крайние значения ИИ-ROI по портфелям организаций. Нижняя граница — реальные убытки, а не просто слабый результат.
Одна и та же технология в одном и том же году даёт и кратный возврат, и реальный убыток: +250% на верхней границе распределения и −20% на нижней.
В 2026 разрыв стал измеримым — и PwC независимо подтверждает то же самое с другой стороны: компании, где ИИ применим шире всего, показывают рост производительности 33,5%, но топ-20% внутри этой группы — 163%, впятеро больше. Двадцать процентов компаний забирают 74% выигрыша.
Цифра года
163%
рост производительности у топ-20% внутри компаний, где ИИ применим шире всего — впятеро больше, чем в среднем по их же группе (33,5%)
Рост производительности: крайние четверти по затронутости ИИPwC 2026
Накопленный рост выручки на сотрудника, 2018 → 2025. Единица наблюдения — компания.
Крайние четверти профессий по затронутости ИИ: 33,5% против 24% накопленного роста выручки на сотрудника. Единица наблюдения — компания, а не профессия.
Здесь важно не спутать два разных утверждения. Эти данные не позволяют сказать, что «средний ROI вырос»: IBM показывает широкий разброс отдачи по портфелям, а PwC — сильную неоднородность роста производительности. Нижняя граница IBM остаётся отрицательной, а у PwC большая часть выигрыша сосредоточена в верхней части распределения.
Для практики вывод не в том, что «побеждают те же компании» — годовые выборки не позволяют это проследить, — а в том, что одного факта внедрения недостаточно для предсказуемой отдачи. Эффект ИИ распределён крайне неравномерно.
Две независимые методики — опрос IBM и рыночные данные PwC — дают совместимую картину: между организациями и внутри групп организаций эффект различается очень сильно. Это сильнее, чем попытка вывести из них один «средний ROI», но слабее, чем утверждение о причинности или о том, что выигрывают одни и те же компании.
02
Узкое место переехало: с данных на архитектуру и операционную модель
В 2025 главным ограничителем назывались данные. IBM посвятила этому отдельное исследование CDO: разрозненные хранилища, отсутствие общей таксономии, шесть-двенадцать месяцев чистки данных на каждую инициативу.
В 2026 формулировка изменилась. Проблема не в том, что данных нет, а в том, что системы спроектированы под человеческую скорость принятия решений, тогда как ИИ работает на «машинной скорости» — в другом объёме, с другой автономностью, с другой частотой решений. 77% технологических лидеров говорят, что внедрение ИИ обгоняет их возможности управления, 70% — что команды разворачивают технологии быстрее, чем IT успевает их отслеживать.
Microsoft заходит с другого конца: спрашивает не «успеваем ли мы», а от чего эффект вообще зависит, — и две трети ответа оказываются не про человека.
Что объясняет эффект от ИИ: организация против человекаMicrosoft WTI 2026
Из чего складывается эффект от ИИ: 29 факторов, сгруппированных в три семейства. Опрошено 20 000 человек в десяти странах.
×2,5
во столько раз культура работы с ИИ в организации сильнее самого значимого индивидуального фактора
0,68–0,69
R² трёх семейств моделей, на которых получен результат
В модели Microsoft организационные факторы дают примерно вдвое большую совокупную относительную важность, чем индивидуальные. Это связь, а не доказанная причина: возможно, компании с сильной ИИ-культурой просто лучше устроены во всём.
Два источника, которые почти не пересекаются методологически — IBM опрашивает CIO и CTO, Microsoft опрашивает пользователей ИИ и дополняет опрос телеметрией M365, — дают совместимую картину с разных концов организации. Это редкость. Искать рычаг только в навыках отдельного человека недостаточно. Организационная часть — культура, правила, редизайн процессов — связана с результатом заметно сильнее, чем всё, что относится к отдельному человеку. Её нельзя купить у поставщика, и поэтому за неё часто берутся позже. Важное уточнение: Microsoft говорит о статистической важности факторов, а не о причинном эффекте.
Выходит, рычаг не там, где его ищут. Организационная часть — культура, правила, редизайн процессов — связана с результатом заметно сильнее, чем всё, что относится к отдельному человеку. Её нельзя купить у поставщика, и поэтому за неё берутся в последнюю очередь.
Одно уточнение, без которого вывод становится неверным: Microsoft говорит «объясняет вариацию», а не «вызывает». Возможно, организации с сильной ИИ-культурой просто изначально лучше устроены во всём, и тогда причина лежит ещё глубже.
03
Управляемость перестала быть тормозом и стала условием масштабирования
KPMG формулирует это буквально: «управляемость — условие масштабирования». Это не риторика — за ней стоит арифметика. К 2027 предприятия ожидают в среднем 1 661 агента каждое, на 38% больше, чем сегодня; при сотнях решений на агента в день это сотни тысяч автономных решений ежедневно. Ни один комитет по одобрению это не переварит.
IBM разделил организации на те, где контроль встроен в саму архитектуру, и те, где он остался процедурой согласования, — и дальше все три показателя расходятся в одну сторону.
×16
больше агентов разворачивают организации со встроенным контролем
против ручного управления
×4
меньшая доля ИИ-бюджета уходит у них на контроль
дешевле, а не дороже
+18%
операционная маржа относительно тех, кто контролирует вручную
измеримый эффект в отчётности
Эта связка меняет саму постановку дискуссии «управляемость тормозит инновацию». В выборке IBM организации со встроенным в архитектуру контролем одновременно сообщают о большем масштабе агентов, меньшей доле бюджета на контроль и более высокой операционной марже. Это сильная ассоциация, но не эксперимент: из неё нельзя доказать, что именно архитектурный контроль вызвал разницу. Практический смысл всё равно важен — при сотнях и тысячах агентов ручные согласования масштабируются хуже, поэтому контроль приходится проектировать как часть системы, а не как отдельный комитет после факта.
×16 при вчетверо меньшей доле бюджета — это не улучшение процесса, это смена класса системы. Ручные ворота имеют линейную стоимость: каждый новый агент требует нового согласования. Встроенный контроль имеет стоимость почти фиксированную. При 1 661 агенте разница между этими двумя кривыми становится непреодолимой.
04
Рынок труда не схлопнулся — он расслоился на два трека
Тот же разлом прошёл и снаружи организаций — по рынку труда, где его видно даже без опросов.
PwC 2025 давала оптимистичную общую картину: рабочих мест и зарплат становится больше практически во всех затронутых ИИ профессиях, включая наиболее автоматизируемые. PwC 2026 разбирает эту общую картину на части.
Три типа воздействия ИИ на профессию — и весь рынок вакансий, разложенный по ним.
Две из этих трёх групп идут в разные стороны, и расходятся они не по одному признаку, а сразу по трём.
Два трека расходятся сразу по трём показателямPwC 2026
Профессии, где требования к экспертизе растут, быстрее растут и по навыкам, и по зарплатам, и по числу вакансий.
Профессии с растущими требованиями к экспертизе опережают профессии со снижающимся порогом входа по всем трём измерениям: навыки 68% против 33%, вакансии 39% против 17%, зарплаты 37% против 26%. Навыки и вакансии считаются к 2018 году, зарплаты — к 2021.
Самое жёсткое — на входе в профессию. Начальные вакансии, сильнее всего затронутые ИИ, в семь раз чаще требуют навыков, которых раньше ждали от опытного специалиста. Те из них, что «повзрослели по требованиям», выросли на 35%; остальные упали на 10%.
Вход в профессию: рынок расщепился на две половины с разным знакомPwC 2026
Изменение числа начальных вакансий, 2019 → 2025.
×7
чаще сильнее всего затронутые ИИ ранние вакансии требуют навыков опытного специалиста
−16%
снижение занятости на начальных позициях в затронутых ИИ областях (Stanford)
−20%
занятость американских разработчиков 22–25 лет к 2024
49%
CEO ожидают снижения найма начинающих специалистов
Сравнение с прошлым годом здесь красноречивее любой отдельной цифры. PwC 2025 честно писала: рост везде, даже в наиболее автоматизируемых профессиях. PwC 2026 не отказывается от этого — агрегат всё ещё растёт. Просто агрегат перестал быть информативным. Это классическая история про среднюю температуру: среднее почти не меняется, а разброс внутри него растёт.
По сути два трека действительно расходятся. В профессиях, где ИИ снижает порог входа, требования к прежней экспертизе уменьшаются сильнее, а доплата за неё ниже; там, где требования к экспертизе растут, быстрее увеличиваются и зарплаты, и число вакансий. Это не делает один трек «хорошим», а другой «плохим» — они описывают разные способы перестройки труда.
Одна из возможных механик: ИИ замещает часть простых задач, на которых раньше набирались опыта начинающие специалисты. Данные по вакансиям сами по себе не доказывают эту причинность. Но если давление на ранние роли сохранится, компаниям придётся отдельно проектировать путь накопления опыта — иначе воронка подготовки специалистов среднего уровня может сузиться.
05
Индивидуальная выгода растёт быстрее, чем способность организации её конвертировать
Это самая устойчивая находка BCG за два года. В 2025: 47% сотрудников экономят больше часа в день, но только треть получает указания, куда это время девать. В 2026: 52% экономят рабочий день в неделю и больше, а разрыв в указаниях не закрылся.
Разрыв в указаниях: чем ниже уровень, тем меньше указанийBCG 2026
Доля сотрудников, получающих ограниченные указания или никаких — о том, куда девать сэкономленное ИИ время, и доля тех, кто не переводит это время в стратегическую работу.
Не получают указанийНе переводят время в стратегическую работу
Между рядовыми сотрудниками и руководителями — 14 пунктов по указаниям и 22 по конвертации времени. Строка «итого» — отдельная величина по всей выборке.
Обучение — то же самое. 88% сотрудников ожидают, что им понадобится серьёзное переобучение в ближайшие пять лет; только 36% считают, что их обучили достаточно. Обе цифры не изменились с 2025.
Две цифры не изменились за год ни на пункт: 88% ожидают переобучения, 36% считают себя обученными. За год, в котором почти всё остальное сдвинулось на десятки пунктов, эти две цифры не сдвинулись вовсе. Разрыв в 52 пункта воспроизвёлся дважды на разных выборках в 10 635 и 11 749 человек. Это не шум.
Разрыв в указаниях идёт не по всей лестнице, а по одной ступени: рядовые сотрудники и менеджеры одинаково остаются без указаний — 66% и 66%, — а руководители заметно лучше, 52%. По переводу времени в стратегическую работу лестница уже монотонная: 58 / 43 / 36. Руководитель, отвечая на вопрос «даёте ли вы указания», честно отвечает «да» — потому что он их даёт себе и своему кругу.
Опросы двух лет используют не полностью одинаковые меры, поэтому нельзя строго сказать, что «конвертация не выросла». Но напряжение сохраняется: сотрудники сообщают о большой экономии времени, а значительная доля одновременно не получает ясных правил его реинвестирования и не переводит его в стратегическую работу. Индивидуальная производительность при этом может расти — она просто не гарантирует дополнительную маржу, выручку или стратегическую ёмкость. Это один из главных неучтённых разрывов 2026 года.
06
Агенты вышли из пилотов в эксплуатацию, но операционные модели за ними не поспели
Интеграция агентов в сквозные процессы выросла с 13% до 30% — более чем вдвое за год. Microsoft фиксирует рост числа активных агентов в экосистеме M365 в 15 раз год к году, в 18 раз в крупных предприятиях.
Шесть волн KPMG, поле в США, компании с выручкой ≥ $1 млрд. Единственный источник с внутригодовой динамикой.
РазвёртываниеПилотЭксперимент
За шесть волн пилот и развёртывание поменялись местами: 65% против 11% в начале 2025 года и 35% против 53% в середине 2026-го. В волне Q4 2025 вопрос задан иначе, поэтому линии через неё не идут.
Но половина сотрудников говорит, что в их компании нет чётких правил управления смешанными командами «человек × ИИ», а средняя организация зафиксировала 54 инцидента с агентами за год, 17% из них — высокой тяжести. И контрольный факт со стороны независимых данных: развёртывание агентов остаётся в однозначных процентах почти во всех бизнес-функциях.
Здесь три источника дают три несовпадающих замера одного явления — и это, по-моему, самое интересное место во всей картине. KPMG: развёртывание выше 50%. BCG: интеграция в сквозные процессы — 30%. Stanford: однозначные проценты по функциям. Разброс в пять-шесть раз.
Противоречия тут нет — есть три разных вопроса. «Развернули ли вы агентов» (хотя бы одного, где-нибудь) — это KPMG. «Встроены ли агенты в сквозной процесс» — это BCG. «Какая доля функций реально работает на агентах» — это Stanford. Чем строже вопрос, тем меньше цифра. И это ровно та шкала, по которой стоит измерять собственную организацию: не «есть ли у нас агенты», а «какая доля функций».
Отдельно про телеметрию Microsoft: ×15 год к году — единственный здесь телеметрический замер именно организационного использования агентов; технические бенчмарки Stanford относятся к другой категории данных. Он не спрашивает мнение, он считает объекты. И он подтверждает направление, но ничего не говорит о ценности: агент, созданный и запущенный дважды, тоже считается.
07
IBM сменила исследовательский фокус: от отдельных функций к бизнес- и технологическому контурам
Шесть тезисов выше опираются на измеренные показатели. Седьмой — наблюдение за тем, как изменился сам исследовательский фокус IBM, поэтому его нужно читать осторожнее.
В 2025 IBM выпустила четыре отдельных исследования по ролям: CEO, CMO, CDO, CAIO. В 2026 — два: CEO (бизнес-контур) и Tech Leader для CIO/CTO (технологический контур). Роль CAIO при этом за год прошла путь от экзотики к норме.
Доля организаций, где введена роль CAIO или её функциональный эквивалент.
76%
организаций в 2026 году было 26% годом ранее, 11% в 2023
Роль, которой три года назад почти не было, стала нормой быстрее, чем любая другая часть оргструктуры в этих данных.
Структура публикаций здесь интересна как контекст, но не как самостоятельная метрика рынка. В 2025 IBM отдельно выпускала исследования CEO, CMO, CDO и CAIO; в 2026 основной разрез стал «CEO / Tech Leader». IBM не объясняет, означает ли это сближение функций, смену редакционной стратегии или просто другой дизайн исследовательской программы.
Одна из возможных интерпретаций — фокус действительно сместился к стыку бизнес- и технологического контуров. Но структура публикаций сама по себе этого не доказывает; подтверждать такой вывод нужно содержательными показателями — распределением ответственности, проникновением CAIO и размыванием границ между бизнесом и технологиями.
Рост 26% → 76% даёт более содержательный сигнал: резкое увеличение доли организаций с CAIO или функциональным эквивалентом согласуется с институционализацией ИИ и появлением формального владельца повестки. Но и здесь это два рыночных среза, а не панель одних и тех же компаний.
2. Внешний контур
Год снаружи выглядит так: частные вложения в ИИ прибавили 127,5%, отрыв лучшей американской модели от китайской сжался до 2,7%, а публика и эксперты разошлись в оценках на 50 пунктов — рост, паритет и недоверие в одном кадре.
Это не направление, а контекст, в котором происходит всё остальное. Опора — Stanford HAI, основной источник здесь для сопоставимого макро- и технологического контекста.
2.1 Деньги
Частные ИИ-инвестиции: США против КитаяAI Index 2026
Годовой объём в миллиардах долларов. США опережают Китай в двадцать три раза.
Частные вложения — не весь счёт Китая: по оценке самого источника, госфонды направили в ИИ-компании около $184 млрд за два десятилетия.
+127,5%
прирост частных ИИ-вложений за год; на них приходится 60% всего мирового корпоративного объёма
+200%
рост генеративного ИИ — почти половина всего частного финансирования
+71%
новых профинансированных ИИ-компаний; в США 1 953 — вдесятеро больше ближайшей страны
>$150 млрд
годовых капитальных затрат одного Google; корпоративные ИИ-инвестиции в мире более чем удвоились
Стоит поставить рядом две цифры. Годовые капитальные затраты одного Google — более $150 млрд. Все частные ИИ-инвестиции Китая за тот же год — $12,4 млрд. Порядок величины отличается больше чем в десять раз, при этом разрыв в качестве моделей между странами к марту 2026 составляет 2,7% и фактически закрылся.
Масштаб капитала сам по себе не объясняет разрыв в качестве моделей. Эти показатели нельзя делить друг на друга: у них разные знаменатели. Но их соседство показывает, что связь между объёмом капитала и качеством передовых моделей нелинейна. Для корпоративного бюджета вывод осторожнее: больше расходов само по себе не гарантирует пропорционального роста качества.
И ещё: прирост частных вложений в 127,5% за год показывает, что капитал продолжает быстро перетекать в ИИ, а рынок остаётся в фазе интенсивного расширения.
2.2 Внедрение и использование
Внедрение упёрлось в потолок — у организаций, но не у работыAI Index 2026
Две разные вещи под одним словом «внедрение»: сколько организаций им пользуется и сколько людей.
Верхняя панель упёрлась в потолок: 88% — это практически насыщение, показатель, который больше никого ни от кого не отличает. А развёртывание агентов, вокруг которого построена вся риторика 2026 года, у независимого наблюдателя измеряется однозначными процентами. Разрыв между «мы используем ИИ» и «ИИ выполняет работу» — центральный факт этого года.
У людей эта же технология разошлась быстрее, чем персональный компьютер или интернет, — но разошлась так неровно, что страна-производитель оказалась в конце второго десятка.
США лидируют по инвестициям и моделям — и занимают 24-е место по проникновениюAI Index 2026
Доля населения, пользующегося генеративным ИИ. Проникновение коррелирует с ВВП на душу, но США выпадают из зависимости.
США — 24-е место в мире по бытовому проникновению, нижняя половина мирового рейтинга, при первом месте по инвестициям и моделям.
Это одна и та же реальность, измеренная на двух разных высотах. «Используем ИИ» в 2026 году означает примерно то же, что «используем электронную почту» в 1999-м: факт наличия, а не факт работы.
Про США на 24-м месте: страна, которая произвела более 90% передовых моделей 2025 года и вложила $285,9 млрд, по бытовому проникновению отстаёт от ОАЭ более чем вдвое. Мне кажется, самое разумное объяснение — производство технологии и её потребление разъехались географически. Для корпоративного читателя отсюда следует практичная вещь: интуиция «наши сотрудники наверняка уже всё это используют» может быть сильно неверной в зависимости от рынка.
Но там, где люди всё-таки взяли ИИ в руки, они получают от него кое-что вполне измеримое — просто не в кассу работодателя.
2.3 Ценность для потребителя
Потребительский излишек от генеративного ИИ в СШАAI Index 2026
Оценочная ценность, получаемая пользователями сверх того, что они платят. Годовая величина в миллиардах долларов.
$172 млрд
ценности в год, которую пользователи получают сверх того, что платят
+54%
прирост совокупного излишка за год
×3
во столько раз выросла медианная ценность на пользователя
Большая часть этих инструментов остаётся бесплатной или почти бесплатной.
Это ставит важный вопрос к корпоративным расчётам отдачи. $172 млрд — оценка ценности для пользователей, а не финансового результата работодателей. Она показывает более общий принцип: созданная ИИ ценность не обязана появляться в выручке или прибыли организации.
Эта цифра не объясняет напрямую, почему заметный прирост выручки от ИИ за год увидели только 8% CEO, но показывает возможный разрыв: пользователь может получить удобство, экономию времени или более качественный результат, тогда как компания не увидит сопоставимого прироста выручки. Поэтому эффект для человека и финансовый эффект для организации нужно измерять отдельно.
Остаётся посмотреть на саму технологию — насколько она вообще способна делать то, за что ей платят.
2.4 Граница возможностей технологии
>90%
заметных передовых моделей 2025 года произвела индустрия, не академия
2,7%
отрыв топ-модели США от Китая к марту 2026 — разрыв фактически закрылся
50,1%
точность лучших моделей при считывании аналоговых часов
~66%
успех агентов на OSWorld — было 12%; каждая третья попытка всё ещё провальна
Неровная граница возможностей — термин самого источника. Модель берёт золото на Международной математической олимпиаде — и правильно считывает аналоговые часы в половине случаев. Самые способные системы одновременно стали наименее прозрачными: код обучения, число параметров, размеры датасетов больше не раскрываются.
Проверить это на слово нельзя — но что за год стало с самими способностями, посчитано по четырём бенчмаркам, и здесь никакой закрытости нет.
Единственный ряд, где уже есть данные 2026 года. Слева — что было известно год назад, справа — что известно сейчас.
Сильнее всего выросли агенты: с 12% до 66% успеха на реальных компьютерных задачах — и каждая третья попытка всё ещё проваливается. Значения AI Index 2026 — по состоянию на начало 2026 года; FrontierMath дан по верхнему уровню сложности.
Бенчмаркы растут все сразу — а вот отдача от этого роста в реальной работе распределяется совсем не поровну.
Прирост производительности крайне неравномерен по типу работыAI Index 2026
Эффект концентрируется в структурированной, легко измеримой работе — там, где его проще всего и посчитать.
В задачах, требующих суждения, прирост заметно слабее или отрицательный — числа источник не приводит. Поддержка клиентов дана диапазоном 14–15%.
Слой суждения — это ровно то, за что платят большинству дорогих сотрудников. Отсюда и размазанный средний корпоративный ROI: измеримый прирост приходит туда, где работа и так была прозрачной и считаемой, а там, где нужно суждение, он слабеет или уходит в минус.
Неровность я бы считал главным риском планирования. Модель, берущая золото на математической олимпиаде, интуитивно кажется способной на всё, что «проще математики». Часы показывают, что это неверно: у способностей нет единой шкалы сложности. Планировать внедрение «от общего впечатления о модели» — самый дорогой способ ошибиться в 2026 году. Проверять надо каждую конкретную задачу.
У способностей есть ещё один предел, и он не программный: электричество, один тайваньский подрядчик и люди, которые всему этому не верят.
2.5 Физические и общественные ограничители
29,6 ГВт
мощность ИИ-ЦОД — сопоставимо с пиковым потреблением штата Нью-Йорк
5 427
дата-центров в США — вдесятеро больше любой другой страны
362
задокументированных ИИ-инцидента за год
50 пп
разрыв между экспертами и обществом в оценке влияния ИИ
Физические ограничители хотя бы измеримы; последний в списке — нет, и он самый упрямый.
Разрыв между экспертами и обществом — 50 процентных пунктовAI Index 2026
Доля ожидающих положительного влияния ИИ на то, как люди делают свою работу.
Один и тот же вопрос, заданный двум аудиториям: взрослым американцам и американским экспертам по ИИ. Расстояние между ответами — 50 процентных пунктов.
Разрыв в 50 пунктов между экспертами и публикой — факт; причина этого разрыва в данных не установлена. Она может быть связана с опытом использования, экспозицией к технологии, ожиданиями от рынка труда или восприятием риска, но AI Index не позволяет выбрать одну из этих версий.
Для корпоративного читателя корректный вывод уже: одного сообщения «ИИ полезен» недостаточно. Разные группы могут оценивать последствия одной и той же технологии очень по-разному. Внутри компании этот разрыв нужно измерять отдельно между уровнями и ролями, а не объяснять психологией без данных.
Часть II
Восемь направлений
Внешний контур показал главное: масштаб капитала сам по себе не объясняет разрыв в качестве моделей, а способности растут неровно. Дальше — то, что происходит внутри организаций, разложенное по восьми осям.
Каждое направление устроено одинаково: как было в 2025 → как есть в 2026 → точка напряжения → что измерять. Направление — это ось, на которую можно положить цифры, а не лозунг.
Направление 1
Экономика ИИ
Начинать приходится с денег: пока не понятно, что организация получает обратно, все остальные семь направлений — разговор о средствах без цели.
Что измеряем. Сколько вкладывают, что получают обратно, умеют ли вообще измерять, и как распределена отдача между лидерами и остальными.
3.1 Как было в 2025: вера против реальности
Год начался с почти безусловной веры и закончился с первыми честными цифрами. Разрыв между двумя колонками ниже — и есть содержание 2025 года.
Ожидание
8 из 10 CEO требовали масштабировать и экономию, и рост от ИИ в течение 18 месяцев
85% ожидали положительного ROI по масштабированным инициативам экономии к 2027, 77% — по инициативам роста
KPMG всю первую половину года фиксировала единогласие: производительность как метрика возврата — 98%, прибыльность — 97%, качество работы — 94%
Реальность
За три года только 25% инициатив дали ожидаемый ROI, только 16% масштабированы на уровень предприятия
Средний ИИ-ROI по данным CAIO — 14%
60% CEO всё ещё в стадии пилотов — при том что годом ранее более двух третей рассчитывали выйти из неё к 2025
Доля рассчитывающих двигать рост с помощью ИИ упала с 67% до чуть более 50%
Только 52% CEO получают ценность сверх сокращения затрат
В маркетинге картина была ещё жёстче: 19% пилотов с ожидаемым ROI, 25% масштабированных на несколько бизнес-юнитов, 14% на всё предприятие. 58% CMO признавались, что инвестируют в технологии до того, как понимают их ценность, из страха отстать.
Два ответа одних и тех же людей в одном и том же опросе.
72%
CAIO говорят, что организация рискует отстать без измерения эффекта ИИ
68%
тех же CAIO запускают проекты, эффект которых оценить не могут
72% и 68% — это одни и те же люди, отвечающие на два соседних вопроса. Знают, что без измерения отстанут. И всё равно запускают неизмеримое. Это не глупость и не лицемерие — это описание рынка, где цена бездействия выше цены ошибки.
В 2025 году так и надо было читать рынок: инвестировать до понимания ценности было честным описанием стратегии, а не ошибкой. В 2026-м то же поведение стало стоить измеримо дороже — потому что за 2024–2025 верхняя граница распределения поднялась с 200% до 250%, а нижняя — лишь с −35% до −20%.
Если положить две колонки рядом, разрыв окажется не между «оптимистами» и «пессимистами», а между горизонтом обещания и горизонтом отчёта. 85% ожидают ROI «к 2027» — это про будущее, и потому безопасно. 25% достигли ROI «за три года» — это про прошлое, и потому проверяемо. Эти две цифры получены из разных срезов управленческой аудитории, поэтому их стоит сравнивать как ожидание и фактический результат рынка, а не как изменение мнения одних и тех же людей.
3.2 Как есть в 2026: деньги выросли резко
На бюджеты это признание не повлияло никак: в первом квартале 2026 года прогноз расходов разом прыгнул со 124 до 207 млн долларов.
Средний прогноз расходов у американских корпораций с выручкой ≥ $1 млрд, $ млн. Шесть волн KPMG.
Минимум ряда — $88 млн во втором квартале 2025 года, возврат к $130 млн в третьем, скачок до $207 млн в первом квартале 2026-го и удержание $202 млн во втором.
ИИ-расходы как доля ИТ-бюджета: +71% за два года
Полая заливка — прогноз, сплошная — факт.
Для сравнения: годом ранее IBM прогнозировала прирост доли около +31% в год — ожидания ускорились.
3.3 Измерение стало сложнее, а не проще
Деньги нашлись быстро — а вот способность объяснить, за что они потрачены, за тот же год просела.
Барьеры к демонстрации ROI: измерять стало труднее, а не легчеKPMG Q1’26
Q1 2025 → Q1 2026. Три из четырёх барьеров выросли почти вдвое.
Вниз идёт единственный пункт — риски приватности и кибербезопасности. Всё остальное, чем отдачу от ИИ объясняют совету директоров, за год стало объяснять труднее.
78% лидеров ещё в Q3 2025 согласились, что традиционные бизнес-метрики становятся недостаточными для измерения эффекта ИИ. К 2026 это привело к появлению новых метрик: «улучшенная аналитика, используемая высшим руководством в принятии решений» выросла как метрика ROI с 62% до 83% за квартал и удержалась второй квартал подряд.
3.4 Новый предмет измерения — себестоимость самого ИИ
Q2 2026 впервые ставит вопрос об экономике эксплуатации. Ответ неутешительный.
Видимость операционных издержек ИИ: контроль есть, видимости нетKPMG Q2’26
Две панели одного опроса: что внедрено для управления издержками и что при этом видно. Доли организаций, Q2 2026.
84%
технологических лидеров не операционализировали финансовое управление ИИ
85%
не имеют полной видимости расходов в реальном времени
Не видно не только, сколько уходит, — не видно и надолго ли: сам актив, на который идут эти деньги, живёт куда меньше, чем принято закладывать.
Активы стали другими: срок жизни ИИ-модели — около 14 месяцевIBM Tech 2026
Это ставит под сомнение бизнес-кейсы, которые предполагают неизменность модельного слоя на горизонте трёх-пяти лет.
14
месяцев — средний полезный срок жизни модели
Главные причины замены модели
Первое: бюджет за год вырос почти вдвое — а себестоимость предмета, в который он уходит, три четверти организаций не видят. Между «есть инструмент» и «есть картина» — сорок пунктов, и это, по-моему, самая недооценённая цифра года: инструмент купили, процесс не построили.
Вторая: 14 месяцев — средний жизненный цикл модели в выборке IBM. Это не то же самое, что бухгалтерский срок полезного использования всей ИИ-системы: в неё входят инфраструктура, данные, интеграции, программное обеспечение и обучение. Но бизнес-кейс, который предполагает один и тот же модельный слой на три-пять лет, действительно становится хрупким. Главная причина замены модели — появление лучшей модели (71%). Здесь актив чаще теряет актуальность из-за внешнего прогресса, а не физического износа.
Отсюда не следует единый бухгалтерский способ учёта: он зависит от конкретного актива и правил отчётности. Зато следует управленческий принцип, который формулирует сама IBM: вести ИИ как постоянно пересматриваемый портфель — обновлять модели, закрывать слабые ставки и перераспределять капитал. Косвенные выгоды при этом лучше считать на уровне процесса или портфеля, чтобы смена конкретной модели не обнуляла весь бизнес-кейс.
3.5 Прогноз, который не сбылся
Если горизонт возврата сжался до полутора лет, стоит проверить, насколько эти прогнозы вообще попадают в собственные сроки.
IBM опубликовала таблицу собственных прошлых прогнозов, и она стоит отдельного внимания.
Систематическая ошибка в сроках на два года при растущей уверенности в исходеIBM CEO 2026
Доля CEO, ожидающих, что ИИ будет преимущественно двигать рост.
В 2024 году 49% CEO ожидали, что к 2026 ИИ будет преимущественно двигать рост; факт 2026 года — 10%. Уверенность в том же исходе к 2030 году за это время не снизилась, а выросла — с 55% до 72%.
Здесь источник опубликовал собственный промах — редкость для корпоративного исследования. В 2024 году 49% CEO ожидали, что к 2026 ИИ будет преимущественно двигать рост; фактическая доля в 2026 — 10%. При этом ожидание того же исхода к 2030 году выросло с 55% до 72%. Это показывает устойчивость ожиданий даже после промаха по срокам, но одного такого ряда недостаточно, чтобы выводить универсальный закон технологических рынков.
Но интереснее вторая линия. Столкнувшись с промахом, рынок не понизил ожидания — он их поднял: прогноз на 2030 вырос с 55% до 72%. Это узнаваемая структура: срок сдвигается, уверенность растёт. Так ведут себя ожидания на всех технологических рынках, и именно так они ведут себя прямо перед коррекцией ожиданий.
Отсюда правило проще: дальние прогнозы CEO здесь нужно читать как ожидания, а не как календарные обещания. Один промах 2024 → 2026 не даёт права автоматически сдвигать любой прогноз на два года; он даёт основание регулярно пересматривать горизонт по мере появления факта.
3.6 Точка напряжения
Два утверждения невозможно примирить напрямую: KPMG фиксирует, что 97–98% руководителей называют производительность и прибыльность топ-метриками возврата от ИИ, а PwC по данным CEO Survey — что только 8% CEO сообщают о более чем незначительном приросте выручки от ИИ. Это не расхождение данных, а расхождение вопросов. Любой ИИ-ROI, взятый из опроса руководителей, следует читать как показатель настроения, а не как финансовый факт.
Если самому ROI из опросов верить нельзя, остаётся мерить то, что проверяется без опроса, — структуру и её цену.
организаций видят операционные издержки ИИ полностью
+38%
ожидаемый рост выручки у тех, кто выстроил все три опоры структурной готовности сразу; там же +7% операционной маржи и вдвое с лишним больше агентов
Насколько выше ROI у одной группы, чем у другой, в процентах к самому ROI. Ранняя сменяемость архитектуры — замер 2025 года.
Бенчмарк
01
Доля инициатив с достигнутым ожидаемым ROI25% (2025)
02
Доля масштабированных на предприятие16% (2025)
03
ИИ-расходы как доля ИТ-бюджета14,5% → 19,0% → 24,9%
04
Разброс ROI между верхней и нижней границами+250% / −20% (2025)
05
Средний срок жизни модели~14 месяцев
Направление 2
Масштабирование
Экономика дала разброс: у одних кратный возврат, у других убыток на той же технологии. Первое, чем эти две группы отличаются на практике, видно сразу — одни дошли до промышленной эксплуатации, другие шестую волну подряд остаются в пилоте.
Что измеряем. Где организации реально находятся на пути от эксперимента к промышленной эксплуатации, и насколько заявленная зрелость совпадает с наблюдаемой.
4.1 Как было в 2025: барьер сместился с людей на архитектуру
Год начался с массового выхода из эксперимента и закончился в промежуточном состоянии. Microsoft: 24% лидеров сообщили о развёртывании ИИ в масштабе всей организации, 12% оставались в пилоте; 82% назвали год поворотным; 81% ожидали интеграции агентов в горизонте 12–18 месяцев. BCG со стороны сотрудников: только 13% видят агентов интегрированными в сквозные процессы, при этом 77% считают агентов важными в горизонте 3–5 лет и только 33% понимают, что это такое.
Барьеры к развёртыванию агентов по волнам. Состав барьеров меняется от волны к волне: в Q2 2025 барьер называли людским, в Q3 — техническим, в Q2 2026 — архитектурным.
Сопротивление персонала — падает вдвоеГотовность данных — появляется сразу первымОстальные барьеры
Сопротивление персонала упало с 47% до 21% за квартал и в 2026 году в списке барьеров уже не публикуется. Его место заняли готовность данных — 58% — и навыки человеческого надзора — 43%. Пустая позиция означает, что барьер в этой волне не публиковался.
К Q4 2025 сложность держалась топ-барьером второй квартал подряд, а на первый план вышли структурные проблемы: непоследовательное использование по бизнес-юнитам выросло с 19% до 45%, отсутствие организационной инфраструктуры — 41% (втрое за два квартала), неясная корпоративная стратегия — с 20% до 32%.
4.2 Как есть в 2026: общее развёртывание встало, связывание агентов в цепочки удвоилось
Структура развёртывания: Q1 2026 → Q2 2026KPMG Q2’26
Общее число развернувших почти не изменилось (55% → 53%), но внутри произошёл качественный сдвиг. В собственной волне KPMG Q1 2026 масштабирование на несколько функций — 40%; в ряду — ретроспективная цифра того же показателя из дека Q2 2026.
13→30%
интеграция агентов в сквозные процессы, BCG, за год
×2,3
×15
рост числа активных агентов в экосистеме M365 год к году
×18 в крупных предприятиях
1 661
агентов на предприятие ожидается к 2027
+38% к сегодняшнему
61%
считают, что через 3 года агенты смогут делать половину их работы
рядовые сотрудники 52% · менеджеры и руководители 65%
Осведомлённость выросла, понимание — тоже, но с оговоркой: слышали об агентах 72% → 84% (+12 пп), ограниченно понимают, что это, — 52% (−15 пп к 2025). Среди рядовых сотрудников ограниченно понимают 61%.
Пока люди разбираются, что такое агент, часть решений уже принимается без них — и эта доля измерена.
Автономность решений: 25% сегодня → 48% к 2030IBM CEO 2026
Доля операционных решений, принимаемых ИИ без вмешательства человека. Речь о ценообразовании, распределении запасов, перемаршрутизации отгрузок, автоустранении инцидентов.
65%
организаций планируют или уже реализуют ИИ-автономию в прогнозировании спроса
61%
организаций — в оптимизации запасов
Стагнация общего развёртывания при удвоении связывания агентов в систему — самая содержательная пара цифр этого направления. Обычно такое читают как «рост остановился». По-моему, наоборот: рост сменил направление с экстенсивного на интенсивный. Организации перестали добавлять новых агентов и начали связывать имеющихся.
Барьеры за год сменили природу целиком: в Q2'26 первое место занимает готовность данных (58%), которой в 2025 в списке вообще не было. Люди перестали быть проблемой примерно за два квартала. Данные проблемой стать успели.
И одна цифра, на которую стоит смотреть с осторожностью: 61% сотрудников считают, что через три года агенты смогут делать половину их работы. Это не прогноз — это самооценка людей, у которых 52% «ограниченно понимают, что такое агент». Ценность этой цифры не в точности, а в направлении ожиданий: люди уже готовы к тому, к чему организации ещё не готовы. Только 11% технологических лидеров чувствуют себя полностью готовыми к масштабу развёртывания.
4.3 Точка напряжения: заявленная зрелость против наблюдаемой
Кто спрашивает
01
KPMGКого Руководителей США · Результат53–55% развернули агентов
02
BCGКого Сотрудников всех уровней · Результат30% видят агентов в рабочих процессах
03
Stanford HAIКого Вторичные данные · Результат Развёртывание в однозначных процентах почти по всем функциям
04
IBMКого CIO / CTO · Результат Только 11% полностью готовы к масштабу в ближайшие 12 мес. — при том что 80% получают мандат на трансформацию напрямую от CEO
Разброс от «однозначных процентов» до 55% — не шум. Это разные определения: «организация где-то развернула хотя бы одного агента» ≠ «агенты работают в сквозном процессе» ≠ «функция систематически исполняется агентами». Собственную зрелость надо измерять по самому строгому из трёх.
Функциональная неравномерность: разброс в 47 раз между крайними функциямиKPMG Q3’25
Доля организаций, развернувших агентов в рабочие процессы соответствующей функции, Q3 2025.
Маркетинг и HR — функции, о которых в связи с ИИ говорят чаще прочих; в них же развёрнуто меньше всего.
HR — 2%. Функция, которая отвечает за переобучение, за управление изменениями, за смешанные команды «человек × ИИ», сама почти не использует ИИ. При этом именно от HR ждут решения и разрыва в указаниях, и разрыва в обучении, который не сдвинулся за два года.
Форма кривой показывает, что ИИ чаще развёрнут там, где результат легче проверить (IT 95%, операции 89%), и реже — там, где результат сильнее зависит от суждения о людях (HR 2%, маркетинг 18%). Это согласуется с неровностью, которую Stanford описывает на уровне моделей: 26% прироста в разработке ПО и слабый или отрицательный эффект в задачах на суждение. Совпадение интересно, но само по себе не доказывает, что именно способности моделей определили порядок внедрения.
4.4 Что измерять
Если свести всё сказанное к тому, за чем имеет смысл следить у себя, остаётся шесть строк — и у каждой есть бенчмарк из этого раздела.
Доля бизнес-функций, где агенты интегрированы в сквозной процесс, а не запущены как отдельное приложение
Отношение «связанных в систему» агентов к общему числу развёрнутых — прямого бенчмарка нет; ближайший замер сделан по другому знаменателю — в стадии связывания агентов в цепочки находятся 18% организаций (Q2'26)
Число агентов на организацию и его прогноз — бенчмарк 1 661 к 2027
Доля операционных решений без человека — бенчмарк 25% сегодня → 48% к 2030
Готовность к масштабу по самооценке технологического руководства — бенчмарк 11% «полностью готовы»
Разрыв между оценкой руководителей и оценкой сотрудников по одному и тому же показателю
Направление 3
Данные и архитектура
Барьеры масштабирования за год сменили природу целиком: сопротивление персонала упало вдвое за квартал, а на первое место вышло то, чего в списке 2025 года вообще не было, — готовность данных, 58%. Значит, следующий слой — фундамент, на котором всё это стоит.
Что измеряем. Способность технологического фундамента успевать перестраиваться быстрее, чем меняется сама технология.
5.1 Как было в 2025: узкое место называлось «данные»
Год назад на вопрос «что мешает» отвечали одинаково, и ответ умещался в одно слово: данные.
IBM посвятила проблеме отдельное исследование. Формулировка из предисловия CDO Study: данные заперты внутри функций, у каждой функции свои, нет общей таксономии, нет сквозной видимости — и каждая ИИ-инициатива превращается в проект чистки данных длиной от шести до двенадцати месяцев.
Появился и архитектурный сдвиг: 81% CDO приносят ИИ к данным, а не централизуют данные ради ИИ. Доля ИТ-бюджета, уходящая на стратегию данных, за два года выросла с 4% до 13%.
Крепким — по формальным признакам. Но стоит задать вопрос не «сделано ли», а «выдержит ли» — и ответы падают втрое. Пять таких вопросов заданы разным аудиториям в разных исследованиях, и все пять сошлись в одном коридоре.
Потолок уверенности: пять независимых замеров сошлись на четвертиIBM CDO 2025
Доля руководителей, уверенных в соответствующем элементе фундамента. Пять разных вопросов, один и тот же диапазон.
Для контекста: 92% CDO обязаны быть бенчмаркованными на результат, но только 29% полностью согласны, что имеют чёткие меры ценности результата.
Такое совпадение не бывает случайным. Оно означает, что мы упёрлись не в конкретную дыру, а в общий потолок: примерно четверть организаций реально дошла до состояния, в котором фундамент готов к следующему шагу.
И вот что здесь по-настоящему интересно. Интеграция стратегии данных выросла с 52% до 81%. Платформы — с 41% до 75%. Прогресс огромный. Уверенность — четверть. Значит, требования росли быстрее фундамента. Это и есть содержание переформулировки узкого места: не «данные плохие», а «мы бежим, а горизонт отодвигается быстрее».
5.2 Как есть в 2026: узкое место называется «адаптивность»
Когда горизонт отодвигается быстрее, чем ты бежишь, вопрос «готовы ли мы» перестаёт работать в старой формулировке — и в 2026 году его переписали.
IBM переопределила само понятие готовности. Раньше готовность означала стабильность — соответствие известной операционной модели, оптимизированной под непрерывность, стоимость и предсказуемость. На машинной скорости это перестало работать: когда модели, платформы и инструменты меняются быстрее циклов планирования, стабильность превращается в ограничение. Новое определение готовности — сменяемость: способность переносить нагрузки, менять модели и поглощать новые возможности без масштабной перестройки.
За что платят при выходе из облака: барьеры к переносу нагрузокIBM Tech 2026
То, что выглядит негибкостью сегодня, — следствие рациональных решений вчерашнего дня.
88%
организаций планируют или пытаются перенести нагрузки между провайдерами
25%
своих нагрузок они называют легко переносимыми
88% организаций пробуют или планируют перенести нагрузки — и лишь четверть самих нагрузок техруководители называют легко переносимыми. Три строки выше — то, обо что эта разница упирается: дело не в лени, а в том, за что платят при выходе из облака.
+48%
на столько облачные расходы превысили изначальные прогнозы
80%
организаций: расходы на передачу данных выше ожиданий
+10%
возврат на ИИ-инвестиции у тех, кто спроектировал сменяемость рано
Изначальные причины перехода в облако: оптимизация затрат 60%, обеспечение инноваций 59%. Оптимизация под стоимость и создала зависимость.
IBM показывает важный trade-off: решения, принятые ради стоимости и удобства вчера, могут ограничивать переносимость сегодня. 60% называли оптимизацию затрат одной из причин перехода в облако, а теперь только четверть нагрузок считают легко переносимыми. Эти два факта совместимы с историей накопившейся зависимости от провайдера, но сами по себе не доказывают, что именно оптимизация затрат её вызвала.
В переопределении готовности меняется инженерный приоритет: к предсказуемости добавляется переносимость и способность быстро менять компоненты. Это не строго противоположные цели, но между специализацией под конкретную платформу и переносимостью часто есть trade-off по стоимости и сложности. Более высокий заявленный ROI у организаций, которые раньше инвестировали в сменяемость, — ассоциация, а не «цена» одного конкретного решения.
5.3 Как данные выглядят в 2026 с других сторон
Пока это диагноз одного источника — но в ту же точку, каждый со своей стороны, упираются и остальные три.
KPMG: качество данных как барьер к целям ИИ-стратегии в 2025 году называли 82%. К Q2 2026 готовность и доступность данных стали главным барьером развёртывания агентов — 58%, обойдя навыки человеческого надзора (43%), сложность агентных систем (38%) и технические навыки (37%). BCG: адекватные ограничители видят 59% сотрудников в компаниях, перепроектирующих процессы, против 41% у тех, кто просто разворачивает инструменты. Stanford: физический потолок стал видимым — 29,6 ГВт мощности ИИ-ЦОД и зависимость всей цепочки поставок передовых чипов от одного тайваньского подрядчика.
5.4 Данные как источник дифференциации
Всё сказанное до сих пор описывает данные как обузу. У них есть и обратная сторона, и звучит она гораздо тише: это единственное, что конкурент не может скопировать.
Это самая недооценённая линия отчёта, и в 2026 она усилилась. В 2025: 84% CDO говорят, что их уникальные продукты на данных уже дали значимое конкурентное преимущество; 78% называют использование проприетарных данных топ-задачей дифференциации; 72% CEO — что проприетарные данные ключ к раскрытию ценности генеративного ИИ; 82% CDO считают суверенитет данных критическим элементом риск-менеджмента.
В 2026: 83% всех CEO — и 97% CEO ИИ-бенчмаркованных компаний — говорят, что ИИ-суверенитет существенен для их бизнес-стратегии; 63% CEO согласны, что конкурентное преимущество в 2030 будет исходить прежде всего из изощрённости их ИИ-моделей.
Модельная стратегия меняется местами: универсальные → гибридIBM CEO 2026
Основная модельная стратегия организаций, 2026 → ожидание на 2030.
Гибрид выбирают не из осторожности: у тех, кто уже подобрал микс, отрыв от «одной большой модели» виден сразу по трём измерениям.
+24%
больший прирост производительности у тех, кто использует правильный микс моделей
+55%
большее улучшение операционной маржи к 2030
×2
большее сокращение времени цикла процессов
Сравнение с теми, кто опирается преимущественно на крупные предобученные модели. Типичная организация уже в 2025 использовала 11 генеративных моделей и планировала минимум 16 к концу 2026.
Сдвиг 39% → 13% по универсальным предобученным моделям и 13% → 50% по гибриду — это, по сути, прогноз о том, что «просто взять лучшую модель» перестанет быть стратегией. Причём организации ожидают этого от себя сами, а не от рынка.
Рядом с этим стоит держать ещё две цифры. Срок жизни модели — 14 месяцев, главная причина замены — появление лучшей (71%). Число моделей в эксплуатации выросло с 11 до 16. При таком сочетании организация меняет больше одной модели в месяц. Никакая стратегия «выбрать правильную модель» при таком темпе не работает — работает только стратегия «уметь менять быстро». Это ровно та же сменяемость, только на уровне моделей, а не инфраструктуры.
И отдельно про суверенитет: 83% всех CEO против 97% CEO ИИ-бенчмаркованных компаний. Разрыв в 14 пунктов между теми, кто уже перестроился, и всеми остальными — это опережающий индикатор. ИИ-бенчмаркованные компании стабильно опережают среднее по всем показателям на год-полтора.
5.5 Точка напряжения
Формально фундамент выглядит крепким. Но уверенность в том, что этот фундамент выдержит следующий шаг, осталась на уровне четверти. Прогресс реален, но он не догнал рост требований. Именно это и означает переформулировка узкого места с «данных» на «адаптивность».
5.6 Что измерять
Доля нагрузок, реально легко переносимых между провайдерами — бенчмарк 25%
Отклонение облачных расходов от плана — бенчмарк +48%
Доля ИТ-бюджета на стратегию данных — бенчмарк 4% (2023) → 13% (2025)
Наличие чётких мер ценности решений на данных — бенчмарк 29% полностью согласны
Доля моделей в портфеле: универсальные / малые специализированные / кастомные — бенчмарк на 2030 50% гибридная стратегия
Число моделей в эксплуатации — бенчмарк 11 → 16
Время от постановки задачи до доступности нужных данных
Направление 4
Управляемость и доверие
Фундамент оказался не «плохими данными», а неспособностью меняться: перенести нагрузки планируют 88% организаций, а легко переносима лишь четверть самих нагрузок. Но сменяемость без контроля даёт не скорость, а 54 инцидента в год. Отсюда — управляемость.
Что измеряем. Управляемость ИИ как условие масштабирования, а не как компенсирующий контроль.
6.1 Как было в 2025: управляемость как риск-функция
Доверие было главной темой первого квартала: лидеры называли доверие к точности и справедливости выводов ИИ самым большим общественным вызовом до 2030 (32%), следом — злоупотребление ИИ злоумышленниками (30%). Дальше за год приоритеты поменялись местами: к Q2 злоупотребление вышло на первое место — 38% против 37% у доверия к точности; само оно поднялось с 30%, а к Q3 выросло до 45%, тогда как доверие к точности упало до 28%.
Надзор ужесточался весь 2025 год и стабилизировался на валидации результатаKPMG Q2’26 · шесть волн
Меры снижения рисков агентов по кварталам. Пропуск означает, что в этой волне меру не публиковали.
Доверенные провайдерыЧеловек на каждое действиеНет доступа к чувствительным даннымВалидация результата
Надзор ужесточали не из осторожности: к концу 2025 года почти всё, что мешало ИИ-стратегии, свелось к одному семейству угроз.
Два разных вопроса одной волны, Q4 2025: что мешает целям ИИ-стратегии и какие угрозы беспокоят больше всего.
Половина лидеров планировала выделить $10–50 млн на защиту агентных архитектур, улучшение прослеживаемости данных и ужесточение управления моделями. При этом IBM фиксировала, что только 22% организаций установили чёткие правила для использования ИИ в автоматизированном принятии решений — то есть примерно у восьми из десяти их не было.
6.2 Как есть в 2026: управляемость как условие масштаба
Смена рамки зафиксирована буквально. KPMG Q1 2026 выносит в резюме для руководства: «управляемость — условие масштабирования». 91% лидеров называют вопросы безопасности данных, приватности и рисков главным фактором, влияющим на ИИ-стратегию в ближайшие полгода; в Q2 2026 — 92%.
Самооценка технологических лидеров: разрыв между темпом внедрения и способностью его контролировать.
Ответственность раздали, а инструментов под неё не выдали. Ещё два замера источник даёт только словами: более двух третей техруководителей говорят, что бизнес-юниты обходят IT при внедрении ИИ, и две трети — что отвечают за системы, которые не контролируют полностью.
Пока всё это — самоощущение: «не успеваем». В 2026 году у ощущения впервые появился счётчик.
Инциденты стали измеримыми: 54 за год на среднюю организациюIBM Tech 2026
Слева — за сколько инцидент удаётся устранить, справа — чем он заканчивается для бизнеса. Высокая тяжесть по определению источника — более четырёх часов на устранение.
Время устранения
Основные последствия
Раз инциденты всё равно случаются, весь вопрос в том, чем их гасить: процедурой на каждый случай или архитектурой сразу на все.
Главная цифра направления: встроенный контроль против ручного управленияIBM Tech 2026
Контроль, встроенный в архитектуру, против контроля, реализованного процедурами.
×16
больше развёрнутых агентов
×4
меньшая доля ИИ-бюджета на это потрачена
+18%
операционная маржа
«Контроль сместился с одобрения входов на непрерывный надзор за выходами и результатами — от ворот к ограждениям».Dena Almansoori, ADNOC — цитата из IBM Tech Leader 2026
Что такое встроенный контроль: платформенные команды владеют общими ограничителями — телеметрией, реестром моделей, идентичностью, логированием, откатом; риск и комплаенс задают пороги политик; архитектура задаёт эталонные паттерны; бизнес-домены владеют результатами внутри ограничителей; реагирование на инциденты держит предопределённые процедуры остановки и восстановления.
Форма кривой надзора меняется по мере масштаба: «человек на каждое действие» сначала растёт, а затем исчезает; «валидация результата» появляется позже и остаётся. Это совместимо со сдвигом к более масштабируемым формам контроля: проверка каждого действия растёт вместе с числом действий, тогда как контроль результатов можно агрегировать. При 54 инцидентах в год и 17% высокой тяжести получается примерно девять высокотяжёлых инцидентов в год; по определению IBM каждый из них требует более четырёх часов на устранение. Два частых последствия — утечка данных (37%) и каскадные отказы (33%) — делают скорость реагирования существенной. Сам разрыв между мандатом и готовностью велик; одна из гипотез состоит в том, что архитектура управления даёт менее быстрый и менее заметный результат, чем запуск нового инструмента, но данные эту причину напрямую не проверяют.
При 54 инцидентах в год и доле высокой тяжести 17% получается примерно девять высокотяжёлых инцидентов в год. По определению IBM, каждый такой инцидент требует более четырёх часов на устранение; это не означает, что каждый длится ровно полрабочего дня.
Самое неудобное здесь — размер разрыва между мандатом на трансформацию и ощущением готовности. Одна из возможных причин — архитектура управления даёт менее быстрый и менее заметный результат, чем запуск нового инструмента; сами данные эту причину не проверяют.
Готовность к масштабу
11%
технологических лидеров чувствуют себя полностью готовыми к ожидаемому масштабу агентов — при том что 80% получают мандат на трансформацию напрямую от CEO
6.3 Управляемость глазами сотрудника — там ничего не готово
Всё предыдущее — вид из кабинета, где ×16 агентов и +18% маржи уже сосчитаны. Этажом ниже, там, где смешанные команды работают каждый день, ничего из этого пока не видно.
Нет чётких указаний по управлению смешанными командами «человек × ИИ»BCG 2026
Доля сотрудников, не видящих правил, — по уровням иерархии.
47% ставят подотчётность за решения ИИ в топ-3 своих опасений на ближайшие 2–3 года — и это одинаково на всех уровнях: рядовые сотрудники 46%, менеджеры 47%, руководители 46%. Единственный вопрос, по которому иерархия не даёт расхождения.
Во всём остальном между уровнями расхождение в 10–25 пунктов. Здесь разрыв сохраняется: от 55% у менеджеров до 41% у руководителей. Сходится в одну точку другой замер — обеспокоенность подотчётностью за решения ИИ, 46–47% на всех уровнях.
Мне это кажется важным сигналом. Обычно совпадение по уровням означает, что вопрос касается всех одинаково — а подотчётность за решение ИИ действительно касается всех одинаково, потому что никто не знает ответа. Руководитель боится отвечать за то, чего не контролирует (две трети так и говорят); исполнитель боится отвечать за то, чего не выбирал. Это не разрыв восприятия, а общая неопределённость правовой и организационной рамки. И решается она не коммуникацией, а собственно правилами, которых у половины компаний нет.
За стенами компаний счёт идёт такой же, только ведут его уже не службы безопасности, а исследователи.
6.4 Макро-контур
Stanford: задокументированных ИИ-инцидентов за год — 362. Практически все ведущие разработчики передовых моделей отчитываются по тестам способностей, но отчётность по тестам ответственного ИИ остаётся выборочной. И отдельное неудобное открытие: улучшение одного измерения ответственного ИИ, например безопасности, может ухудшить другое, например точность.
6.5 Точка напряжения
Признана условием масштабирования — 91–92% лидеров ставят управляемость во главу стратегии
Экономически оправдана — ×16 агентов при вчетверо меньших затратах и +18% маржи
И не построен —
6.6 Что измерять
Доля агентов и моделей, зарегистрированных, наблюдаемых, с назначенным владельцем и возможностью остановки — минимальный стандарт продакшна по IBM
Число инцидентов с агентами и распределение времени устранения — бенчмарк 54 инцидента/год, 17% дольше 4 часов
Отношение роста числа инцидентов к росту числа агентов — ключевой индикатор зрелости управления
Доля контролей, реализованных в коде, а не в документах политики
Модель надзора: человек в контуре на каждое действие / валидация результата / автономия внутри ограничителей — бенчмарк 52% на валидации результата
Доля сотрудников, видящих чёткие правила работы смешанных команд — бенчмарк 50% их не видят
Направление 5
Операционная модель
Управляемость признана почти всеми и построена почти никем: 92% ставят её во главу стратегии, 11% готовы к масштабу. Разрыв такого размера техникой уже не объясняется — он объясняется тем, как устроена сама работа.
Что измеряем. Главный водораздел: развернуть инструмент против перепроектировать работу. Здесь консенсус всех шести источников — и здесь же самая большая доказательная база.
7.1 Как было в 2025
Весь спор о том, что значит «внедрить ИИ», в 2025 году свёлся к одному вопросу: вы меняете инструмент или саму работу — и на этот вопрос впервые появилась линейка.
BCG ввела шкалу, которая стала стандартом де-факто для всех: Внедрение — раскатка инструментов и рост производительности; Перестройка — сквозной редизайн процессов и функций; Изобретение — новые бизнес-модели и продукты. Уже тогда BCG приводила собственное наблюдение: компании, создающие больше всего ценности с ИИ, направляют 80% инвестиций на перестройку и изобретение — в нескольких ключевых процессах, а не размазывают по всем.
Рекомендация рекомендацией, а сама масса организаций за год поехала по этой шкале вверх — и быстрее всего там, где вчера было почти пусто.
Доля организаций, работающих на каждом уровне. Это не части целого — организация может делать всё три сразу, суммы здесь не будет.
Организация может работать на всех трёх уровнях сразу, поэтому в сумме здесь больше ста процентов.
7.2 Что даёт редизайн: одни и те же действия дают и ценность, и удовлетворённость
Шкала говорит, кто на каком уровне, — а вот что она означает для человека внутри: BCG сложила рядом ответы тех, чью работу перепроектировали, и тех, кому просто выдали инструмент.
Перестройка и изобретение против внедрения: результатBCG 2026
Ответы сотрудников компаний, перепроектирующих работу, против сотрудников компаний, только раскатывающих инструменты. 2026.
Одни и те же вопросы, заданные двум группам. Разрыв держится по всем шести строкам: от 24 пунктов по измеримому улучшению бизнес-показателей до 11 по уверенности в работе с ИИ.
Те же две группы, но по практикам, а не по результату. Самый большой разрыв — участие сотрудников в редизайне процессов.
12% против 43%. Там, где инструменты просто раздали, в редизайне процессов участвует каждый восьмой; там, где процессы перепроектируют, — почти половина.
Оговорка, которую нельзя терять
Сотрудники компаний, перепроектирующих процессы, сильнее боятся потерять работу — 46% против 34% у компаний, ограничившихся раскаткой инструментов (при среднем 41%). В группах с более глубоким редизайном одновременно выше сообщаемая польза и выше тревога.
7.3 Стратегическая ясность сильнее связана с эффектом, чем доступ к инструментам
Из шести практик одна оторвалась от остальных настолько, что её стоило проверить отдельно — и BCG проверила.
BCG разделила респондентов глобального опроса по двум признакам — насколько им ясна стратегия компании по ИИ и насколько доступны инструменты — и сопоставила четыре получившиеся группы по доле тех, кто сообщает об измеримом эффекте.
В этом срезе группы различаются сильнее по ясности стратегии, чем по доступу к инструментамBCG 2026
Доля сообщающих об измеримом эффекте от ИИ в каждой из четырёх групп.
При одинаковом доступе к инструментам высокая ясность отличает группы на 23–25 пунктов; при одинаковой ясности широкий доступ — на 3–5.
Если из всего отчёта надо было бы оставить одну цифру, я бы оставил эту. Не потому, что она доказывает причинность, а потому, что различие между группами по ясности стратегии заметно больше, чем различие по доступу к инструментам.
Ясность против инструментов
+25/+5
разница с базовой группой: +25 пп при высокой ясности и ограниченном доступе; +5 пп при широком доступе и низкой ясности
При этом сотрудники её измеряют сами: ясной стратегию называют 52% там, где процессы перепроектируют, и 31% там, где только раздали инструменты.
Отдельно про оговорку с 46% против 34% страха потерять работу. В группах с более глубоким перепроектированием одновременно больше сообщаемой пользы и больше тревоги. Это не доказывает причинность, но может отражать то, что изменения в их работе глубже и заметнее. Практический вывод простой: чем сильнее меняется работа, тем важнее ясная коммуникация о ролях, ожиданиях и последствиях изменений.
7.4 IBM: та же находка со стороны CEO
BCG спрашивала сотрудников — IBM спрашивала тех, кто эти решения подписывает, и получила ту же картину, только в других единицах.
×2
чаще выполняют бизнес-цели CEO, активно перепроектирующие кросс-функциональную работу
×4
чаще — те, кто перепроектировал пять ключевых областей как единую систему
87%
CEO активно встраивают ИИ в сквозные процессы
60–80%
рекомендуемая доля реинвестирования прироста производительности
Формулировка IBM: когда функции развиваются независимо, эффект прирастает линейно; когда их перепроектируют как единую систему, эффекты усиливают друг друга. Пять областей — технологии, финансы, HR, операции, кросс-функциональное взаимодействие. И жёсткая формулировка о приоритете: перепроектирование процессов предшествует редизайну ролей. «Не финансируйте переобучение, пока нет перепроектированного способа работы, в котором эти навыки можно применить».
Одна из самых методологически прозрачных находок отчёта: модель, факторы и ограничение «ассоциация, не причинность» описаны явно. Microsoft протестировала 29 факторов (10 организационных, 9 индивидуальных, 10 демографических) против самоотчётного эффекта от ИИ на выборке ~20 000. Формулировка авторов: «Настоящий вопрос не в том, есть ли у людей нужные навыки. Вопрос в том, устроена ли организация так, чтобы их раскрыть».
Где находятся пользователи ИИ по двум признакам: личная способность работать с ИИ и готовность организации это поддержать.
31% пользователей ИИ находятся в рассогласовании между собой и организацией — то есть вне категорий «зона лидеров» и «формирование».
Механика парадокса: те же силы, что ускоряют внедрение, его и удерживаютMicrosoft WTI 2026
Три ответа одних и тех же респондентов.
Метрики, стимулы и нормы продолжают поощрять старый способ работы.
Три цифры — 65 / 45 / 13 — показывают рассогласование между новыми возможностями и старыми правилами. Такой набор метрик и стимулов делает переосмысление работы менее привлекательным для сотрудника.
Особенно важны «связанные руки» — 10%: люди оценивают собственные навыки высоко, а поддержку организации низко. Это потенциально дорогой разрыв между уже созданной способностью и условиями её применения, но опрос не содержит данных о стоимости, поэтому называть эту категорию «самой дорогой» нельзя. Для сравнения, «незадействованный потенциал» — 5%; это показывает, что рассогласование чаще идёт со стороны организации, чем со стороны личной готовности.
Доля в 13% указывает на стимулы как на один из возможных организационных барьеров. Их стоит проверять вместе с метриками, поддержкой руководителей и правилами работы. Эти данные не доказывают, что изменение вознаграждения должно быть первым шагом или что его одного достаточно.
7.6 Организация как обучающаяся система — новая тема 2026 года
В 2025 этой линии практически не было. В 2026 она появляется сразу у двух источников. Microsoft формулирует её как «каждая компания — обучающаяся система»: фирмы, вырывающиеся вперёд, фокусируются на освоении ИИ, а не просто на внедрении — превращая результат работы в понимание, а понимание — в изменённый способ работы.
Как это выглядит в буднях, видно по тем 16% выборки, которых Microsoft называет лидирующей группой: у них отличаются не инструменты, а привычки команды.
Что делают сотрудники из лидирующей группы (16% выборки) иначеMicrosoft WTI 2026
Практики командной работы с ИИ.
Разрыв держится по всем строкам, но самая низкая пара — документирование рабочих процессов на уровне организации: 25% даже в лидирующей группе против 14% у остальных.
Даже у сотрудников из лидирующей группы рабочие процессы задокументированы на уровне организации только в 25% случаев. Это сильный сигнал слабой институционализации найденных практик.
Это значит, что собственный интеллект сейчас почти ни у кого не накапливается. Знание живёт в головах и в личных чатах, а не в институциональной памяти. И это, по-моему, самый недооценённый риск года: локальные победы 2026-го исчезнут вместе с людьми, которые их нашли, если их не кодифицировать. У технологии, где модель живёт 14 месяцев, единственный по-настоящему накапливаемый актив — это как раз то, как вы её применяете.
7.7 Точка напряжения
Это одно из самых согласованных направлений отчёта: разные источники указывают на важность организационного редизайна. Причинность при этом не установлена, поэтому полезнее измерять разрыв между заявленным редизайном и его фактической глубиной. Индикатор этого разрыва есть прямо в данных: 57% организаций заявляют перестройку, но лишь 43% сотрудников в них участвуют в редизайне процессов, и только 30% видят агентов, встроенных в их рабочие процессы.
7.8 Что измерять
Распределение инвестиций между уровнями «внедрение», «перестройка», «изобретение» — бенчмарк 2026 78% / 57% / 42%; рекомендация BCG: 80% инвестиций в перестройку и изобретение, в нескольких ключевых процессах
Число сквозных бизнес-областей, перепроектированных как единая система — бенчмарк 5 областей → ×4 вероятность выполнения целей
Доля сотрудников, считающих ИИ-стратегию ясной — бенчмарк 52% у лидеров против 31%
Доля сотрудников, участвующих в редизайне процессов — бенчмарк 43% против 12%, крупнейший разрыв
Зафиксированная доля реинвестирования прироста производительности — рекомендация IBM 60–80%
Доля сотрудников, вознаграждаемых за переосмысление работы независимо от результата — бенчмарк 13%
Доля команд, у которых рабочие процессы агентов и стандарты качества задокументированы и воспроизводимы
Направление 6
Лидерство
Стратегическая ясность оказалась сильнее доступа к инструментам впятеро: +25 пунктов против +5. Ясность нельзя купить — её кто-то должен сформулировать и донести. Кто именно и доходит ли это вниз — следующий вопрос.
Что измеряем. Кто отвечает за ИИ, как перестраивается верхний уровень управления и доходит ли направление до исполнителя.
8.1 Как было в 2025
Роль CAIO только появлялась: из 2 300 опрошенных организаций только 26% имели CAIO (в 2023 таких было 11%). 57% CAIO были назначены из внутреннего резерва, 66% ожидали, что CAIO появится у большинства организаций в ближайшие два года. В выборке IBM наличие роли было связано с более высоким заявленным результатом: +10% к ROI на ИИ-расходы и +24% вероятности превзойти конкурентов по инновациям.
Но сама по себе строчка в оргструктуре ничего не решала: при одинаковом титуле результат расходился в зависимости от того, как под руководителем устроена ИИ-функция.
Различия по операционной модели были больше, чем сам факт наличия ролиIBM CAIO 2025
Распределение организаций по стадиям зрелости в зависимости от операционной модели ИИ.
CAIO, ведущие «центр и подразделения» или централизованные модели, переводят вдвое больше пилотов в продакшн и получают на 36% более высокий ROI. Обратите внимание на нижнюю строку: у децентрализованных направление обратное — больше пилотов, меньше масштабированного.
61%
CAIO контролировали ИИ-бюджет организации
57%
отчитывались напрямую CEO или совету директоров
76%
другие CxO консультируются с ними по важным ИИ-решениям
32%
CAIO назвали CHRO одним из главных противников ИИ
Этажом выше сидит совет директоров, и к концу того же 2025 года ИИ добрался и туда.
Чем совет директоров занимался к концу 2025 годаKPMG Q4’25
Темы, которые советы разбирают в связи с ИИ, и доля тех, чей совет обладает «существенной» ИИ-экспертизой.
Совет обсуждает ИИ постоянно, но собственную экспертизу «существенной» называют лишь четыре совета из десяти. Разрыв между частотой обсуждения и компетентностью обсуждающих — характерная примета 2025 года.
8.2 Как есть в 2026: границы функций объявлены устаревшими
Роль CAIO стала нормой: 26% организаций в 2025 → 76% в 2026, и 100% CEO ожидают, что влияние CAIO вырастет к 2030. Это самое быстрое изменение организационной структуры из всего, что здесь измерено. При этом IBM даёт нетривиальную рекомендацию по мандату: дать CAIO полномочия над приоритетами, стандартами и воротами финансирования ИИ — но не владение бизнес-результатами. Ответственность за результат остаётся у линейных руководителей. «Именно это разделение позволяет двигаться быстро без хаоса».
Само же деление полномочий — частный случай того, что CEO в 2026 году стали говорить о своей управленческой конструкции вообще.
Что CEO говорят о структуре управления в 2026IBM CEO 2026
Доля CEO, согласных с утверждением.
Оговорка IBM к децентрализации: сначала надо объяснить, кто что решает, иначе она превращается в паралич. Конкретная рекомендация: привязать не менее 30% вознаграждения высшего руководства к общим результатам — рост, маржа, доверие клиентов, — а не к функциональным метрикам.
Если границы стёрлись, а вознаграждение общее, остаётся выяснить, кто в итоге принимает решение.
Кто отвечает за ИИ-обусловленные или исполненные бизнес-решения, Q2 2026.
67% согласны, что CEO активно владеет ИИ как стратегическим приоритетом с чёткой ответственностью за результаты по организации. Формулировка KPMG: «ИИ-лидерство заякорено наверху, но исполняется широкой группой лидеров». · Для сравнения, в 2025 по мнению 87% лидеров ИИ-стратегию вели CIO — владение было техническим.
Уверенность в ИИ на уровне стратегических решений перевернулась за годIBM CEO 2026
62%
2025: CEO считали генеративный ИИ слишком рискованным для применения в основных бизнес-функциях
64%
2026: CEO комфортно принимают крупные стратегические решения на основе выводов ИИ
Вопросы разные: в 2025 спрашивали про риск генеративного ИИ в основных бизнес-функциях, в 2026 — про комфорт принимать стратегические решения на его выводах.
Что меня здесь настораживает: данные не показывают, что сам риск объективно снизился. Задокументированных инцидентов за год — 362; только 22% организаций имели чёткие правила для автоматизированных решений; 77% признают отставание управляемости. При этом отношение руководителей к использованию ИИ в стратегических решениях стало заметно спокойнее. Рекомендация IBM разделить мандат и ответственность за результат логична как дизайн управления: CAIO задаёт стандарты, приоритеты и ворота финансирования, а P&L остаётся у бизнеса. Но эти данные не тестируют, действительно ли такая схема причинно снижает конфликт интересов или улучшает результат.
8.3 Разрыв между лидером и исполнителем — постоянная величина
Пока руководители перестраивают верхний этаж, снизу видно другое.
Один вопрос, заданный обеим сторонам: лидеры видят иначеMicrosoft WTI 2026
Ответы лидеров и сотрудников на одинаковые утверждения.
Лидеры вдвое чаще считают, что переосмысление работы вознаграждается — 21% против 10%. Это заметный разрыв восприятия между уровнями; он согласуется с Парадоксом трансформации, но сам по себе его причинно не объясняет.
Три замера 2026 года: два сняты у рядовых сотрудников, третий — у всех регулярных пользователей ИИ.
Все три замера сделаны в 2026 году, с разных сторон и разными исследователями — и все три дают примерно треть или меньше.
Потенциально дорогое следствие разрыва — неиспользованная способностьIBM CEO 2026
Два ответа одних и тех же CEO в одном и том же исследовании — но про разное: про себя и про рабочую силу.
Навыки признаны почти единогласно, а работает, по оценке тех же людей, четверть. Оплачено одно, используется другое.
«Разрыв между способностью и развёртыванием — это скорее проблема организационного дизайна, чем проблема навыков. Если ИИ не используется, это следует трактовать как операционный сбой, а не как проблему квалификации».IBM CEO Study 2026, с. 36–37
Разрыв 86% / 25% действительно выглядит как неиспользованная способность: те же CEO одновременно считают навыки широко доступными и регулярное применение ограниченным. Это согласуется с формулировкой IBM о проблеме организационного дизайна, но не даёт стоимости этого разрыва. Отдельно разрыв восприятия между руководителями и сотрудниками повторяется в нескольких срезах и у разных источников. Это делает его менее похожим на одноразовый шум, но не доказывает универсальное «свойство иерархии». Ясность стратегии поэтому лучше мерить с двух сторон — у тех, кто её формулирует, и у тех, кто должен по ней работать; взгляд сотрудников здесь критически важен как outcome-метрика.
Простаивающая мощность
86/25
процентов CEO говорят, что навыки для работы с ИИ у сотрудников есть, — и те же CEO оценивают регулярное использование ИИ в четверть рабочей силы
Похожий разрыв самооценки появляется у двух независимых источников и в нескольких срезах. Это делает паттерн менее похожим на одноразовый шум, но не доказывает универсальное «свойство иерархии». Ясность стратегии лучше измерять с двух сторон — у тех, кто её формулирует, и у тех, кто должен по ней работать; взгляд сотрудников здесь критически важен как outcome-метрика.
8.4 С чем связана поддержка руководства
У разрыва есть зеркальная сторона: в BCG сотрудники, которые сообщают о явной поддержке руководства, одновременно заметно чаще сообщают о регулярном использовании и позитивных эффектах ИИ. Это сравнение групп, а не эксперимент.
Разрыв в 40–47 пунктов между рядовыми сотрудниками с поддержкой и без неёBCG 2025
Один и тот же уровень иерархии; группы различаются по сообщаемой поддержке руководства, но могут отличаться и по другим ненаблюдаемым факторам.
Разности между группами, которые BCG разделяет по наличию сообщаемой поддержки руководства, — +41, +40 и +47 пунктов. Это ассоциации между группами, не причинный эффект поддержки.
Сотрудники из лидирующей группы работают именно в такой среде: их менеджер открыто использует ИИ (85% против 64%), задаёт стандарты качества для ИИ-работы (83% против 57%), создаёт пространство для экспериментов (84% против 61%), поощряет более амбициозный редизайн работы (87% против 61%).
8.5 Точка напряжения
Поэтому в списке ниже часть бенчмарков намеренно снята не с руководителя, а с рядового сотрудника.
8.6 Что измерять
Наличие CAIO и разграничение его мандата с линейной ответственностью — бенчмарк 76% организаций в 2026
Операционная модель ИИ: централизованная / гибридная / децентрализованная — бенчмарк +36% ROI у первых двух
Доля вознаграждения высшего руководства, привязанная к общим, а не функциональным результатам — рекомендация ≥30%
ИИ-экспертиза совета директоров — бенчмарк 8% → 40% «существенная»
Ясность ИИ-стратегии, измеренная у рядовых сотрудников — бенчмарк 33% BCG, 26%Microsoft
Соответствие слов и дел, измеренное у рядовых сотрудников — бенчмарк 28%
Разрыв между «у сотрудников есть навыки» (86%) и «сотрудники регулярно используют ИИ» (25%)
Направление 7
Рынок труда
Разрыв «навыки есть — не используют» руководители объясняют квалификацией людей. Рыночные данные объясняют иначе: с квалификацией на рынке труда происходит своё, и на опрос это не похоже совсем.
Что измеряем. Что происходит с людьми и рынком труда — по объективным данным вакансий и финотчётности, а не по опросам. Это направление держится на PwC и Stanford HAI: единственных двух источниках, которые не спрашивают руководителей, а смотрят на рынок.
9.1 Как было в 2025: агрегированный оптимизм
PwC проанализировала около миллиарда вакансий и тысячи финансовых отчётов на шести континентах и получила четыре вывода, каждый из которых опровергал распространённое опасение.
Распространённое мнение и что показали данные
01
ИИ пока не влияет на производительностьОтрасли, наиболее способные применять ИИ, показывают втрое больший рост выручки на сотрудника
02
ИИ давит на зарплатыЗарплаты растут вдвое быстрее в наиболее затронутых ИИ отраслях
03
ИИ сокращает число рабочих местЧисло вакансий растёт практически во всех затронутых ИИ профессиях
04
ИИ обесценивает автоматизируемые ролиЗарплаты растут и в автоматизируемых, и в дополняемых ролях; автоматизируемые даже быстрее наращивают требования к навыкам
Первый из этих четырёх выводов стоит развернуть: вот как «втрое» выглядит, если разложить отрасли по четвертям затронутости.
Рост производительности по четвертям по затронутости ИИ, отраслиPwC 2025
Замер издания 2025 года: единица наблюдения — отрасль, база 2018. Верхняя четверть обгоняет нижнюю более чем втрое.
Здесь четверти — по отраслям; похожий ряд в первой части отчёта построен по компаниям. Зарплаты по тем же четвертям, в том же порядке: 16,7% / 12,6% / 8,2% / 7,9%.
Производительность и зарплаты — только два среза из этого миллиарда вакансий; вот что PwC вытащила оттуда ещё.
56%
премия за ИИ-навыки в среднем (2025) — её платит каждая проанализированная отрасль
+38%
рост вакансий в затронутых ИИ профессиях против +65% в остальных за 5 лет
−7…−9 пп
падение спроса на формальные дипломы в затронутых ИИ ролях
>50%
женщин в затронутых ИИ профессиях в каждой проанализированной стране
2025 год был годом, когда данные опровергали страхи, и PwC отработала эту роль честно. Но одна строка в её же выводах уже тогда содержала будущее 2026 года: рабочих мест больше везде, но в затронутых ИИ профессиях растут медленнее. Через год эта единственная оговорка превратилась в главный сюжет.
И вот что я считаю недооценённым в той плитке про женщин. Раз в затронутых ИИ профессиях их большинство в каждой стране, то и выгоды, и риски обоих треков распределяются гендерно неравномерно, — а ни один источник не отслеживает это дальше констатации. Одна из самых заметных дыр в данных.
9.2 Как есть в 2026: агрегат распался на два трека
PwC 2026 берёт тот же массив (уже более миллиарда вакансий) и меняет саму систему координат. Вместо «затронутые ИИ / незатронутые ИИ» — три категории по тому, что именно ИИ забирает.
И как только рынок пересчитан по этим трём категориям, выясняется, что поделён он совсем не поровну.
Из чего состоит рынок вакансий: три категории по тому, что ИИ забираетPwC 2026
Историческая аналогия PwC: в 1980-х электронные таблицы снизили порог входа в работу бухгалтеров-клерков (постепенный, но устойчивый спад численности) и повысили требования к экспертизе финансовых аналитиков (резкий рост, продолжающийся до 2020-х). Тот же механизм, другой масштаб. PwC предлагает четыре вопроса для прогноза судьбы любой роли: как ИИ меняет требуемый уровень экспертизы; как изменится спрос на роль и предложение работников; где нужен человек для надзора или нетипичных случаев; какие внешние силы ограничивают применение ИИ.
Эти четыре вопроса нужны там, где будущее роли ещё открыто. Но есть точка рынка, где ответ виден уже сейчас, без всякого прогноза, — самое начало карьеры.
9.3 Вход в профессию — самый острый сюжет года
Начальные вакансии, сильнее всего затронутые ИИ, в семь раз чаще требуют навыков, которых раньше ждали от опытного специалиста: мотивационного лидерства, построения команд, управления людьми и заинтересованными сторонами, управления процессами, менторства, принятия решений на данных. Верхняя четверть по затронутости ИИ — единственный, где число ранних вакансий вышло на плато.
Вывод PwC: вход в профессию не исчезает, он «взрослеет по требованиям». Компаниям и образованию придётся перепроектировать онбординг, менторство и раннюю карьеру так, чтобы люди демонстрировали навыки опытного специалиста гораздо раньше.
Формулировка «вход не исчезает, а взрослеет по требованиям» звучит спокойнее, чем сами данные. Если ранняя вакансия требует лидерства, менторства и управления заинтересованными сторонами, возникает реальный вопрос: где человек успеет приобрести эти навыки, если они уже становятся условием входа? Данные PwC показывают рост требований к уровню кандидата, но ничего не говорят о зарплате таких вакансий — поэтому делать вывод «middle за junior pay» здесь нельзя.
Раньше цепочка обучения чаще выглядела так: простые задачи → опыт → более сложная ответственность. Одна из гипотез — часть первых задач теперь автоматизируется, а требования к следующему уровню остаются. Но вакансии не позволяют доказать, что именно ИИ «забрал первое звено». Корректнее говорить о наблюдаемом структурном давлении на раннюю карьеру и о риске ослабления традиционного пути накопления опыта. Данные Stanford по разработчикам 22–25 лет и ожидания CEO усиливают этот сигнал, но тоже не превращают его в доказанную причинную цепочку.
Сигнал здесь уже наблюдаемый, а не только прогнозный: Stanford фиксирует снижение занятости у американских разработчиков 22–25 лет к 2024 году, а 49% CEO сообщают о планах сокращать найм начинающих специалистов. Вместе с ростом требований к уровню кандидата PwC это усиливает риск для входа в профессию, но всё ещё не доказывает, что одна причина объясняет все три ряда.
9.4 Навыки: землетрясение ускоряется
Разрыв в скорости смены навыков между крайними квартилямиPwC 2026
На сколько процентов быстрее меняются требования в профессиях, сильнее всего затронутых ИИ против наименее затронутых ИИ.
116%
в 2,2 раза быстрее меняются требования в профессиях, сильнее всего затронутых ИИ в издании 2025 года тот же разрыв составлял 66%
По оси — годы данных, а не издания барометра: 25% за 2023-й, 66% за 2024-й, 116% за 2025-й. Каждый следующий год прибавляет к разрыву больше, чем предыдущий.
Чем больше применяется ИИ, тем выше ценится отчётливо человеческая экспертизаPwC 2026
Средний EPOCH-балл новых задач, добавленных к ролям с 2022 года. Рамка EPOCH (MIT, Loaiza и Rigobon) — пять способностей, в которых особенно важен человек.
Эмпатия и эмоциональный интеллектПрисутствие и связанностьМнение, суждение, этикаКреативность и воображениеНадежда, видение, лидерство
Чем сильнее ИИ затрагивает профессию, тем чаще новые задачи в ней опираются на способности, в которых особенно важен человек: 0,47 балла в верхней четверти против 0,19 в нижней.
9.5 Премия за ИИ-навыки и спрос на специалистов
За навыки, которые живут год и опираются на то, чего ИИ не умеет, рынок начал доплачивать — только доплачивает он очень по-разному.
Премия за ИИ-навыки по секторам, 2025 — по барометру 2026PwC 2026
Насколько выше средняя заявленная зарплата в вакансиях, требующих ИИ-навыков.
Среднее по 16 секторам за год выросло с 56% до 62%. Разброс при этом более чем семикратный — от 16% в госсекторе до 118% в потребительских рынках, — так что «премия 62%» как бенчмарк для конкретной компании не работает.
Премию платят за навык у обычного кандидата. Отдельно от этого рынок гонится за самими ИИ-специалистами — и вот с какой скоростью.
×8
во столько раз быстрее общего найма рос найм ИИ-специалистов в 2025
11,4%
всех вакансий 2025 года в TMT — на ИИ-специалистов
1,3 млн
ИИ-связанных вакансий создано за два года — ролей, которых не было пять лет назад
70%
навыков, используемых сегодня, изменятся к 2030 (прогноз LinkedIn)
Всё предыдущее в этом подразделе — годовые срезы. Между двумя соседними кварталами картина двигается не медленнее.
Работодатели удвоили готовность переплачивать за один кварталKPMG Q1’26
Доля лидеров, готовых платить на 11–15% больше за кандидатов с сильными ИИ-навыками.
В Q4 2025 76% лидеров были готовы платить до 10% больше и только 22% — на 11–15% больше.
9.6 Что происходит с наймом внутри компаний
Переплатить за готового человека — только один способ закрыть дефицит. Второй компании применяют внутри себя, и он масштабнее.
Переобучение под другую роль — с 19% до 29%, под текущую — с 41% до 53%IBM CEO 2026
Доля работников, переобученных под другую роль и под текущую: факт прошедшего года и прогноз CEO на 2026–2028.
Для сравнения, в 2025 CEO ожидали, что 31% работников потребуют переобучения за три года; 54% нанимали на роли, которых не существовало годом ранее; 65% планировали закрывать разрывы в навыках автоматизацией.
Переобучать — значит решить, чему именно учить. За последний год ответ работодателей перестал быть техническим.
Что работодатели требуют от начального уровня, Q1 2026.
Топ-стратегии обеспечения ИИ-кадров: переобучение текущего персонала 87%, найм на новые роли 68%, редизайн существующих ролей 55%, аутсорсинг 39%, покупка команды ради людей 17%.
Пока компании переучивают своих, агенты успели переписать и сам найм — причём не там, где этого ждали.
За один квартал агенты добрались до найма опытных специалистовKPMG Q1’26
Доля организаций, у которых агенты уже изменили подход к найму.
Тезис «ИИ трогает только начинающих» перестал быть верным именно в этом квартале — и перестал не потому, что начинающих отпустило, а потому, что очередь дошла до опытных.
Это средняя картина по всем. В одной функции, которая живёт на данных дольше остальных, она сгущается до предела.
Внутри функции данных проблема острее среднегоIBM CDO 2025
Состояние найма в функции данных.
Нанимать приходится на роли, которых год назад не существовало, — и только 53% директоров по данным говорят, что рекрутинг и удержание дают нужные навыки, против 75% годом раньше. Состав команд меняется быстрее, чем рекрутинг успевает под него подстроиться.
9.7 Точка напряжения: кому верить про рабочие места
Три источника дают три разных ответа на один вопрос. PwC: численность персонала у компаний, где ИИ применим шире всего, растёт заметно быстрее — 52,2% против 35,7% к базе 2018, и разрыв растёт каждый год с 2022 — «ИИ может оказаться не убийцей рабочих мест, а их расширителем». Microsoft 2025: 33% лидеров рассматривают сокращение численности в ближайшие 12–18 месяцев — при том что 45% ставят расширение мощности за счёт цифрового труда в топ-приоритеты, а 47% — переобучение. Stanford: эффект сосредоточен не в общей численности, а в воронке найма и у самых молодых работников затронутых ИИ профессий.
Эти три ответа не противоречат друг другу, если читать их как разные уровни агрегации: общая численность растёт, найм молодых сжимается, намерение сокращать присутствует у трети руководителей. Все три верны одновременно.
Отсюда следует вывод, который я считаю главным в этом направлении: агрегированное утверждение «ИИ создаёт рабочие места» верно и одновременно бесполезно для двадцатидвухлетнего специалиста. Оно описывает сумму, внутри которой происходят два разнонаправленных процесса. Использовать его как основание для личного или образовательного решения нельзя.
И одна оговорка, которую PwC делает честно, а читатели обычно пропускают: анализ по компаниям страдает от выживаемости выборки. В нём есть те, кто пережил 2018–2025 годы. Тех, кто не пережил, в данных нет — и мы не знаем, была ли затронутость ИИ причиной.
9.8 Что измерять
Распределение собственных ролей: требования к экспертизе растут / порог входа снижается / ИИ почти не затрагивает — бенчмарк 22% / 52% / 26%
Скорость смены требуемых навыков в своих ролях — бенчмарк разрыв 116% между крайними квартилями
Премия за ИИ-навыки внутри собственных вилок — бенчмарк 62% рынок, 16–118% по секторам
Доля новых задач, опирающихся на способности EPOCH, где особенно важен человек — бенчмарк ×2,5 в затронутых ИИ ролях
Динамика найма начального уровня и доля начальных ролей с требованиями уровня опытного специалиста — бенчмарк +35% против −10%
Доля работников, переобученных под другую роль и под текущую — бенчмарк 19% / 41% за год, прогноз 29% / 53%
Доля найма на роли, которых не было год назад — бенчмарк 54% CEO, 82% CDO в функции данных
Направление 8
Опыт сотрудника
Рынок труда виден снаружи — по вакансиям, зарплатам и требованиям. Последнее направление смотрит изнутри: что происходит с человеком, который уже сидит на рабочем месте и каждый день открывает ИИ.
Что измеряем. Что реально происходит с человеком на рабочем месте — и почему индивидуальная выгода не превращается в организационную.
10.1 Использование: «кремниевый потолок» пробит
В прошлом году у этого направления была одна неподвижная линия — рядовые сотрудники, застрявшие на уровне позапрошлого года, пока верхние этажи уходили вперёд. С неё и начнём.
Регулярное использование ИИ по уровням, 2023–2026BCG 2026
Ежедневно или несколько раз в неделю — четыре замера подряд у одного источника.
Рядовые сотрудникиМенеджеры и Руководители
+23 пп за год у рядовых сотрудников — самое быстрое изменение поведенческого показателя за год. В 2025 это называлось «кремниевым потолком»: общее использование 72%, но у рядовых сотрудников оно встало — 52% годом раньше и 51% в 2025-м. Просадку у руководителей в 2025 году (88% → 85%) источник не объясняет.
Вертикальный разрыв здесь не единственный: тот же вопрос, заданный по странам, переворачивает привычную картину.
География остаётся контр-интуитивной: Глобальный Юг стабильно опережает СеверBCG 2026
Регулярное использование ИИ среди рядовых сотрудников, 2026. Среднее — 74%.
В 2025 картина была той же: Индия 92%, Ближний Восток 87%, Испания 78%, Бразилия 76% против США 64% и Японии 51%. · По функциям (рядовые сотрудники, 2026): IT 88%, маркетинг 85%, финансы 83%, данные и аналитика 83%, комплаенс 76%, HR 75%, закупки 73%, логистика 72%, административная работа 72%, продажи 68%, операции и производство 61%.
10.2 Время: экономия растёт, а перевод в организационную ценность остаётся неочевидным
Два года подряд опросы показывают одно и то же напряжение, хотя показатели между годами не полностью сопоставимы. В 2025 47% экономили более часа в день, а указания, куда девать сэкономленное, получала только треть. В 2026 52% экономят минимум рабочий день в неделю (руководители 60%, менеджеры 52%, рядовые сотрудники 42%), а 61% получают ограниченные или никакие указания и 45% не переводят сэкономленное в стратегическую работу.
Восемь способов распорядиться сэкономленным временем, 2025. Респонденты могли выбрать несколько.
Первый по частоте ответ — «выполнить больше задач». Это может быть ростом индивидуальной производительности, но сам по себе такой ответ не показывает, превратилось ли сэкономленное время в маржу, выручку или стратегическую ёмкость организации.
Ответ «выполнить больше задач» показывает, куда часть людей направляет выигрыш времени. Но он не позволяет утверждать, что всё сэкономленное время автоматически вернулось в ту же работу или что это произошло без управленческого решения.
Отдельно BCG фиксирует рост когнитивной нагрузки, а KPMG — рост сопротивления, связанного с нагрузкой. Эти ряды совместимы с риском интенсификации, но не доказывают причинную цепочку «больше задач → нагрузка → усталость». Практический вопрос поэтому не «куда исчезло время», а какая его доля превратилась в дополнительный output, маржу, выручку или стратегическую работу.
Рядовые сотрудники сообщают и о меньшей экономии времени (42%), и о меньшей ясности того, как его использовать (66% без достаточных указаний). Это показывает неравномерное распределение эффекта по уровням, но не устанавливает, почему оно возникло.
10.3 Обучение: сильнейшая связь с регулярным использованием
Есть, впрочем, один фактор с очень сильной связью с регулярным использованием — обучение. Его стоимость и причинный эффект эти опросы не измеряют, поэтому сравнивать его «дешевизну» с другими рычагами нельзя.
Порог пяти часов: главная граница проходит между «нисколько» и «хоть сколько-то»BCG 2025
Доля регулярных пользователей ИИ в зависимости от объёма полученного обучения.
Переход через порог → +45 ппСвыше 10 часов → плато
+12 пп
даёт очный формат обучения — 79% против 67%
+14 пп
даёт доступ к коучу — 84% против 70%
Очный формат и живой коуч добавляются к часам, а не заменяют их.
Сверху — обучение, снизу — инструменты: что сотрудники ожидают и что получают.
Разрыв в 52 пункта между ожиданием и обеспеченностью воспроизвёлся дважды — на выборках 10 635 и 11 749 человек. Это не шум.
Ни один другой рычаг не остаётся невостребованным два года подряд.
Самый резкий порог в данных
+45 пп
разницы в регулярном использовании между группами «без обучения» и «до пяти часов»: 18% против 63%. Это ассоциация между группами, не оценка причинного эффекта обучения.
Теневой ИИ стоит читать как двойной сигнал. 54% готовы использовать неавторизованные инструменты, среди поколения Z и миллениалов — 62%. Это может указывать на трение или недостаточность корпоративных инструментов, но также отражать удобство, культуру и отношение к политикам. Измерять теневой ИИ стоит одновременно как риск управляемости и как сигнал качества собственного стека.
10.4 Что ИИ делает с самой работой
Сколько людей и сколько часов — посчитали; дальше вопрос другой: из чего эта работа теперь состоит.
Работа изменилась не в объёме, а в составеBCG 2026
Что именно поменялось, по мнению самих сотрудников, 2026.
Это то, что сотрудники говорят о себе. Телеметрия говорит о том же самом — только долями разговоров.
Структура разговоров в Microsoft 365 Copilot по телеметрии — вся работа с ассистентом, разложенная по типу запроса.
66% пользователей ИИ говорят, что он позволил им тратить больше времени на высокоценную работу; 58% — что производят работу, которую год назад сделать не могли. Среди сотрудников из лидирующей группы (16% выборки) — 80%.
И одновременно растёт премия за суждение. Самые важные человеческие навыки по мнению самих пользователей ИИ: контроль качества результата ИИ — 50%, критическое мышление — 46%. 86% относятся к выводу ИИ как к отправной точке, а не финальному ответу, и «остаются ответственными за мышление». Сотрудники из лидирующей группы идут дальше: 43% против 30% намеренно делают часть работы без ИИ, чтобы не терять навык; 53% против 33% намеренно останавливаются перед началом работы, чтобы решить, что должен делать ИИ, а что человек.
10.5 «Парадокс радости»: работа стала и лучше, и тяжелее
Работа, в которой приходится всё время решать, что отдать машине, а что оставить себе, оказывается сразу и интереснее, и утомительнее.
Две трети получают больше удовольствия. Четверо из десяти — больше напряженияBCG 2026
И то и другое сильнее всего у лидеров.
Рост удовлетворённости работойРост когнитивной нагрузки
Ни одного рычага, который улучшал бы одно за счёт другогоBCG 2026
Ценность и удовольствие здесь не выглядят как простой компромисс. Более сильные организационные практики связаны одновременно и с большей сообщаемой ценностью, и с большим удовольствием от работы; причинный эффект отдельных практик не изолирован.
10.6 «Медовый месяц» и что удерживает эффект
Всё, что было до сих пор, — снимок одного момента. Но у внедрения есть возраст, и через год картина выглядит иначе.
Новизна ослабевает вдвое. Ясность усиливается. Помехи не ослабевают вообщеBCG 2026
Что помогает и что мешает удовольствию от работы у тех, кто пользуется ИИ менее полугода и больше года, процентные пункты.
Новизна как источник удовольствия за год ослабевает вдвое, ясность цели усиливается, а помехи — отрицательные значения — не слабеют вовсе. Каждая строка — один фактор в первые полгода работы с ИИ и через год.
Ответ на вопрос «что будет через год» неприятный: всё, на чём держится энтузиазм первого полугодия — новизна, когнитивный вызов, ощущение освоения нового, — через год ослабевает вдвое. А то, что скучно строить и невозможно показать в квартальном отчёте — стратегическая ясность и внятные указания, — наоборот, набирает вес.
Ни сложность показать свою уникальную ценность, ни недостаток обучения не исчезают автоматически с опытом. Поэтому программа внедрения, рассчитанная только на энтузиазм, рискует просесть по мере нормализации технологии — особенно если компания инвестирует в инструменты, но не в ясность ролей, обучение и правила использования.
10.7 Сопротивление вернулось — в новой форме
А вот как этот провал выглядит, когда он уже случился: свежайшая волна поймала разворот за один квартал, в прямом эфире.
Сопротивление сменило природу: страх ушёл, усталость выросла почти вдвоеKPMG Q2’26
Структура причин сопротивления агентам, Q1 2026 → Q2 2026.
5→20%
выражают сопротивление агентам, всего
×4 за квартал
55→43%
уровень использования агентов сотрудниками — упал за тот же квартал
−12 пп
В структуре причин сопротивления доля опасений за работу и навыки снижается, а доля ответов про нагрузку и сложность растёт. Это совместимо с BCG-сигналом о растущей когнитивной нагрузке, но два исследования не образуют причинную временную цепочку.
Отдельная деталь того же квартала
41% лидеров рассматривали бы внедрение «гонки за токенами» — стимулов на максимальное потребление токенов с внутренними рейтингами, — чтобы поощрить использование ИИ.
KPMG сама предупреждает: усилия, ставящие метрики использования выше осмысленных результатов, рискуют закрепить неправильное поведение. При этом 47% согласны, что сотрудники, эффективно и результативно использующие ИИ, превосходят остальных.
Паттерн второго квартала выглядит меньше как страх «я не справлюсь» и больше как усталость от нагрузки.
Про гонку за токенами скажу прямо: 41% лидеров, рассматривающих внутренние рейтинги по расходу токенов, — тревожный сигнал, потому что сама KPMG предупреждает о риске ставить метрики использования выше результата. Выше в разделе отдельно видны «больше задач», рост когнитивной нагрузки и рост сопротивления из-за нагрузки. Эти ряды не доказывают единую причинную петлю, но дают вескую причину не стимулировать потребление ИИ ради самого потребления.
Падение использования агентов с 55% до 43% за квартал — редкий обратный ход среди рядов 2026 года. Одна волна не задаёт тренд, тем более при меняющейся выборке KPMG, но это точка, которую важно проверить в следующей волне прежде, чем делать вывод о развороте внедрения.
10.8 Контекст 2025: у людей уже не было запаса
Остаётся понять, почему усталость взялась так быстро, — а для этого надо посмотреть, в каком состоянии люди были ещё до всякого ИИ.
80%
глобальной рабочей силы говорят, что им не хватает времени или энергии на работу
53%
лидеров при этом говорят, что производительность должна вырасти
разрыв мощности
275
прерываний в сутки — каждые две минуты в рабочие часы
60%
встреч — незапланированные
Телеметрия того же исследования: правки в PowerPoint взлетают на 122% в последние 10 минут перед встречей; сообщений вне графика 9–17 — 58 в день, +15% год к году; встречи после 20:00 — +16% год к году. 48% сотрудников и 52% лидеров говорят, что их работа ощущается хаотичной и фрагментированной. Разрыв между лидерами и сотрудниками по ИИ был зафиксирован тогда же: знакомы или очень знакомы с агентами — 67% лидеров против 40% сотрудников; верят, что ИИ ускорит их карьеру, — 79% против 67%; почти треть лидеров экономит более часа в день.
Этот раздел объясняет всё остальное в направлении. ИИ пришёл не в пустую систему, а в систему, у которой уже не было запаса — ни времени, ни энергии, — и которая при этом требовала роста производительности.
В такой системе любая экономия времени поглощается автоматически. Не потому, что кто-то злонамеренно её отбирает, а потому что дефицит уже был. Прерывания и незапланированные встречи — это не последствия ИИ, это фон, на который он лёг. И именно поэтому «выполнить больше задач» стало первым ответом: в системе с отрицательным балансом времени сэкономленный час не создаёт свободы, он закрывает долг.
10.9 Точка напряжения
Экономия времени может повышать индивидуальную производительность, но без правил реинвестирования не гарантирует роста маржи, выручки или стратегической ёмкости.
Рост когнитивной нагрузки при низкой ясности — предупреждающий сигнал; эти данные не позволяют причинно диагностировать выгорание.
BCG и KPMG показывают связанные с этим паттерны в разных опросах. Их корректнее читать как сигналы риска, а не как доказанную причинную цепочку.
10.10 Что измерять
Регулярное использование по уровням, с обязательным отдельным замером рядовые сотрудники — бенчмарк 74% / 88% / 93%
Сэкономленное время и доля, реально перенаправленная в стратегическую работу — бенчмарк 52% экономят день в неделю, 45% не перенаправляют
Доля получающих внятные указания по сэкономленному времени — бенчмарк 61% не получают
Часы обучения на сотрудника с порогом в 5 часов — бенчмарк 18% → 63% внедрения при переходе через порог
Доля удовлетворённых обучением — бенчмарк 36%, не меняется два года
Когнитивная нагрузка и её динамика — бенчмарк 41% сообщают о росте
Структура сопротивления: страх против усталости — бенчмарк усталость 28% → 51% за квартал
Доля неавторизованного использования ИИ как индикатор неадекватности корпоративных инструментов — бенчмарк 54% готовы
Часть III
Синтез
Пять сдвигов описывают, что изменилось. Затем — раздел о том, чего эти данные не знают.
11. Пять сдвигов 2025 → 2026
Проще всего увидеть год через пять наиболее сопоставимых индикаторов, для которых есть точки 2025 и 2026. Это не панель одних компаний и не всегда дословно один и тот же вопрос; график показывает направление изменений, а не чистый причинный эффект «год к году».
Пять сдвигов одной картинкой: что сдвинулось за год
Пять наиболее сопоставимых показателей, 2025 → 2026. Источники, выборки и знаменатели различаются и названы в строках.
Завести должность можно распоряжением к понедельнику, а надбавку за навык платит рынок и пересматривает её годами: оргструктура за год прошла три четверти шкалы, премия за ИИ-навыки — считанные пункты, с 56–57% до 62%.
Пять отрезков выше — это пять наиболее сопоставимых замеров, какие нашлись в источниках. Часть вопросов и выборок различается. Пять сдвигов ниже — тематический синтез, а не причинное объяснение движения каждой линии. Первых двух сдвигов на картинке нет: для них не нашлось достаточно чистой пары «2025 → 2026».
Сдвиг 1. Узкое место: данные → архитектура и операционная модель
01
Формулировка проблемы2025 Данные заперты внутри функций; каждая инициатива превращается в 6–12-месячный проект чистки · 2026 Системы спроектированы под человеческую скорость решений и не поглощают машинную
02
Опорная цифра2025 26% CDO уверены, что данные поддержат новые выручкообразующие потоки · 2026 88% организаций переносят нагрузки, легко переносимы только 25% этих нагрузок
03
Новое определение готовности2025 Стабильность · 2026 Сменяемость — способность менять провайдера, модель, возможности без перестройки
04
Цена ошибки2025 19% CDO с полной архитектурой уровня предприятия · 2026 Облачные расходы +48% сверх прогноза, срок жизни модели 14 месяцев
Архитектура, которую можно переделывать на ходу, сразу упирается в вопрос, кто отвечает за наделанное, — и ответ на него за год сменил знак.
Позиция в повестке2025 Контроль, замедляющий развёртывание · 2026 Условие, без которого развёртывание невозможно
02
Опорная цифра2025 Только 22% имеют чёткие ограничители для автоматизированных решений · 2026 91–92% ставят вопросы безопасности и рисков главным фактором ИИ-стратегии
03
Модель надзора2025 Человек в контуре на каждое действие: 28% → 61% в течение года · 2026 Валидация результата, а не каждого действия: 52–57%, стабильно два квартала
04
Экономический аргумент2025 Отсутствовал · 2026 ×16 агентов, ×4 меньше бюджета, +18% операционной маржи при встроенном контроле
Пока внутри компаний перестраивали контур контроля, снаружи перестраивался рынок, с которого эти компании нанимают, — и там год прошёл ровно наоборот: не сошлось в одну рамку, а разъехалось надвое.
Сдвиг 3. Рынок труда: рост для всех → расслоение на два трека
01
Тезис2025 ИИ делает работников ценнее; вакансии и зарплаты растут почти везде · 2026 Рынок расщепился: в 22% вакансий требования к экспертизе растут, в 52% порог входа снижается
02
Опорная цифра2025 Премия за ИИ-навыки 56%; смена навыков +66% · 2026 Растущие требования к экспертизе: +39% вакансий и +42% к росту зарплат против ролей со снижающимся порогом входа
03
Вход в профессию2025 Не выделялся · 2026 −16% начального уровня в затронутых ИИ областях; +35% у ролей с повышенными требованиями против −10% у остальных
Одна из гипотез — агенты забирают часть рутинных задач, на которых раньше учились начинающие. Графики по вакансиям и агентам движутся в совместимом направлении, но сами по себе не устанавливают причинность. Посмотрим, что с агентами произошло за тот же год.
Все три ряда — оценка сотрудников BCG: доминирующее состояние в оба года — пилоты и работа под надзором, а «интегрированы» и «ещё не развёрнуты» за год поменялись местами — 13% → 30% против 31% → 20%.
01
Интеграция в рабочие процессы2025 13% · 2026 30%
02
Развёртывание (KPMG)2025 11% → 42% в течение года · 2026 53–55%, при удвоении связывания агентов в систему за квартал (9% → 18%)
03
Масштаб2025 24% развернули на всю организацию · 2026 1 661 агент на предприятие к 2027; ×15 активных агентов в M365 год к году
04
Что отстаёт2025 Понимание — 33% понимают, что такое агент · 2026 Операционная модель: 50% не видят правил для команд «человек × ИИ»; 54 инцидента в год
05
Независимый контроль2026 Развёртывание агентов в однозначных процентах по функциям (Stanford)
Операционную модель для агентов всё равно кто-то должен проектировать. Последний сдвиг показывает, как формализуется владение ИИ и как ответственность распределяется между бизнесом и технологиями.
Сдвиг 5. Лидерство: формализация владельца ИИ + распределённая ответственность
01
Исследовательский фокус IBM (контекст, не метрика рынка)2025 Четыре исследования по ролям: CEO, CMO, CDO, CAIO · 2026 Два: CEO (бизнес) и Tech Leader (CIO/CTO)
02
Проникновение роли CAIO2025 26% · 202676%
03
Владение повесткой2025 CIO ведут ИИ-стратегию, по мнению 87% · 2026 Распределено: названный топ-руководитель 34%, CEO или исполком 32%, руководитель бизнес-юнита 14%
04
Отношение к риску2025 62% CEO: генеративный ИИ слишком рискован для основных бизнес-функций · 2026 64% CEO комфортно принимают стратегические решения на основе выводов ИИ
05
Границы функций2026 77%: границы бизнес/технологии устарели; 85%: все функциональные лидеры должны стать техэкспертами
Если посмотреть на пять сдвигов вместе, видно, что это один сдвиг, показанный с пяти сторон. В каждом из них узкое место переезжает из технической плоскости в организационную.
И это, по-моему, объясняет, почему разрыв между лидерами и остальными расширяется, а не сужается: доступ к технологии можно получить сравнительно быстро, а устройство организации перестраивается заметно медленнее.
12. Чего мы не знаем
Всё, что вы прочли до сих пор, держится на шести источниках — и ни один из них не открыл управленческую отчётность ни одного своего респондента.
Раздел обязательный. Без него отчёт претендует на большее, чем позволяют данные.
12.1 Ни один источник не даёт независимо верифицированного ROI
Все цифры отдачи здесь — либо самооценка руководителей (IBM, KPMG), либо самоотчёт сотрудников (BCG, Microsoft), либо косвенные рыночные показатели (PwC — выручка на сотрудника по отраслям и компаниям; Stanford — сводка чужих исследований). Ни один источник не измерял ROI ИИ-проектов по данным управленческого учёта. Отсюда и пара «97% против 8%»: два корректных ответа на два разных вопроса. Единственные два ряда, которые можно считать объективными: рыночные данные PwC (вакансии, финотчётность Orbis) и сводные ряды Stanford.
Это претензия к инструменту. Вторая тяжелее и касается не инструмента, а того, к кому его вообще подносили.
12.2 Малый и средний бизнес практически отсутствует
Порог у каждого свой, и формулируют его источники по-разному — вот все пять, словами их собственных методологий.
Кого эти выборки вообще видят: порог включения в выборку
Выручка компаний, попадающих в выборки источников. Шкала в миллионах долларов.
Нижний порог включения в выборку различается в двадцать раз, а типичная компания у IBM — это $14,4 млрд выручки. Компания на $50 млн, примеряющая бенчмаркы отчёта к себе, сравнивает себя не с собой.
Порог включения
01
KPMGТолько компании с выручкой ≥ $1 млрд, только США
02
IBM CEO 2026Медианная выручка $5,8 млрд, средняя $12 млрд, четыре из пяти — публичные
03
IBM Tech 2026Средняя выручка $14,4 млрд, средний штат ~33 500
04
BCG23% выборки — компании $500 млн–$1 млрд, но распределение смещено к крупным
05
PwCФильтр на компании с оборотом от $50 млн; явное предупреждение о смещении выживших
Практически всё, что здесь написано, описывает компанию со средним штатом в 33 500 человек. Но даже про неё известно меньше, чем кажется: он ни разу не посмотрел на одну и ту же компанию дважды.
12.3 Что не покрыто вовсе
Россия и СНГ отсутствуют во всех выборках без исключения.
Госсектор представлен фрагментарно: он есть в отраслевых разбивках BCG и IBM, но нигде не исследуется отдельно.
Отраслевая глубина: есть срезы, но нет полноценных отраслевых исследований. Максимум — по три приоритета и три вызова на отрасль.
Экономика эксплуатации ИИ — тема, которая только появилась (KPMG Q2 2026) и пока измерена одной волной на 204 респондентах.
Долгосрочный эффект на навыки. Stanford упоминает исследования, поднимающие вопрос о том, что интенсивная опора на ИИ может нести долгосрочные издержки для обучения и замедлять развитие навыков, но систематических данных нет. Microsoft фиксирует ответную практику у продвинутых пользователей — 43% намеренно работают без ИИ, чтобы не терять навык, — но это самоотчёт.
Перечислить, чего не знаешь, легко. Труднее не забыть об этом на следующей странице — поэтому дальше четыре правила, достаточно коротких, чтобы держать их в голове.
12.4 Как эти ограничения меняют чтение отчёта
1
Любую цифру отдачи из опроса руководителей читать как настроение, а не как факт.
2
Любую цифру зрелости сверять с цифрой из опроса сотрудников и с независимым источником — расхождение само по себе информативно.
3
Различия «лидеры против остальных» трактовать как корреляцию, а не как рецепт.
4
Все бенчмаркы применять к крупному бизнесу; для среднего — с явной оговоркой.
Этот раздел я считаю самой полезной частью отчёта, хотя он и портит впечатление от всех предыдущих: всё построено вокруг вопроса об отдаче, а измерить её по управленческому учёту не пробовал никто.
Второе, что стоит запомнить: все ряды — каждый год — новая выборка. «Лидеры делают X и получают Y» никогда не означает «сделайте X и получите Y». Возможно, X и Y — оба следствия того, что эти компании изначально устроены лучше. Данные не дают способа это разделить, и любая рекомендация в этом отчёте, включая мои собственные комментарии, несёт эту оговорку.
И третье, ближе всего к практике. Ограничение по размеру бизнеса — самое часто игнорируемое из всех: медианную выручку $5,8 млрд у IBM и порог $1 млрд у KPMG забывают ровно в ту секунду, когда начинают примерять бенчмаркы на себя.
Сверху — доля руководителей, снизу — доля инициатив: вычитать одно из другого нельзя.
Верхние три строки — ожидания, нижние четыре — факт. Все данные 2025 года.
Как считается «ожидаемый ROI» у IBM.IBM CEO 2025 Респондент сравнивает фактический результат инициативы с тем, что было заявлено в её обосновании проекта. Это самооценка, но самооценка по внутреннему критерию: занизить обоснование проекта задним числом сложнее, чем ответить «да, эффект есть».
Чем это отличается от «возврата» у KPMG.KPMG Q2’25 KPMG спрашивает, наблюдается ли улучшение по метрике (производительность, прибыльность, качество). Порога нет, сравнения с планом нет. Отсюда 97–98% против 25%.
Суперзвёздный эффект PwC.PwC 2026 Топ-20% внутри квартиля компаний, где ИИ применим шире всего показывают рост производительности 163% против 33,5% по всей группе. Отбор — по фактическому росту выручки на сотрудника, а не по самооценке. Двадцать процентов компаний забирают 74% всего выигрыша.
Почему верхняя граница растёт, а нижняя почти нет.Дело не в объёме расходов, а в том, как перераспределяется и обновляется капитал. Организации в нижней части распределения тратят сопоставимо, но на активы со сроком жизни 14 месяцев и без переносимости.
«Машинная скорость» — не метафора. За ней стоят три измерения, по каждому из которых системы, спроектированные под человека, упираются в потолок.
Объём. К 2027 предприятия ожидают в среднем 1 661 агентаIBM Tech 2026. При сотнях решений на агента в день это сотни тысяч автономных решений ежедневно.
Автономность. Сегодня 25% операционных решений принимается без человекаIBM CEO 2026; CEO ожидают 48% к 2030.
Частота. Срок жизни модели — около 14 месяцевIBM Tech 2026, и главная причина замены (71%) — появление лучшей. Цикл планирования большинства организаций длиннее, чем цикл обновления актива.
Как это выглядит со стороны сотрудника.Microsoft WTI 2026 Microsoft, независимо и другим методом, получает тот же вывод: организационные факторы объясняют 67% эффекта от ИИ, индивидуальные — 32%. Сильнейший единичный фактор — культура работы с ИИ в организации, примерно в 2,5 раза сильнее самого значимого индивидуального. Это связь, а не доказанная причина.
Это части целого: структура последствий 54 инцидентов в год у средней организации. Два первых типа — как раз те, где четыре часа на устранение критичны, а таких инцидентов 17%.
1 661
агент на предприятие к 2027 — на 38% больше сегодняшнего
54
инцидента с агентами за год у средней организации, 17% дольше 4 часов
Пять ролей встроенного контроля.IBM Tech 2026 Платформенные команды владеют общими ограничителями — телеметрией, реестром моделей, идентичностью, логированием, откатом. Риск и комплаенс задают пороги политик. Архитектура задаёт эталонные паттерны. Бизнес-домены владеют результатами внутри ограничителей. Реагирование на инциденты держит предопределённые процедуры остановки и восстановления.
Минимальный стандарт продакшна по IBM: каждый агент зарегистрирован, у него есть владелец, он наблюдаем и его можно остановить. Четыре свойства, без которых объект не должен попадать в промышленную эксплуатацию.
Почему ручные ворота не масштабируются. Стоимость согласования линейна по числу агентов. Стоимость встроенного контроля почти фиксированна. При 1 661 агенте разница между этими двумя кривыми становится непреодолимой — отсюда и наблюдаемые ×16 агентов при вчетверо меньшей доле бюджета.
Региональная деталь. Рост парка агентов 2026 → 2027 составляет 60–87% в зависимости от региона, но рост числа инцидентов различается почти вдвое. В организациях со слабым управлением больше агентов означает пропорционально больше инцидентов; в организациях с сильным — частота остаётся относительно плоской при ускоряющемся развёртывании.
Термин «демократизация» звучит позитивно, но у PwC он означает, что прежняя экспертиза становится меньшим барьером для входа — и меньше оплачивается как редкий навык.
Определение. Категория определяется тем, как меняется требуемый уровень экспертизы в вакансиях роли. «Профессионализация» означает, что ИИ забирает простые задачи и требования к экспертизе растут. «Демократизация» — что ИИ забирает часть экспертных задач и порог входа снижается.
Историческая аналогия PwC.PwC 2026 В 1980-х электронные таблицы снизили порог входа в работу бухгалтеров-клерков — постепенный, но устойчивый спад численности. А в работе финансовых аналитиков повысили требования к экспертизе — резкий рост, продолжающийся до 2020-х. Тот же механизм, другой масштаб.
Четыре вопроса для прогноза судьбы роли. Как ИИ меняет требуемый уровень экспертизы? Как изменится спрос на роль и предложение работников? Где нужен человек для надзора или нетипичных случаев? Какие внешние силы — регулирование, узкие места процессов — ограничивают применение ИИ?
Базы отсчёта. Навыки и вакансии считаются к 2018 году, зарплаты — к 2021.
Экономия времени по самоотчётам выросла, а в 2026 году одновременно остаётся заметный разрыв в указаниях и переводе времени в стратегическую работу. Показатели двух лет не полностью сопоставимы, поэтому утверждать, что «конвертация не выросла», нельзя. Ниже — куда сотрудники направляют выигрыш времени и какие разрывы видны по уровням.
Разрыв идёт по одной ступени, а не по всей лестнице.BCG 2026 Без указаний остаются 66% рядовых сотрудников и ровно столько же менеджеров; у руководителей — 52%. По переводу времени в стратегическую работу лестница монотонная: 58 / 43 / 36, разрыв 22 пункта.
Обучение не сдвинулось за два года.BCG 2026 88% ожидают серьёзного переобучения в ближайшие пять лет, 36% считают себя обученными достаточно. Обе цифры одинаковы в 2025 и 2026 — на выборках 10 635 и 11 749 человек. Разрыв в 52 пункта воспроизвёлся дважды, это не шум.
Что с этим делать по BCG.BCG 2026 Первая из пяти императив для CEO: «Смените табло: мерьте ценность, а не охват. Время, которое экономят люди, вытекает из организации, если его не отслеживать и намеренно не реинвестировать». IBM предлагает конкретную ставку: зафиксировать долю реинвестирования выигрышей (60–80%) до того, как выигрыши появятся.
Разброс в пять-шесть раз — это не шум и не противоречие. Это три разных вопроса, и они образуют шкалу строгости.
Третий замер, Stanford, дан только словами — «однозначные проценты почти во всех бизнес-функциях», без чисел.
Чем строже вопрос, тем меньше цифра.KPMG Q2’26 «Развернули ли вы агентов» (хотя бы одного, где-нибудь) — KPMG. «Встроены ли агенты в сквозной процесс» — BCG. «Какая доля функций реально работает на агентах» — Stanford. Собственную зрелость стоит измерять по самому строгому определению.
Телеметрия Microsoft — единственный здесь телеметрический замер организационного использования агентов.Microsoft WTI 2026 Число уникальных активных агентов в экосистеме M365 выросло в 15 раз год к году, в 18 раз в крупных предприятиях. Она не спрашивает мнение, она считает объекты — но и не говорит ничего о ценности: агент, созданный и запущенный дважды, тоже считается.
Функциональная неравномерность.KPMG Q3’25 IT 95%, операции 89%, риск 66%, финансы 45%, маркетинг и продажи 18%, HR 2%. Разброс в 47 раз между крайними функциями — по данным KPMG Q3 2025.
В 2025 году IBM выпускала отдельное исследование почти под каждую роль в высшем руководстве. В 2026-м осталось два — и они разделены не по должностям, а по контурам управления.
2025 — четыре, по ролям
01
CEOстратегия и рост
02
CMOмаркетинг
03
CDOданные
04
CAIOИИ как отдельный мандат
2026 — два, по контурам
01
CEO Studyбизнес-контур
02
Tech Leader Studyтехнологический контур, CIO и CTO вместе
Что это означает. Структура публикаций показывает смену исследовательского фокуса IBM, но сама по себе не является метрикой рынка. IBM не комментирует, связано ли это со сближением функций, редакционной стратегией или новым дизайном программы; поэтому вывод о причинах здесь остаётся гипотезой.
Содержательные данные 2026 года сильнее акцентируют стык бизнеса и технологий: растёт формализация CAIO, ответственность распределяется шире, а CEO говорят о размывании функциональных границ. Именно эти показатели, а не структура публикаций, поддерживают тезис о новом контуре управления.
Параллельно у других источников. PwC сменила разрез с «затронутые ИИ / незатронутые ИИ» на «роли с растущими требованиями к экспертизе / роли со снижающимся порогом входа». Microsoft ввела зоны «зона лидеров» / «формирование» / «застой» вместо демографических срезов. BCG перешла от уровней иерархии к шкале «внедрение — перестройка — изобретение». Четыре независимых источника сменили систему координат в один год — и все четверо в сторону «что организация делает», а не «кто отвечает».
Пара «97 и 8» — не единственное место в отчёте, где два числа выглядят сопоставимыми и не являются ими. Вот ещё четыре.
На самом деле измеряет
01
97% называют прибыльность топ-метрикой / 8% сообщили о приросте выручкиВыбор показателя против результата в отчётности
02
53% «развернули агентов» / 30% «агенты в рабочие процессы»Наличие объекта против его встроенности в процесс
03
86% «есть навыки» / 25% «используют»Способность против развёртывания способности
04
21% лидеров / 10% сотрудников «вознаграждается переосмысление работы»Намерение против его восприятия
05
81% «стратегия данных интегрирована» / 26% «данные выдержат новое»Прогресс фундамента против уверенности в его достаточности
Общая структура всех пяти пар.KPMG Q2’25 Слева — величина, которую называет тот, кто за неё отвечает. Справа — величина, которую измеряет тот, на кого она действует, или независимый счётчик. Вычитать одну из другой нельзя: общего знаменателя у пары нет.
Как переформулировать собственный замер. Заменить вопрос «наблюдаете ли вы эффект» на «какова величина эффекта относительно того, что было заявлено в обосновании проекта». Первый даёт 97% (KPMG, топ-метрики ROI), второй — 25% (IBM, доля инициатив с достигнутым ROI). Второй проверяем.
Три признания 2025 года, сделанные разными аудиториями в разных исследованиях.
Почему две трети CEO ошиблись со сроком выхода из пилотов.IBM CEO 2025 В 2024 более двух третей рассчитывали выйти из пилотной стадии к 2025 году. В 2025 в пилотах оставалось 60%. Доля рассчитывающих двигать рост с помощью ИИ за тот же период упала с 67% до чуть более 50%.
Маркетинговый срез — самый жёсткий.IBM CMO 2025 19% пилотов с ожидаемым ROI, 25% масштабированных на несколько бизнес-юнитов, 14% на всё предприятие. При этом только 22% организаций установили чёткие правила для использования ИИ в автоматизированном принятии решений.
Цена подхода «лишь бы не отстать» стала измеримой только в 2026.IBM Tech 2026 В 2025 нижняя граница распределения ROI не публиковался — были только средние. В 2026 он появился: нижняя граница распределения — −20%. Инвестировать «до понимания ценности» в 2025 было описанием рынка. В 2026 у этого поведения появился ценник.
Пять независимых замеров, заданных разным аудиториям в разных исследованиях, дали ответы в диапазоне 19–29%.
Такое совпадение не бывает случайным. Оно означает, что упор идёт не в конкретную проблему, а в общий потолок: примерно четверть организаций реально дошла до состояния, в котором фундамент готов к следующему шагу.
И это при объективном прогрессе.IBM CDO 2025 Интеграция стратегии данных с техдорожной картой выросла с 52% до 81% за два года. Платформы поверх разрозненных данных — с 41% до 75%. Доля ИТ-бюджета на стратегию данных — с 4% до 13%. Прогресс огромный, уверенность — четверть.
Значит, требования росли быстрее фундамента. Это и есть содержание переформулировки узкого места: не «данные плохие», а «мы бежим, а горизонт отодвигается быстрее». Именно поэтому IBM в 2026 меняет само определение готовности со стабильности на сменяемость.
54 инцидента за год у средней организации. Распределение по времени устранения выглядит успокаивающе, пока не пересчитать в абсолютные величины.
Пересчёт в абсолютные величины.IBM Tech 2026 17% от 54 — это девять инцидентов в год, каждый из которых длится дольше половины рабочего дня. Два главных типа последствий — утечка данных (37%) и каскадные отказы систем (33%) — как раз того рода, где четыре часа критичны.
Ключевой индикатор зрелости управления — не число инцидентов само по себе, а отношение роста числа инцидентов к росту числа агентов. В организациях со слабым управлением больше агентов означает пропорционально больше инцидентов. В организациях с сильным — частота остаётся относительно плоской при ускоряющемся развёртывании.
Макро-контекст. Задокументированных ИИ-инцидентовAI Index 2026 по данным Stanford — 362 за год.
Два способа потратить бюджет — и пятикратная разница в результате.BCG 2026 Купить инструменты там, где нет ясности, — это +5 пунктов к доле сообщающих об измеримом эффекте. Создать ясность там, где нет инструментов, — +25.
Почему почти все тратят по первому способу. Лицензии покупаются за квартал и попадают в отчёт как измеримое действие. Ясность стратегии не закупается, не внедряется и не отчитывается перед советом. При этом сотрудники её измеряют сами: ясной стратегию называют 31% в компаниях уровня «внедрение» против 52% в компаниях уровня «перестройка/изобретение». Крупнейший же разрыв в том сравнении — не у ясности, а у участия людей в редизайне процессов: 12% против 43%.
Что означает «высокая ясность» в замере.BCG 2026 ИИ объявлен приоритетом, есть ясная ИИ-стратегия и есть указания, что делать с сэкономленным временем. Не «слышал про стратегию», а «понимаю, что от меня требуется и почему».
Подтверждение с другой стороны. IBM:IBM CEO 2026 CEO, активно перепроектирующие кросс-функциональную работу, более чем вдвое чаще выполняют бизнес-цели; перепроектировавшие пять ключевых областей как единую систему — вчетверо чаще.
У каждого из семи тезисов есть цифры, которые его держат, и цифры, которые ему возражают. И то и другое здесь со ссылкой на отчёт; кнопка рядом с тезисом открывает его разбор целиком.
7. Смена разрезаДержатроль директора по ИИ 26% → 76% за год · Возражают это наблюдение о том, что решили измерять аналитики, а не о самом рынке
Слово «ROI» стоит в статье рядом с +250%, с 25% и с 33,5% — и это три разные величины с разными знаменателями. Дальше — ряды 2025 и 2026 годов целиком, разбор того, что именно меряет каждый источник, и причина, по которой сравнивать себя со средним по рынку больше нельзя.
Двадцать процентов компаний забирают три четверти выигрыша
Это части целого: доли общего выигрыша от ИИ. Расслоение отдачи — не «все растут с разной скоростью», а концентрация.
Верхняя граница распределения ROI — +250%, нижняя — −20%: между ними 270 процентных пунктов. Формулировка источника: «потолок растёт быстрее, чем пол — и не потому, что кто-то больше тратит, а потому, что по-другому распределяет и обновляет капитал».
Производительность наиболее затронутых ИИ компаний 33,5% против 24,0% у наименее.
Топ-20% внутри лидеров — 163%, впятеро выше группы.
20% компаний забирают 74% выигрыша (PwC 2026, со ссылкой на AI performance study PwC 2026).
Только 8% CEO сообщают о более чем незначительном приросте выручки от ИИ за год.
Три независимых замера дают одно и то же распределение: длинный хвост около нуля и небольшая группа с кратной отдачей. Это делает бессмысленным сравнение «наш ROI выше/ниже среднего по рынку» — сравниваться нужно с квартилем, а не со средним.
Возражение, которое надо держать в голове. Ни один из этих рядов не построен на управленческом учёте. PwC ближе всех к объективности (финотчётность Orbis), но измеряет выручку на сотрудника по отраслям и компаниям с затронутостью ИИ, а не отдачу конкретных ИИ-проектов. Экспозиция — это возможность применять ИИ, а не факт применения; сам PwC оговаривает, что фактическое использование может отставать от затронутости ИИ.
Переезд узкого места виден только в сравнении двух формулировок — IBM 2025 про разрозненные данные и IBM 2026 про «машинную скорость». Дальше обе целиком, цифры, которые держат сдвиг, и возражение, которое стоит держать в голове: фундамент данных за год объективно улучшился, просто требования выросли быстрее.
Что объясняет эффект от ИИ
Microsoft, 20 000 респондентов, 29 факторов. Значения показывают статистическую ассоциацию, а не причинный эффект.
Дословно из предисловия CDO Study: данные заперты внутри функций — у финансов свои, у HR свои, у маркетинга, цепочки поставок и юристов свои; нет общей таксономии, нет единых стандартов, нет сквозной видимости. Следствие: каждая ИИ-инициатива превращается в проект чистки данных длиной от шести до двенадцати месяцев; команды тратят больше времени на поиск и согласование данных, чем на получение выводов.
IBM вводит термин машинная скорость — сдвиг в объёме, автономности и частоте решений, и то, что этот сдвиг требует от корпоративных систем. Диагноз меняется: проблема не в отсутствии данных, а в том, что архитектура, управляемость и модели финансирования спроектированы под человеческую скорость принятия решений.
Ключевая переформулировка готовности: раньше готовность означала стабильность — соответствие известной операционной модели, оптимизированной под непрерывность, стоимость и предсказуемость. «Когда модели, платформы и инструменты меняются быстрее циклов планирования, стабильность превращается в ограничение».
Microsoft приходит к тому же выводу от сотрудника, а не от инфраструктуры: организационные факторы объясняют 67% сообщаемого эффекта от ИИ, индивидуальные — 32%; сильнейший единичный фактор — культура работы с ИИ в организации, примерно в 2,5 раза сильнее самого значимого индивидуального. Формулировка авторов: «Настоящий вопрос не в том, есть ли у людей нужные навыки. Вопрос в том, устроена ли организация так, чтобы их раскрыть».
Фундамент данных к 2025 году выглядит уже неплохо, и это надо признать: интеграция стратегии данных с техдорожной картой 52% → 81%, наличие платформы поверх разрозненных данных 41% → 75%, доля ИТ-бюджета на стратегию данных 4% → 13%. Сдвиг узкого места произошёл не потому, что данные перестали быть проблемой, а потому, что требования выросли быстрее прогресса.
×16 агентов при вчетверо меньшей доле бюджета — это результат, а не механизм. Дальше — арифметика, из-за которой ручной надзор перестаёт справляться, две стратегии, которые обе не масштабируются, и пять ролей, между которыми распределён встроенный контроль.
Управляемость: признана, оправдана — и не построена
Верхняя панель — признание, нижняя — реализация. Разрыв между ними больше, чем в любом другом направлении. Знаменатели разные и названы в подписях: руководители США у KPMG, технологические руководители у IBM, сотрудники у BCG.
Расчёт, который делает ручной надзор невозможнымIBM Tech 2026
К 2027 предприятия ожидают в среднем 1 661 агента, что на 38% больше сегодняшнего уровня. Каждый агент принимает сотни или тысячи решений в день. Итог — сотни тысяч автономных решений ежедневно на организацию. Дословная формулировка IBM: «Ручное управление не справляется с этой арифметикой».
IBM описывает развилку, в которую попадают технологические руководители:
Приоритет скорости. Бизнес-юниты идут вперёд, управляемость догоняет. Локальная скорость растёт, видимость и локализация проблем деградируют. Следствие: 54 инцидента с агентами в среднем за год, из них 17% высокой тяжести (более четырёх часов на устранение).
Приоритет безопасности. Развёртывание замедляется под весом проверок и одобрений. Немедленная подверженность снижается, но обучение останавливается, конкурентная позиция слабеет, а ручной надзор всё равно становится неуправляемым.
Вывод источника: «Один путь меняет безопасность на скорость, другой скорость на безопасность. Ни один не масштабируется, оба накапливают стратегический долг».
Пять ролей, каждая владеет своей частью системы контроля:
Платформенные команды владеют общими ограничителями: телеметрия, реестр моделей, идентичность, логирование, откат, контроль во время исполнения.
Риск и комплаенс задают пороги политик, требования к доказательствам, триггеры проверки и правила эскалации.
Архитектурные команды задают эталонные паттерны, точки контроля и стандарты интероперабельности.
Бизнес- и доменные команды владеют результатами сценариев применения, интеграцией в процессы, обработкой исключений и подотчётной эксплуатацией внутри ограничителей.
Реагирование на инциденты держит предопределённые процедуры остановки, локализации и восстановления.
Это федеративная модель, а не централизованное командование: автономия масштабируется внутри общих границ.
Рост парка агентов 2026 → 2027 по регионам составляет 60–87% (лидер — Ближний Восток и Африка, +87%), по отраслям 63–83%. Но рост числа инцидентов различается почти вдвое: в организациях со слабым управлением больше агентов означает пропорционально больше инцидентов; в организациях с сильным — частота остаётся относительно плоской при ускоряющемся развёртывании.
Практический вывод источника: инвестиции в управляемость должны соответствовать операционному риску. В регулируемых секторах, суверенно-чувствительных рынках и клиентских операциях недоинвестирование превращает рост ИИ в операционную подверженность.
Дена Альмансури, Group Chief Technology and Innovation Officer, ADNOC: «Контроль сместился с одобрения входов на непрерывный надзор за выходами и результатами — от ворот к ограждениям».
«Профессионализация» и «демократизация» — термины PwC, а не оценки. Они описывают, что именно ИИ забирает из роли: простые задачи или экспертные. Отсюда видно, как PwC сменила систему координат, из чего сложены три расходящихся ряда и какие роли ломают эту схему — от помощников медсестёр до менеджеров детских учреждений.
В 2025 барометр делил профессии по затронутости ИИ (наличие задач, где ИИ применим) и по типу воздействия — augmentable (ИИ дополняет суждение и экспертизу) против automatable (ИИ выполняет задачи автономно). Методики: индекс затронутости Felten et al., различение дополняемости и автоматизируемости по методике МВФ.
В 2026 делитель другой: что именно ИИ забирает из роли (PwC 2026, с опорой на работу Teeselink и Carey, 2026).
Доля вакансий
01
ИИ почти не затрагиваетМеханика ИИ почти не применим · Примеры повара, строители, механики
02
Требования к экспертизе растутМеханика ИИ забирает простые задачи, остаются экспертные · Примеры радиологи, рекрутеры, авиадиспетчеры
Иллюстрации источника: у рекрутера ИИ автоматизировал скрининг резюме, остались переговоры по контрактам (профессионализация). У кладовщика-учётчика ИИ забрал управление запасами, осталось перемещение товара (демократизация).
Электронные таблицы 1980-х. Для бухгалтеров-клерков они выполнили наиболее сложную часть работы — порог входа в роль снизился, численность пошла в постепенный, но устойчивый спад. Для финансовых аналитиков они дали инструмент невиданной сложности анализа — требования к экспертизе в роли выросли, численность пошла в крутой рост, продолжающийся в 2020-е, с растущими зарплатами.
Помощники медсестёр — роль с растущими требованиями к экспертизе, но эффект может быть ограничен регулированием, сложностью интеграции в рабочие процессы и недостатком желающих идти в тяжёлую профессию.
Менеджеры детских учреждений — роль со снижающимся порогом входа, но число вакансий выросло более чем вдвое с 2019 (+111%) из-за огромного скрытого спроса; зарплаты при этом выросли лишь на 8%. Это ровно тот механизм, который описывает Дэвид Отор: снижение требуемой экспертизы расширяет круг подходящих кандидатов, профессия растёт численно при стагнирующих зарплатах.
Опросы показывают рост сообщаемой экономии времени, а в 2026 — большой разрыв между экономией и ясными правилами её реинвестирования. Метрики 2025 и 2026 не полностью одинаковы, поэтому это не чистый ряд «конвертации». Дальше — куда сотрудники направляют время и что предлагают BCG и IBM.
Доли респондентов, называющих способ распорядиться сэкономленным (BCG 2025; сумма превышает 100%, множественный выбор):
Самый частый ответ — интенсификация, а не перераспределение. Это и есть механика утечки: без явного указания сэкономленное время по умолчанию уходит в увеличение объёма той же работы.
Обучение — второй канал той же утечки, и он не сдвинулся за год: 88% ожидают потребности в серьёзном переобучении в ближайшие пять лет, 36% считают, что их обучили достаточно; обе цифры не изменились с 2025.
Первая из пяти императив для CEO: «Смените табло: мерьте ценность, а не охват. Внедрение говорит вам, что люди пользуются ИИ, а не что он окупается. Время, которое экономят отдельные люди, вытекает из организации, если его не отслеживать и намеренно не реинвестировать. Смотрите на бизнес-результаты, а не на использование».
Параллельная рекомендация IBM с конкретным числом: зафиксировать долю реинвестирования прироста производительности — как правило, 60–80% — до того, как выигрыши появятся, и до закрытия следующего бюджетного цикла.
Разброс в пять-шесть раз между KPMG, BCG и Stanford — не спор о фактах, а три разных вопроса, заданных разным людям. Дальше все три вопроса дословно, поквартальная кривая KPMG с разрывом в ней и отдельный телеметрический замер организационного использования.
агент на предприятие ожидается к 2027 году — на 38% больше сегодняшнего уровня
25%
операционных решений сегодня принимается ИИ без вмешательства человека
65%
планируют или уже внедряют ИИ-автономию в прогнозировании спроса; в оптимизации запасов — 61%
Формулировка вопроса
01
BCG«интегрированы ли агенты в более широкие рабочие процессы» — оценка сотрудника
02
IBM«чувствуете ли вы себя полностью готовым к ожидаемому масштабу» — техруководитель
01
Stanford HAIФормулировка вопроса вторичные данные по развёртыванию агентов в бизнес-функциях · Результатоднозначные проценты почти везде
02
KPMGФормулировка вопроса «на какой стадии работы с ИИ-агентами находится ваша организация» — самооценка руководителя · Результат53–55% развернули
Разброс не шум: это три разных вопроса. «Организация где-то развернула хотя бы одного агента» ≠ «агенты работают в сквозном процессе» ≠ «функция систематически исполняется агентами».
Почему ряд KPMG нельзя читать как точный временной ряд
Полная таблица по кварталам — все три стадии за пять волн — стоит в раскрытии «Путь агентов от эксперимента к работе». Здесь важна одна её особенность: дек Q4 2025 подаёт 26% с формулировкой «более чем вдвое больше 11% в Q1», игнорируя уже опубликованные 33% и 42%. Вероятная причина — смена формулировки вопроса или базы. Графики 2026 года внутренне согласованы; волну Q4 2025 в график включать нельзя. Разбор — в приложении «Расхождения источников».
Microsoft: число уникальных активных агентов в экосистеме Microsoft 365 Copilot и SharePoint выросло в 15 раз год к году, в 18 раз в крупных предприятиях (скользящее 28-дневное окно).
Там же — отраслевой паттерн: в софте и технологиях внедрение широкое (почти каждая пятая компания, использующая агентов), в производстве компаний меньше, но масштаб внутри каждой значительно выше. Индивидуальное поведение при этом одинаково по отраслям — различие в том, куда агенты встроены и насколько глубоко.
1 661 агент на предприятие к 2027, +38% к текущему уровню.
25% операционных решений сегодня принимается ИИ без вмешательства человека; ожидание на 2030 — 48%. Типы решений, уходящие первыми: обновление цен, распределение запасов, перемаршрутизация отгрузок, автоматическое устранение инцидентов.
Большинство руководителей уже планируют или реализуют ИИ-автономию в прогнозировании спроса (65%) и оптимизации запасов (61%).
Зоны, где агенты решать не должны, по версии IBM: регуляторная отчётность, существенные раскрытия, чувствительные юридические суждения.
Смену разреза легко счесть оформлением отчёта. Но IBM опрашивает одни и те же аудитории годами и меняет деление только тогда, когда старое перестаёт давать различия, — а вслед за ней разрез сменили PwC, Microsoft, BCG и Stanford, каждый по-своему.
Все три строки — доли CEO, опрошенных IBM в 2026 году. Сама доля организаций с директором по ИИ — 11% в 2023, 26% в 2025, 76% в 2026 — величина другого рода и показана рядом в статье отдельной линией.
Что спрашивали2025 как ваша функция применяет ИИ · 2026 кто решает и кто способен исполнить
Смена подтверждается изнутри самих исследований: 77% CEO говорят, что границы между бизнесом и технологией устарели, и что роли талантов и технологий сходятся; 85% — что все функциональные лидеры должны стать технологическими экспертами в своей области.
Как менялся разрез у остальных
Издатель
01
PwC2025 затронутость ИИ: наиболее / наименее · 2026 механика: рост требований к экспертизе / снижение порога входа · Смысл смены от «сколько ИИ» к «что именно он забирает»
02
Microsoft2025 три тренда о новой форме фирмы · 2026 три уровня: сотрудник / лидер / организация · Смысл смены от описания феномена к уровням вмешательства
03
BCG2025 «Момент набран, но пробелы остаются» · 2026 «Стратегия важнее инструментов» · Смысл смены от замера внедрения к замеру условий
04
Stanford HAI2025 8 глав, «Наука и медицина» вместе · 2026 9 глав, наука и медицина раздельно · Смысл смены доменные применения доросли до самостоятельных предметов
11% (2023) → 26% (2025) → 76% (2026) организаций имеют директора по ИИ. 100% CEO ожидают роста влияния CAIO к 2030.
Это самое быстрое изменение организационной структуры из всего, что здесь измерено. Ещё в 2025 66% CAIO лишь ожидали, что роль появится у большинства организаций в течение двух лет — прогноз сбылся за год.
Почему это данные, а не оформление
Смена разреза у IBM — интересный косвенный сигнал, но не доказательство изменения самого рынка. Её можно читать как переход от функционального взгляда к разделению бизнес- и технологического контуров. Однако по одной структуре публикаций нельзя заключить, что различия между CMO и CDO стали меньше: это остаётся гипотезой, а не измеренным результатом.
Всё по внешнему контуру в одном месте: где ИИ в науке и медицине уже работает, а где упирается, как устроены сами издания AI Index за два года и что в них изменилось между ними.
80 150
ИИ-публикаций в естественных науках за 2025 год — на 26% больше, чем за 2024
5,8–8,8%
научного выхода занимает ИИ в зависимости от области — против менее 1% в 2010 году
33%
точности на вопросах наблюдения Земли, причём код агентов не работает в 58% случаев
83%
до такой доли врачи сокращают время на клинические записи с автоматической генерацией
Где ИИ в науке упирается
Обе шкалы — доля верных ответов, выше значит лучше. Для сравнения: на ChemBench передовые модели обгоняют среднего химика-человека, а код агентов не запускается в 58% случаев. Единой шкалы сложности у способностей нет.
Издание 2025 года — 8 глав, 457 страниц. Издание 2026 года — 9 глав, 425 страниц; глава «Наука и медицина» разделена на две. Ниже — плюс главы, не вошедшие в основной текст отчёта.
ИИ-публикации в естественных науках достигли около 80 150 в 2025 году, +26% к 2024. ИИ занимает 5,8–8,8% научного выхода в зависимости от области — против менее 1% в 2010.
Передовые модели превосходят средний уровень химиков-людей на ChemBench (более 2 700 вопросов), но проваливаются на воспроизведении опубликованных исследований: менее 20% на ReplicationBench в астрофизике, 33% точности на вопросах наблюдения Земли, причём код агентов не работает в 58% случаев.
Меньшие модели обгоняют большие. MSAPairformer (111 млн параметров) превзошёл предыдущие методы на ProteinGym; GPN-Star (200 млн параметров) обошёл модель на 40 млрд параметров.
Астрономия в 2025 году получила первую универсальных модель (AION-1, обучена на более чем 200 млн небесных объектов из 5 крупных обзоров), первый бенчмарк визуализации и обучающий набор на 100 ТБ.
ИИ впервые прогнал полный цикл прогноза погоды: Aardvark Weather заменил традиционный численный конвейер одной системой машинного обучения; FourCastNet 3 строит 60-дневный глобальный прогноз менее чем за 4 минуты, в 8–60 раз быстрее прежних подходов.
На сквозных исследовательских задачах лучшие агенты дают примерно половину результата PhD-эксперта: 38,8% против 83,5% на PaperArena; около 17% на BixBench (реальный биоинформатический анализ).
Инструменты автоматической генерации клинических записей получили широкое распространение в 2025 году: врачи сообщают о до 83% меньшем времени на записи и значимом снижении выгорания; одна больничная система отчиталась о 112% возврате инвестиций.
FDA авторизовало 258 ИИ-медизделий в 2025 году, преимущественно по путям модификации устройств, не требующим новых клинических испытаний; лишь 2,4% изделий с клиническими исследованиями опирались на данные рандомизированных испытаний.
Мульти-агентная система (AI Diagnostic Orchestrator от Microsoft в паре с o3 от OpenAI) набрала 85,5% на сложных опубликованных клинических случаях против 20% у врачей, работавших без привычных инструментов. Мульти-агентные схемы в целом дают прирост диагностической точности от 7% до более чем 60% над одноагентными базовыми.
ИИ-сводки появляются наверху 84–92% медицинских поисковых запросов в Google; для симптомов и общих вопросов о здоровье — в 92% случаев.
При этом доказательная база тонкая: обзор более 500 клинических ИИ-исследований показал, что почти половина опиралась на экзаменационные вопросы, а не на реальные данные пациентов; лишь 5% использовали реальные клинические данные.
2025: две трети стран предлагают или планируют предлагать информатику в школе — вдвое больше, чем в 2019, наибольший прогресс у Африки и Латинской Америки, но доступ в африканских странах ограничен отсутствием электричества в школах. 81% американских учителей информатики согласны, что ИИ должен быть частью базового курса, но менее половины чувствуют себя готовыми его преподавать. Число выпускников магистратуры по ИИ в США почти удвоилось между 2022 и 2023 годами.
2026: набор на информатику в четырёхлетних вузах США упал на 11% между 2024 и 2025 годами, при этом выпуск магистров в ИИ-связанных областях вырос на 17% за 2023–2024. Четверо из пяти школьников и студентов США используют ИИ для учёбы, но политики школ отстают: только у половины средних и старших школ они есть, и лишь 6% учителей считают их ясными. Более 90% стран предлагают информатику; Китай и ОАЭ ввели обязательное ИИ-образование с 2025/26 учебного года. Число новых ИИ-PhD в США и Канаде выросло на 22% за 2022–2024, и весь прирост ушёл в академию, а не в индустрию — разворот десятилетнего тренда.
2025: штаты США ведут в законодательстве при медленном федеральном прогрессе — с 1 закона в 2016 году до 49 в 2023 и 131 за один 2024 год. Упоминания ИИ в законодательных процедурах 75 стран выросли на 21,3% (1 889 против 1 557), с 2016 года — более чем в девять раз. Государственные вложения в инфраструктуру: Канада $2,4 млрд, Китай $47,5 млрд на полупроводники, Франция $117 млрд (в другом месте отчёта — €109 млрд), Индия $1,25 млрд, Saudi Project Transcendence $100 млрд. В 2024 году запущены национальные институты безопасности ИИ.
2026: национальные ИИ-стратегии быстрее всего появляются у стран, которые пять лет назад не имели формальной политики — более половины новых стратегий 2024 года пришли из развивающихся экономик. ИИ-суверенитет становится центральным принципом национальной политики, но инфраструктура распределена неравномерно: Европа и Центральная Азия нарастили государственные ИИ-суперкомпьютерные кластеры с 3 до 44 между 2018 и 2025 годами.
2025: доля видящих в ИИ-продуктах больше пользы, чем вреда, — 55% по 26 странам. Региональные различия устойчивы: Китай 83%, Индонезия 80%, Таиланд 77% против Канады 40%, США 39%, Нидерландов 36%. Две трети людей ожидают значимого влияния ИИ на повседневную жизнь в ближайшие 3–5 лет.
2026: разрыв между экспертами и обществом — 50 процентных пунктов: 73% экспертов ожидают положительного влияния ИИ на то, как люди делают свою работу, против 23% публики. Доверие к собственному правительству в регулировании ИИ ниже всего в США — 31%; глобально ЕС пользуется большим доверием как регулятор, чем США или Китай.
Что раскрыто в этом разделе
В статье деньги показаны одним срезом — США против Китая. Здесь тот же капитал в полный рост: десятилетний ряд, капитальные затраты облачных провайдеров, экономика самих ИИ-компаний и оговорка про госфонды Китая, без которой сравнение двух стран вводит в заблуждение.
Млрд долларов
01
Корпоративные ИИ-инвестиции, мирболее чем удвоились
02
Генеративный ИИрост более 200%, почти половина всего частного финансирования
03
События финансирования на $1 млрд+почти удвоились
Динамика за десятилетие. Совокупные инвестиции выросли примерно в сорок раз с 2013 года — до $581,69 млрд в 2025-м, на 129,9% за год.
Капитальные затраты. Крупные облачные провайдеры ускорили капитальные затраты; Google отчитался о более чем $150 млрд годовых капитальных затрат за 2025.
Обязательная оговорка по Китаю. Цифры частных инвестиций, вероятно, занижают совокупные расходы Китая: государственные направляющие фонды разместили в ИИ-компаниях оценочно $184 млрд за период 2000–2023 годов. Любой график США против Китая без этой сноски вводит в заблуждение.
Что изменилось качественно. Капитал не просто вырос — сменился режим: частные вложения прибавили 127,5% за год, а генеративный ИИ перестал быть сегментом и стал половиной всего частного финансирования.
Экономика самих ИИ-компаний. Выручка передовых компаний растёт исторически быстрыми темпами, но расходы на вычисления и инфраструктуру одновременно достигают рекордов.
Про потолок в 88% и про разрыв между «мы используем ИИ» и «ИИ выполняет работу» — теперь с обеих сторон разрыва: кто прибавил больше всех, что ИИ дал по конкретным функциям и насколько мал этот эффект у большинства. И чем мерить внедрение, когда сам факт использования больше никого ни от кого не отличает.
Ключевое противоречие внутри одного источника. Внедрение ИИ в организациях достигло 88% — практически насыщение. Развёртывание агентов при этом измеряется однозначными процентами по функциям. Разрыв между «мы используем ИИ» и «ИИ выполняет работу» — центральный факт года, и он виден внутри одного, самого объективного источника.
53% за три года — быстрее, чем персональный компьютер или интернет. Внедрение сильно коррелирует с ВВП на душу населения, но есть выбросы в обе стороны: ОАЭ 64%, Сингапур 61% — выше, чем предсказывает доход; США — 24-е место с 28,3%, притом что страна лидирует и по инвестициям, и по разработке моделей.
Что это значит для сравнения компаний
Внедрение в организациях как показатель исчерпало себя: при 88% оно больше не различает компании. Различают показатели следующего уровня — доля функций с агентами в сквозном процессе, доля решений без человека, доля сотрудников, регулярно использующих ИИ.
Излишек в статье стоит одной цифрой — но у него есть прошлогодняя точка, и весь разговор про отдачу держится на расстоянии между ними. Дальше — что из этого следует для корпоративных расчётов, включая бенчмарк «сколько получают другие».
Оценочный потребительский излишек от генеративного ИИ в США: $112 млрд (начало 2025) → $172 млрд в год (начало 2026), рост +54%. Медианная ценность на пользователя утроилась за тот же период. Большая часть этих инструментов остаётся бесплатной или почти бесплатной.
Потребительский излишек вырос в полтора раза за год
Ценность, которую пользователи получают сверх того, что платят. Почти ничего из этого не проходит через выручку компаний.
Значительная часть создаваемой ИИ ценности не проходит через P&L компаний вообще. Она достаётся потребителю напрямую, минуя корпоративную выручку. Это отчасти объясняет, почему при удвоении инвестиций только 8% CEO видят более чем незначительный прирост выручки.
Внутренний ROI и общественная отдача расходятся. Технология может быть экономически успешной на уровне общества и при этом не окупаться на уровне отдельной компании — классическая ситуация для инфраструктурных технологий на ранней фазе.
Бенчмарк «сколько получают другие» вводит в заблуждение, если считать по потребительской ценности. Корпоративная отдача измеряется в другой системе координат.
Золото олимпиады и аналоговые часы — только две точки неровного края. Вот он целиком: где модели догнали или обошли человека, где проваливаются — от роботов до арифметики, насколько закрылся разрыв с Китаем и во сколько раз за то же время подешевел сам запрос к модели.
Прирост на бенчмарках 2023 года за один год
Прирост в процентных пунктах, а не в процентах: это разница долей, складывать её с процентами роста нельзя.
SWE-bench Verified: производительность выросла с 60% до почти 100% от человеческого базового уровня за один год. Для контекста: в 2023 системы решали 4,4% задач этого класса, в 2024 — 71,7%.
Ведущие модели достигают или превосходят человеческий базовый уровень на вопросах уровня PhD по естественным наукам, мультимодальных рассуждениях и олимпиадной математике.
Gemini Deep Think получила золото на Международной математической олимпиаде.
Прирост на бенчмарках 2023 года за один год: +18,8 пп на MMMU, +48,9 пп на GPQA, +67,3 пп на SWE-bench.
Термин самого источника — неровная граница возможностей: способности распределены неровно, и провалы находятся там, где их не ждёшь.
Та же модель, что берёт золото на IMO, правильно считывает аналоговые часы в 50,1% случаев.
Агенты на OSWorld (реальные компьютерные задачи в разных ОС) выросли с 12% до ~66% успеха, то есть по-прежнему проваливают примерно каждую третью попытку.
Роботы успешны лишь в 12% бытовых задач, при 89,4% успеха манипуляций в симуляции RLBench.
Комплексные рассуждения остаются проблемой: системы не решают надёжно задачи, для которых существует доказуемо верное решение — арифметика и планирование, особенно на примерах крупнее обучающих.
Лидерство менялось несколько раз с начала 2025 года: в феврале 2025 DeepSeek-R1 кратковременно сравнялся с лучшей моделью США, к марту 2026 лучшая модель США ведёт на 2,7%, и весь год разрыв держался в пределах однозначных процентов. США по-прежнему выпускают больше моделей верхнего эшелона и более цитируемых патентов, Китай ведёт по объёму публикаций, цитирований, патентов и установок промышленных роботов.
Индустрия произвела более 90% заметных передовых моделей 2025 года, и самые способные системы стали наименее прозрачными: код обучения, число параметров, размеры датасетов и длительность обучения больше не раскрываются для нескольких наиболее ресурсоёмких систем, включая модели OpenAI, Anthropic и Google.
Для сравнения, издание 2025 года отмечало улучшение прозрачности: средний балл Foundation Model Transparency Index достигал тогда 58%. За год тренд развернулся.
Неравномерность прироста производительности — самый практичный рядAI Index 2026
Прирост
01
Поддержка клиентов14–15%
02
Задачи, требующие глубокого рассужденияслабее или отрицательно
Формулировка источника: прирост наибольший в структурированной, измеримой работе, где результат легко отследить. Это объясняет, почему корпоративный ROI размазан: эффект концентрируется там же, где его проще всего посчитать, а значит выборка успешных сценариев применения систематически смещена.
Отдельное предупреждение источника: появляются свидетельства, что интенсивная опора на ИИ может нести долгосрочные издержки для обучения и замедлять развитие навыков.
Стоимость запроса к модели уровня GPT-3.5 (64,8 по MMLU) упала с $20,00 до $0,07 за миллион токенов между ноябрём 2022 и октябрём 2024 — более чем в 280 раз за примерно 18 месяцев. В зависимости от задачи цены инференса падают от 9 до 900 раз в год. Производительность железа растёт на 43% в год (удвоение каждые 1,9 года), стоимость падает на 30% в год, энергоэффективность растёт на 40% в год.
Электричество, один тайваньский подрядчик и недоверие — в статье они названы, но не разобраны. Здесь каждый ограничитель со своей стороны: сколько государства объявили вложить, чего стоит обучение моделей в тоннах и в воде, как растут инциденты и почему «ответственный ИИ» — не одна шкала, а набор конфликтующих требований.
Государственные вложения в ИИ: объявленные программы
Все значения в долларах. Это объявленные программы, а не освоенные средства.
29,6 ГВт
сопоставимо с пиковым потреблением штата Нью-Йорк
5 427
дата-центров в США — более чем вдесятеро больше, чем в любой другой стране
72 816
тонн CO₂-эквивалента — оценочные выбросы от обучения Grok 4
50 пп
разрыв между экспертами и публикой в оценке влияния ИИ на работу: 73% против 23%
Мощность ИИ-ЦОД выросла до 29,6 ГВт — сопоставимо с пиковым потреблением штата Нью-Йорк.
США размещают 5 427 дата-центров, более чем вдесятеро больше любой другой страны, и потребляют больше энергии, чем любая другая страна.
Почти каждый передовой ИИ-чип производит одна тайваньская компания — TSMC, что делает глобальную цепочку поставок ИИ-железа зависимой от одного подрядчика; расширение TSMC в США начало работу в 2025 году.
Вычислительная мощность моделей растёт примерно в 3,3 раза в год с 2022 года.
Оценочные выбросы от обучения Grok 4 — 72 816 тонн CO₂-эквивалента.
Годовое водопотребление инференса одной только GPT-4o может превышать потребность в питьевой воде 1,2 млн человек.
Ряд по обучению за годы: AlexNet (2012) — 0,01 т; GPT-3 (2020) — 588 т; GPT-4 (2023) — 5 184 т; Llama 3.1 405B (2024) — 8 930 т. Для сравнения, средний американец выбрасывает 18 тонн в год.
В 2024 году это уже двигало энергетическую повестку: Microsoft объявила о сделке на $1,6 млрд по перезапуску реактора Three Mile Island под ИИ; Google и Amazon также заключили соглашения по атомной энергии.
Темп роста держится около 55% в год; абсолютное число продолжает расти.
Практически все ведущие разработчики передовых моделей отчитываются по тестам способностей, но отчётность по тестам ответственного ИИ остаётся выборочной.
Неудобное открытие 2026 года: улучшение одного измерения ответственного ИИ, например безопасности, может ухудшить другое, например точность. Это означает, что «ответственный ИИ» — не единая шкала, а набор конфликтующих требований.
Отдельная линия 2025 года: сжатие общедоступных данных. Доля ограниченных токенов в активно поддерживаемых доменах датасета C4 подскочила с 5–7% до 20–33% за год из-за новых протоколов против скрейпинга. Последствия — для разнообразия данных, выравнивания моделей и масштабируемости.
Модели, обученные быть явно непредвзятыми, сохраняют неявные предубеждения — GPT-4 и Claude 3 Sonnet в тестах чаще ассоциируют негативные термины с чернокожими, женщин — с гуманитарными, а не STEM-областями, мужчин — с лидерством.
Число ИИ-исследователей и разработчиков, переезжающих в США, упало на 89% с 2017 года, из них на 80% за последний год. Гендерные разрывы в ИИ-талантах не сократились ни в одной стране с 2010 года.
Здесь собрано всё по разделу, плюс таблица всех метрик ROI, встречающихся в отчётах.
Все метрики ROI и что каждая на самом деле измеряет
+Полный список13
01
Доля инициатив с ожидаемым ROIЧто измеряет попадание в собственное обоснование проекта · Кто отвечает на вопрос CEO
02
То же в маркетингеЧто измеряет то же · Кто отвечает на вопрос CMO
03
Доля масштабированных на предприятиеЧто измеряет охват, не отдача · Кто отвечает на вопрос CEO
04
То же в маркетингеЧто измеряет то же · Кто отвечает на вопрос CMO
05
Средний ИИ-ROIЧто измеряет отношение эффекта к затратам · Кто отвечает на вопрос CAIO
06
ROI-премия за наличие CAIOЧто измеряет разница между группами · Кто отвечает на вопрос CAIO
07
ROI-премия за операционную модельЧто измеряет разница между группами · Кто отвечает на вопрос CAIO
08
ROI-премия за раннюю сменяемостьЧто измеряет разница между группами · Кто отвечает на вопрос CIO/CTO
09
Ожидание измеримого ROI за 12 мес.Что измеряет ожидание, не факт · Кто отвечает на вопрос высшее руководство США
10
Достигли или ожидают ROI за 12 мес.Что измеряет смешанная формулировка · Кто отвечает на вопрос высшее руководство США
11
Прирост выручки от ИИ за годЧто измеряет самооценка, узкая формулировка · Кто отвечает на вопрос CEO
12
Ожидаемый рост выручки при трёх опорахЧто измеряет ожидание · Кто отвечает на вопрос CIO/CTO
13
Прирост выручки у CEO ИИ-бенчмаркованных компанийЧто измеряет фактический рост, самооценка · Кто отвечает на вопрос CEO
01
Верхняя и нижняя границы ROIЗначение +250% / −20% · Что измеряет распределение по выборке · Кто отвечает на вопрос CIO/CTO
02
Топ-метрики ROIЗначение производительность 98% · Что измеряет доля назвавших метрику · Кто отвечает на вопрос высшее руководство США
03
Рост выручки на сотрудникаЗначение 33,5% / 163% · Что измеряет внешний прокси по финотчётности
04
Финансовый эффект по функциямЗначение экономия <10%, выручка <5% · Что измеряет самооценка величины
Практический вывод: нет ни одной метрики ROI, построенной на управленческом учёте. Ближайшее к объективности — ряды PwC по финотчётности Orbis и самый трезвый ряд HAI 2025 по величине эффекта (экономия менее 10%, прирост выручки менее 5% как наиболее частые значения).
Что раскрыто в этом разделе
Обе колонки — ожидание и реальность — в статье пришлось сократить до самого показательного. Целиком они длиннее: что заявляли весь год и что из этого получалось, плюс отдельно маркетинговый срез, самый жёсткий.
Топ-метрики ROI выросли за один квартал
Почти единогласие по всем трём метрикам — и при этом 25% инициатив дали ожидаемый ROI за три года. Это замер настроения, а не финансовый факт.
85%
ожидали положительного ROI по масштабированным инициативам экономии к 2027 году
77%
ожидали того же по инициативам роста и расширения
65%
приоритизировали ИИ-примеры по ROI; 68% утверждали, что имеют чёткие метрики его измерения
68%
утверждали, что имеют чёткие метрики измерения ROI инноваций
Восемь из десяти CEO требовали масштабировать и ИИ-обусловленную экономию, и ИИ-обусловленный рост в течение 18 месяцев.
85% ожидали положительного ROI по масштабированным инициативам экономии к 2027 году, 77% — по инициативам роста и расширения.
65% приоритизировали ИИ-примеры по ROI, 68% утверждали, что имеют чёткие метрики измерения ROI инноваций.
KPMG всю первую половину года фиксировала почти единогласие по метрикам отдачи: производительность 98% (было 94% кварталом ранее), прибыльность 97% (было 95%), улучшение качества работы 94% (было 87%).
82% лидеров соглашались, что конкурентный ландшафт их отрасли будет выглядеть иначе через 24 месяца.
Ожидаемый рост инвестиций удвоился за год: в генеративный ИИ на 2025–2027 годы 31% против 15%, заявленных годом ранее на 2024–2026; в традиционный ИИ 31% против 13%.
Ожидаемый рост инвестиций: что заявляли годом ранее на 2024–2026 и что заявляют сейчас на 2025–2027. Обе линии приходят в одну точку — 31%.
За три года только 25% инициатив дали ожидаемый ROI; только 16% масштабированы на уровень предприятия.
Средний ИИ-ROI по данным CAIO — 14%.
60% CEO по-прежнему в стадии пилотов, при том что годом ранее более двух третей рассчитывали выйти из неё к 2025 году.
Доля рассчитывающих двигать рост с помощью ИИ в ближайшие пять лет упала с 67% до чуть более 50%.
Только 52% CEO говорили, что получают ценность сверх сокращения затрат.
60% организаций преимущественно инвестировали в пилоты; с 2023 года только 25% ИИ-инициатив дали ожидаемый ROI.
Маркетинговый срез — самый жёсткий
За три года: 19% ИИ-пилотов дали ожидаемый ROI, 25% масштабированы на несколько бизнес-юнитов, 14% развернули на всё предприятие.
Причина по версии источника — «pilot purgatory»: стеки, спроектированные для другой эпохи, франкенштейновский портфель разрозненных технологий, фрагментация данных, слишком много инструментов. Средний портфель вырос до девяти инструментов, прибавив два за два года; 68% CMO согласны, что упрощение инфраструктуры повысит операционную эффективность.
инвестирование из страха отстать и его ценаIBM CMO 2025
58% CMO признаются, что риск отстать заставляет их инвестировать в технологии до того, как они понимают их ценность.
64% CEO говорят то же самое своими словами: риск отстать толкает инвестировать в некоторые технологии до ясного понимания приносимой ценности.
При этом только 37% CEO согласны, что в вопросах внедрения технологий «лучше быстро и неправильно, чем правильно и медленно». То есть инвестируют из страха, но безрассудными себя не считают.
72% CAIO говорят, что организация рискует отстать без измерения эффекта ИИ. 68% тех же CAIO признают, что запускают ИИ-проекты, даже когда не могут оценить их эффект — потому что самые перспективные возможности часто труднее всего измерить.
Разобщённость подразделений и недостаток взаимодействия
Неприятие риска и нежелание разрушать существующее
Недостаток экспертизы и знаний
Отсутствие ясной инновационной стратегии
Ограниченный бюджет
Неадекватная технология
Недостаточные или плохо интегрированные данные
Первые два места — организационные, а не технологические. Это ранняя версия того вывода, к которому все придут в 2026 году.
Прыжок со 124 до 207 млн — одна точка ряда, который KPMG ведёт шесть волн подряд. Дальше — весь ряд с комментарием источника к каждой волне, категории, куда эти деньги идут, и проверка, сходится ли он с рядом IBM про долю ИТ-бюджета.
Ряд KPMG: прогноз ИИ-расходов на 12 месяцев вперёдKPMG Q1’26
67%
заявили, что ИИ останется топ-приоритетом инвестиций даже при рецессии в ближайшие 12 месяцев
59%
продолжат инвестировать в ИИ независимо от способности измерить осязаемый ROI, Q4 2025
31%
ежегодный прирост доли ИИ-расходов прогнозировала IBM годом ранее — факт оказался выше
73%
согласны, что тарифы усилят фокус на ИИ-эффективности и оптимизации
Комментарий источника
01
Q1 2025базовая точка ряда
02
Q2 2025минимум года
03
Q3 2025«пик года»
04
Q4 2025«близко к пику Q3»; ИИ назван recession-proof
05
Q1 2026«почти удвоение к тому же периоду прошлого года»
06
Q2 2026«держится стабильно с прошлого квартала»
Структура инвестиций по категориям (доля организаций, планирующих вложить $10–49 млн):
Топ-категории
01
Q1 2025R&D 34%, новые технологические решения 28%, данные и аналитика 26%
02
Q2 2025кибербезопасность и защита данных 67%, риск и комплаенс 52%, операции 48%
03
Q3 2025данные и аналитика, R&D, закупка технологий генеративного ИИ
04
Q1 2026кибербезопасность 63%, данные и аналитика 61%
05
Q2 2026данные и аналитика 48%, R&D 45%
Устойчивость к рецессии. В Q4 2025 67% заявили, что ИИ останется топ-приоритетом инвестиций даже при рецессии в ближайшие 12 месяцев; в Q1 2026 — 79%. В Q4 2025 59% также указали, что продолжат инвестировать независимо от способности измерить осязаемый ROI.
Рост +71% за два года. Формулировка источника: это означает переток сотен миллионов долларов в категорию инвестиций, ведущую себя совсем не так, как традиционный IT.
Для сравнения, годом ранее IBM фиксировала рост доли ИИ-расходов на 62% за 2022–2025 с прогнозом ежегодного прироста 31% на два года вперёд. Фактический темп оказался выше прогноза.
Согласуются ли два ряда
Да. KPMG измеряет абсолютные суммы у крупных американских компаний, IBM — долю ИТ-бюджета глобально. Оба показывают ускорение в 2026 году: KPMG почти удвоение год к году, IBM +71% за два года. Расхождений нет.
Влияние тарифов на ИИ-повестку, Q2 2025: 73% согласны, что тарифы усилят фокус на ИИ-эффективности и оптимизации; 66% — что тарифы повысят стоимость использования ИИ (энергия, данные); 57% — что тарифы увеличат общий планируемый объём ИИ-инвестиций; 44% — что тарифы будут стимулировать внедрение ИИ. В Q3 2025 фокус на эффективности из-за тарифов держался на уровне 76%.
Четыре барьера — то, что видно сразу. За ними вопрос покрупнее: чем вообще мерить, когда традиционные метрики перестали справляться, и сколько стоит содержать то, что уже работает.
«Достигли или ожидают ROI»: ряд по кварталам
Формулировка смешанная: «достигли или ожидают» складывает факт и намерение, поэтому ряд читается как настроение, а не как результат.
78%
согласились, что традиционные бизнес-метрики становятся недостаточными для измерения эффекта ИИ
66%
организаций завели панели мониторинга затрат на ИИ
Три барьера из четырёх выросли почти вдвое. Измерять стало труднее, а не легче — по мере выхода из пилотов вопрос сместился с «работает ли это» на «как посчитать эффект, который размазан по процессу».
Промежуточная точка Q4 2025: риски (приватность и кибербезопасность) названы самым большим вызовом для демонстрации ROI (74%) и ключевым фактором пересмотра стратегии инвестиций в генеративный ИИ (71%).
Q2 2025производительность 98%, прибыльность 97%, качество работы 94%
02
Q3 2025производительность 97%, прибыльность 94%, качество работы 91%
03
Q4 2025улучшенная аналитика для решений высшего руководства выросла с 62% до 83%; производительность, прибыльность и генерируемая выручка остаются топ-метриками
04
Q1 2026улучшенная аналитика от высшего руководства остаётся топ-метрикой второй квартал подряд (83%); клиентский опыт 64%
Ключевое признание: ещё в Q3 2025 78% согласились, что традиционные бизнес-метрики становятся недостаточными для измерения эффекта ИИ; 78% назвали давление демонстрировать ценность инвесторам или совету критическим фактором своей стратегии генеративного ИИ на ближайшие полгода. В Q2 2026 давление демонстрировать ценность инвесторам или совету назвали топ-фактором 76%.
Ожидание измеримого ROI за 12 месяцев: 57% (Q3'25) → 59% (Q4'25) → 62% (Q1'26, формулировка «достигли или ожидают»).
Новая тема 2026 года: себестоимость эксплуатации ИИKPMG Q2’26
Q2 2026 впервые ставит вопрос об экономике эксплуатации, а не только о вложениях.
Только 26% говорят, что операционные издержки их ИИ-систем полностью видимы сегодня.
Что уже внедрено для управления издержками: панели мониторинга затрат 66%, проверка затрат при одобрении ИИ 61%, стандарты архитектуры и дизайна промптов 47%, бюджеты на использование или токены 36%.
В числе главных барьеров развёртывания агентов появился новый навык: экономическая грамотность в ИИ — понимание издержек на основе использования, токенов и инференса — 35%.
Один из факторов, влияющих на стратегию: 66% согласны, что их организация способна сделать ИИ-стратегию защищённой от будущего — адаптироваться к новым технологиям и регуляторике, масштабировать ответственно, не запираться в конкретных инструментах и поставщиках.
68% называют фактором стратегии баланс между масштабированием ИИ и углеродным следом.
Подтверждение со стороны IBM: 84% технологических лидеров не операционализировали финансовое управление ИИ, 85% не имеют полной видимости расходов на ИИ в реальном времени. Цитата из интервью: «Мы начинаем видеть, как быстро издержки могут выйти из-под контроля. Строить агентов — мощно, но ключевой вопрос: сколько на самом деле стоит каждый агент?» (Мигель Сантос, CTO MasOrange).
Разделение операционного и стратегического ИИIBM Tech 2026
Центральная рекомендация IBM по портфельной дисциплине:
01
Что этоОперационный ИИ проверенные примеры в масштабе, инфраструктура под агентов · Стратегический ИИ эксперименты, ставки на новые способности, решения об обновлении моделей
02
Логика управленияОперационный ИИ TCO: оптимизация, мониторинг, дисциплина работы с поставщиками · Стратегический ИИ портфель: явные владельцы, критерии успеха, точки выхода, перераспределение капитала по мере поступления данных
03
Что принимаетсяОперационный ИИ минимизация издержек · Стратегический ИИ более высокая удельная стоимость в обмен на скорость, сменяемость и асимметричный потенциал
Формулировка источника: оценка всех инвестиций через единую линзу оптимизации затрат систематически недооценивает вложения с асимметричным потенциалом.
Практический минимум для портфельного учёта: если по каждому примеру не видны расход, владелец, модель, бизнес-цель и ожидаемый возврат — портфельного управления не происходит.
Средний полезный срок жизни ИИ-модели — примерно 14 месяцев.
71% технологических лидеров называют главной причиной вывода или замены модели появление лучших моделей, 60% — изменение бизнес-потребностей и сценариев применения.
Формулировка источника: большинство моделей выводится из эксплуатации не потому, что они сломались, а потому, что организация выяснила, что работает.
Это разрушает бизнес-примеры, построенные на трёх-пятилетних жизненных циклах активов, и требует механизмов обновления и перераспределения капитала в реальном времени, а не по годовому графику.
Где финансовая дисциплина даёт преимуществоIBM Tech 2026
Организации, где техруководители выстроили сильную финансовую дисциплину:
+17% вероятность того, что учёт затрат был на месте с самого начала облачных миграций
+16% вероятность совместного принятия решений IT и финансами с общей ответственностью
×1,5 вероятность того, что облачные инициативы превзошли ожидания
×2,4 больше развёрнутых ИИ-агентов без увеличения ИИ- или ИТ-бюджета
×3 вероятность заявить о полной готовности к всплеску ИИ
Кратность к остальным организациям там, где техруководители выстроили сильную финансовую дисциплину: во столько раз чаще (готовность к всплеску ИИ, превышение ожиданий по облачным инициативам) или больше (число развёрнутых агентов без роста бюджета). Вертикальная линия — база сравнения, 1×. Первые два пункта списка, +17% и +16%, на эту шкалу не ставятся: это проценты, а не кратность, и они остаются в тексте.
В статью из таблицы IBM попали две линии — те, что спорят друг с другом. Целиком в ней четыре строки: видно, куда ушло то, что не стало ростом, и что такой же промах был уже годом раньше.
Основная цель ИИ-инвестиций, прогнозы на 2026 год и факт:
Прогнозы на 2030 год:
55%
прогноз доли «рост и расширение» на 2030 год в издании 2025 — в издании 2026 он поднялся до 72%
60%
CEO сообщили в 2025 году, что всё ещё в пилотах, — при том что годом ранее более двух третей ожидали выйти за их пределы
Оговорка по извлечению. Соответствие строк и столбцов восстановлено по координатам текстовых блоков слайда (IBM CEO 2026, с. 15): значения вёрстаются отдельно от подписей, и порядок извлечения текста с визуальным не совпадает.
Систематическая ошибка в сроках — порядка двух лет. То, что ожидалось к 2026 году, не наступило; аналогичное ожидание перенесено на 2030 год.
Уверенность в исходе при этом растёт, а не падает. Прогноз доли «рост» на 2030 год поднялся с 55% до 72% — после того, как прогноз на 2026 год провалился впятеро.
Смена определения делает сравнение мягче. В 2024 году «продвинутый ИИ» означал генеративный, в 2026 году — агентный. Формально это два разных прогноза; содержательно — один и тот же перенос ожиданий на следующую технологическую волну.
Практическое следствие для планирования: прогнозы отраслевых исследований о сроках выхода на рост следует смещать примерно на два года и закладывать, что доминирующим режимом отдачи в горизонте планирования останется эффективность, а не рост.
Собственная проверка отчёта: аналогичный провал был и годом ранее — более двух третей CEO ожидали выйти за пределы пилотов к 2025 году; в 2025 году 60% сообщили, что всё ещё в пилотах. То есть это не единичный промах, а устойчивая закономерность.
Расхождение вопросов лучше видно дословно: что именно спросили KPMG, IBM и PwC, прежде чем получить каждый свою цифру. И следом — требования к формулировке, при которых собственный замер оказывается проверяемым, а не просто оптимистичным.
наиболее частая величина экономии от ИИ — менее этого: единственный ряд, где спрашивают о размере эффекта
20%
нижняя граница ROI при верхней +250%: поэтому считать надо распределение, а не среднее
$112 млрд
потребительский излишек от генеративного ИИ в США в начале 2025 года; год спустя — $172 млрд
Вопрос
01
KPMG Q3’25ожидаете ли достичь измеримого ROI в ближайшие 12 месяцев
02
IBM CEO 2025какая доля ИИ-инициатив дала ожидаемый ROI за последние три года
03
IBM CAIO 2025запускаете ли вы ИИ-проекты, даже если не можете измерить их эффект
04
PwC 2026дал ли ИИ более чем незначительный прирост выручки за прошедший год
01
KPMG Q2’25Вопрос какие категории вы считаете топ-метриками для измерения и демонстрации ROI · Ответ производительность 98%, прибыльность 97%, качество 94%
02
AI Index 2025Вопрос какова величина экономии и прироста выручки в функции · Ответ чаще всего <10% и <5%
Почему 97% и 8% не противоречат
Разные вопросы, разные объекты, разные шкалы:
KPMG спрашивает о выборе метрики, а не о величине эффекта. Ответ «производительность» не означает, что производительность выросла.
PwC спрашивает о величине эффекта на конкретной строке отчётности — выручке — за конкретный период.
HAI даёт единственный ряд, где спрашивают о величине: и там наиболее частые значения экономии менее 10%, прироста выручки менее 5%.
Складывая эти цифры или используя их как аргумент против друг друга, аналитик совершает методологическую ошибку. Вывод «руководители преувеличивают» из этих данных не следует.
Как переформулировать собственный замер, чтобы он был проверяемымIBM Tech 2026
Проблема не в недобросовестности, а в том, что вопрос почти всегда шире и мягче, чем нужно для проверки. Минимальный набор требований к формулировке:
Назвать строку. Не «видим ли мы эффект», а «на какой строке P&L он виден и в каком размере».
Назвать период и базу. «За какой период относительно какой базы» — иначе величина непроверяема.
Отделить ожидание от факта. «Ожидаем ROI за 12 месяцев» и «получили ROI» — разные вопросы; KPMG в Q1 2026 их смешала в формулировке «достигли или ожидают», и эта цифра (62%) поэтому не сопоставима с 57% и 59% предыдущих волн.
Отделить пример от портфеля. Отдача отдельного примера и отдача ИИ-портфеля в целом — разные величины; их постоянно смешивают.
Зафиксировать метрику до запуска. Рекомендация IBM: если по примеру не видны расход, владелец, модель, бизнес-цель и ожидаемый возврат — измерения не происходит.
Считать распределение, а не среднее. При разбросе от −20% до +250% среднее не описывает ничего.
Значительная часть создаваемой ИИ ценности достаётся потребителю напрямую и не проходит через корпоративную выручку: оценочный потребительский излишек в США вырос со $112 млрд до $172 млрд в год. Это структурная причина, по которой корпоративная отдача может отставать от общественной, и её стоит держать в голове при интерпретации любого низкого ROI.
Здесь собрано всё по разделу, плюс сводка определений.
Структура развёртывания: Q1 2026 → Q2 2026
Общее число почти не изменилось, связывание агентов в систему удвоилось. Рост сменил направление с экстенсивного на интенсивный.
Определения «развёрнутого агента» у всех источниковIBM Tech 2026
01
KPMGОпределение стадия работы организации с агентами по самооценке руководителя: эксперимент / пилот / развёртывание (внутри — масштабирование, связывание агентов в цепочки, мульти-агентные системы) · Следствие самая широкая трактовка; «развернули» = запустили хотя бы часть
02
BCGОпределение «агенты интегрированы в более широкие рабочие процессы» по оценке сотрудника; альтернативы — «используются экспериментально, в пилотах или под человеческим надзором» и «ещё не развёрнуты» · Следствие строже: требует интеграции в процесс
03
IBM Tech 2026Определение «ИИ-система, способная инициировать, координировать или исполнять многошаговые действия с ограниченным вмешательством человека» · Следствие функциональное определение, не стадийное
04
Microsoft WTI 2026Определение уникальные активные агенты в платформе Microsoft 365 Copilot Agents и SharePoint за скользящее 28-дневное окно · Следствие телеметрическое, единственное не-опросное
05
AI Index 2026Определение развёртывание агентов по бизнес-функциям (вторичные данные) · Следствие самое строгое по факту
Практическое правило: собственную зрелость мерить по определению BCG или строже — доля функций, где агенты встроены в сквозной процесс.
Что раскрыто в этом разделе
Между этими двумя цифрами стоят барьеры — и за три квартала они прошли путь от людей через технологию к архитектуре и стратегии. Весь поквартальный ряд целиком, волна Q4 2025, которой в статье нет, и то, чего к концу года начали требовать от платформ.
Поквартальный ряд барьеров развёртывания агентовKPMG Q2’25
+Барьер11
01
Сложность агентных системQ2 2025 39% · Q3 202571% · Q4 202565% — топ-барьер два квартала подряд · Q2 2026 38%
Q2 2025 — барьер человеческий. Сопротивление персонала на втором месте (47%), технические навыки на первом (59%). Формулировка проблемы: люди не умеют и не хотят.
Q3 2025 — барьер технический. Сложность агентных систем почти удвоилась (39% → 71%), сопротивление персонала упало более чем вдвое (47% → 21%). Формулировка источника: «сложность агентных систем почти удвоилась, тогда как сопротивление персонала снизилось более чем наполовину».
Q4 2025 — барьер структурный. На первый план выходят три новых пункта: непоследовательное использование по бизнес-юнитам выросло с 19% до 45% (максимум за три квартала), отсутствие организационной инфраструктуры 41% (втрое за два квартала), неясная корпоративная стратегия с 20% до 32%. KPMG называет это тремя ловушками: стена сложности, риск фрагментации, разрыв в фундаменте.
Это ключевой сюжет 2025 года: барьер прошёл путь от людей через технологию к архитектуре и стратегии за три квартала.
Заметный контрапункт: недостаток доверия и поддержки руководства и бюджетные ограничения стабильно назывались наименее значимыми барьерами квартал за кварталом — 8% и 14% в Q3 2025. Деньги и мандат сверху проблемой не были ни разу.
Волна Q4 2025 — её нет в графике статьи, там Q2 2025, Q3 2025 и Q2 2026. Мелким шрифтом — предыдущий замер там, где источник его печатает. Сложность агентных систем осталась топ-барьером квартала — 65%; в график она не попала.
К Q4 2025 руководители сходятся на платформенных стандартах, которые последовательно управляют идентичностью и правами, доступом к данным, каталогами инструментов, применением политик и наблюдаемостью — «чтобы каждый новый агент усиливал систему, а не добавлял хрупкости».
Требования к платформе: скорость внедрения 83%, безопасность, комплаенс и аудируемость 75%, надёжность 69%, скорость внедрения 65%.
Список открывает встраивание в существующие системы, следом — контроль: безопасность, комплаенс, надёжность. Скорость внедрения замыкает четвёрку.
Итоговая цифра между кварталами не двинулась, но это последняя точка ряда, который KPMG ведёт с начала 2025-го, — и в ряду видно, как пилот сдавал место развёртыванию. Тот же путь снизу, глазами сотрудников: что они считают встроенным в работу, что понимают про агентов и как понимание меняет отношение.
сотрудников ограниченно понимают, что такое агенты (2026) — было 67% годом раньше
71%
хорошо понимающих агентов видят в них ценный инструмент — против 25% у тех, кто лишь слышал
01
Q4 2025Развёртывание26% ⚠
⚠ Разрыв определения. Дек Q4 2025 подаёт 26% с формулировкой «более чем вдвое больше 11% в Q1», игнорируя опубликованные 33% и 42%. Ряд использовать как индикатор направления, не как точный временной ряд. См. приложение «Расхождения источников».
Также стоит отметить формулировку Q2 2025: «большинство организаций (90%) прошли стадию экспериментов с ИИ-агентами, из них 33% достигли развёртывания хотя бы части агентов после двух кварталов подряд на уровне 11%». Формулировка «после двух кварталов подряд на 11%» сама по себе плохо согласуется с рядом.
Структура развёртывания: Q1 против Q2 2026KPMG Q1’26
Главный вывод квартала: общее развёртывание встало, но связывание агентов в цепочки удвоилась. Это переход от «набора отдельных агентов» к «системе» — качественный сдвиг при количественной стагнации.
Способы, которыми агенты обеспечивают межфункциональное взаимодействие:
Способ
01
Автоматизация рабочих процессов, охватывающих несколько функцийQ1 202673% · Q2 2026 48%
02
Маршрутизация информации и решений между командамиQ1 2026 53%
03
Общие базы знаний и единые панели мониторингаQ1 2026 51%
04
Согласование общих целей, целевых показателей и метрик успеха между функциямиQ2 202664%
05
Поддержка совместного принятия решенийQ2 2026 49%
Сдвиг заметный: в Q1 главным было автоматизировать сквозные процессы, в Q2 — согласовать цели и метрики между функциями. Формулировка KPMG: «переход от экспериментов к операционной интеграции, где агенты помогают унифицировать исполнение и обеспечивать согласованность».
Три взаимоисключающих состояния на одной базе — оценка сотрудников, BCG. Осведомлённость и понимание вынесены отдельной парой: у них другая база.
Осведомлённость и понимание — другая база
Одна база — все опрошенные сотрудники BCG, три разных вопроса. У нижней строки движение влево означает улучшение: она меряет недостаток понимания.
01
Имеют ограниченное понимание, что такое агенты2025 67%* · 202652% · Δ −15 пп
02
Считают, что агенты смогут выполнять минимум половину их работы за 3 года202661%
Разбивка по уровням, 2026: слышали об агентах — руководители 94%, менеджеры 87%, рядовые сотрудники 72%. Ограниченное понимание — рядовые сотрудники 61%, менеджеры 58%, руководители 39%. Считают агентов важными в ближайшие 2–3 года — руководители 86%, менеджеры 75%, рядовые сотрудники 57%. Считают, что агенты смогут делать половину работы — менеджеры и руководители 65%, все 61%, рядовые сотрудники 52%.
Те же цифры абзаца, 2026 год: осведомлённость и ожидание растут с уровнем, ограниченное понимание падает — 61% у рядовых сотрудников против 39% у руководителей. Четвёртый вопрос абзаца, про половину работы, не показан: в нём менеджеры и руководители сведены в одну группу.
География интеграции агентов, 2025: Германия 18%, Бразилия 17%, Индия 16%, Испания 15%, США 13%, Великобритания 13%, ЮАР 13%, Ближний Восток 11%, Италия 11%, Франция 11%, Япония 7%; среднее 13%.
Понимание меняет отношение. Сотрудники, хорошо понимающие агентов и способные объяснить их работу, видят в них ценный инструмент в 71% случаев против 25% у тех, кто лишь слышал; угрозой для рабочих мест считают 2% против 16%. Разрыв +46 пп и −14 пп.
Доля решений без человека измерена — а вместе с ней измерено и то, сколько агентов эти решения будут принимать. Куда автономию уже отдали, куда её отдавать не собираются и по каким правилам IBM предлагает её расширять.
К 2027 году предприятия ожидают развернуть в среднем 1 661 ИИ-агента — на 38% больше сегодняшнего уровня.
При сотнях или тысячах решений на агента в день это означает сотни тысяч автономных решений ежедневно на организацию.
Региональная разбивка ожидаемого роста парка агентов 2026 → 2027:
Рост
01
Диапазон по всем регионам60–87%
Отраслевая разбивка:
Рост
01
Диапазон по всем отраслям63–83%
Ключевое наблюдение источника: темп развёртывания не определяет успех — его определяет зрелость управляемости. При росте парка агентов на 60–87% рост числа инцидентов различается почти вдвое в зависимости от зрелости управления. Отрасли со сложными регулируемыми операциями — фарма, энергетика, телеком, розничный банкинг — показывают наиболее заметное снижение инцидентов при зрелой управляемости.
Число уникальных активных агентов в платформе Microsoft 365 Copilot Agents и SharePoint выросло в 15 раз год к году, а в крупных предприятиях — в 18 раз (скользящее 28-дневное окно).
Отраслевой паттерн (телеметрия за март 2025 – март 2026, Microsoft WTI 2026): в софте и технологиях внедрение широкая — почти каждая пятая компания среди использующих агентов. В производстве компаний-пользователей меньше, но масштаб внутри каждой значительно выше. Индивидуальное поведение при этом одинаково по отраслям: люди используют агентов примерно одинаково. Различие в том, куда агенты встроены и насколько глубоко организация их интегрировала.
Промпты на пользователя по ведущим отраслям: 66,0 / 60,2 / 58,5 / 57,8.
Доля операционных решений, принимаемых ИИ без вмешательства человека202625% · 2030 (ожидание CEO)48%
Где это уже происходит. Области, где последовательность и ограничители можно кодифицировать: обновление цен, распределение запасов, перемаршрутизация отгрузок, автоматическое устранение инцидентов.
Куда движется дальше. Решения, требующие скорости, масштаба и непрерывной оптимизации, где человек физически не поспевает: сенсирование спроса и оптимизация запасов в реальном времени по глобальным сетям, динамическое планирование персонала, автоматическая перемаршрутизация при сбоях. Большинство руководителей уже планируют или реализуют ИИ-автономию в прогнозировании спроса (65%) и оптимизации запасов (61%).
Где агенты решать не должны, по прямому указанию источника: регуляторная отчётность, существенные раскрытия, чувствительные юридические суждения.
Смена роли человека. Формулировка IBM: роль человека сместится с принятия каждого решения к проектированию логики решений, установке ограничителей и вмешательству только там, где исключения несут материальные, этические или стратегические последствия.
2025: CEO считали генеративный ИИ слишком рискованным для основных бизнес-функций
64%
2026: CEO комфортно принимают крупные стратегические решения на основе выводов ИИ
Два разных вопроса, а не один ряд: между собой эти проценты не сравниваются. Сменилось настроение, а не измеряемая величина.
01
2025генеративный ИИ слишком рискован для применения в основных бизнес-функциях
02
2026комфортно принимать крупные стратегические решения на основе выводов ИИ
За год позиция по одному и тому же предмету поменялась на противоположную.
Как IBM рекомендует расширять автономиюIBM CEO 2026
Четыре правила:
Фокус на точках принятия решений, а не на примерах. Найти небольшой набор повторяемых высокочастотных решений, где последовательность важнее суждения, и развернуть агентов там первыми. Перевести людей с одобрения каждого решения на обработку исключений. Мерить успех качеством и скоростью решений.
Управлять в режиме обучения. Ревьюить ИИ-решения по тому, что они выявили, а не по безупречности исхода. Заранее задавать критерии выхода: время до ценности, качество решений, условия закрытия. Нормализовать раннее прекращение малоценной автоматизации.
Зафиксировать реинвестирование заранее. До закрытия следующего бюджетного цикла договориться о фиксированной доле реинвестирования прироста производительности — обычно 60–80%.
Расширять автономию осознанно. Увеличивать полномочия ИИ только там, где ограничители явны, аудируемость доказана, а ответственность закреплена за поимённо назначенным руководителем. ИИ исполняет там, где последовательность кодифицируема; люди управляют и проверяют; уверенность растёт на доказательствах.
Три замера расходятся не потому, что спорят друг с другом, — они отвечают на три разных вопроса. Чем каждый строже предыдущего, как та же цифра рассыпается второй раз уже по функциям внутри компании и что зафиксировать, чтобы собственную цифру было с чем сравнивать.
Разброс между крайними функциями — в 47 раз. Любая агрегированная цифра проникновения агентов по организации скрывает это распределение.
Для контекста, ещё в Q1 2025 руководители называли функциями, наиболее выигрывающими от агентного ИИ: технологии 76%, операции 74%, риск 56%, финансы 39%, маркетинг и продажи 35%, HR 8%. Порядок сохранился, значения выросли — кроме HR, где и ожидания, и факт остались на дне.
Внедрение ИИ среди рядовых сотрудников по функциям в 2026 году показывает похожую, но не идентичную картину: IT 88%, маркетинг 85%, финансы 83%, данные и аналитика 83%, комплаенс 76%, HR 75%, закупки 73%, логистика 72%, административная работа 72%, продажи 68%, операции и производство 61%. В HR сами сотрудники пользуются ИИ на уровне 75%, а агенты развёрнуты лишь у 2% организаций — разрыв между тем, как люди пользуются ИИ сами, и тем, где организация ставит агентов.
Минимальные требования, чтобы цифра была сопоставимой хоть с чем-то:
Знаменатель. Доля от чего: от всех функций, от всех процессов, от всех сотрудников?
Порог интеграции. «Запущен» / «в пилоте под надзором» / «встроен в сквозной процесс» / «исполняет функцию систематически» — четыре разных ответа.
Кто отвечает. Руководитель систематически даёт более высокую цифру, чем исполнитель. Замер имеет смысл делать с обеих сторон, а разрыв между ними использовать как отдельный показатель.
Связывание агентов — отдельно. Доля агентов, работающих в связанных в систему цепочках, — принципиально иной показатель зрелости, чем общее число агентов. Бенчмарк: 18% организаций в стадии связывания агентов в систему.
Не путать с внедрением ИИ. Внедрение ИИ в организациях достигло 88% и больше не различает компании. Развёртывание агентов — следующий уровень измерения.
Здесь собрано всё по разделу, плюс глоссарий архитектуры данных.
Цена решений, принятых вчера
Верхняя панель — намерение, нижняя — способность, и считаются они в разных единицах: организации против нагрузок. Дело не в лени: оптимизация под стоимость и создала зависимость.
Архитектура данных — общий каркас и чертёж управления данными: от сбора и хранения до интеграции и использования. Включает политики, модели данных, процессы и технологии, обеспечивающие доступность, безопасность, качество и согласованность с бизнес-целями.
Модели данных — концептуальные и технические представления структуры данных: как элементы связаны, по каким правилам хранятся и используются. Чертежи для проектирования баз и приложений.
Data products — упакованные переиспользуемые информационные активы, решающие конкретную бизнес-задачу, по аналогии с приложениями. Соединяют сырые данные, аналитику и выводы в готовый инструмент или панель, которой бизнес-команда пользуется без технической подготовки.
Гибридное облако — сочетание собственной инфраструктуры и публичных облачных сервисов в единой среде, где данные и приложения перемещаются между частным и публичным контурами. Для ИИ позволяет закрывать потребность в вычислениях, соблюдая требования к резидентности данных.
Data fabric — архитектура управления данными, дающая единый интеллектуальный слой поверх разнородных источников и сред. Создаёт виртуальное централизованное представление данных без их физического перемещения.
Data mesh — организационно-архитектурный подход, где данные трактуются как продукт, принадлежащий доменным командам, а не централизованному IT. Децентрализованное владение при федеративной управляемости; самообслуживание в обнаружении данных, более быстрые циклы инноваций.
Что раскрыто в этом разделе
Формальная крепость — 81% и 75% — появилась не сама: два года назад на их месте стояли другие числа. Отсюда виден весь путь: с какой отметки шёл рост, чего он потребовал от людей и обо что данные всё ещё спотыкаются, когда их зовут питать ИИ.
Фундамент данных: 2023 → 2025
Прогресс за два года огромный. Уверенность в том, что этот фундамент выдержит следующий шаг, осталась на уровне четверти — требования росли быстрее фундамента.
74%
выстроили механизмы непрерывного сбора и обновления данных для доступности в реальном или почти
83%
говорят, что их команды постоянно спрашивают, каких дополнительных точек данных не хватает
Мандат CDO стал яснее. Формулировка источника: в 2023 году CDO знали, что должны перейти от управления данными к поставке бизнес-ценности, но эта ценность определялась широко. В 2025 году ИИ сделал мандат конкретным — использовать корпоративные данные, чтобы питать ИИ.
Приоритет сместился. CDO теперь называют использование данных для конкурентного преимущества приоритетом номер один — выше управляемости и безопасности как основных обязанностей.
Топ-приоритеты и топ-вызовы CDO почти совпадают — четыре из пяти главных вызовов являются одновременно главными приоритетами:
Топ-вызовы
01
Использование данных для конкурентного преимуществаФормирование культуры работы с данными
02
Генерация практических выводов через продвинутую аналитикуВнедрение эффективных практик управляемости и управления данными
03
Внедрение эффективных практик управляемости и управления даннымиПривлечение и удержание талантов с продвинутыми навыками работы с данными
04
Формирование культуры работы с даннымиОбеспечение безопасности и приватности данных
05
Обеспечение безопасности и приватности данныхГенерация практических выводов через продвинутую аналитику
Архитектурный сдвиг.81% CDO говорят, что приносят ИИ к данным, а не централизуют данные ради ИИ. Это позволяет избежать издержек и рисков перемещения данных. 81% также говорят, что данные готовятся для ИИ преимущественно на уровне функции или проекта — против опоры на нисходящие структуры решений в 2023 году.
Непрерывность.74% выстроили механизмы непрерывного сбора и обновления данных для доступности в реальном или почти реальном времени. 83% говорят, что их команды постоянно спрашивают, каких дополнительных точек данных не хватает организации.
Доверие к агентам выросло.83% говорят, что потенциальные выгоды развёртывания агентов перевешивают риски; 77% комфортно полагаются на результаты работы агентов. Источник прямо противопоставляет это 2023 году, когда лишь 44% говорили, что руководство доверяет собираемым данным.
Доступность — медленное время отклика на запросы авторизованных пользователей, низкая удовлетворённость
Полнота — доля пустых полей, пропуски, низкое соблюдение обязательных полей
Целостность — ограниченное отслеживание происхождения данных, несогласованный ввод между системами
Точность — высокая доля ошибок, некорректных данных, отказов валидации
Согласованность — несогласованные форматы, коды и номенклатура
Барьеры к инновациям в области данных: фокус на краткосрочных результатах · недостаточно или плохо интегрированные данные · сопротивление изменениям · недостаток экспертизы · ограниченный бюджет. Первый и третий — культурные, а не технические.
Пример: единый источник правды в IBM CIOIBM CDO 2025
Данные были разбросаны по разрозненным источникам, включая семь разных data lakes на разных технологиях. Следствия: команда не могла добраться до значительной части данных; управляемость, контроль доступа и процессы были несогласованны между репозиториями; повсеместное дублирование данных и перекачка данных подрывало качество, поднимало операционные издержки и душило инновации.
В третьем квартале 2024 года организация создала единый data hub, заменив разрозненные хранилища централизованным контролем. Раньше пользователи трудоёмко извлекали данные из разных сред; теперь единый запрос вытягивает данные из всех систем сразу.
Результат: $5,3 млн экономии к первому кварталу 2025 года за счёт ухода с устаревших систем и снижения избыточности, плюс улучшенная управляемость за счёт единого источника правды.
Ручное сопоставление счетов, подтверждений доставки и заказов на закупку. Развернули ИИ-решение автоматической выгрузки и сопоставления документов, справляющееся со сложными форматами, штампами, плохими сканами и нестандартной вёрсткой.
За четыре недели автоматизировали сопоставление документов в одном подразделении. Результаты: время обработки счёта сократилось с 20 минут до 8 секунд, точность выше 99%, персонал высвобожден под работу с более высокой добавленной стоимостью.
Ответы падают втрое сразу в пяти замерах, и каждый спрашивал о своём — для случайности слишком плотно. Смотрим, что именно спрашивали: вся четверть держится на разнице между «согласен» и «твёрдо согласен».
Пять независимых замеров 2025 года сошлись в узком диапазоне 19–29%:
Формальный фундамент против уверенности в нём
Обрыв между второй и третьей строкой — и есть потолок уверенности. Пять независимых замеров сошлись в диапазоне 19–29%: это не про конкретную проблему, а про общий предел.
68%
считают интегрированную архитектуру уровня всего предприятия данных критичной
72%
говорят, что использование проприетарных данных — ключ к раскрытию ценности генеративного ИИ
Замер
01
CDO уверены, что их возможности поддержат новые источники выручки на базе ИИ26%
02
CDO уверены, что организация умеет извлекать бизнес-ценность из неструктурированных данных26%
03
Руководители полностью согласны, что ИТ-инфраструктура способна поддержать масштабирование ИИ на предприятие25%
04
COO говорят, что архитектура уровня всего предприятия данных полностью развита и интеграция масштабирована на все функции19%
05
CDO полностью согласны, что имеют чёткие меры ценности решений на данных29%
Различие важное: во всех этих замерах речь о твёрдом согласии (твёрдое согласие) или о полной развитости, а не о согласии вообще. Полная шкала по ключевым утверждениям CDO:
+Полный список8
01
Я должен быть бенчмаркован на бизнес-результаты, чтобы преуспеть в ролиСогласны + полностью согласны 92% · Полностью согласны45%
02
Когда лидеры по данным не могут ясно объяснить ценность данных, это ставит под угрозу успех организацииСогласны + полностью согласны 86% · Полностью согласны35%
03
Я могу ясно объяснить, как приоритеты по данным обеспечивают ключевые бизнес-результатыСогласны + полностью согласны 85% · Полностью согласны34%
04
Я активно взаимодействую с бизнес-лидерами, чтобы определять потребности в данных и расставлять приоритетыСогласны + полностью согласны 84% · Полностью согласны41%
05
У меня есть ресурсы и полномочия для исполнения стратегической трансформации на данныхСогласны + полностью согласны 78% · Полностью согласны29%
06
Лидеры по данным испытывали трудности с ясной артикуляцией бизнес-ценности своей ролиСогласны + полностью согласны 77% · Полностью согласны29%
07
Нет шаблона, определяющего мандат CDOСогласны + полностью согласны 74% · Полностью согласны26%
08
У меня есть чёткие меры ценности решений на данныхСогласны + полностью согласны71% · Полностью согласны24%
Разрыв между «согласен» и «твёрдо согласен» — от 43 до 51 процентного пункта на каждом утверждении. Это само по себе диагноз: тема признана, но уверенности в собственной позиции нет.
Широкая планка съезжает с 92% до 71%, твёрдое согласие держится в коридоре 24–45%: расстояние между точками почти не меняется.
87% руководителей говорят, что эффективная защита данных обязательна для получения максимума от ИИ-инвестиций. Но лишь половина считает, что может защитить чувствительные данные и предотвратить утечку в большинстве ИИ-сценариев применения.
Отдельный факт того же ряда: более четверти ИИ-инициатив были отменены, отложены или не смогли масштабироваться из-за проблем безопасности.
Раз готовность теперь означает сменяемость, её стоит дочитать до конца: что именно IBM переопределила и чем за это платят при выходе из облака. Дальше — барьеры по порядку, рекомендации «завтра утром» и квант, где готовность обязана идти впереди развёртывания.
Было: готовность = стабильность. Соответствие известной операционной модели, оптимизированной под непрерывность, стоимость и предсказуемость. Это имело смысл, пока возможности эволюционировали достаточно медленно для планирования.
Стало: готовность = сменяемость — способность перемещать нагрузки, менять модели и поглощать новые возможности, не запуская масштабной перестройки.
Формулировка источника: «Когда модели, платформы и инструменты меняются быстрее циклов планирования, стабильность превращается в ограничение».
Сменяемость не сводится к инфраструктуре. Она включает: интеграцию новых возможностей без replatforming, замену моделей без переписывания рабочих процессов, предотвращение ситуации, когда локальная оптимизация создаёт привязку к провайдеру для всего предприятия.
Насколько организации на самом деле готовыIBM Tech 2026
89%
техруководителей, инвестирующих в квант, мотивированы защитой вычислительной стратегии
82%
CEO ИИ-бенчмаркованных компаний уже работают с партнёрами в квантовых экосистемах — против 50% всех CEO
01
Облачные расходы превысили изначальные прогнозына 48% в среднем
02
Из нагрузок, которые планируют переносить, легко переносимы по оценке техруководителейтолько 25%
Главные причины роста облачных издержек: рост использования и нагрузок · неоптимизированные ресурсы · плата за передачу данных и плата за вывод данных · ограниченная видимость и отслеживание затрат.
Барьеры к переносимости:
Почему исходные решения были рациональнымиIBM Tech 2026
Техруководители называют главными двигателями первоначальной облачной миграции оптимизацию затрат (60%) и обеспечение инноваций (59%).
Формулировка источника: «То, что выглядит негибкостью сейчас, часто коренится в рациональных решениях, принятых раньше. Эти решения создали ценность и одновременно ввели зависимость».
Это важно для интонации: речь не об ошибках прошлого, а о смене критерия оптимизации.
Экономический эффект ранней сменяемостиIBM Tech 2026
Организации, спроектировавшие сменяемость рано — сохранив переносимость нагрузок, ограничив жёсткие зависимости и обеспечив более быстрое обновление моделей, — показали на 10% более высокий возврат на ИИ-инвестиции в 2025 году.
Формулировка: «Готовность больше не определяется одной лишь стабильностью. Она про отсутствие структурных барьеров к изменению».
относиться ко всем нагрузкам как одинаково важным для переноса;
одобрять новую привязку к провайдеру по умолчанию;
называть перерасход на плату за вывод данных и миграцию «неожиданным».
Завтра утром:
Установить правило для новых зависимостей. Новые ИИ-развёртывания не должны по умолчанию создавать трудно обратимую привязку к провайдеру. Требовать обоснования при использовании специфичных для провайдера сервисов.
Финансировать гибкость намеренно. Портируемость, устойчивость и ротация моделей — стратегические способности, а не побочный эффект оптимизации затрат.
Решить, где сменяемость важнее всего. Не каждая нагрузка нуждается в переносимости. Сосредоточиться на платформах, нагрузках и доменах данных, где привязка к провайдеру ограничит будущие бизнес-решения.
В этом месяце:
Составить карту подверженности привязке к провайдеру по инфраструктуре, данным и ИИ-моделям, затем выбрать 2–3 наиболее ценных шага по повышению переносимости.
Установить прозрачность издержек на плату за вывод данных и передачу данных, чтобы решения о переносимости опирались на реальную экономику, а не на предположения.
Ввести лёгкий механизм проверки для новых ИИ-развёртываний, сильно опирающихся на проприетарные платформенные сервисы.
Квантовые вычисления ставят принципиально иную задачу готовности. В отличие от plug-and-play ИИ-приложений, квант требует разработки алгоритмов и приложений плюс испытаний. Осмысленное участие требует долгогоризонтного видения — навыков, партнёрств и операционных моделей задолго до того, как бизнес-ценность станет видимой. Начатые инвестиции кумулятивны и трудно обратимы.
Здесь сменяемость приходит не из технической мобильности, а из партнёрств с широким набором компетенций. 89% техруководителей, инвестирующих в квант, мотивированы защитой вычислительной стратегии от будущего.
Формулировка вывода: двигаться быстро, но признавать, где готовность должна предшествовать развёртыванию, и что откладывание структурных решений ограничит будущие стратегические пути.
Со стороны CEO: только 46% имеют команду для выявления конкретных квантовых сценариев применения и связанной с ними бизнес-ценности; 82% CEO ИИ-бенчмаркованных компаний уже активно работают с партнёрами в квантовых экосистемах против 50% всех CEO. Где CEO ожидают наибольшей отдачи от кванта: продвижение ИИ и машинного обучения 48%, ускорение сложных симуляций 45%, оптимизация операций и логистики 39%, исследование новых бизнес-моделей 37%, кибербезопасность и шифрование 32%, сокращение сроков R&D 30%, захват патентов и интеллектуальной собственности 13%, «слишком рано судить» 12%.
Где CEO ожидают наибольшей отдачи от кванта: главное — продвижение самого ИИ, замыкает список «слишком рано судить».
Тише всего звучит то, что конкурент не может скопировать, — и линий тут сразу несколько: чьи модели, чьи данные, чей контур. Дальше — как меняется набор моделей, во что обходится суверенитет и почему доступ к данным внутри компании тоже оказался про дифференциацию.
Собственная разработка и обучение ИИ2026 2% · 2030 (ожидание) 1% · Δ −1 пп
05
Исследуют2026 8% · 2030 (ожидание) 4% · Δ −4 пп
Гибридная стратегия — сочетание кастомных, универсальных и малых специализированных моделей в зависимости от конкретных бизнес-требований.
Экономический эффект правильной комбинацииIBM CEO 2026
Организации, наиболее успешно масштабирующие ИИ по рабочим процессам, используют меньшие специализированные модели или комбинацию собственных и универсальных моделей. По сравнению с опирающимися преимущественно на крупные предобученные модели, они ожидают к 2030 году (IBM CEO 2026, со ссылкой на исследование IBM IBV «The enterprise in 2030»):
+24% прироста производительности
+55% улучшения операционной маржи
вдвое большее сокращение времени цикла процессов
Отдельно: CEO, систематически встраивающие проприетарные данные и интеллектуальную собственность в кастомные модели и агентов, ожидают, что на 13% большая доля выручки 2030 года придёт от продуктов и услуг, не предлагаемых сегодня.
Типичная организация уже в 2025 году использовала 11 генеративных моделей и планировала минимум 16 к концу 2026 года — по мере выхода моделей за пределы текста и языка к визуальным, геопространственным и другим типам данных.
Осложняющий фактор: типичному руководителю каждый поставщик предложил более 30 разных сценариев применения генеративного ИИ. У некоторых организаций уже десятки тысяч ИИ-активов, что создаёт масштабную задачу интеграции и интероперабельности. При этом половина организаций говорит, что разрозненная технология ограничивает возможности использования их данных.
Управление модельным портфелем стало отдельной дисциплиной, и это одна из основных причин появления роли CAIO: помогать другим членам высшего руководства находить экономию, предотвращать привязку к поставщику модели и оптимизировать ИИ-портфель под конкретные потребности бизнеса.
Уже в 2025 году IBM формулировала это как отдельную рекомендацию CEO: избегать привязки к поставщику модели, продвигать модель-агностичный подход, поощрять эксперименты с альтернативными моделями, сравнивать их производительность и выбирать наиболее эффективную под каждую задачу, а не умолчанием брать крупные и сложные; принимать open-source-технологии ради интероперабельности и свободы адаптации.
82% CDO говорят, что организация рассматривает суверенитет данных как критический аспект общей стратегии управления рисками.
Меры, принимаемые для решения проблем суверенитета:
Третью категорию опроса — «пилотируют, оценивают или не рассматривают» — источник на слайде не подписывает.
Формулировка источника: по мере вступления в силу юридических границ, определяющих, где данные могут храниться и обрабатываться, организациям придётся адаптировать практики и потенциально дублировать или переносить ИИ-инфраструктуру. Некоторые CDO при этом видят в соблюдении законов о суверенитете источник конкурентного преимущества.
Проприетарные данные как источник дифференциацииIBM CDO 2025
84% CDO говорят, что их уникальные продукты на данных уже дали значимое конкурентное преимущество — клиентские 360-представления, операционные панели мониторинга реального времени, наборы данных для финансового прогнозирования.
78% CDO называют использование проприетарных данных топ-стратегической задачей дифференциации.
72% CEO говорят, что проприетарные данные — ключ к раскрытию ценности генеративного ИИ.
Только 26% CDO уверены, что организация умеет извлекать бизнес-ценность из неструктурированных данных. Источник объясняет это сложностью: нужны продвинутая аналитика, высокое качество данных и сильный управленческий каркас.
CDO из организаций с более высоким ROI на данные и ИИ на 25% чаще говорят, что ИИ изменил способ измерения ROI данных.
83% CDO говорят, что стратегические партнёрства усиливают их возможности и продвигают инновации; 82% — что партнёрства ускоряют ИИ- и инициативы.
Полная шкала:
Ценность экосистемных данных по версии источника: они дают полную картину рынка, которую ни одна организация не может создать в одиночку, и ранние сигналы рыночных сдвигов — например, дефицита материалов или роста издержек — за месяцы до традиционного прогнозирования.
82% CDO говорят, что организация впустую тратит данные, если не даёт людям доступ к ним для принятия лучших решений.
80% говорят, что демократизация данных помогает организации двигаться быстрее.
82% говорят, что команда данных должна сделать взаимодействие с бизнес-данными проще и интуитивнее.
74% активно продвигают культуру ответственное обращение с данными среди сотрудников; более двух третей говорят, что их роль больше сфокусирована на обеспечении использования, чем на предотвращении злоупотребления — источник называет это большим культурным сдвигом к открытости.
CDO из организаций с более высоким ROI на 20% чаще говорят, что риск ограничения доступа сотрудников к корпоративным данным выше риска предоставления широкого доступа; на 15% чаще дают доступ через единый интерфейс с сохранением безопасности и управляемости.
В отдельном опросе операционных руководителей 90% сказали, что к 2027 году агенты позволят сотрудникам глубже погружаться в аналитику для анализа и оптимизации в реальном времени.
Здесь собрано всё по разделу, плюс чек-листы IBM по всем трём опорам структурной готовности.
Модель надзора к 2026 году
Акцентирована единственная модель, которая масштабируется: проверка каждого действия стоит линейно от их числа, проверка результата — нет. При 1 661 агенте разница становится непреодолимой.
Чек-листы IBM: «сегодня / завтра утром / в этом месяце»IBM Tech 2026
Опора 1. Адаптивность инфраструктуры
Немедленно прекратить: относиться ко всем нагрузкам как одинаково важным для переноса · одобрять новую привязку к провайдеру по умолчанию · называть перерасход на плату за вывод данных и миграцию «неожиданным».
Завтра утром: установить правило для новых зависимостей · финансировать гибкость намеренно · решить, где сменяемость важнее всего.
В этом месяце: составить карту подверженности привязке к провайдеру · установить прозрачность издержек на плату за вывод данных · ввести лёгкий механизм проверки для развёртываний на проприетарных платформенных сервисах.
Опора 2. Управляемость, встроенная в архитектуру
Немедленно прекратить: относиться к документам политик как к действующим контролям · одобрять автономные системы без отката, логирования и ясного владения · предполагать, что управляемость масштабируется через новые проверки и комитеты.
Завтра утром:
Установить минимальные стандарты продакшна. Если агент или модель не зарегистрированы, не имеют владельца, не наблюдаемы и не останавливаемы — они не развёртываются. Сделать это неоспоримым.
Перепроектировать управляемость сквозным образом для одного высокорискового домена. Выбрать урегулирование убытков, клиентский сервис или генерацию кода — и построить модель с ясными ролями, автоматическим мониторингом и определёнными путями эскалации.
Перевести один ручной контроль в платформу. Границы доступа, детекцию дрейфа, пороги эскалации или аварийное отключение — из надзора комитета в исполняемый код.
В этом месяце:
Построить единый реестр всех продакшн-агентов и моделей: что развёрнуто, кто владеет, к чему имеет доступ, как отслеживается производительность.
Автоматизировать один управленческий контроль по всему жизненному циклу ИИ: оценку моделей, одобрение развёртывания или проверку соответствия — встроить в платформу с мониторингом и алертами в реальном времени.
Определить и обеспечить минимальные стандарты для автономных систем: требования к наблюдаемости, аудируемости, откату и владению.
Провести симуляцию инцидента, чтобы проверить дизайн управляемости: смоделировать отказ агента и проверить скорость обнаружения, протоколы локализации и процессы восстановления.
Опора 3. Портфельная дисциплина
Немедленно прекратить: оценивать поисковые ИИ-ставки только по логике окупаемости инфраструктуры · финансировать пилоты без ответственных владельцев и явных критериев успеха · рассматривать экономику ИИ только в рамках бюджетных циклов.
Завтра утром: разделить ИИ-расходы на две категории · требовать видимости на уровне примера · установить общий ритм IT и финансов.
В этом месяце: построить начальное портфельное представление ИИ-расходов по примерам, владельцам, моделям и ожидаемой ценности · согласовать с финансами критерии разделения операционного и стратегического ИИ · запустить регулярный пересмотр портфеля.
Что раскрыто в этом разделе
В 2025 году управляемость была реакцией: на каждую новую тревогу — свой ограничитель, и следующая волна опроса заставала организации уже на другом. Все кварталы подряд — какие меры надзора росли, какие исчезли без следа и по каким поводам решение ИИ вообще отменяют.
Не готовы к автономным агентам, требуют человек в контуре на каждое действиеQ1'25 28% · Q2'25 45% · Q3'2561%
03
Не давать агентам доступ к чувствительным данным без человеческого надзораQ1'25 52% · Q2'25 45% · Q3'2563% · Q4'25 60%
04
Человек валидирует результаты, но не контролирует каждое действиеQ2'25 25% · Q3'25 42% · Q1'2657% · Q2'2652%
05
Определены высокорисковые примеры, где автономные решения запрещеныQ1'26 44%
06
Встраивают контроли в агентов с процедурами мониторинга и оценкиQ1'26 43%
Как читается кривая. В течение 2025 года организации ужесточали надзор по мере выхода агентов в продакшн: требование человека в контуре выросло с 28% до 61%, запрет на доступ к чувствительным данным без надзора — до 63%. К 2026 году произошла стабилизация на модели «человек валидирует результат, но не контролирует каждое действие» (57% → 52%, топ-подход два квартала подряд). Это единственная модель, которая масштабируется при тысячах агентов.
Доверенные провайдеры прошли путь от 23% (Q4'24) до пика 74% (Q3'25) и откатились к 44% (Q1'26) — по мере того, как организации перешли от закупки готовых решений к гибридной стратегии.
Злоупотребление ИИ злоумышленниками, включая кибербезопасность и дезинформациюQ1'25 30% · Q2'2538% · Q3'2545% · Q1'2644% (формулировка: кибер и злоупотребление сотрудниками)
02
Доверие к точности и справедливости выводов ИИQ1'2532% · Q2'25 37% · Q3'25 28% · Q1'26 вопрос не задавался
03
Личное доверие к генеративному ИИQ1'25 топ-3 по мнению более трети
Волны KPMG: в Q1 2025 впереди было недоверие к точности (32% против 30%), дальше лидер сменился. В Q4 2025 вопрос не публиковался — разрыв не соединяется; полый маркер Q1 2026 означает иную формулировку первого пункта. Третий пункт списка — личное доверие к генеративному ИИ — источник приводит без числа.
За год приоритеты поменялись местами: тема сместилась с качества выводов на злонамеренное использование.
Кибербезопасность как первый ограничительKPMG Q4’25
Барьеры к достижению целей ИИ-стратегии:
Q4 2025
01
Качество данных организациивходит в топ-3
К Q4 2025 кибербезопасность названа единственным главным барьером к целям ИИ-стратегии. Половина руководителей планировала выделить $10–50 млн в предстоящем году на защиту агентных архитектур, улучшение прослеживаемости данных и ужесточение управления моделями.
Конкретные угрозы, вызывающие наибольшее беспокойство: ИИ-ассистированное вредоносное ПО 80%, отравление данных 78%, ИИ-фишинг 77%.
Меры:72% приоритизируют развёртывание агентов от доверенных техпровайдеров; 60% не дают агентам доступ к чувствительным данным без человеческого надзора.
Q1 2026: вопросы безопасности данных, приватности и рисков — топ-фактор, влияющий на ИИ-стратегию в ближайшие полгода, для 91% руководителей.
Q2 2026: тот же фактор у 92%; следом — давление демонстрировать ценность инвесторам или совету 76%, ограничения на найм и инициативы по обучению 68%, доступ к более дешёвым и качественным моделям 68%, баланс масштабирования ИИ и углеродного следа 68%.
Факторы, влияющие на ИИ-стратегию в ближайшие полгода: KPMG, волна Q2 2026. Доли не суммируются в 100% — у каждого фактора своя.
Треть организаций переопределяет выводы ИИ без формальных критериев вообще — это отдельный, редко замечаемый разрыв в управляемости.
Ответственность раздали, а инструментов под неё не выдали — вот из чего предлагается собрать недостающий инструмент. Контроль, который не одобряет входы, а держит границы: кто владеет какой его частью, почему это не централизация и как это выглядело у старейшего банка Латинской Америки.
Почему ручное управление перестаёт работатьIBM Tech 2026
Формулировка источника: годами контроль в корпоративных технологиях осуществлялся через политики, одобрения, комитеты и циклы согласования. Этот подход работал, пока системы двигались с человеческой скоростью. На машинной скорости он не держится.
Когда агенты переходят из пилотов в продакшн, они принимают решения непрерывно и в объёмах, которые не может реалистично контролировать ни один путь эскалации. «В этой среде контроль перестаёт быть проблемой разрешений. Он становится проблемой проектирования».
Платформенные команды владеют общими ограничителями: телеметрия, реестр моделей, идентичность, логирование, откат и контроль во время исполнения.
Риск и комплаенс определяют пороги политик, требования к доказательствам, триггеры проверки и правила эскалации.
Архитектурные команды задают эталонные паттерны, точки контроля и стандарты интероперабельности.
Бизнес- и доменные команды владеют результатами сценариев применения, интеграцией в процессы, обработкой исключений и подотчётной эксплуатацией внутри ограничителей.
Реагирование на инциденты поддерживает предопределённые процедуры отключения, локализации и восстановления.
Это не централизованное командование. Формулировка источника: «Спроектированный контроль не означает централизованное командование. Это федеративная операционная модель, где платформа, риск, архитектура и домены владеют каждый своей частью системы контроля — чтобы автономия могла масштабироваться внутри общих границ».
Оговорка источника: спроектированный контроль требует предварительной стандартизации и инженерных усилий, но снижает последующие риски и трение по мере масштабирования автономии.
Дена Альмансури, Group Chief Technology and Innovation Officer, ADNOC: «Контроль сместился с одобрения входов на непрерывный надзор за выходами и результатами — от ворот к ограждениям».
Чарльз Ньюхаус, вице-президент и CTO, Leidos UK: «Традиционные управленческие функции проектируют процессы так, чтобы функции было удобно делать свою работу, вынуждая бизнес подстраиваться. ИИ переворачивает эту модель — заставляя управляемость, IT и безопасность думать как поставщики услуг, чья задача обеспечивать бизнес, а не тормозить его».
Фарид Бутагхан, CTO, Philip Morris International: «Нужно позволить людям двигаться со скоростью, но внутри чётко определённых полос и ограждений».
Старейший банк Латинской Америки, публичное финансовое учреждение с регуляторными обязанностями и общественной миссией. Задача: масштабировать ИИ ответственно, прозрачно и уверенно в среде, где доверие и подотчётность не подлежат обсуждению, при том что существующие подходы к управляемости перестали справляться по мере расширения ИИ на критические функции.
Что сделали:
Выстроили каркасы, определяющие ясные роли и ответственность от проектирования модели до развёртывания в критических средах.
Ввели строгие процессы оценки универсальных моделей, включая сравнение по бенчмаркам и оценку уязвимостей.
Реализовали мониторинг в реальном времени, проактивные алерты и кастомизированные метрики, консолидировав единую систему контроля и доверия.
Тестируют интегрированный подход на примерах генеративного ИИ для соответствия требованиям комплаенса, производительности и риск-менеджмента.
Ключевые результаты: автоматизированное управление по всему жизненному циклу ИИ, снижающий ручной надзор и ускоряющий развёртывание · мониторинг в реальном времени и объяснимость для проактивного управления риском и комплаенсом · прослеживаемость и версионирование ИИ-активов.
У ощущения «не успеваем» появился счётчик — и он не только считает, но и показывает, откуда берётся счёт. Что именно ломается, сколько длится починка и почему при одинаковом росте парка агентов у одних инциденты растут вместе с ним, а у других остаются плоскими.
Приоритет скорости. Бизнес-юниты идут вперёд, управляемость догоняет. Локальная скорость растёт, видимость и локализация деградируют. Более двух третей CIO и CTO говорят, что бизнес-юниты обходят IT при внедрении ИИ.
Приоритет безопасности. Развёртывание замедляется под весом проверок и одобрений. Немедленная подверженность снижается, но обучение останавливается, конкурентная позиция слабеет, а ручной надзор становится неуправляемым — особенно при навигации по десяткам пересекающихся регуляторных каркасов ИИ.
Вывод: «Один путь меняет безопасность на скорость, другой скорость на безопасность. Ни один не масштабируется, оба накапливают стратегический долг».
Связь роста инцидентов с зрелостью управляемостиIBM Tech 2026
При росте парка агентов 2026 → 2027 на 60–87% по регионам и 63–83% по отраслям рост числа инцидентов различается почти вдвое.
В организациях со слабой управляемостью больше агентов означает пропорционально больше инцидентов.
В организациях с сильной управляемостью частота инцидентов остаётся относительно плоской даже при ускоряющемся развёртывании.
Вывод источника: инвестиции в управляемость должны соответствовать операционному риску. В высокорисковых средах — регулируемые сектора, суверенно-чувствительные рынки, клиентские операции — недоинвестирование в управляемость превращает рост ИИ в операционную подверженность.
Отрасли со сложными регулируемыми операциями — фарма, энергетика, телеком, розничный банкинг — показывают наиболее заметное снижение инцидентов при зрелой управляемости по мере масштабирования агентов.
Из чек-листа источника: минимальный стандарт продакшна — агент или модель должны быть зарегистрированы, иметь владельца, быть наблюдаемыми и останавливаемыми. Иначе они не развёртываются.
Ключевой производный показатель этого отчёта: отношение темпа роста числа инцидентов к темпу роста числа агентов. При зрелой управляемости оно стремится к нулю; при незрелом — к единице.
Этажом ниже, где смешанные команды работают каждый день, от всей этой конструкции пока не видно ничего. Управляемость с рабочего места: кто не видит правил, чего одинаково боятся на всех уровнях и что меняется, когда человек начинает понимать, как агент устроен.
Правила и подотчётность: один разрез, два вопроса
Сверху — доля сотрудников, говорящих, что в компании нет чётких указаний по управлению командами «человек × ИИ»; снизу — доля ставящих подотчётность за решения ИИ в топ-3 опасений на ближайшие 2–3 года:
Разброс по второй строке — один процентный пункт. Это единственный вопрос, где иерархия не даёт расхождения: подотчётность одинаково беспокоит и тех, кто ставит задачи, и тех, кто их исполняет.
22%
организаций установили чёткие правила и ограничители для использования ИИ в автоматизированных решениях
+18 пп
разрыв в наличии ограничителей между компаниями, перепроектирующими процессы, и теми, кто только разворачивает инструменты
Для контраста, по всем остальным вопросам разрыв составляет 10–40 процентных пунктов.
Только 22% организаций установили чёткие правила и ограничители для использования ИИ в автоматизированном принятии решений. Формулировка источника: «примерно восьми из десяти организаций предстоит работа по проведению своих людей через серьёзный сдвиг в способах работы».
Комментарий источника: «Данные показывают, что организации вкладываются в ИИ-возможности, но большинство недоинвестирует в каркасы, защищающие человечность бренда».
Управляемость и редизайн идут вместе: те, кто перепроектирует процессы, заодно строят и правила.
За стенами компаний счёт ведут уже не службы безопасности, а исследователи и законодатели — и считают там не только инциденты. Сколько законов об ИИ появилось, где в мире оптимизма больше, а где меньше, и почему «ответственный ИИ» не сводится к одному числу.
Оптимизм по странам расходится вдвое
Доля считающих, что продукты и сервисы на ИИ дают больше пользы, чем вреда. Среднее по миру выросло с 52% (2022) до 55% (2024).
Практически все ведущие разработчики передовых моделей отчитываются по бенчмаркам способностей, но отчётность по бенчмаркам ответственного ИИ остаётся выборочной.
Годом ранее AI Index фиксировал ту же проблему: стандартизированные оценки ответственного ИИ остаются редкими среди крупных индустриальных разработчиков, хотя новые бенчмаркы (HELM Safety, AIR-Bench, FACTS) начинают заполнять пробел.
Компромиссы между измерениями ответственного ИИAI Index 2026
Ключевое открытие 2026 года: улучшение одного измерения ответственного ИИ, например безопасности, может ухудшить другое, например точность.
Это означает, что «ответственный ИИ» — не единая шкала, по которой можно двигаться вверх, а набор конфликтующих требований, между которыми приходится выбирать. Практическое следствие: любая метрика «зрелости ответственного ИИ» как одного числа вводит в заблуждение.
Разрыв между признанием риска и действиемAI Index 2025
Опрос McKinsey, цитируемый AI Index 2025: организации осознают риски ответственного ИИ, но митигация отстаёт. Риски неточности, регуляторного соответствия и кибербезопасности были в фокусе лишь у 64%, 63% и 60% респондентов соответственно.
Модели, спроектированные с мерами против явных предубеждений — включая GPT-4 и Claude 3 Sonnet, — продолжают демонстрировать неявные: непропорционально ассоциируют негативные термины с чернокожими, чаще связывают женщин с гуманитарными, а не STEM-областями, и предпочитают мужчин для лидерских ролей. Метрики предвзятости на стандартных бенчмарках улучшились, но проблема остаётся распространённой.
Доля ограниченных токенов в активно поддерживаемых доменах датасета C4 подскочила с 5–7% до 20–33% за год: сайты массово внедрили протоколы против скрейпинга для ИИ-обучения. Последствия — для разнообразия данных, выравнивания моделей и масштабируемости; возможно появление новых подходов к обучению в условиях ограничений.
Штаты США: с 1 закона об ИИ в 2016 году до 49 в 2023 и 131 за один 2024 год. Федеральные агентства США ввели 59 ИИ-регуляций — вдвое больше, чем в 2023, и вдвое большим числом агентств.
75 стран: упоминания ИИ в законодательных процедурах +21,3% (1 889 против 1 557); с 2016 года рост более чем в девять раз.
Государственные инвестиции: Канада $2,4 млрд · Китай $47,5 млрд на полупроводники · Франция €109 млрд · Индия $1,25 млрд · Saudi Project Transcendence $100 млрд.
В 2024 году запущены национальные институты безопасности ИИ: первые в США и Великобритании в ноябре 2023, затем на саммите в Сеуле в мае 2024 — Япония, Франция, Германия, Италия, Сингапур, Южная Корея, Австралия, Канада, ЕС.
Законы об ИИ, принятые штатами США за год. Шаг по горизонтали неравный: между 2016 и 2023 годами семь лет, между 2023 и 2024 — один. Единица — число законов, не проценты.
2026 (данные 2025 года):
Национальные ИИ-стратегии быстрее всего появляются у стран, не имевших формальной политики пять лет назад: более половины новых стратегий 2024 года — из развивающихся экономик; в активной разработке стратегии в странах Африки южнее Сахары, Центральной Азии и Ближнего Востока.
ИИ-суверенитет — стремление к большей самостоятельности в национальных ИИ-возможностях — становится центральным принципом национальной политики, но инфраструктура распределена неравномерно: Европа и Центральная Азия нарастили государственные ИИ-суперкомпьютерные кластеры с 3 до 44 между 2018 и 2025 годами.
Производство моделей при этом остаётся сконцентрированным в США и Китае. Open-source-разработка начинает перераспределять участие: вклад остального мира на GitHub уже обгоняет Европу и приближается к США.
Доля видящих в ИИ-продуктах больше пользы, чем вреда: 52% (2022) → 55% (2024) по 26 странам; выросла в 18 из 26.
Региональные полюса: Китай 83%, Индонезия 80%, Таиланд 77% против Канады 40%, США 39%, Нидерландов 36%.
Рост оптимизма с 2022 года в ранее скептичных странах: Германия +10%, Франция +10%, Канада +8%, Великобритания +8%, США +4%.
Две трети людей ожидают значимого влияния ИИ на повседневную жизнь в ближайшие 3–5 лет (+6 пп к 2022); наибольший рост в Канаде (+17%) и Германии (+15%).
Скептицизм в отношении этичности ИИ-компаний растёт, доверие к справедливости ИИ снижается.
2026:
Разрыв экспертов и публики — 50 процентных пунктов: 73% экспертов ожидают положительного влияния ИИ на то, как люди делают свою работу, против 23% публики. Аналогичные разрывы по влиянию на экономику и медицину.
Доверие к собственному правительству как регулятору ИИ ниже всего в США — 31%.
Глобально ЕС пользуется большим доверием как эффективный регулятор ИИ, чем США или Китай.
Для корпоративной повестки это означает: внутренняя коммуникация об ИИ работает в среде, где две трети общества настроены скептически, а доверие к институтам, которые должны регулировать технологию, низкое.
Здесь собрано всё по разделу, плюс пять императив BCG для CEO и четыре роли координированного переосмысления работы Microsoft.
Заявленная перестройка против её глубины
Верхняя панель — самооценка организаций, нижняя — ответы тех, кто внутри них работает; знаменатели разные, поэтому панели раздельные. Разрыв между панелями показывает глубину редизайна.
Смените табло: мерьте ценность, а не охват. Внедрение говорит вам, что люди пользуются ИИ, а не что он окупается. Время, которое экономят отдельные люди, вытекает из организации, если его не отслеживать и намеренно не реинвестировать. Смотрите на бизнес-результаты, а не на использование.
Сделайте стратегическую ясность главным приоритетом и владейте ею лично. Стратегическая ясность — не коммуникационная задача, а позиция руководителя. Обозначьте ИИ явным топ-приоритетом, ясно скажите, куда идёт компания, и убедитесь, что это дошло до всех, включая рядовых сотрудников. CEO, лично владеющие трансформацией, превосходят остальных по каждому измерению: захваченная ценность, удовольствие сотрудников, доверие.
Инвестируйте в сквозной редизайн работы, а не в новые инструменты. Большинство компаний по-прежнему трактуют ИИ как инструмент индивидуальной производительности, но более важное изменение — коллективное: ИИ меняет, как команды работают вместе и как задачи текут через организацию. Захват этой ценности требует сквозного перепроектирования нескольких ключевых процессов.
Поставьте людей в центр этого редизайна. Редизайн работает, только если люди в нём участвуют. Посмотрите вперёд, как изменятся роли в ближайшие годы, обучайте навыкам, которые важнее всего, и вовлекайте людей в формирование изменений, а не презентуйте им готовое. Людей удерживает вовлечёнными понимание, как ИИ помогает им расти, а не насколько быстрее они работают.
Управляйте этим как движущейся целью, а не разовой программой. Технология движется быстрее любой компании. Относитесь к ИИ как к тому, чем вы продолжаете рулить, а не как к программе с финишной чертой. Поставьте лёгкий постоянный контур управления, который перепроверяет, что работает, переизмеряет ценность и подстраивается по мере эволюции моделей и агентов.
Четыре роли координированного переосмысления работы MicrosoftMicrosoft WTI 2026
Построение инфраструктуры оценки требует скоординированного переосмысления работы по четырём ролям:
Сотрудники перестраивают свою работу вокруг постановки задачи и проверки результата.
Лидеры перепроектируют процессы вокруг результатов и автономии агентов.
IT строит инфраструктуру для агентных операций в масштабе — трактует агентов как управляемые сущности с идентичностями, правами, применением политик и управлением жизненным циклом. IT становится control plane для агентных операций, распространяя на агентов ту же строгость, что уже применяется к людям и приложениям, чтобы масштаб не достигался ценой видимости.
Безопасность обеспечивает, чтобы доверие было вплетено в саму систему — учитывает новые риски агентов: эксфильтрацию данных, непреднамеренные действия систем, несанкционированный доступ. Требует встраивания мониторинга, применения политик и аудируемости прямо в платформу, чтобы доверие работало как структурное свойство системы.
Когда эти четыре роли работают согласованно, организация становится обучающейся системой: работа непрерывно производит понимание, а понимание непрерывно меняет то, как выполняется работа.
Что раскрыто в этом разделе
Прежде чем ехать по шкале вверх, стоит посмотреть, из чего она сделана: у каждого из трёх уровней — определение источника и пример. Дальше отрасли, разошедшиеся по этой шкале, и замер 2025 года, который уже тогда показывал: редизайн работает и он же пугает.
ВнедрениеОпределение источника поддержка внедрения инструментов генеративного ИИ и рост производительности · Пример раскатка ChatGPT, Microsoft Copilot или Mistral LeChat
02
ПерестройкаОпределение источника сквозное перепроектирование рабочих процессов для переосмысления функций · Пример перестройка HR-функции через внедрение ИИ в критические процессы
03
ИзобретениеОпределение источника построение новых бизнес-моделей и продуктов для роста · Пример создание новых потоков выручки через ИИ-сервисы
По данным собственных исследований BCG, компании, создающие наибольшую ценность с ИИ, направляют 80% инвестиций на перестройку и изобретение — в нескольких ключевых процессах. Не во всех процессах, а в нескольких.
Сотрудники компаний, перепроектирующих рабочие процессы (перестройка или изобретение, n=5 350), против сотрудников компаний, только раскатывающих инструменты (только внедрение, n=1 830):
Формулировка источника: «Компании, перепроектирующие свои рабочие процессы, больше инвестируют в трансформацию людей — и это окупается».
Считают, что их работа наверняка или вероятно исчезнет в ближайшие десять лет
Комментарий источника: это «усиливает потребность в ясной коммуникации и должном переобучении».
В группах с более глубоким редизайном одновременно выше сообщаемая польза и выше тревога. Игнорирование этой пары превращает успешную трансформацию в кризис удержания.
По странам: Ближний Восток 63%, Испания 61%, Индия 48%, Япония 40%, Германия 36%, Италия 36%, Великобритания 34%, Франция 34%, США 33%, ЮАР 28%, Бразилия 27%.
Доля респондентов страны, считающих, что их работа наверняка или вероятно исчезнет в ближайшие десять лет. Вертикальная линия — все респонденты, 41%, а не среднее по этим одиннадцати странам.
Контр-интуитивная находка: страны с наибольшей долей регулярных пользователей — прежде всего Индия с 92% при среднем 72% — входят и в число стран с наибольшим страхом потери работы. Формулировка источника: «Страны с высоким использованием имеют и наибольший страх потери работы».
BCG задала двум группам одни и те же вопросы дважды — про результат и про то, что компания делает иначе; обе половины замера идут с размерами выборок и формулировками самого источника. И два наблюдения, которые легко пропустить, если смотреть только на величину разрывов.
Сотрудники компаний, идущих по пути перестройки или изобретения (n=8 071), против компаний, ограничившихся внедрением (n=2 919); общая база 10 990 исключает не знающих, как их организация внедряет ИИ:
12%
сотрудников в компаниях, ограничившихся раскаткой инструментов, участвуют в редизайне процессов — против 43% там, где процессы перепроектируют
30%
сотрудников даже в компаниях-лидерах видят агентов встроенными в рабочие процессы
Заголовок источника: «Использование ИИ для инициатив перестройки или изобретения окупается, давая больше ценности и лучший опыт сотрудника».
Ставит агентов в работу: сотрудники видят агентов интегрированными в рабочие процессыВнедрение 13% · Перестройка / изобретение30% · Δ +17 пп
06
Измеряет то, что важно: сотрудники видят, что ценность ИИ надлежаще отслеживаетсяВнедрение 27% · Перестройка / изобретение52% · Δ +25 пп
Заголовок источника: «Что делает инициативы перестройки и изобретения более успешными: более ясная дорожная карта и более глубокие инвестиции в людей».
Два наблюдения, которые легко пропустить
Крупнейший разрыв — в вовлечении людей в редизайн процессов (+31 пп), а не в инструментах, бюджете или талантах. И абсолютный уровень поражает: у компаний, ограничившихся раскаткой инструментов, в редизайне участвуют лишь 12% сотрудников.
Агенты встроены в процессы даже у лидеров лишь у 30%. То есть даже среди тех, кто перепроектирует процессы, семь из десяти сотрудников агентов в своей работе не видят. Это тот же разрыв «видим против измеряем», но замеренный снизу.
Что именно BCG назвала высокой ясностью и широким доступом — на этом держится вся цифра, и с этого разбор начинается. А заканчивается он тем, как та же находка приходит с других сторон: четыре независимых замера у трёх источников.
Сильная стратегическая ясность — ИИ сделан приоритетом, есть ясная ИИ-стратегия и указания по использованию сэкономленного времени.
Широкий доступ к инструментам — есть доступ к ИИ-инструментам либо к их тестированию и экспериментированию.
База: 9 923 регулярных пользователя ИИ.
Результат
Доля респондентов, сообщающих об измеримом эффекте (улучшении ключевых бизнес-метрик, приписываемом ИИ):
Что это значит
Дать людям инструменты без направления добавляет 5 процентных пунктов. Дать направление без инструментов добавляет 25. Пятикратная разница.
Это самый сильный аргумент против инструментального подхода; он выведен из ответов 9 923 регулярных пользователей ИИ.
Дополнительно: переход от «высокая ясность + ограниченный доступ» к «высокая ясность + широкий доступ» добавляет всего 3 пп. То есть при наличии ясности инструменты почти перестают быть ограничителем.
IBM: 83% CEO говорят, что успех ИИ зависит больше от внедрения людьми, чем от самой технологии. В 2025 году то же самое говорили 71% CMO.
Microsoft: в модели Microsoft на организационные факторы приходится 67% объясняемой разницы в самооценке эффекта, на индивидуальные — 32%.
BCG, отдельный замер: ясность стратегии — крупнейший разрыв между компаниями уровня «перестройка/изобретение» и уровнем «внедрение» (+31 пп).
Четыре независимых замера у трёх источников указывают в одну сторону.
Проверка целиком: из чего собран составной показатель эффекта, каким методом ранжировались факторы и как объяснённая доля разложилась между организацией, человеком и демографией. И оговорка источника, без которой любой график по этим данным утверждает больше, чем данные позволяют.
29 факторов (10 организационных, 9 индивидуальных, 10 демографических) протестированы против композитного показателя эффекта ИИ из 10 пунктов (вопрос Q27).
Композит эффекта ИИ включает самоотчёты о том, что ИИ: делает человека более креативным · позволяет делать новые виды работы · даёт более качественные первые черновики · улучшает способность работать · улучшает взаимодействие · даёт ощущение контроля · улучшает карьерные перспективы · позволяет делать высокоценную работу · повышает вероятность остаться в компании из-за ИИ.
Метод: важность признаков через перестановки, случайный лес, нормировано так, что сильнейший фактор = 100%. Ранжирование устойчиво на трёх семействах моделей: test R² 0,680 (эластичная сеть), 0,689 (случайный лес), 0,690 (XGBoost).
Выборка: 20 000 опрошенных, аналитическая выборка 19 854 после исключения неполных наблюдений по 29 факторам. 10 рынков: США, Бразилия, Австралия, Индия, Япония, Франция, Германия, Италия, Нидерланды, Великобритания. Поле 18 февраля – 20 апреля 2026, полевой партнёр Edelman Data x Intelligence.
после исключения неполных наблюдений по 29 факторам
100%
· практики работы с талантами (43%) · поддержка менеджеров (43%) ·
Доля объяснённого эффекта
01
Демографияостаток
Состав групп
Организационная среда (в порядке силы): культура работы с ИИ в организации (100%, сильнейший фактор) · практики работы с талантами (43%) · поддержка менеджеров (43%) · организационные опасения по ИИ · командные ИИ-практики · ИИ в оценке эффективности · согласованность руководства · зрелость управляемости · адаптивность организации · названные барьеры.
Индивидуальная установка и поведение: ИИ-установка (42%, сильнейший индивидуальный) · внутренняя мотивация · готовность работы к ИИ · изощрённость использования ИИ · внешнее давление · сдвиг стратегического фокуса · проактивное ИИ-поведение · прогресс в навыках · опасения по ИИ.
Демография: знакомство с ИИ · рынок · статус лица, принимающего решения · уровень должности · поколение · функция · стаж в компании · размер компании · отрасль.
Три вывода
Три сильнейших фактора — все организационные. Сильнейший единичный фактор, культура работы с ИИ в организации, примерно в 2,5 раза сильнее сильнейшего индивидуального (42%).
Демография почти ничего не объясняет. Поколение, отрасль, размер компании, уровень должности — в хвосте списка. Это опровергает распространённые объяснения через «молодые быстрее осваивают» или «в технологических компаниях проще».
Формулировка вывода источника: «Настоящий вопрос не в том, есть ли у людей нужные навыки. Вопрос в том, устроена ли организация так, чтобы их раскрыть».
Обязательная оговорка
Источник прямо указывает: значения показывают статистическую ассоциацию, а не причинный эффект. Факторы — самоотчётные оценки работы, рабочего места и собственного использования ИИ. Любой график по этим данным без этой сноски утверждает больше, чем данные позволяют.
Microsoft People Science Agentic Teaming & Trust Survey (июль 2025), 1 800 работников глобально: 819 руководителей (высшее руководство, VP, директора), 520 менеджеров, 461 индивидуальный вкладчик — все вне Microsoft.
Когда менеджеры активно моделируют использование ИИ, сотрудники сообщают о:
+17 пунктах воспринимаемой ценности ИИ
+22 пунктах критического мышления о собственном использовании ИИ
+30 пунктах доверия к агентному ИИ
Когда менеджеры создают психологическую безопасность для экспериментов, сотрудники сообщают о до +20 пунктов готовности и ценности и в 1,4 раза чаще становятся частыми пользователями агентного ИИ.
Карта, у которой обе оси имеют содержимое: из чего собрана индивидуальная способность, из чего — организационная готовность и как люди легли по пяти зонам. А рядом то, чего на карте не видно, — лидеры и сотрудники отвечают на одни и те же вопросы по-разному, и в лидирующей группе иначе ведёт себя менеджер.
Индивидуальная способность отражает, насколько широко респондент использует ИИ и насколько уверенно им управляет, судит о его выводах и учится на них. Включает активность экспериментирования, обмен знаниями и создание новой ценности с ИИ — от улучшения качества работы и процессов до выполнения работы, которая раньше была невозможна.
Организационная готовность отражает среду вокруг: культуру и управленческие практики, поддерживающие использование ИИ; ясные правила и указания о совместной работе людей и ИИ; поощряется ли и признаётся ли использование ИИ.
Обе оси — самоотчётные композитные баллы, нормированные 0–1 внутри каждого рынка перед объединением. Индивидуальная готовность собрана из вопросов Q1 (самоэффективность), Q4 (изощрённость использования), Q6 (проактивное поведение), Q22 (создание ценности). Организационная готовность — из Q11 (зрелость управляемости), Q12 (поддержка менеджеров), Q14 (ИИ в оценке эффективности), Q19 (организационная культура работы с ИИ).
Аналитическая выборка: 16 971 из 20 000 с полными данными по обеим осям. Ни телеметрия, ни поведенческое наблюдение не используются.
Пять зон
31%
пользователей ИИ находятся в рассогласовании
26%
пользователей ИИ говорят, что руководство ясно и последовательно согласовано по ИИ
01
Зона лидеровВысокая индивидуальная способность и высокая организационная готовность усиливают друг друга
02
ФормированиеИ индивидуальная практика, и организационные условия ещё формируются
03
ЗастойИ то и другое низкое
04
Связанные рукиИндивидуальная ИИ-практика высокая, организационные условия низкие
05
Незадействованный потенциалОрганизационные условия высокие, индивидуальная практика низкая
31% пользователей ИИ находятся в рассогласовании между собой и организацией (застой, связанные руки и незадействованный потенциал; в формулировке источника — 31% рассогласованных, остальные 50% — зона формирования).
Боятся отстать, если не будут быстро адаптироваться с помощью ИИ65%
02
Считают, что безопаснее сосредоточиться на текущих целях, чем перепроектировать работу с ИИ45%
03
Говорят, что их вознаграждают за переосмысление работы с ИИ, даже если результаты не достигнуты13%
Формулировка источника: «Сотрудники готовы переизобрести то, как они работают, но система вокруг них — метрики, стимулы и нормы — продолжает подкреплять старый способ. Те же силы, что ускоряют внедрение ИИ, её и удерживают».
«Парадокс трансформации по своей сути — системная проблема. А системы не чинят себя сами: их нужно перепроектировать».
В 2026 эту линию ведут сразу двое, и обе версии тут целиком: у Microsoft — освоение вместо внедрения и сигналы, которые агенты уже производят, а организации не собирают; у IBM — тот же вывод в словах про стыки между функциями. И три вопроса, на которые обязана ответить компания-первопроходец.
Что CEO говорят о своих людях и процессах
Верхняя панель — про готовность, и рядом с ней стоит оценка тех же CEO: регулярно пользуется ИИ четверть рабочей силы.
Формулировка источника: фирмы, вырывающиеся вперёд, сосредоточены на освоении ИИ, а не просто на внедрении — перепроектируют способ выполнения работы и превращают результат работы в понимание. Когда это понимание фиксируется, распространяется и встраивается в то, как работает организация, возникает самоподдерживающаяся обучающаяся система.
Ключевое наблюдение: многие руководители фокусируются на найме правильных людей и предполагают, что результаты последуют. Данные показывают другое: дело в условиях, которые лидеры создают для того, чтобы эти таланты раскрылись.
По мере того как агенты берут на себя больше, они генерируют ценные сигналы: что сработало, что провалилось, где результат поплыл. В большинстве опрошенных организаций эти сигналы остаются локальными или распространяются медленно. Компании-первопроходцы обращаются с ними иначе: фиксируют и кодируют в общие процедуры, улучшая будущую работу при сохранении подотчётности и контроля.
Команды совместно прорабатывают и уточняют бизнес-процессы, чтобы найти возможности для ИИОстальные 32% · Лидирующая группа63% · Δ +31 пп
02
Делятся ИИ-подсказками, новыми агентами, находками и ошибкамиОстальные 36% · Лидирующая группа61% · Δ +25 пп
03
Обсуждают стандарты качества для работы с ИИОстальные 29% · Лидирующая группа54% · Δ +25 пп
04
Рабочие процессы агентов, передачи человеку и стандарты качества задокументированы и воспроизводимы на уровне командыОстальные 19% · Лидирующая группа26% · Δ +7 пп
05
То же на уровне функцииОстальные 17% · Лидирующая группа29% · Δ +12 пп
06
То же на уровне организацииОстальные 14% · Лидирующая группа25% · Δ +11 пп
Обратите внимание на абсолютные уровни последних трёх строк: даже среди самых продвинутых пользователей документированные и воспроизводимые процедуры работы с агентами есть лишь у четверти. Это самая незрелая практика из всех измеренных.
Формулировка источника: чем больше агенты исполняют, тем выше ставки вокруг человеческой оценки. Одобрить один плохой вывод — управляемо; когда плохие выводы проходят в масштабе, риск накапливается. Ключ — построить инфраструктуру оценки, которая поспевает за агентами.
Три вопроса, на которые обязана ответить каждая компания-первопроходец:
Кто проверяет работу агентов?
У кого есть полномочия обновлять рабочие процессы, которые агенты исполняют?
Как локальная победа фиксируется и масштабируется на всю организацию?
Организации, способные ответить на эти вопросы, строят собственный интеллект — институциональное ноу-хау, которое накапливается со временем, уникально для фирмы и трудно воспроизводимо.
Ход №4 «Согласовать интеллект — человеческий и искусственный»:
Сегодня ИИ дополняет людей; к 2030 году люди будут дополнять ИИ. Главный сдвиг не структурный, а культурный.
CEO, активно перепроектирующие совместную работу кросс-функциональных команд, более чем вдвое чаще выполняют свои бизнес-цели.
Организации, перепроектировавшие пять ключевых областей — технологии, финансы, HR, операции, кросс-функциональное взаимодействие, — в 4 раза чаще выполняют бизнес-цели.
Формулировка: «Когда функции эволюционируют независимо, производительность растёт постепенно. Когда их перепроектируют как интегрированную систему, улучшения усиливают друг друга».
CEO следует фокусироваться на стыках между функциями — передачах, правах принятия решений, потоках взаимодействия.
87% CEO активно встраивают ИИ в сквозные процессы.
Рекомендация: перепроектировать рабочие процессы до того, как перепроектировать роли. «Не финансируйте переобучение, пока нет перепроектированного способа работы, в котором эти навыки можно применить».
Переобучать под связывание в систему, а не под замену: приоритет навыкам системного мышления, интерпретации выводов ИИ, оспаривания рекомендаций и управления исключениями. Переопределить оценку эффективности и обучение менеджеров так, чтобы вознаграждать тех, кто сплавляет человеческий и машинный интеллект в лучшие результаты, а не только в более быстрые.
Превратить использование ИИ в ключевую операционную метрику: измерять, где ИИ доступен, где он реально используется и где работа откатывается к ручным умолчаниям.
Ход №5 «Ожидать непредсказуемых будущих» — та же логика на большем горизонте: становление ИИ-бенчмаркованные не финальная цель, а фундамент для следующего. Ставка на способность адаптироваться, а не на конкретную технологию.
Во всех поколенческих группах как минимум вдвое больше сотрудников скорее примут, чем будут сопротивляться более широкому использованию ИИ работодателем.
61% говорят, что ИИ делает их работу менее рутинной и более стратегической.
48% говорят, что им было бы комфортно, если бы ими управлял ИИ-агент.
При этом CEO оценивают, что только 25% работников регулярно используют ИИ в своей работе, — при том что 86% CEO говорят, что у сотрудников есть навыки для взаимодействия с ИИ.
Вывод источника дословно: «Разрыв между способностью и развёртыванием — это скорее проблема организационного дизайна, чем проблема навыков». И далее: «Если ИИ не используется, трактуйте это как операционный сбой, а не как проблему квалификации».
Здесь собрано всё по разделу, плюс действия по ролям из Action Guide CAIO Study.
Верхний этаж перестроен, нижний этого не видит
Верхние строки измерены у руководителей, нижние — у исполнителей. Ясность стратегии бессмысленно измерять у тех, кто её формулирует.
Дать CAIO полномочия вести. Наделить ясным мандатом, линией подчинения и видимостью в высшем руководстве. Сделать CAIO ответственным за этичный и безопасный ИИ в сотрудничестве с руководителями по безопасности и этике.
Требовать измеримых бизнес-результатов. Построить панели мониторинга ИИ для отслеживания бизнес-эффекта, рисков и этических последствий. Дать CAIO возможность исследовать и оценивать новые, менее поддающиеся количественной оценке возможности — и творческие способы измерять их эффект.
Дать CAIO ресурсы. Выделить отдельный ИИ-бюджет и наделить владением, привязанным к ROI. Собрать команду CAIO с правильным сочетанием технической и бизнес-экспертизы.
Строить умные и безопасные ИИ-партнёрства. Выбирать стратегических партнёров, расширяющих возможности и согласующихся с ключевыми ИИ-целями. Встраивать управляемость, этику и стандарты обмена данными как неоспоримые условия во все партнёрства.
Вдохновлять сотрудников видением ИИ. Ясно доносить, как ИИ-стратегия поможет достичь бизнес-целей. Поощрять вопросы и быть прозрачным в ответах. Сделать так, чтобы люди были готовы говорить о проблемах и возможностях, даже не будучи ИИ-экспертами.
Поощрять установку на рост. Дать сотрудникам возможность экспериментировать с ИИ через корпоративные конкурсы и практические программы. Праздновать прогресс, а не только успех.
Добиться ясности роли. Активно согласовывать с CEO мандат, обязанности и задачи. Разграничить свою роль с другими членами высшего руководства, избегая ненужного пересечения.
Создать и измерять чётко определённые показатели. Построить панель мониторинга ИИ для отслеживания бизнес-эффекта, рисков и этических последствий. Использовать аналитику для выявления рычагов, двигающих ключевые метрики. Отслеживать разные способы реализации ценности ИИ, а не только количественный ROI.
Взаимодействовать с коллегами по высшему руководству, даже если они не согласны. Усиливать сеть в высшем руководстве. Понимать, к кому обращаться, когда, зачем и как. Вовлекать тех, кто может быть настроен скептически, особенно по темам, требующим вклада разных команд, — этике и управляемости ИИ. Изучить повестку каждого и говорить на их языке.
Масштабировать влияние команды. Смешивать бизнес-, отраслевые и технические навыки. Связывать команду с ключевыми партнёрами в IT, корпоративной стратегии, операциях, комплаенсе.
Возглавить формирование операционной модели ИИ. Вести к централизации операционной модели. Задавать правила, ставить каркасы и процессы. Действовать как дирижёр ИИ-экосистемы.
Разработать дорожную карту ИИ-обусловленной цифровой трансформации. Выявить области, где ИИ создаёт ценность, оценить готовность, составить план внедрения. Работать с HR над культурной трансформацией: продвижением грамотности в данных, поощрением экспериментов, формированием культуры инноваций.
Что раскрыто в этом разделе
Строчка в оргструктуре — это ещё не роль: у неё есть происхождение, бюджет, право голоса и операционная модель под ней. Отсюда видно, откуда CAIO приходят, чем распоряжаются и почему при одинаковом титуле результат расходится.
В 2025 году IBM опросила более 2 300 организаций, чтобы найти 600+ CAIO. 66% этих CAIO ожидали, что роль появится у большинства организаций в ближайшие два года — прогноз сбылся за один год.
66%
этих CAIO ожидали, что роль появится у большинства организаций в ближайшие два года
100%
CEO ожидают, что влияние CAIO вырастет к 2030 году
57%
CAIO назначены из внутреннего кадрового резерва организации
36%
более высокий ROI
100% CEO ожидают, что влияние CAIO вырастет к 2030 году.
57% CAIO назначены из внутреннего кадрового резерва организации.
Профессиональный бэкграунд — области, на которых CAIO фокусировались за карьеру:
Формулировка источника: CAIO приходят с data-first-набором навыков, но у большинства также сильный бэкграунд в бизнес-стратегии, инновациях, корпоративных технологиях и операциях. По мере того как ИИ становится более трансформирующим, он становится и более таргетированным — примеры фокусируются на отраслевых сквозных процессов, поэтому CAIO должен обладать глубокой отраслевой экспертизой или иметь к ней доступ через команду.
CAIO, ведущие «центр и подразделения» или централизованные операционные модели, против ведущих децентрализованные:
переводят вдвое больше пилотов в продакшн
получают на 36% более высокий ROI на ИИ-инвестиции
Формулировка источника: «При правильной операционной модели организации могут надстроить базовую 10-процентную ROI-премию от наличия CAIO».
Распределение моделей по стадиям зрелости:
Операционная модель
По мере масштабирования организации переходят от децентрализованных моделей к централизованным и «центр и подразделения». Формулировка: «центр и подразделения» позволяет CAIO эффективнее направлять ресурсы на приоритетные инициативы, а получаемые фокус и гибкость дают лучшие результаты.
Как меняются приоритеты CAIO при масштабированииIBM CAIO 2025
Ранжирование важнейших обязанностей CAIO меняется по мере перехода от пилота к масштабу:
01
1На стадии пилота Определить ИИ-стратегию организации · На стадии масштаба Повысить принятие ИИ в высшем руководстве
02
2На стадии пилота Управлять партнёрствами в ИИ-экосистеме · На стадии масштаба Направлять внедрение ИИ
03
3На стадии пилота Курировать повышение квалификации существующих ИИ-талантов · На стадии масштаба Управлять ИИ-бюджетом организации
04
4На стадии пилота Строить обоснование проекта для ИИ · На стадии масштаба Разработать стратегию управления изменениями
05
…На стадии пилота … · На стадии масштаба …
06
последниеНа стадии пилота Управлять ИИ-бюджетом организации · На стадии масштаба Управлять партнёрствами в ИИ-экосистеме
Формулировка источника: «По мере масштабирования ИИ CAIO меньше фокусируются на стратегии и больше на внедрении».
Формулировка: это «показывает, где потребуется более сильное взаимодействие и ясное разграничение ролей».
Три области, на которых фокусируются успешные CAIOIBM CAIO 2025
Исследование выделяет три области, где CAIO с большим измеримым бизнес-эффектом концентрируют внимание:
Измерение. Успех нельзя определить абстрактно. Высшее руководство должно специфицировать, как будет измеряться эффект и каких бизнес-результатов ожидает. показатели должны выходить за пределы проектного ROI и включать метрики более трансформационного эффекта: выручка, прибыль, удовлетворённость клиентов, продуктивность сотрудников. Дашборд с правильными показателями, видимый всем релевантным принимающим решения, — центральный инструмент.
Командная работа. CAIO не должен быть армией одного. Средний размер команды CAIO — пять человек, независимо от зрелости ИИ, и меньшие команды менее успешны. Команды, приоритизирующие ИИ-специалистов, инженеров машинного обучения и бизнес-стратегов, дают больший измеримый эффект. Важно строить команду, дополняющую, а не дублирующую существующий технологический персонал: «Если создать теневой IT-департамент, сфокусированный только на ИИ, интеграция станет ещё сложнее».
Полномочия. CAIO нужен ясный мандат, основанный на видимой поддержке других руководителей высшего звена. Но не всякое вовлечение равноценно.
Только 25% руководителей полностью согласны, что ИТ-инфраструктура их организации способна поддержать масштабирование ИИ на всё предприятие. Никакой мандат CAIO этого не компенсирует.
У роли нет собственных рук: всё, что делает директор по ИИ, делается чужими функциями — технологической, операционной, кадровой. Отсюда видно, с кем он договаривается, чей вклад в результат оказался решающим и почему главным противником назвали того, кто отвечает за переобучение.
Три верхние строки — вес роли. Нижняя — с кем она конфликтует: именно директор по персоналу отвечает за переобучение, которое не сдвинулось за два года.
01
CEO — поддерживающий спонсорФункция в ИИ-повестке Определяет мандат CAIO, даёт полномочия ломать препятствия. Совместно создаёт и громко поддерживает ИИ-стратегию · Ключевая деталь 57% CAIO отчитываются CEO или совету. CAIO следует также плотно работать с CFO и CSO над способами измерения ценности
02
COO / CSCO — масштабирующие трансформациюФункция в ИИ-повестке COO должен быть и сторонником, и активным партнёром в интеграции ИИ в стратегию и операционную модель · Ключевая деталь Без поддержки COO CAIO не может обеспечить прирост продуктивности и процессные инновации
03
CDO — движок данныхФункция в ИИ-повестке Совместная работа над стратегией данных, качеством, управляемостью и аналитикой · Ключевая деталь Их взаимодействие критично для конвертации корпоративных данных в ценность через ИИ
04
CIO / CTO — интеграторы технологийФункция в ИИ-повестке CTO и CAIO вместе строят дорожную карту внедрения на основе оценки технической осуществимости; CIO обеспечивает готовность корпоративного IT · Ключевая деталь Согласование ИИ-, IT- и технологических стратегий критично
05
CISO — управляющий безопасностью и рискомФункция в ИИ-повестке Партнёры в формировании культуры встроенной безопасности, где защита закладывается в ИИ изначально · Ключевая детальБолее четверти ИИ-инициатив отменены, отложены или не смогли масштабироваться из-за проблем безопасности
06
CINO / CDIO — катализаторы инновацийФункция в ИИ-повестке Проектирование ИИ-центричных решений, эволюция продуктов и услуг, улучшение клиентского опыта · Ключевая деталь CDIO и CAIO вместе исполняют ИИ-обусловленную цифровую трансформацию
07
CHRO — агент измененийФункция в ИИ-повестке Согласование стратегий по талантам, определение требуемых навыков, программы обучения · Ключевая деталь32% CAIO называют CHRO одним из главных противников ИИ
Формулировка источника: «Поддержка со стороны CEO критична, но вовлечённость и продвижение CTO — ключевые факторы успеха ИИ».
Три наблюдения:
CTO присутствует во всех трёх измерениях — единственная роль с таким положением. Именно его команды проектируют, строят и внедряют ИИ-решения.
CHRO — первый по продвижению. Тот самый CHRO, которого 32% CAIO называют противником. Источник комментирует: если эти руководители на борту, они могут стать самыми эффективными сторонниками CAIO, показывая сотрудникам, чем ИИ хорош для их карьеры. Это подчёркивает необходимость более содержательного взаимодействия.
CEO — только третий по поддержке и отсутствует в двух других измерениях. Спонсорство сверху необходимо, но недостаточно; исполнение обеспечивают технологические и операционные роли.
Через активное взаимодействие CAIO согласует ИИ-стратегию с бизнес-, технологической, инновационной, стратегиями безопасности и работы с людьми, фокусируя усилия предприятия на общем наборе ИИ-обусловленных результатов. Более того, он может заняться сложными вопросами этики и управляемости ИИ — даже если формально они не считаются его прямой ответственностью.
Если границы между функциями устарели, дальше решает не название должности, а то, кто принимает решение. На этот вопрос CEO отвечают сами — все восемь утверждений о собственной конструкции против четырёх в статье, — и рядом стоит граница мандата, которую IBM предлагает провести вокруг директора по ИИ.
Все функциональные лидеры должны стать технологическими экспертами в своей области85%
04
Влияние CHRO вырастет в ближайшие годы59%
05
Децентрализуют принятие решений79%
06
ИИ уже меняет аспекты бизнеса, которые они считают ключевыми69%
07
Успех ИИ зависит больше от внедрения людьми, чем от самой технологии83%
08
У сотрудников есть навыки для взаимодействия с ИИ86%
09
Оценка доли работников, регулярно использующих ИИ25%
Что CEO говорят о собственной конструкции
В статье из этого списка нарисованы четыре утверждения, ещё четыре — в Р-12.5; здесь все восемь сразу, с одним знаменателем — доля CEO: шесть из восьми зажаты в полосе 77–86%, и заметно ниже всех рост влияния CHRO (59%). Девятое число списка, 25%, на эту ось не ставится — это оценка CEO доли работников, а не доля самих CEO; оно разбирается в Р-9.4 в паре с выделенными 86%.
CEO ожидают роста влияния каждого члена высшего руководства между сегодняшним днём и 2030 годом. При этом в функциях, где ИИ-трансформация началась раньше и уже затронула многие команды и инструменты — маркетинг и HR, — ожидаемый прирост ниже, чем в более технологически бенчмаркованных областях, где интеграция ИИ ещё разворачивается.
Дать ИИ-руководству полномочия — но в пределах. Если у вас есть CAIO, проясните его мандат. Если нет — назначьте сейчас. Дайте ему полномочия над ИИ-приоритетами, стандартами и воротами финансирования — но не владение бизнес-результатами. Его работа — ускорять решения, масштабировать то, что работает, и останавливать то, что не работает. Линейные руководители остаются ответственными за результаты. Именно это разделение позволяет двигаться быстро без хаоса.
Остальные рекомендации по пересборке высшего руководстваIBM CEO 2026
Перепроектировать права принятия решений до того, как трогать оргструктуру. Найти горстку корпоративных решений, которые тормозят всё остальное — развёртывание ИИ, ценовые ходы, перераспределение капитала, выбор партнёров, — и назначить каждому единственного владельца, явные полномочия и ясные правила эскалации. 79% CEO децентрализуют принятие решений, но сначала нужно помочь лидерам понять, кто что решает, иначе ускорения не будет.
Сделать каждого руководителя ответственным за корпоративные результаты. Привязать значимую долю вознаграждения высшего руководства — не менее 30% — к общим результатам: рост, маржа, доверие клиентов, а не к функциональным метрикам. Ломать стены между подразделениями, особенно между HR и IT. Стимулировать совместное владение редизайном рабочей силы, переобучением и развёртыванием ИИ, чтобы решения по людям и технологиям принимались, измерялись и исполнялись вместе.
Вознаграждать лидеров, обеспечивающих безопасное подключение ИИ через экосистему. Просить руководителей переоценить партнёров по тому, насколько легко сторонние ИИ-агенты могут обнаруживать ваши предложения, интегрироваться с ними и совершать через них транзакции.
Что говорит о высшем руководстве 2030 годаIBM CEO 2026
высшее руководство 2030 года должно стать более ИИ-нативным, более технологически центричным, более операционно интегрированным и более склонным работать через экосистемы. «Реальная разница будет не в названиях должностей в оргструктуре, а в том, как эти лидеры работают вместе — и насколько они готовы бросать друг другу вызов. Скорость — результат продуктивного трения, а не его отсутствия».
«В перепрошитом высшем руководстве каждый лидер обязан владеть результатами, а не просто управлять задачами. Он отвечает за выявление возможностей, принятие ставок и проведение изменений — независимо от того, попадает ли это аккуратно в его функциональный домен. Роль CEO — сделать эту подотчётность явной: кто владеет каким результатом, кто может решать без консенсуса и какие риски каждый лидер обязан брать».
Q2 2025CIO продолжают вести ИИ-стратегии на уровне предприятия, по мнению 87%
02
Q2 2026распределено: названный топ-руководитель (CIO, CAIO, COO и др.) 34% · CEO или исполнительный комитет 32% · руководитель бизнес-юнита 14% · централизованный комитет по управляемости и рискам ИИ 10%
67% согласны или полностью согласны, что CEO их организации активно владеет ИИ как стратегическим бизнес-приоритетом с ясной подотчётностью за ИИ-результаты по всей организации.
Формулировка KPMG: «ИИ-лидерство заякорено наверху, но исполняется более широкой группой лидеров, что отражает кросс-корпоративную природу ИИ и его влияние на то, как принимаются решения и создаётся ценность».
Темы, которые советы разбирают ежеквартально в связи с ИИ (Q4 2025):
Для контекста, в Q2 2025 при демонстрации ROI инвесторам прибыльность и наличие установленных политик ответственности и управляемости были названы наиболее важными факторами — по 55%. То есть управляемость как аргумент перед инвестором был равен прибыльности уже в середине 2025 года.
2025: CEO считали генеративный ИИ слишком рискованным для основных бизнес-функций
64%
2026: CEO комфортно принимают крупные стратегические решения на основе выводов ИИ
Два разных вопроса, а не один ряд: между собой эти проценты не сравниваются. Сменилось настроение, а не измеряемая величина.
01
2025генеративный ИИ слишком рискован для применения в основных бизнес-функциях
02
2026комфортно принимать крупные стратегические решения на основе выводов ИИ
За год позиция по одному и тому же предмету изменилась на противоположную. Оговорка источника: это не означает отказа от границ — регуляторная отчётность, существенные раскрытия и чувствительные юридические суждения остаются вне зоны ИИ-решений.
Один и тот же вопрос, заданный обеим сторонам, в статье встречается несколько раз. Всего таких парных замеров тринадцать — и ровно в одном из них лидеры и сотрудники отвечают одинаково.
Обе панели с общей шкалой 0–100, поэтому «точка правее» значит одно и то же от строки к строке.
86%
говорят, что у сотрудников есть навыки для взаимодействия с ИИ
25%
регулярно используют ИИ в своей работе — по оценке тех же CEO
Где выше оценка сотрудников
Тринадцатый замер на полотно не поставлен: подотчётность за решения ИИ в топ-3 опасений называют 46% лидеров и 46% сотрудников — единственный вопрос, где разрыва нет вовсе.
+Δ13
01
Переосмысление работы с ИИ вознаграждается независимо от результата×2
02
Безопасно предлагать новые способы работы с ИИ+14 пп
03
Менеджеры создают пространство для экспериментов+19 пп
04
Нет чётких указаний по управлению командами «человек × ИИ»+13 пп
05
Ограниченные или никакие указания по сэкономленному времени+14 пп
06
Не переводят время в стратегическую работу+22 пп
07
Знакомы или очень знакомы с агентами (2025)+27 пп
08
Верят, что ИИ ускорит их карьеру (2025)+12 пп
09
Ограниченное понимание, что такое агенты (2026)+22 пп
10
Экономят минимум день в неделю+18 пп
11
Рост удовлетворённости работой+20 пп
12
Рост когнитивной нагрузки+11 пп
13
Подотчётность за решения ИИ в топ-3 опасений0 пп
Вопрос
01
Руководство ясно и последовательно согласовано по ИИСотрудники26%
02
Руководство ясно коммуницирует про ИИ (оценка рядовые сотрудники)Сотрудники33%
03
Соответствие слов лидеров и дел организации (оценка рядовые сотрудники)Сотрудники28%
04
Достаточная поддержка руководства (оценка рядовые сотрудники, 2025)Сотрудники25%
Разрыв присутствует по каждому вопросу, кроме одного. Единственная тема, по которой иерархия не расходится, — обеспокоенность подотчётностью за решения ИИ.
86% CEO говорят, что у сотрудников есть навыки для взаимодействия с ИИ. Те же CEO оценивают, что только 25% работников регулярно используют ИИ в своей работе.
Вывод источника дословно: «Разрыв между способностью и развёртыванием — это скорее проблема организационного дизайна, чем проблема навыков». И рекомендация: «Измеряйте, где ИИ доступен, где он реально используется и где работа откатывается к ручным умолчаниям. Когда CEO оценивают, что только 25% рабочей силы регулярно использует ИИ, они должны требовать от своих лидеров объяснения разрывов, устранения трения в рабочие процессы и совместной подотчётности за их закрытие. Если ИИ не используется, трактуйте это как операционный сбой, а не как проблему квалификации».
Объяснение Microsoft 2025 года: «Мы ожидаем, что дело в том, что лидеры первыми чувствуют давление иметь ИИ-стратегию — и первыми несут ответственность за то, чтобы она работала. Они видят, что грядёт, и знают, что не могут позволить себе ждать. Управление агентами к тому же играет на их сильные стороны: делегировать, направлять и вмешиваться при необходимости».
Цитата исследователя Microsoft оттуда же: «Работа с агентами похожа на онбординг нового члена команды — вы не микроменеджите, но вам нужно информированное доверие».
Важная деталь смены тренда. В 2024 году волну ИИ вели сотрудники. В 2025 году, по формулировке Microsoft, картина перевернулась: по всем семи индикаторам «мышление руководителя агентов» лидеры впереди сотрудников.
Практическое следствие
Ясность стратегии надо мерить снизу, а не сверху. Любой замер, сделанный на уровне высшего руководства, систематически завышает результат на 15–40 процентных пунктов.
Поддержка, дошедшая до конкретного человека, — только один из трёх ключей внедрения по BCG; два других, обучение и доступ к инструментам, в статью не поместились. И встречный замер Microsoft: что меняется, когда менеджер пользуется ИИ у всех на виду.
1. Должное обучение. Только 36% чувствуют себя должным образом обученными. Эффективность зависит от объёма, формата и наличия коуча:
Доля регулярных пользователей
Эти три компонента также значимо повышают уверенность сотрудников в ИИ и улучшают качество результатов работы с ИИ.
2. Доступ к правильным инструментам. Почти четверо из десяти сотрудников (37%) говорят, что компания не предоставляет им нужные инструменты. Когда корпоративные решения не справляются, 54% говорят, что использовали бы неавторизованные ИИ-инструменты — с соответствующими рисками безопасности. Среди поколения Z и миллениалов (n=7 039) — 62%, среди остальных (n=3 596) — 43%, разрыв +19 пп.
сотрудники из лидирующей группы значимо чаще говорят, что их менеджер:
Стратегические императивы для лидеров, 2025BCG 2025
BCG формулировала четыре:
Перестать недооценивать важность обучения. Выделить адекватный уровень инвестиций, времени и поддержки руководства.
Отслеживать создаваемую ценность — улучшения в продуктивности, качестве и удовлетворённости сотрудников.
Инвестировать в людей для перепроектирования рабочих процессов. Предвидеть влияние ИИ на работу, работников и рабочую силу. Строить способности к повышению и переобучению квалификации.
Строго экспериментировать с агентами, чтобы ускорить кривую опыта. Отслеживать эффект и потенциальные риски через A/B-тестирование.
BCG 2026 добавляет то, чего не было в 2025 году: «CEO, лично владеющие трансформацией, превосходят остальных по каждому измерению: захваченная ценность, удовольствие сотрудников, доверие». Стратегическая ясность названа «не коммуникационной задачей, а позицией руководителя».
Здесь собрано всё по разделу, плюс пять следующих шагов PwC для руководителей.
Роли, которых пять лет назад не было
Доля работодателей, рассматривающих такую роль. Названия ролей оставлены латиницей — так они и пишутся в вакансиях. За два года создано 1,3 млн ИИ-связанных вакансий.
Использовать ИИ для роста, а не только для эффективности. Компании, получающие наибольшую ценность, не применяют ИИ только для сокращения издержек или численности. Они открывают новую выручку, выходят на новые рынки, создают новые формы ценности. Строить ИИ-повестку вокруг возможностей роста, особенно через партнёрства поверх отраслевых границ. Но одного нацеливания недостаточно: исследование PwC по эффективности ИИ показывает, что правильные основания — таргетированная стратегия масштабирования наиболее ценных инициатив и модернизированные платформы данных и технологий — сильно повышают способность реализовать обещание ИИ.
Формировать стратегию по рабочей силе через призму того, растут или снижаются требования к экспертизе. Ролям, где требования к экспертизе растут, может потребоваться более глубокая инвестиция в продвинутую ИИ-грамотность, навыки, где особенно важны человеческие качества, специализированные таланты и стратегии удержания по мере роста спроса и зарплатного давления. Ролям, где порог входа снижается, — проактивный редизайн работы, пути мобильности и обновлённые карьерные предложения.
Инвестировать в ИИ-агентов как в главное дополнение к человеческой экспертизе. Исследование PwC по эффективности ИИ: компании, получающие максимум ценности от ИИ-инвестиций, вдвое чаще разворачивают агентов, чем те, у кого ROI ниже.
Переизобрести пути ранней карьеры. Составить карту младших ролей, всё больше требующих навыков уровня опытного специалиста. Перепроектировать онбординг, менторство и обучающие программы под ускоренное развитие продвинутых навыков — лидерства, управления заинтересованными сторонами, стратегического принятия решений.
Инвестировать в навыки, где особенно важны человеческие качества наряду с ИИ-навыками. Эмпатия, суждение, креативность и лидерство становятся конкурентно более ценными по мере того, как ИИ берёт на себя рутинные и технические задачи. Построение рабочей силы с этими способностями стратегически так же важно, как развитие ИИ-компетенций.
Использовать ИИ для трансформации всего предприятия, а не для изолированных сценариев применения.
Относиться к ИИ как к стратегии роста, а не только эффективности.
Сделать ИИ-агентов приоритетом как инструмент, кратно усиливающий возможности сотрудников.
Дать рабочей силе навыки: составить карту имеющихся навыков, требуемых навыков и способов закрыть разрыв — «Buy, Build, or Bot».
Показать людям, чем ИИ выгоден им, и раскрыть трансформационный потенциал через построение доверия — ответственное развёртывание, ясные правила управления, общественное и организационное доверие.
Сравнение двух списков показывает сдвиг: в 2025 году акцент на трансформации и скорости, в 2026 — на дифференцированной работе с двумя треками рабочей силы и на входе в профессию.
Что раскрыто в этом разделе
Четыре вывода, которыми PwC закрывала четыре распространённых страха, — короткая версия её таблицы: в полной к каждому опасению приписано, что именно показали данные. Вместе с ней — определения, на которых всё это держится, ряды по четвертям и оговорки, которые PwC ставит рядом со своими же выводами.
затронутые ИИ профессии — содержащие много задач, где ИИ может быть применён. Примеры: финансовые аналитики, работники ввода данных. Термин «AI-powered» используется как эквивалент.
Дополняемые (augmentable) профессии — затронутые ИИ, где ИИ усиливает или поддерживает человеческое суждение и экспертизу во многих задачах. Примеры: хирурги, судьи.
Автоматизируемые (automatable) профессии — затронутые ИИ, где ИИ может выполнять многие задачи. Примеры: программисты, работники клиентской поддержки.
затронутые ИИ отрасли — содержащие много ролей, где ИИ применим. Издание ПО затронуто ИИ, лесозаготовка нет.
Методики: затронутость ИИ по Felten et al. (AI Occupational Exposure); дополняемость и автоматизируемость по методике МВФ («Gen-AI: Artificial Intelligence and the Future of Work», 2024).
Ключевая оговорка источника: «Мы анализируем ИИ-затронутость ИИ (способность использовать ИИ) как косвенный показатель для внедрения ИИ, хотя фактические уровни использования могут отставать от затронутости ИИ. По мере роста использования эффекты, которые мы находим, могут усилиться».
ПроизводительностьРаспространённое мнение ИИ пока не оказал значимого влияния на производительность · Что показывают данные Отрасли, наиболее способные использовать ИИ, достигают втрое большего роста производительности, измеренной как рост выручки на сотрудника
02
ЗарплатыРаспространённое мнение ИИ может негативно влиять на зарплаты и переговорную силу · Что показывают данные Зарплаты растут вдвое быстрее в наиболее затронутых ИИ отраслях
03
Число рабочих местРаспространённое мнение ИИ может привести к снижению числа рабочих мест · Что показывают данные Число вакансий растёт по всем затронутым ИИ профессиям, хотя медленнее, чем в менее затронутых ИИ
04
НеравенствоРаспространённое мнение ИИ может усугубить неравенство в возможностях и зарплатах · Что показывают данные Зарплаты и занятость растут и в дополняемых, и в автоматизируемых профессиях. Спрос на формальные дипломы падает быстрее в затронутых ИИ ролях, открывая возможности для миллионов
05
НавыкиРаспространённое мнение ИИ может «расквалифицировать» автоматизируемые профессии · Что показывают данные ИИ может обогащать автоматизируемые профессии, требуя более сложных навыков и принятия решений
06
АвтоматизацияРаспространённое мнение ИИ обесценивает автоматизируемые профессии · Что показывают данные Зарплаты растут и там и там. ИИ может повышать квалификацию автоматизируемых ролей даже быстрее, чем дополняемых
Производительность (рост выручки на сотрудника, 2018–2024, по четвертям по затронутости ИИ отрасли):
Динамика внутри четверти, которую ИИ затрагивает сильнее всего: 7,3% (2022) → 15,0% (2023) → 27,0% (2024). У наименее затронутого ИИ за тот же период: 9,9% → 9,0% → 8,5%.
Накопленный рост к базе 2018 года, а не годовой прирост. В 2022-м верхняя четверть ещё отставала: 7,3% против 9,9% у нижней — линии пересекаются между 2022 и 2023.
Формулировка источника: «За два года отрасли, наиболее способные использовать ИИ, превратились из отстающих по производительности в лидеров». Оговорка: «Мы не можем доказать причинность с уверенностью, но знаем, что рост выручки в затронутых ИИ отраслях резко ускорился в 2022 году — году, когда запуск ChatGPT 3.5 открыл миру возможности ИИ».
Зарплаты (рост на сотрудника, 2018–2024): 7,9% / 8,2% / 12,6% / 16,7% по квартилям.
Премия за ИИ-навыки: 56% в среднем; каждая проанализированная отрасль платит премию. Оговорка источника: более высокие зарплаты могут отражать и дефицит таких людей, «хотя дефицит сам по себе не транслируется в высокие зарплаты — если бы транслировался, эксперты по редким специальностям вроде средневековой каллиграфии были бы очень хорошо оплачиваемы».
Число рабочих мест: растёт практически во всех типах затронутых ИИ профессий, с двумя исключениями на глобальном уровне — клерки-операторы клавиатуры и специалисты по ИКТ. Но рост медленнее: +38% за пять лет в более затронутых ИИ против +65% в менее затронутых ИИ.
Дипломы: спрос на формальные дипломы падает для всех профессий, но особенно быстро для затронутых ИИ. Возможные причины по версии источника: ИИ помогает быстро набирать и применять экспертное знание («демократизация экспертизы»), что делает формальные квалификации менее релевантными · быстрая смена навыков делает дипломы устаревающими быстрее · сильный спрос на людей с ИИ-навыками заставляет работодателей смотреть за пределы узкого круга формально обученных.
Скорость смены навыков: +66% в наиболее затронутых ИИ против наименее — более чем вдвое быстрее, чем годом ранее (25%).
Уточнение по типам ролей: автоматизируемые профессии испытывают наибольшее разрушение навыков — среднее чистое изменение навыка 3,9 против 3,0 у дополняемых. Поскольку автоматизируемые профессии одновременно показывают рост зарплат и числа рабочих мест, источник заключает: они перестраиваются под создание большей ценности, вероятно, смещаясь к более сложным или креативным задачам.
Гендер: в каждой проанализированной стране в затронутых ИИ профессиях больше женщин, чем мужчин. Значит, у женщин больше и возможностей, и рисков. При этом исследование PwC Workforce Radar 2024 показывает, что уровень использования ИИ у женщин в США значимо отстаёт от мужского.
Демография как контекст. Более четверти населения мира живёт в странах с сокращающимся трудоспособным населением; к 2050-м это будет более половины. Источник ставит вопрос: может ли более мягкий рост числа рабочих мест в затронутых ИИ профессиях оказаться полезным для стран со стареющим населением и помочь избежать «надвигающегося экономического кризиса по мере роста пожилого населения и сокращения пула работников».
Два персонажа, через которых PwC объясняет механику:
Амина, информационный аналитик. ИИ дополняет её аналитические способности: она поручает агентам исследования и черновики отчётов, а сама больше времени тратит на интерпретацию, доработку, обслуживание клиентов и развитие нового бизнеса. Пришлось освоить новые навыки — «она не училась так много и так быстро со школы», — но работа нравится больше, и она приносит компании больше выручки.
Джон, специалист клиентской поддержки. ИИ автоматизирует многие части его роли, включая простые запросы. Джон боялся, что ИИ его заменит, но фактически ИИ расширил его возможности: теперь он помогает с более сложными запросами — разбором нетривиальных проблем с продуктом, деэскалацией напряжённых ситуаций с эмпатией. Его ценность выросла от «обработчика вопросов» до «решателя сложных проблем».
Вывод источника из второго примера: различение дополнения и автоматизации полезно, но автоматизация может служить дополнением того, что работник способен сделать.
Крупная технологическая компания развернула омниканальный контакт-центр на агентах с предиктивным моделированием намерений, адаптивным диалогом и аналитикой реального времени: время на телефоне сократилось почти на 25%, переводы звонков — до 60%, удовлетворённость клиентов выросла примерно на 10%.
Крупная гостиничная компания автоматизировала обновления, согласования и отслеживание соответствия стандартам бренда через агентные рабочие процессы: время проверки сократилось до 94%.
Глобальная медицинская компания развернула агентные рабочие процессы в онкологии: автоматизация извлечения, стандартизации и запросов к неструктурированным документам дала 50% улучшение доступа к практическим клиническим выводам и почти 30% снижение административной нагрузки на персонал.
Southwest Airlines с PwC модернизировала систему учёта присутствия и отпусков экипажей. Возможности генеративного ИИ использовались для извлечения требований прямо из исходного кода, что сократило время планирования проекта вдвое. Цитата вице-президента: «Вместо замены сотрудников эти улучшения освободили ценное время, позволив командам критически мыслить, решать сложные проблемы и двигать инновации».
«Мыслить узко» — использовать ИИ ограниченно и ретроспективно, выполняя задачи или создавая продукты так же, как раньше. Аналогия: если бы электричество применяли только для замены свечей «электрическими свечами», а не для создания вычислений, телекоммуникаций, спутников, авиации. Эрик Бринйолфссон называет это «ловушкой Тьюринга»: фокус на создании ИИ, имитирующего человека.
«Мыслить широко» — подходить к ИИ как к трансформирующему инструменту, раскрывающему новые способности, продукты и целые отрасли. Для контекста: две трети рабочих мест в США сегодня не существовали в 1940 году, и многие из них появились благодаря технологическому прогрессу (со ссылкой на работу Дэвида Отора).
Вывод источника: данные показывают, что компании пока мыслят широко — используют ИИ не только для сокращения численности, но и для того, чтобы помочь работникам даже в самых автоматизируемых ролях создавать больше ценности.
Разделить рынок на два трека мало — нужно ещё уметь сказать, куда попадает конкретная роль и чем это ей грозит. У PwC на это есть методика, три ряда, которые между треками расходятся, и два случая, где роль пошла не туда, куда предписывала её категория.
Методика Teeselink и Carey (2026). Данные по экспертизе предоставлены на уровне классификации SOC-2018. Поскольку классификация SOC в данных Lightcast недоступна за пределами США, для получения глобальных показателей баллы экспертизы отображаются с SOC-2018 на ISCO-08 — только для целей этого анализа (PwC 2026, примечания).
Определение экспертизы: «требующий специализированного знания или способности».
Три категории
Доля вакансий
8%
рост зарплат у менеджеров детских учреждений — при удвоении числа вакансий
111%
рост числа вакансий менеджеров детских учреждений с 2019 года: роль со снижающимся порогом входа с огромным латентным спросом
01
ИИ почти не затрагиваетМеханика ИИ содержит мало задач, где применим; ограниченное влияние · Примеры источника повара, строительные рабочие, механики
02
Требования к экспертизе растутМеханика ИИ забирает относительно простые задачи, людям остаются сложные и экспертные · Примеры источника радиологи, рекрутеры, авиадиспетчеры
03
Порог входа снижаетсяМеханика ИИ забирает относительно экспертные задачи, людям остаются менее требовательные · Примеры источника разработчики ПО, кредитные специалисты, финансовые менеджеры
Иллюстрации механики:
Рекрутер (профессионализация): ИИ автоматически скринит резюме, рекрутеру остаются более требовательные задачи — переговоры по контрактам.
Юрист (профессионализация): ИИ помогает с базовыми задачами вроде суммаризации документов, человеку остаётся построение позиции в суде.
Кладовщик-учётчик (демократизация): ИИ выполняет сложные задачи вроде управления запасами, человеку остаются менее экспертные — перемещение товара на складе.
Медицинские секретари и системные администраторы — примеры ролей, где ИИ автоматизирует значительную долю экспертных задач, ранее выполнявшихся людьми.
Для бухгалтеров и учётных клерков таблицы выполнили многие из наиболее сложных частей роли — фактически демократизировали её, отправив численность в постепенный, но устойчивый спад.
Для финансовых аналитиков таблицы дали мощный новый инструмент, позволивший выполнять анализ невиданной сложности и гибкости — фактически профессионализировали роль. Численность финансовых аналитиков начала крутой подъём, продолжающийся в 2020-е, по мере появления новых областей финансового анализа, многие с растущими зарплатами (данные США).
Экспертиза: как ИИ меняет требуемый уровень человеческой экспертизы?
Спрос и предложение: как может измениться спрос на эту профессию и предложение работников для неё по мере перестройки роли?
Пределы ИИ: где нужно человеческое участие для надзора или помощи ИИ — например, для проверки качества вывода или работы с нетипичными случаями?
Средовые силы: как внешние силы — от узких мест бизнес-процессов до регулирования — ограничивают или влияют на использование ИИ?
Формулировка источника: рассмотрение этих четырёх вопросов, начиная с изменения экспертизы, помогает вскрыть, как ИИ переопределяет партнёрство человека и технологии в конкретной работе.
Помощники медсестёр — роль с растущими требованиями к экспертизе. ИИ берёт базовые задачи вроде отслеживания показателей и графика приёма лекарств, оставляя более экспертные — построение отношений с пациентами, реакция на неожиданные ситуации с эмпатией и тактом. Можно было бы ожидать траектории финансовых аналитиков 1980-х. Но влияние ИИ здесь может быть ограничено регулированием, сложностью интеграции в рабочие процессы или ограниченным предложением желающих идти в требовательную профессию.
Менеджеры детских учреждений — роль со снижающимся порогом входа. ИИ помогает с более экспертными частями: управлением бюджетом, соответствием государственным требованиям. Но вместо стагнации число вакансий более чем удвоилось с 2019 года (+111%) при росте зарплат всего на 8% — из-за огромного скрытого спроса на уход за детьми в сочетании с демократизацией роли, позволяющей выполнять её гораздо большему числу людей.
Механизм второго случая описан Дэвидом Отором в работе «Expertise» (2026): когда технология снижает требуемую для работы экспертизу, пул подходящих кандидатов расширяется, что позволяет профессии расти численно, при том что зарплаты могут стагнировать. Аналогия источника: таксисты — по мере того как спутниковая навигация снизила потребность в специализированном знании дорог, гораздо больше людей смогли занять эту позицию, число таксистов взлетело, а зарплаты стагнировали.
Практический вывод
Категория задаёт вероятную траекторию, но не предопределяет её. Прогноз по конкретной роли требует всех четырёх вопросов.
Острота в том, что сжатие и рост здесь происходят внутри одного и того же начального уровня — и то, и другое видно на одной оси, пересекающей ноль. Дальше — как PwC определяет «повзрослевшую» вакансию, три независимых источника, которые сходятся в одну точку, и что говорят со своей стороны работодатели.
Вход в профессию: две половины с разным знаком
Ось пересекает ноль: вниз — это реальное сокращение, а не замедление роста. Единственный сюжет, где три независимых источника сходятся в одну точку.
−16%
рабочих мест начального уровня в затронутых ИИ областях
12%
CEO ожидают снижения найма опытных специалистов — против 49% по начинающим
−20%
занятость американских разработчиков ПО 22–25 лет к 2024 году, при росте у старших
73%
доля США в выборке вакансий — оговорка PwC: результаты в основном определяются данными США
Анализ Стэнфордского университета: −16% рабочих мест начального уровня в затронутых ИИ областях. Гораздо более глубокие снижения отмечены в отраслях, которые ИИ затрагивает сильно — финансах и технологиях (PwC 2026, со ссылкой на Brynjolfsson et al., «Canaries in the Coal Mine?», 2025, и Jacquet, «The Crisis of Entry level Labor in the Age of AI», 2025).
PwC Global CEO Survey: 49% CEO ожидают, что внедрение ИИ снизит найм начинающих сотрудников в ближайшие три года, против 12% для опытных специалистов.
Stanford: занятость американских разработчиков ПО в возрасте 22–25 лет упала почти на 20% к 2024 году, при том что численность более старших разработчиков продолжает расти.
Начальные профессии, сильнее всего затронутые ИИ, — например, младший аналитик данных — быстро эволюционируют, требуя навыков, традиционно ожидавшихся от старших сотрудников.
Начальные вакансии, сильнее всего затронутые ИИ, в семь раз чаще требуют навыков, традиционно ожидавшихся от опытного специалиста, чем почти не затронутые ИИ.
Что это за навыки (дословный список источника):
Мотивационное лидерство
Построение команд
Управление людьми
Управление заинтересованными сторонами
Управление процессами
Менторство
Принятие решений на данных
Определение источника: навык считается традиционно сениорным, если в 2019 году он упоминался более 50 раз в вакансиях для опытных специалистов которые ИИ затрагивает сильно и не более 5 раз в вакансиях начального уровня которые ИИ затрагивает сильно.
Вопрос, которым источник это подаёт: «Требовала ли ваша первая работа этих навыков?»
Определение роли с повышенными требованиями: вакансия содержит не менее 10 упоминаний навыка, который одновременно является новым и традиционно сениорным. Навык считается новым для профессии, если в 2025 году он упоминается более 10 раз в вакансиях начального уровня и не более 5 раз в 2019 году для той же профессии.
Четверть, которую ИИ затрагивает сильнее всего — единственный, где число ранних вакансий вышло на плато. Остальные три квартиля продолжают расти.
Оговорки источника: (1) требуется осторожная интерпретация — это не утверждение, что ИИ вызывает эти эффекты; другие шоки и структурные особенности профессий верхнего квартиля могут вносить вклад. (2) Результаты в основном определяются данными США, дающими около 73% всех вакансий в выборке стран с данными с 2012 года.
«Не все затронутые ИИ начальные роли сжимаются. затронутый ИИ вход в профессию фактически взрослеет по требованиям, с растущими возможностями для работников, чьи роли перестроены ИИ так, что стали ещё более сложными и требовательными. Компаниям (и образованию) предстоит переосмыслить, как они обучают, наставляют и поддерживают ранние карьерные пути, чтобы помочь начинающим специалистам развивать и демонстрировать навыки опытного специалиста гораздо раньше».
Наиболее ожидаемые появляющиеся роли в связи с агентами:
Q4 2025
01
AI Prompt Engineer — проектирует и оптимизирует промпты71%
02
AI Performance Analyst — оценивает отдачу от агентов59%
03
AI Trainer / Data Curator — управляет обучающими наборами, размечает данные, дообучает модели58%
Microsoft/LinkedIn 2025 добавляет список рассматриваемых ролей: AI Trainer (32%), AI Data Specialist (32%), AI Security Specialist (31%), AI Agent Specialist (30%), AI ROI Analyst (29%), AI Media & Content Manager (29%), AI Finance Strategist (28%), AI Customer Success Lead (28%), AI Business Process Consultant (28%), директор по ИИ (27%) (Microsoft WTI 2025, сноска 4).
Ускорение видно и по прибору, которым его мерили год назад: барометр 2025 давал скорость смены навыков баллами по четвертям, барометр 2026 — процентом разрыва между крайними. Дальше — как считается это «чистое изменение навыка», что такое рамка EPOCH и почему PwC ставит эмпатию и суждение вровень с ИИ-навыками.
Скорость смены навыков по квартилям, барометр 2025
Значения растут монотонно от нижней четверти к верхней — в барометре 2026 тот же разрыв вырос с 66% до 116%.
116%
на столько быстрее меняются требования к навыкам в профессиях, сильнее всего затронутых ИИ — в 2,2 раза
Разрыв в скорости смены навыков между крайними квартилями116% — в 2,2 раза быстрее
Определение: чистое изменение навыка считается как агрегация разницы в процентных пунктах между 2019 и 2025 годами в доле каждого навыка, составляющего профессию.
В 2025 году сильнее всего затронутые ИИ профессии эволюционируют набором навыков в 2,2 раза быстрее наименее затронутых ИИ.
По квартилям (данные 2019–2025, PwC 2026): значения растут монотонно от нижнего квартиля к верхнему.
Для сравнения, издание 2025 года давало по квартилям: 2,0 / 2,3 / 2,7 / 3,3.
Пит Браун, Global Workforce Leader, PwC UK: «Ключевые навыки раньше жили от четырёх до шести лет. Сейчас, в эпоху ИИ, мы говорим о навыках, которые быстро меняются и трансформируются каждые 18 месяцев, каждые 12 месяцев».
Кэрол Стаббингс, Global Chief Commercial Officer, PwC UK: «Бытует нарратив, что ИИ идёт за рабочими местами, и это создаёт много страха и тревоги. Мы знаем, что каждый раз при промышленной революции создаётся больше рабочих мест, чем теряется. Проблема в том, что навыки для новых рабочих мест могут сильно отличаться. Так что проблема, как мы считаем, не в том, что не будет рабочих мест. Проблема в том, что работники должны быть готовы их занять».
Разработана Loaiza и Rigobon (MIT, 2025–2026). Описывает способности, в которых особенно важен человек: они устойчивее к автоматизации и дополняют ИИ — то есть необходимые для того, чтобы люди работали рядом с ИИ-системами:
Буква
01
EСпособность Empathy & Emotional Intelligence · Содержание Сострадание, понимание, построение осмысленных связей
02
PСпособность Presence, Networking & Connectedness · Содержание Физическое присутствие, нетворкинг, навигация в социальных контекстах — критично для построения доверия и сотрудничества
03
OСпособность Opinion, Judgment & Ethics · Содержание Навигация в открытых, неоднозначных или этических сценариях
04
CСпособность Creativity & Imagination · Содержание Оригинальное мышление, импровизация, генерация новых идей
05
HСпособность Hope, Vision & Leadership · Содержание Упорство, настойчивость, инициатива, задание стратегического направления
Результат применения рамки
Средний EPOCH-балл новых задач по четвертям по затронутости ИИ (2022–2025):
Отношение верхнего квартиля к нижнему — 2,5×.
Формулировка источника: новые задачи, добавленные к ролям, которые ИИ затрагивает сильнее всего (и ролям обоих типов) с 2022 года, в 2,5 раза чаще опираются на способности, в которых особенно важен человек.
Методика: рассчитывается средний EPOCH-балл новых задач в каждой профессии SOC-2018, затем усредняется по четвертям по затронутости ИИ.
Формулировка PwC, вынесенная в заключение раздела: «Чем больше применяется ИИ, тем выше ценится отчётливо человеческая экспертиза».
Практически это означает, что программа переобучения, состоящая только из ИИ-навыков, покрывает меньшую часть изменения. Вторая половина — эмпатия, суждение, креативность, лидерство — и её PwC ставит стратегически равной по важности.
Премия — не одно число, а ряд: барометр считает её третий год и по дороге сам пересчитал прошлогоднюю базу. Рядом — спрос уже не на навык у обычного кандидата, а на самих ИИ-специалистов: где он растёт быстрее всего и чем работодатели на него отвечают.
Расхождение базы: барометр 2026 говорит «выросла до 62% с 57% в прошлогоднем барометре», тогда как барометр 2025 указывает 56%. Вероятно, пересчёт после расширения выборки.
11,4%
всех вакансий 2025 года
10%
нанятых глобально
70%
используемых сегодня в большинстве профессий, с ИИ как катализатором
52%
сотрудников говорят, что их работа ощущается хаотичной и фрагментированной; среди лидеров — 57%
Методика: вакансии внутри сектора делятся на ИИ и не-ИИ; премия оценивается как разница зарплат между группами внутри сектора. Это снимок за год, а не темп роста.
Разброс между крайними секторами — более чем в семь раз. Это делает бессмысленным использование средней премии в 62% как бенчмарка для конкретной компании.
Наём ИИ-специалистов — работников с продвинутыми ИИ-навыками вроде машинного обучения — рос в 2025 году в восемь раз быстрее, чем найм в целом.
Растёт в каждой территории исследования. Некоторые развивающиеся экономики показывают более быстрый рост, чем многие зрелые, — признак быстрого расширения ИИ-возможностей и спроса на таланты.
Растёт в каждом секторе; лидирует TMT, где 11,4% всех вакансий 2025 года приходились на ИИ-специалистов.
Определение: ИИ-вакансии — требующие как минимум одного ИИ-связанного навыка.
LinkedIn через Microsoft: за последние два года работодатели создали минимум 1,3 млн ИИ-связанных рабочих мест — аннотаторы данных, ИИ-инженеры, forward-deployed engineers. Пять лет назад этих ролей не существовало, но они быстро стали существенными для цифровых экономик.
LinkedIn через Microsoft 2025: более 10% нанятых глобально имеют должности, которых не существовало в 2000 году. К 2030 году LinkedIn прогнозирует изменение 70% навыков, используемых сегодня в большинстве профессий, с ИИ как катализатором. ИИ-грамотность названа самым востребованным навыком 2025 года; растут также человеческие сильные стороны — разрешение конфликтов, адаптивность, автоматизация процессов, инновационное мышление.
LinkedIn через Microsoft 2025: наиболее заметные стартапы нарастили численность на 20,6% год к году — почти вдвое быстрее Big Tech (+10,6%). Значительная часть талантов утекает из Big Tech и остаётся в стартап-мире.
52% сотрудников и 57% лидеров говорят, что гарантия занятости в их отрасли больше не данность. При этом 81% сотрудников не меняли работу за прошедший год — рынок заморожен.
Дефицит внутри компании закрывают сразу несколькими способами — переобучить своих, нанять на новые роли, перепроектировать существующие, отдать наружу, — и у каждого способа своя доля. Дальше — чему именно учат работе с агентами, как за три квартала качнулись ожидания от человеко-агентной работы и почему в функции данных всё это даётся тяжелее среднего.
Bot — добавить ИИ-ассистентов и агентов в рабочие процессы везде, где возможно; 65% CEO говорят, что будут использовать автоматизацию для закрытия разрывов в навыках
Взять у партнёров — взять у партнёров то, что не найти иначе
Сопутствующие цифры: 67% CEO говорят, что дифференциация зависит от наличия правильной экспертизы на правильных позициях с правильными стимулами. 54% нанимают на ИИ-связанные роли, которых не существовало годом ранее.
57% CEO говорят, что аутсорсинг непрофильных активностей даёт стратегические преимущества, даже ценой частичной потери контроля. Для управления риском 66% говорят, что их стратегия — концентрироваться на меньшем числе более качественных партнёрств.
Тактики подготовки сотрудников к работе с агентами:
Ожидания от человеко-агентного взаимодействияKPMG Q3’25
Ожидание на ближайшие 2–3 года
01
Взаимодействие будет более равноправным, ни одна сторона не управляет постоянноQ3 2025 49%*
02
Люди будут преимущественно управлять и направлять агентовQ3 202576% · Q1 202657%
03
Агенты возьмут ведущие роли в управлении конкретными проектами с людьми в командеQ3 2025 9% · Q4 202544%
04
Существенных изменений не будетQ3 2025 0%
KPMG называет сдвиг Q3 → Q4 «крупным»: доля ожидающих, что агенты возьмут ведущие роли, выросла с 9% до 44%. В Q1 2026 маятник качнулся обратно: 57% снова ожидают, что люди будут преимущественно управлять агентами.
Нанимают на роли по данным, которых не существовало годом ранее в связи с генеративным ИИ82%
02
Испытывают трудности с привлечением или удержанием кадров на ключевые роли по данным77%
03
Рекрутинг и удержание дают нужные навыки и опыт53%
04
Привлечение и удержание талантов с продвинутыми навыками работы с данными — топ-вызов47%
Объяснение источника: состав команд эволюционирует слишком быстро, и результативность рекрутинга оказалась ниже половины.
Формулировка: «Бизнес-командам нужны люди с навыками работы с данными, чтобы преодолеть разрыв между тем, что они делают сегодня, и тем, что от них потребуется завтра. Но растущий дефицит талантов сейчас является барьером для построения более широкой грамотности в работе с данными в организации».
Три ответа стоит увидеть по отдельности, с данными под каждым: у PwC — численность и зарплаты по четвертям компаний, у Microsoft — как руководители расставили приоритеты на ближайшие полтора года, у Stanford — возраст. И дословная оговорка про смещение выживших, которую PwC пишет сама и которую стоит цитировать вместе с выводом «ИИ — расширитель рабочих мест».
1. PwC — рыночные данные. Численность растёт быстрее у затронутых ИИ.
Рост численности персонала по четвертям по затронутости ИИ компаний, база 2018:
Рост численности к базе 2018
У суперзвёзд рост численности примерно в линию с остальным верхним квартилем — 44%.
Формулировка источника: «затронутые ИИ компании, и особенно суперзвёзды, не используют ИИ только для поиска эффективности или сокращения численности. Похоже, они используют ИИ для подпитки роста, который в свою очередь подстёгивает экспансивный найм и рост зарплат. Далеко не будучи убийцей рабочих мест, ИИ может оказаться их расширителем».
Подтверждение из исследования PwC по эффективности ИИ: 32% лидеров по ИИ-эффективности ожидают роста численности на 5% и более, против 17% у отстающих.
Рост зарплат по тем же квартилям к базе 2018: наименее затронутые ИИ — 16,6%, наиболее затронутые — 24,4%. У суперзвёзд рост зарплат 68% — заметно выше остального верхнего квартиля.
2. Microsoft — намерения руководителей. Треть рассматривает сокращения.
Стратегии по рабочей силе на ближайшие 12–18 месяцев, доля поставивших в топ-3:
78% лидеров рассматривают найм на ИИ-специфичные роли; среди компаний-первопроходцев — 95%.
3. Stanford — эффект концентрирован в воронке найма.
«Эффекты ИИ на рынок труда проявляются неравномерно, концентрируясь в воронках найма и у самых молодых работников затронутых ИИ профессий. Занятость разработчиков ПО в возрасте 22–25 лет упала почти на 20% с 2024 года. Опросы работодателей указывают на дальнейшие изменения: треть респондентов ожидает изменений».
Как это совместить
Три ответа не противоречат друг другу, если читать их как разные уровни агрегации:
Что происходит
01
Общая численность в крупных фирмахрастёт, причём быстрее у затронутых ИИ
02
Намерения руководителейтреть рассматривает сокращения, но приоритет отдаётся обучению и сохранению численности
03
Вход в профессиюсжимается в наиболее затронутых ИИ ролях
04
Внутри начального уровнярасходится: «повзрослевшие» +35%, остальные −10%
Агрегированный вывод «ИИ создаёт рабочие места» верен — и бесполезен для двадцатидвухлетнего специалиста в высокозатронутой ИИ профессии.
Данные компаний Orbis не предназначены для представления занятости в масштабе экономики. Анализ основан на более крупных формальных фирмах с доступными финансовыми данными и данными о численности за 2018 и 2024/25 годы, с начальным фильтром на компании с годовым оборотом не менее $50 млн; фирмы, ушедшие с рынка за период, исключены, что создаёт смещение выживших. В некоторых странах требования к финансовой отчётности также различаются, что означает, что фирмы с последовательными данными могут быть крупнее, более формализованными или более успешными, чем более широкая бизнес-популяция. Ключевая интерпретация — относительная разница в росте численности между более и менее затронутыми ИИ компаниями, а не абсолютные темпы роста по сравнению с более широкой экономикой.
Эту оговорку нужно приводить каждый раз, когда цитируется вывод «ИИ — расширитель рабочих мест».
Источник сам оформляет вывод осторожно: «Наш анализ более чем миллиарда объявлений о вакансиях по всему миру не поддерживает опасения об обусловленном ИИ апокалипсисе рабочих мест — но он выявляет глубокую перестройку рынка труда и навыков, необходимых для успеха».
Здесь собрано всё по разделу, плюс несовпадающие определения.
Разброс регулярного использования по функциям — 27 пунктов, вдвое меньше разброса в развёртывании агентов по тем же функциям: люди опережают организации. Сам ряд по одиннадцати функциям приведён в раскрытии «Кто пользуется ИИ: уровни, страны, функции».
«Регулярный пользователь» — определения не совпадаютBCG 2025
01
BCG (оба года)Определение использует ИИ ежедневно или несколько раз в неделю · Следствие 72% всех в 2025, 74% рядовых сотрудников в 2026
02
Microsoft WTI 2025Определение использует генеративный ИИ как минимум несколько раз в неделю · Следствие сопоставимо с BCG
03
Microsoft WTI 2026Определениепользователь ИИ = использует генеративный ИИ для работы хотя бы изредка (от реже раза в месяц до более раза в день); ответившие «никогда» отсеяны на скрининге · Следствиенесопоставимо: вся выборка 2026 года — только пользователи ИИ
Практическое следствие: все проценты WTI 2026 — доли от пользователей ИИ, а не от всех работников. Сравнивать их с процентами BCG или WTI 2025 напрямую нельзя.
2025. Все данные агрегированы и анонимизированы, по 15 февраля 2025 года, исключая образовательные и европейские тенанты:
Прерывания: скользящая 28-дневная сумма пингов (приглашения на встречи, письма, чаты) на уникального пользователя за рабочий день. Двухминутный показатель отражает среднее время между пингами в восьмичасовой рабочий день; 275 — за 24-часовой день. По топ-20% пользователей по объёму получаемых пингов.
Правки PowerPoint в последнюю минуту: скользящая 28-дневная сумма просмотров и правок на участника встречи, измеренная в фиксированных временных окнах перед встречами.
Спонтанные встречи: скользящий 28-дневный объём уникальных встреч на пользователя за рабочий день; топ-20% пользователей по объёму встреч.
Чаты вне графика: скользящая 28-дневная сумма чатов, отправленных вне понедельника–пятницы с 9 до 17.
Поздние встречи и кросс-часовая работа: скользящая 28-дневная сумма встреч, начинающихся между 20:00 и 23:59 по локальному времени каждого участника.
2026:
Классификация целей в Copilot: одна неделя февраля 2026 года. Проценты показывают долю каждой активности среди классифицированных целей пользователей — не время и не число сессий. Каждое взаимодействие классифицируется по намерению пользователя относительно таксономии O*NET Intermediate Work Activities и затем отображается на Generalized Work Activities.
Активные агенты: годовое изменение числа уникальных активных агентов в платформе Microsoft 365 Copilot Agents и SharePoint за скользящее 28-дневное окно.
Отраслевая телеметрия агентов: март 2025 – март 2026, все метрики выражены как доли и отношения, без абсолютных значений.
Что раскрыто в этом разделе
Потолок, который год назад выглядел структурным, снялся за один год — вот весь ряд по уровням целиком, с формулировками BCG обоих изданий, включая ту просадку у руководителей, которую источник не объясняет. Рядом — та же картина по странам за два года, по функциям и по тому, что люди при этом чувствуют.
2025 — «кремниевый потолок». Общее использование 72%, но у рядовых сотрудников оно встало: 52% годом раньше и 51% в 2025-м, то есть минус процентный пункт после скачка на 32 пункта. Формулировка BCG: «ИИ теперь часть нашей повседневной рабочей жизни — но рядовые сотрудники упёрлись в потолок внедрения».
+23 пп
самое быстрое изменение поведенческого показателя за год
33 пп
разрыв между страной-лидером и страной-аутсайдером по регулярному использованию, 2026
75%
рядовых сотрудников в HR пользуются ИИ сами — при агентах у 2% организаций
67%
регулярных пользователей отмечают рост удовлетворённости работой
2026 — потолок пробит. Рядовые сотрудники +23 пп за год — самое быстрое изменение поведенческого показателя за год. Менеджеры +10 пп. Формулировка BCG: «Больше никакого кремниевого потолка».
Аномалия, которую источник не объясняет: руководители 88% (2024) → 85% (2025) → 93% (2026). Просадка 2025 года показана как есть.
Доля регулярных пользователей ИИ. Оба года Глобальный Юг идёт впереди Севера, но замеры сделаны на разных выборках: в 2025 году опрашивали всех респондентов, в 2026-м — только рядовых сотрудников (n=4 040). Сравнивать стоит порядок стран, а не уровни.
Ближний Восток в замере 2025 года — ОАЭ, Саудовская Аравия, Кувейт и Катар.
Устойчивый паттерн: Глобальный Юг опережает Север оба года. Разрыв между лидером и аутсайдером в 2026 году — 33 процентных пункта.
Сопоставление с развёртыванием агентов даёт неожиданный контраст: в HR 75% рядовых сотрудников пользуются ИИ сами, но агенты развёрнуты лишь у 2% организаций. Люди в HR пользуются ИИ сами, но организация не ставит туда агентов.
Отношение к ИИ, доля поставивших чувство в топ-2 из семи вариантов:
Формулировка источника: «По мере того как ИИ становится мейнстримом, уверенность растёт, а опасения снижаются». В издании 2026 года BCG меряет уже другое: удовлетворённость работой — рост отмечают 67% регулярных пользователей — и когнитивную нагрузку (41%).
Две волны мерили экономию по-разному, и обе честнее смотреть вместе с их определениями — а разрыв в указаниях раскладывается по уровням куда резче, чем одной общей цифрой. Дальше — куда время уходит фактически, что с ним делает перепроектированный процесс и что по этому поводу советуют BCG и IBM.
Кто экономит минимум восемь часов в неделю
Рядовые сотрудники, 2026. Разброс между функциями — 12 пунктов: экономия распределена куда ровнее, чем указания, что с ней делать.
Организация даёт ограниченные указания или не даёт вовсе о том, что делать с сэкономленным временемРядовые сотрудники66% · Менеджеры 66% · Все 61% · Руководители 52% · Разрыв рядовые сотрудники–руководители+14 пп
02
Не реинвестируют сэкономленное время в более стратегическую работуРядовые сотрудники58% · Менеджеры 43% · Все 45% · Руководители 36% · Разрыв рядовые сотрудники–руководители+22 пп
2025 для сравнения: «только треть получает указания о том, как перераспределить это время, что приглушает эффект».
Доли респондентов, делающих это с сэкономленным временем (множественный выбор, BCG 2025):
Формулировка источника: «Сэкономленное время перераспределяется на очень разные задачи».
Самый частый ответ — интенсификация. Это и есть механика утечки: без явного указания время по умолчанию уходит в увеличение объёма той же работы, а не в перераспределение к более ценной.
Сотрудники компаний, перепроектирующие рабочие процессы, экономят больше: 55% против 29% экономят более часа в день (2025); 53% против 31% экономят минимум день в неделю (2026).
Первая императива BCG для CEO: «Смените табло: мерьте ценность, а не охват. Время, которое экономят отдельные люди, вытекает из организации, если его не отслеживать и намеренно не реинвестировать. Смотрите на бизнес-результаты, а не на использование».
Рекомендация IBM с конкретным числом: до закрытия следующего бюджетного цикла договориться о фиксированной доле реинвестирования прироста производительности — обычно 60–80% — и обязаться финансировать более быстрые циклы экспериментов и масштабирования. Прекратить локальные улучшения эффективности, не открывающие новых способностей.
Вот вся кривая целиком — включая то, что добавляют сверху очный формат и живой коуч, и то, почему рычаг второй год подряд лежит нетронутым. И барьеры глазами самих рядовых сотрудников: навыков не дали, инструментов не дали, поддержки не дали — отсюда и теневой ИИ.
Доля регулярных пользователей ИИ в зависимости от объёма полученного обучения:
Доля регулярных пользователей
Скачок между «нет обучения» и «1–5 часов» — +45 процентных пунктов. Всё, что сверх десяти часов, добавляет уже немного.
Примечание источника к тому же слайду называет пару 67/79 пятичасовым порогом, хотя на самой панели она подписана как очный формат. Порог пяти часов источник показывает соседней панелью — это и есть ряд 18 / 63 / 82 / 89 выше.
Независимые эффекты формата
Формулировка источника: «Не менее пяти часов инструктажа, очные сессии и коучинг — ключевые компоненты эффективного обучения». Эти три компонента также значимо повышают уверенность сотрудников в ИИ и улучшают качество результатов работы с ИИ.
Ожидают потребности в серьёзном переобучении в ближайшие пять лет88%
03
Говорят, что изменились ожидания по навыкам для их роли72%
Обе цифры BCG отмечает как не изменившиеся с 2025 года. Заголовок источника: «Спрос на переобучение громкий и настойчивый. Ответ по-прежнему недостаточен».
Формулировка 2025 года: «Обучение часто слишком короткое или поверхностное — только 36% сотрудников говорят, что их обучили навыкам, нужным для ИИ-трансформации».
Три барьера внедрения по версии рядовые сотрудникиBCG 2025
Недостаток навыков или обучения. Обучение часто слишком короткое или поверхностное; только 36% считают, что обучены достаточно.
Ограниченный доступ к правильным инструментам. Почти четверо из десяти (37%) говорят, что компания не предоставляет нужные инструменты. Когда корпоративные решения не справляются, 54% говорят, что использовали бы неавторизованные ИИ-инструменты, повышая риски безопасности.
Недостаток поддержки руководства. Только 25% рядовых сотрудников говорят, что получили достаточную поддержку руководства по тому, как и когда использовать ИИ на работе.
Определение источника: shadow AI — использование ИИ-инструментов, систем или моделей внутри организации без явного ведома, одобрения или контроля со стороны центральных IT- или команд по данным.
Использовали бы ИИ без поддержки компании
Разрыв поколений +19 пп.
Практическое следствие: доля неавторизованного использования — это не показатель недисциплинированности сотрудников, а индикатор неадекватности корпоративных инструментов. При 37%, не получающих нужных инструментов, и 54%, готовых обойти ограничения, теневой ИИ — прогнозируемое следствие, а не аномалия.
Каждое из шести изменений — не только долей согласных, но и с теми, кто пожал плечами или возразил; видно, где согласие настоящее, а где хрупкое. Дальше — из чего складывается половина разговоров с Copilot, чем сотрудники из лидирующей группы отличаются от остальных и как WTI описывает четыре режима работы с агентом.
Аспекты работы, которые, по словам респондентов, изменил ИИ:
Изменение
01
Изменились ожидания по навыкам для роли\*Нейтрально 16% · Не согласны 13%
02
ИИ забрал более простые задачи, оставив сложную работу с высокими ставкамиНейтрально 17% · Не согласны 16%
03
Планка того, что считается «достаточно хорошо», подняласьНейтрально 22% · Не согласны 17%
04
Выросло время на проверку и исправление вывода ИИНейтрально 23% · Не согласны 25%
05
Роли сместились к управлению и направлению ИИНейтрально 23% · Не согласны 30%
06
Выросло количество принимаемых решенийНейтрально 24% · Не согласны 35%
\* Доля сообщающих, что ИИ значительно или умеренно изменит ожидания по навыкам для роли.
Заголовок источника: «ИИ перестраивает работу, влияя на саму природу профессий и управления».
Строка, которую легко пропустить: 52% сообщают о росте времени на проверку и исправление вывода ИИ. Экономия времени и рост верификационной нагрузки сосуществуют.
Анализ с сохранением приватности более 100 000 чатов в Microsoft 365 Copilot: 49% всех разговоров поддерживают когнитивную работу — помогают анализировать информацию, решать проблемы, оценивать и думать креативно. Остальное: работа с людьми 19%, производство результата 17%, поиск информации 15%.
Четыре взаимоисключающие категории одной классификации, в сумме 100%.
Детализация внутри категорий: принятие решений и решение проблем 28% · получение информации 13% · коммуникация с руководителями и коллегами 8% · творческое мышление 6% · анализ данных 5% · интерпретация информации для других 5% · документирование и запись информации 5% · обработка информации 3% · оценка качеств объектов и услуг 3% и другие.
Формулировка источника: «Почти половина использования чата Microsoft 365 Copilot поддерживает анализ, решения и решение проблем — тот вид высокоценной работы, который раньше требовал глубокой экспертизы».
Намеренно делают часть работы без ИИ, чтобы сохранить навыки в формеОстальные 30% · Лидирующая группа43% · Δ +13 пп
02
Намеренно останавливаются перед началом работы, чтобы решить, что должен делать ИИ, а что человекОстальные 33% · Лидирующая группа53% · Δ +20 пп
Это единственная практика, прямо отвечающая на предупреждение Stanford о том, что интенсивная опора на ИИ может нести долгосрочные издержки для обучения и замедлять развитие навыков.
Концептуальная рамка WTI 2026 по двум осям — как человек вовлечён в работу (направляет или надзирает) и насколько интенсивно используется агент (ассистент или напарник):
Режим
01
ДелегированиеОси человек направляет + агент как напарник · Как выглядит превращение сырых заметок в структурированную сводку или черновик · сборка регулярного отчёта из стандартных входов · подготовка исследовательской сводки с указанием источников после определения объёма
02
СпрашиваниеОси человек направляет + агент как ассистент · Как выглядит поиск факта, даты, определения · переписывание фразы для ясности, тона или длины · переформатирование небольшой таблицы
03
СотрудничествоОси человек надзирает + агент как напарник · Как выглядит доработка предложения через несколько раундов обратной связи · построение анализа, где каждый результат меняет следующий вопрос · подготовка коммуникации, где тон и подача требуют суждения
04
ИсследованиеОси человек надзирает + агент как ассистент · Как выглядит проверка, справится ли Copilot с новым рабочим процессом · тестирование разных стратегий промптинга · прощупывание границ автономности агента
Ключевое наблюдение источника: «Что отличает сотрудники из лидирующей группы — не то, какой режим они используют, а знание того, какой режим требуется для задачи». Рутинное исполнение, исследование и синтез делегируются. По мере того как ИИ делает больше работы, люди остаются вовлечёнными через задание направления и принятие ответственности за использование результатов.
Оговорка источника: это концептуальная рамка, а не визуализация данных; размещение каждого режима качественное.
Формулировка источника: «По мере созревания использования ИИ самыми эффективными пользователями будут не те, кто делает больше вещей быстрее. Ими будут те, кто переопределяет свою ценность вокруг того, что могут только люди: задание ясного намерения — определение желаемого результата и планки качества — и проектирование того, как работа выполняется людьми и ИИ вместе. Вопрос перестаёт быть «какие задачи определяют мою работу» и становится «какие результаты я теперь в состоянии обеспечить»».
Парадокс назван так самим BCG, и обе его половины максимальны на верхнем этаже: кто получает больше всего удовольствия, тот несёт и наибольшую нагрузку. Дальше — рычаги, по которым ценность и удовольствие растут вместе, компании-перестройщики, получающие и то и другое сразу, и первое предупреждение о том, чем нагрузка обернётся кварталом позже.
Топ-5 организационных рычагов, ранжированных по совокупному приросту удовольствия сотрудников и измеримого эффекта:
Определение измеримого эффекта: улучшение ключевых бизнес-метрик, приписываемое ИИ.
Ни одного рычага, который улучшал бы одно за счёт другого. Заголовок источника: «Действия, которые двигают бизнес-эффект, — те же самые, что позволяют сотрудникам процветать».
Рост когнитивной нагрузки у 41% — прямой предвестник того, что покажет KPMG кварталом позже: сопротивление, вызванное возросшей нагрузкой и сложностью, удвоилось с 28% до 51%.
Когнитивная нагрузка сама по себе не плоха — в первые месяцы она двигатель удовольствия. Проблема возникает, когда она сохраняется без стратегической ясности.
Каждый фактор здесь стоит дважды: каким он был в первые полгода и каким стал через год — и именно расстояние между двумя точками, а не их высота, отвечает на вопрос. Из него и складывается прогноз для программы внедрения, которая держалась на энтузиазме.
Сравнение регулярных пользователей ИИ со стажем менее 6 месяцев и более года (n=6 998):
Через год держит не новизна, а ясность
Значения для стажа более года. Вправо — что добавляет удовольствия от работы, влево — что отнимает. Программа, рассчитанная на энтузиазм первого полугодия, проседает на втором году.
01
Что помогает
02
Что мешает
03
Когнитивная нагрузка< 6 месяцев+43 пп · > 1 года +21 пп · Изменение ослабевает вдвое
04
Ясная ИИ-стратегия< 6 месяцев +24 пп · > 1 года+30 пп · Изменение усиливается
05
Ясные указания по сэкономленному времени< 6 месяцев +23 пп · > 1 года+25 пп · Изменение усиливается
06
Сложность показать свою уникальную ценность< 6 месяцев −29 пп · > 1 года −26 пп · Изменение почти не меняется
07
Недостаточное обучение< 6 месяцев −15 пп · > 1 года −16 пп · Изменение не меняется
Чтение примечания источника: «+/− пп — дополнительная доля сотрудников, получающих удовольствие от работы, когда фактор присутствует (+), или доля, теряемая при наличии помехи (−)».
Три вывода
Новизна и интеллектуальный вызов работают в начале и почти вдвое ослабевают через год. Первые полгода людям нравится, что работа стала сложнее и интереснее. Дальше этот эффект выдыхается.
Стратегическая ясность и внятные указания, наоборот, усиливаются со временем. Именно они удерживают эффект после того, как проходит новизна.
Помехи не ослабевают вообще. Ни сложность показать свою ценность, ни недостаточное обучение не смягчаются с опытом. Это означает, что их нельзя «пересидеть» — они требуют вмешательства.
«Хотите, чтобы ИИ-медовый месяц продлился? Стратегическая ясность бьёт инструменты в достижении устойчивого эффекта».
И далее: «Новизна ИИ и когнитивное растяжение подпитывают удовольствие вначале. Но устойчивое удовольствие приходит от стратегической ясности. Сотрудники процветают, когда направление реально и сообщение доходит до них при сильной вовлечённости CEO».
Практическое следствие
Организация, полагающаяся на энтузиазм ранней фазы, получит просадку примерно через год после массового внедрения. Единственные факторы, работающие на этом горизонте, — ясность стратегии и указания по использованию сэкономленного времени; оба относятся к операционной модели и лидерству, а не к опыту сотрудника.
Полный ряд квартала — со всеми строками, которые в статью не поместились, и с оговоркой о том, как эти числа доставались из перепутанных колонок PDF. Дальше — откат сотрудников от агентов на фоне спокойного корпоративного развёртывания и гонка за токенами, против которой KPMG предупреждает в том же отчёте.
рост доли выражающих сопротивление агентам за квартал — с 5% до 20%
41%
рассмотрели бы внедрение гонки за токенами — стимулов на максимальное потребление токенов
Разбивка Q2 2026: смешанная реакция 37%, лёгкое сопротивление 19%, значительное сопротивление 1% (в сумме 20% выражающих сопротивление).
Оговорка по извлечению. Эта страница выгружается из PDF с перепутанными колонками; все значения разрешены по координатам текстовых блоков. Направление изменений задано глаголами источника: сопротивление из-за нагрузки «почти удвоилось», тревога из-за обучения «упала почти вдвое», опасения по навыкам и работе «снизились квартал к кварталу».
Что означает смена природы
Страх ушёл, усталость выросла.
Опасения «меня заменят» (работа) и «я не умею» (навыки, обучение) снизились — все три.
Опасение «стало тяжелее» почти удвоилось и стало доминирующим.
Формулировка KPMG: «Сопротивление, вызванное возросшей нагрузкой или сложностью — где ИИ делает работу скорее тяжелее, чем легче, — почти удвоилось».
Это ровно то, что предсказывал парадокс радости BCG: когнитивная нагрузка растёт (41% сообщают о росте), и без стратегической ясности она превращается из вызова в изнурение.
Падение использования агентов сотрудникамиKPMG Q2’26
Уровень принятия агентов сотрудниками упал с 55% до 43% за квартал. Это происходит на фоне того, что общее развёртывание агентов организациями держится стабильно (53%), а связывание агентов в цепочки удваивается.
Организация продвигается, сотрудники откатываются. Это один из самых свежих и тревожных сигналов отчёта.
Ряд восприятия агентов сотрудниками за годKPMG Q3’25
41% лидеров рассмотрели бы внедрение гонки за токенами — стимулов на максимальное потребление токенов, часто с внутренними рейтингами, — чтобы поощрить использование ИИ.
Собственное предупреждение KPMG: «Усилия, ставящие метрики использования выше осмысленных результатов, рискуют закрепить неправильное поведение».
При этом 47% согласны или полностью согласны, что сотрудники, эффективно и результативно использующие ИИ, превосходят остальных. То есть различие в производительности реально — вопрос в том, каким показателем его пытаются воспроизвести.
Это прямое противоречие первой императиве BCG для CEO BCG: «Смените табло: мерьте ценность, а не охват».
«Успешное масштабирование внедрения агентов потребует более острого фокуса на опыте сотрудника, более ясного согласования с результатами и более осознанных подходов к вовлечению».
Состояние, в которое пришёл ИИ, Microsoft мерила телеметрией, а не опросом: вот из чего складывается разрыв мощности и как выглядит день, разорванный на куски. А заодно — почему за помощью идут к ИИ, а не к коллеге, и чем компании-первопроходцы отличались от всех остальных ещё тогда.
Глобальной рабочей силы — и сотрудников, и лидеров — говорят, что им не хватает времени или энергии выполнять свою работу80%
02
Лидеров говорят, что производительность должна вырасти53%
03
Лидеров уверены, что будут использовать цифровой труд для расширения мощности рабочей силы в ближайшие 12–18 месяцев82%
Microsoft называет это разрыв мощности: бизнес требует больше, чем люди способны устойчиво выдавать.
По регионам (лидеры, считающие, что производительность должна вырасти / рабочая сила без времени и энергии): Азиатско-Тихоокеанский регион 61% / 84% · Европа 49% / 75% · Латинская Америка 44% / 78% · Северная Америка 43% / 72%.
Всплеск правок PowerPoint в последние 10 минут перед встречей против трёх часов до+122%
03
Рост встреч, начинающихся после 20:00+16% год к году
04
Встреч, охватывающих несколько часовых поясов30%, +8 пп с 2021
05
Сотрудников говорят, что их работа ощущается хаотичной и фрагментированной48%
06
Лидеров говорят то же самое52%
Формулировка источника: «ИИ даёт реальный прирост производительности, но этого недостаточно. Скорость бизнеса по-прежнему обгоняет то, как мы работаем сегодня. Чтобы поспевать, компаниям нужно больше, чем добавить ИИ к существующим рабочим процессам — им нужно переосмыслить саму природу интеллектуальной работы».
Причины выбора ИИ вместо коллеги или руководителя:
+Причина8
01
Доступность 24/742%
02
Машинная скорость и качество30%
03
Бесконечный поток идей по требованию28%
04
Неограниченная мощность — бесконечное время и энергия для повторяющихся или сложных задач23%
05
Страх человеческого осуждения — с ИИ приватнее, он не судит17%
06
Требования работы с коллегами — ИИ требует меньше объяснений16%
07
Присвоение заслуг — можно взять всю заслугу себе15%
08
Трение с коллегами — ИИ не раздражается и не теряет терпение8%
Вывод источника: «Люди используют ИИ скорее за его уникальные способности, чем за преимущества над коллегами». Причины, связанные с избеганием человеческих качеств, — в самом низу списка.
52% видят ИИ как командный инструмент — дают прямые простые команды для выполнения работы. 46% видят ИИ как мыслительного партнёра — ведут разговорный обмен, чтобы бросить вызов своему мышлению, набросать идеи, зажечь креативность. Оставшиеся 2% не знают.
Формулировка: чтобы эффективно работать с агентами, всем сотрудникам придётся усвоить установку мыслительного партнёра и построить связанные навыки — итерировать с ИИ, знать, когда делегировать, промптить с контекстом и намерением, дорабатывать выводы вместо принятия первых черновиков, замечать слабые рассуждения и пробелы, знать, когда возразить и перенаправить разговор или план.
28% менеджеров рассматривают найм AI workforce manager для руководства гибридными командами людей и агентов; 32% планируют нанимать AI agent specialists для проектирования, разработки и оптимизации агентов в ближайшие 12–18 месяцев.
В горизонте пяти лет лидеры ожидают, что в объём их команд войдут: построение мульти-агентных систем для автоматизации сложных задач 42% · обучение агентов 41% · перепроектирование бизнес-процессов с ИИ 38% · управление агентами 36%.
51% менеджеров говорят, что ИИ-обучение станет ключевой обязанностью их команд в течение пяти лет; 35% рассматривают найм ИИ-тренеров.
83% глобальных лидеров говорят, что ИИ позволит сотрудникам браться за более сложную стратегическую работу раньше в карьере.
Компании-первопроходцы (844 из 9 037 опрошенных лидеров) против глобального среднего:
Разрыв по страху потери работы — вдвое ниже у компаний-первопроходцев. Это же наблюдение позже подтвердит BCG на другой выборке: сотрудники компаний, реально перепроектирующих работу, реже видят в агентах угрозу, если понимают, как те работают.
Общее замечание: ни один из пяти сдвигов не является полным. В каждом есть контрпримеры, и они приведены ниже. Сдвиг — это смена доминирующей рамки, а не исчезновение прежней.
Пять сдвигов в цифрах
Что раскрыто в этом разделе
Тот самый сдвиг, которого на картинке в начале раздела нет: сопоставимой пары замеров для него не нашлось, зато нашлись обе формулировки — про данные, запертые внутри функций, и про инфраструктуру, которая не успевает поглощать изменения. Обе целиком, а к ним — каким на самом деле был фундамент данных к 2025-му, во что обошлась негибкость архитектуры к 2026-му и что в этих же данных сдвигу противоречит.
«В этом году я лично говорил более чем со 150 корпоративными клиентами, и одна проблема вышла на первый план: данные заперты внутри функций. У финансов свои данные. У HR свои. Маркетинг, цепочка поставок, юристы — данные каждой функции работают в изоляции. Ни общей таксономии. Ни общих стандартов. Ни сквозной видимости. Это не просто операционное неудобство. Это ахиллесова пята корпоративной ИИ-трансформации. Когда данные живут в разрозненных хранилищах, каждая ИИ-инициатива превращается в затяжной шести-двенадцатимесячный проект чистки данных. Команды тратят больше времени на поиск и согласование данных, чем на генерацию осмысленных выводов».
2026:
«Ключевое ограничение — адаптивность. Большинство организаций были построены под контроль, стандартизацию и эффективность. Но в ИИ-обусловленном ландшафте именно решения по архитектуре, управляемости и инвестициям задают, насколько быстро они могут двигаться, какой уровень риска способны выдержать и какие возможности остаются достижимыми».
«Сегодня главное ограничение бизнес-производительности — не амбиция и не технология. Это способность ИТ-инфраструктуры справляться с изменениями на машинной скорости без потери контроля, устойчивости или экономической дисциплины».
На шкалу долей не ставятся ещё две величины того же исследования: облачные расходы превысили изначальный прогноз в среднем на 48%, а ранняя сменяемость архитектуры дала +10% к возврату на ИИ-инвестиции.
Фундамент данных объективно крепкий. Все три показателя выше — 81%, 75% и 74% — говорят о зрелой работе с данными, а доля ИТ-бюджета на стратегию данных за два года выросла с 4% до 13%. Утверждение «данные перестали быть проблемой» источник при этом не делает, и мы не делаем: узкое место сместилось, потому что требования выросли быстрее прогресса.
Данные вернулись в топ барьеров в 2026 году. У KPMG в Q2 2026 готовность и доступность данных — главный барьер развёртывания агентов (58%), обошедший сложность агентных систем (38%) и технические навыки (37%). То есть на уровне конкретных проектов данные никуда не делись.
Качество данных оставалось барьером и при выросшем фундаменте: его называли 82%.
Уверенность в собственных данных осталась на четверти, несмотря на весь прогресс: 26% по новым выручкообразующим потокам, 26% по неструктурированным данным, 19% по завершённости архитектуры.
Честная формулировка сдвига: не «данные больше не проблема», а «данные перестали быть единственным узким местом; к ним добавилась и вышла на первый план адаптивность архитектуры и операционной модели».
Знак сменился прежде всего на словах: управляемость переехала из графы «то, что тормозит» в графу «то, без чего не масштабируется». Разбираем по порядку: обе формулировки дословно, меры надзора поквартально, экономический аргумент в пользу встроенного контроля — и разрыв между тем, что признают, и тем, что построили.
2025. Управляемость присутствует как контроль и как ограничитель: только 22% организаций имеют чёткие правила и ограничители для ИИ в автоматизированном принятии решений. Комментарий источника: «Организации вкладываются в ИИ-возможности, но большинство недоинвестирует в каркасы».
Признание против реализации
Экономический аргумент есть: ×16 агентов при вчетверо меньшей доле бюджета. Архитектуры управления — нет.
2026. KPMG выносит в заголовок раздела исполнительного резюме: «Управляемость — условие масштабирования». IBM переводит это в инженерную постановку: «Контроль перестаёт быть проблемой разрешений. Он становится проблемой проектирования».
Управляемость признана, но не построена. 77% признают отставание управляемости от внедрения; 70% — что команды разворачивают быстрее, чем IT отслеживает; только 11% готовы к ожидаемому масштабу.
Половина сотрудников не видит правил. 50% говорят, что в компании нет чётких указаний по управлению командами «человек × ИИ».
Треть организаций переопределяет выводы ИИ без формальных критериев.
Инциденты растут. 362 задокументированных инцидента за год; 54 инцидента с агентами на организацию за год.
Ответственный ИИ не является единой шкалой. Улучшение безопасности может ухудшить точность, а значит «зрелость управляемости» как одно число вводит в заблуждение.
Честная формулировка сдвига: управляемость переместилась из категории «то, что тормозит» в категорию «то, без чего не масштабируется» — в риторике и в экономических расчётах, но пока не в практике. Разрыв между признанием и реализацией здесь больше, чем в любом другом направлении.
Разъехалось надвое даже в заголовках: у того же источника год назад стояло «ИИ делает людей более ценными», теперь — «Два будущих для рабочих мест в эпоху ИИ». Смотрим, что при этом сменилось — рамка или сами ряды, что добавляет независимый замер по самым молодым разработчикам и почему «два трека» не значит «один растёт, другой падает».
2025 (PwC 2025, обложка и с. 2): заголовок отчёта — «ИИ делает людей более ценными». Ключевые находки: втрое больший рост выручки на сотрудника, зарплаты растут вдвое быстрее, число рабочих мест растёт практически везде, включая наиболее автоматизируемые профессии.
2026 (PwC 2026, обложка и с. 3): заголовок — «Два будущих для рабочих мест в эпоху ИИ». «Скорее чем просто замещая рабочие места, ИИ перестраивает их фундаментально разными способами».
Графики бок о бок
Три строки меряют разное — рост производительности, надбавку к зарплате и разрыв в скорости смены навыков. Сравнивать можно внутри строки; между строками нельзя.
01
Организующая рамка2025 затронутость ИИ: наиболее / наименее · 2026 механика: профессионализация 22% / демократизация 52% / ИИ почти не затрагивает 26%
02
Зарплаты2025 ×2 быстрее в затронутых ИИ отраслях · 2026 +42% быстрее у ролей с растущими требованиями к экспертизе
03
Число рабочих мест2025 растёт везде, медленнее в затронутых ИИ (+38% против +65%) · 2026 роли с растущими требованиями +39% против ролей со снижающимся порогом входа +17%
04
Вход в профессию2025 не выделялся · 2026 −16% в затронутых ИИ областях; +35% у ролей с повышенными требованиями против −10%
Занятость разработчиков ПО в возрасте 22–25 лет упала почти на 20% к 2024 году, при росте у более старших. Формулировка: эффекты концентрируются «в воронках найма и у самых молодых работников затронутых ИИ профессий».
Оба трека растут. Профессии со снижающимся порогом входа дают +17% вакансий и +26% зарплат — это рост, а не спад.
Численность у затронутых ИИ компаний растёт быстрее: 52,2% против 35,7%. Агрегированный тезис 2025 года остаётся верным.
Категория не предопределяет судьбу. Собственные контрпримеры PwC: помощники медсестёр (требования к экспертизе растут, но рост ограничен регулированием и предложением кадров) и менеджеры детских учреждений (порог входа снижается, но вакансий стало на 111% больше из-за скрытого спроса).
Смещение выживших. Графики по численности построены на крупных формальных фирмах с оборотом от $50 млн, продолживших существование; ушедшие с рынка исключены (PwC 2026, примечания).
Причинность не доказана. PwC оговаривает это по каждому ряду; для начального уровня прямо: «это не утверждение, что ИИ вызывает эти эффекты».
Честная формулировка сдвига: общая динамика по-прежнему положительная; изменилось то, что внутри общей картины обнаружились два расходящихся трека, и вход в профессию сжимается. Оптимистичный вывод 2025 года не опровергнут, он уточнён.
Подозреваемый за год и правда перебрался из презентаций в эксплуатацию — а вместе с работой пришло всё, что у работы бывает: инциденты, ненаписанные правила, незадокументированные процессы. Дальше — чем это перемещение меряют, что именно отстало и почему между «организации разворачивают агентов» и «работу делают агенты» всё ещё лежит порядок величины.
Независимый замер даёт однозначные проценты. Stanford: развёртывание агентов остаётся в однозначных процентах почти во всех бизнес-функциях. Это самый строгий и самый объективный замер отчёта, и он на порядок ниже опросных цифр.
Общее развёртывание встало. KPMG Q1 → Q2 2026: 55% → 53%. Растёт только связывание агентов в цепочки.
Внедрение агентов сотрудниками упало. 55% → 43% за квартал.
Ряд KPMG имеет разрыв определения между Q3 и Q4 2025, что не позволяет считать его точным временным рядом.
Важность агентов в глазах сотрудников слегка снизилась: считающих их важными в ближайшие 2–3 года стало 72% против 77% годом ранее, −5 пп.
Честная формулировка сдвига: агенты действительно вышли из концептуальной фазы — телеметрия ×15 и удвоение интеграции в рабочие процессы это подтверждают. Но между «организации разворачивают агентов» и «функции исполняются агентами» лежит порядок величины, и операционные модели, правила и документация отстают на всех уровнях.
Кабинет, в котором искали ответственного, за год расформировали: повесткой владеют сразу несколько контуров, а роль директора по ИИ прошла тот самый длинный путь с картинки в начале раздела. Разбираем, как сменился разрез самой аналитики, как перевернулось отношение первых лиц к риску — и почему вниз, к исполнителю, эта перестройка пока не дошла.
Q2 2025CIO ведут ИИ-стратегию на уровне предприятия — по мнению 87%
02
Q2 2026распределено: названный топ-руководитель 34% · CEO или исполком 32% · руководитель бизнес-юнита 14% · комитет по управляемости 10%; 67% — CEO активно владеет ИИ как стратегическим приоритетом
Это наблюдение об аналитиках, а не только о рынке. Смена структуры исследований IBM — решение источника. Она подкреплена данными (77%, 85%), но не является сама по себе рыночным фактом.
Внизу изменений не видят. Только 26% пользователей ИИ считают руководство ясно и последовательно согласованным по ИИ; 33% рядовые сотрудники считают, что руководство ясно коммуницирует; 28% видят соответствие слов и дел.
Разрыв «есть навыки — используют» не закрылся. 86% CEO уверены в навыках сотрудников; те же CEO оценивают регулярное использование в 25%.
Децентрализация без ясности прав опасна. Сам источник оговаривает: 79% децентрализуют принятие решений, но сначала нужно объяснить, кто что решает, иначе ускорения не будет.
Роль CAIO при 76% проникновения может быть номинальной. IBM отдельно рекомендует прояснить мандат существующим CAIO — что подразумевает, что у части он не прояснён.
Честная формулировка сдвига: верхний уровень управления перестроился быстро и заметно. Дошло ли это до исполнителя — данные говорят, что пока нет.
В статье названы пять ограничений. Здесь каждое разобрано по одной схеме: какие цифры затронуты, какие выводы от этого слабеют и насколько, и что нужно было бы замерить, чтобы ограничение снять.
$5,8 млрд
медианная выручка компании в выборке IBM CEO 2026; средняя — $12 млрд
$14,4 млрд
средняя выручка компании в выборке IBM Tech Leader 2026, средний штат около 33 500 человек
84%
технологических лидеров не операционализировали финансовое управление ИИ
85%
не имеют полной видимости расходов на ИИ в реальном времени
Кого эти выборки вообще видят: порог включения в выборку
Шкала в миллионах долларов. Компания на $50 млн выручки, применяющая бенчмаркы этого отчёта к себе, сравнивает себя не с собой.
Для каждого: какие цифры затронуты · какие выводы ослабляются и насколько · что нужно было бы измерить, чтобы ограничение снять.
Ограничение 1. Ни один источник не даёт независимо верифицированного ROIIBM Tech 2026
Какие цифры затронуты. Все метрики отдачи, кроме двух рядов PwC и одного ряда HAI. Полный перечень — 17 метрик ROI в Р-4.0.
Что ослабляется.
Тезис 1 (отдача расслоилась) держится на самооценке техруководителей и на внешнем прокси PwC. Первое ослаблено, второе нет — поэтому тезис устоял.
Все ROI-премии (+10% за CAIO, +36% за операционную модель, +10% за сменяемость, +38% за три направления) — сравнения самооценок между группами. Направление, вероятно, верно; величины следует считать верхними оценками.
Утверждение «97% видят возврат» непригодно ни для какого вывода вообще: оно измеряет выбор метрики.
Что нужно измерить. Отдачу ИИ-портфеля по данным управленческого учёта на выборке компаний с сопоставимой методикой признания затрат и эффектов, с контрольной группой. Ни один источник такого не делал.
Ближайшее к объективности:
PwC — выручка на сотрудника по финотчётности Orbis;
HAI — самый трезвый ряд величины эффекта: экономия менее 10% и прирост выручки менее 5% как наиболее частые значения по функциям.
Ограничение 2. Малый и средний бизнес практически не представленKPMG Q2’26
Профили выборок.
Порог
01
KPMGтолько США, только компании с выручкой ≥$1 млрд
02
IBM CEO 2026медианная выручка $5,8 млрд, средняя $12 млрд; ~80% публичные
03
IBM Tech 2026средняя выручка или бюджет $14,4 млрд, средний штат ~33 500
04
PwCфильтр на компании с оборотом не менее $50 млн; исключены ушедшие с рынка
05
BCGраспределение по выручке смещено к крупным; 23% выборки — $500 млн–$1 млрд
Что ослабляется. Все бенчмаркы панели показателей применимы к крупному бизнесу. Для среднего они непроверены, для малого почти наверняка неверны: экономика ИИ-портфеля, необходимость управленческой инфраструктуры и структура издержек на масштабе принципиально другие.
Что нужно измерить. Те же показатели на выборке компаний с выручкой $10–500 млн. Таких данных нет ни у одного источника.
Единственное косвенное свидетельство обратного. Microsoft 2025 приводит примеры очень малых организаций: сооснователь на пути к $2 млн выручки со стаффинговой фирмой на ИИ; стартап из пяти человек ICG, использующий ИИ от строительных симуляций до маркетинговых исследований, с приростом маржи на 20%; предприниматель, ведущий бюджетирование и прогнозирование без CFO благодаря одному ИИ-инструменту. Это анекдоты, а не выборка.
Ограничение 3. Нет продольных данных по одним и тем же организациямMicrosoft WTI 2025
Что это значит. Все ряды — каждый год или квартал новая выборка. Когда мы пишем «интеграция агентов выросла с 13% до 30%», это сравнение двух разных выборок.
Какие цифры затронуты. Все ряды «было → стало»: BCG 2025→2026, PwC 2025→2026, Microsoft 2025→2026, KPMG по кварталам, IBM 2025→2026.
Что ослабляется. Прежде всего причинность. Все различия «лидеры против остальных» — корреляции:
Компании уровня «перестройка/изобретение» дают лучший результат по шести показателям — но могли изначально быть сильнее и потому взяться за редизайн.
Организации с CAIO имеют +10% ROI — но могли назначить CAIO именно потому, что уже были зрелее.
Компании-первопроходцы процветают чаще — но определение компании-первопроходца включает «видели ROI от внедрения ИИ», то есть частично тавтологично.
Microsoft оговаривает это прямо: «значения показывают статистическую ассоциацию, а не причинный эффект». PwC оговаривает по каждому ряду: «мы не можем доказать причинность с уверенностью».
Что нужно измерить. Панель одних и тех же организаций на протяжении трёх и более лет с фиксацией момента внедрения практик. Ни один источник такого не ведёт.
Практическое правило: читать все различия между группами как описание профиля лидера, а не как рецепт. «Лидеры делают X» ≠ «сделай X и станешь лидером».
4.1 KPMG, развёртывание агентов, Q3 → Q4 2025. Ряд 11% → 33% → 42% несовместим с 26% в Q4. Затрагивает: все цитирования кривой зрелости агентов. Ослабляет: возможность считать ряд точным временным рядом. Компенсация: используется как индикатор направления; в спецификации графиков предписано рвать линию.
4.2 PwC, база премии за ИИ-навыки. 56% в барометре 2025 против «57% в прошлогоднем барометре» в издании 2026. Затрагивает: показатель 38 панели. Ослабляет: минимально — расхождение 1 пп. Значение: показывает, что ряды PwC пересчитываются задним числом.
4.3 BCG, регулярные пользователи среди руководителей. 80% → 88% → 85% → 93%. Просадка 2024→2025 не объяснена. Затрагивает: показатель 43 панели. Ослабляет: интерпретацию монотонного роста внедрения у лидеров.
4.4 Извлечение из декорированных слайдов. Крупные цифры в деках KPMG и BCG вёрстаются отдельными блоками, порядок извлечения не совпадает с визуальным. Затрагивает: потенциально все цифры из этих деков. Компенсация: спорные значения разрешены по координатам текстовых блоков. Этой сверкой найдены и исправлены две ошибки первой редакции отчёта (обе на KPMG Q2’26). Полный разбор — приложение «Расхождения источников».
4.5 Нумерация глав AI Index 2026. Названия глав извлекаются достоверно, порядковые номера — нет. Затрагивает: только описание структуры AI Index. Требует ручной сверки перед публикацией.
4.6 Реконструированная фигура прогнозов IBM. В фигуре прогнозов на 2026 и 2030 годы соответствие столбцов и строк восстановлено по текстовым формулировкам источника; промежуточные значения помечены знаком «~». Две опорные цифры — 49% и 10% — приведены в тексте прямо.
5.1 Россия и СНГ отсутствуют во всех выборках без исключения. Ни один из 20 источников не включает эти рынки. Все страновые выводы — по спискам из методологий.
5.2 Госсектор представлен фрагментарно. Он есть в отраслевых разбивках BCG (перестройка 31% — последнее место среди отраслей, BCG 2025) и IBM (три приоритета и три вызова, IBM CEO 2026), но отдельного исследования нет ни у кого. Премия за ИИ-навыки в госсекторе — самая низкая из восьми секторов, показанных в источнике (16% против среднего по всем шестнадцати — 62%).
5.3 Отраслевая глубина. Есть срезы, нет полноценных отраслевых исследований. Максимум — по три приоритета и три вызова на отрасль у IBM (потребительский сектор, банкинг, страхование, энергетика, госсектор, здравоохранение, телеком, производство).
5.4 Экономика эксплуатации ИИ. Тема появилась впервые в KPMG Q2’26 и измерена одной волной на 204 респондентах. Единственные цифры: 26% полной видимости издержек, набор из четырёх практик управления затратами. Подтверждение со стороны IBM — два показателя: 84% не операционализировали финансовое управление ИИ и 85% не имеют полной видимости расходов в реальном времени. Этого недостаточно для устойчивого вывода.
5.5 Долгосрочный эффект на навыки. Stanford упоминает, что интенсивная опора на ИИ может нести долгосрочные издержки для обучения и замедлять развитие навыков, но систематических данных нет. Единственная ответная практика — самоотчёт сотрудников из лидирующей группы: 43% против 30% намеренно делают часть работы без ИИ, чтобы сохранить навыки.
5.6 Влияние на качество решений. Эти отчёты измеряют скорость и объём, но почти не измеряет качество. Единственные подступы: рекомендация IBM мерить успех «качеством и скоростью решений» и метрика «улучшенная аналитика для решений высшего руководства», выросшая с 62% до 83% — но это опять самооценка.
5.7 Стоимость неудач. Эти отчёты подробно считают отдачу успешных инициатив и почти не считает стоимость неудачных. Единственная цифра: более четверти ИИ-инициатив отменены, отложены или не смогли масштабироваться из-за проблем безопасности.
Как эти ограничения меняют чтение отчёта
Любую цифру отдачи из опроса руководителей читать как настроение, а не как факт. Исключения: ряды PwC и ряд HAI по величине эффекта.
Любую цифру зрелости сверять с цифрой из опроса сотрудников и с независимым источником. Расхождение само по себе информативно — это разрыв 1.
Различия «лидеры против остальных» трактовать как корреляцию. Это профиль, а не рецепт.
Все бенчмаркы применять к крупному бизнесу. Для среднего — с явной оговоркой, для малого — не применять.
Проверять базу перед сравнением цифр между слайдами одного источника. У BCG базы меняются от слайда к слайду.
Не сравнивать метрики с разными формулировками вопроса. Реестр несопоставимых пар — в «Видим» против «измеряем», расхождения источников — в «Где данные расходятся между собой».
@andre_dataist
Обложка · cover.jpeg
