Российский ИИ 2.0.: почему хайп закончился и началась битва за бюджеты корпораций и клиентов

Рынок взрослеет

Готовя карту российского генеративного ИИ 2.0, мы спросили себя: то, что происходит в мире и у нас  — это просто хайп или действительно революция и новая технология для бизнеса на годы вперед?

Одни эксперты уверены: на рынке несколько крупных игроков, оценки перегреты, деньги гоняют друг другу — вспомним про кейсы OpenAI, NVIDIA, SoftBank. Другие, включая Мустафу Сулеймана, считают, что мы стали свидетелями появления и бума самой прорывной технологии нашего времени, и места хватит многим.

Хочу отметить, что в России действительно есть сервисы, которые попали в закладки в браузере даже у продвинутых пользователей, что, безусловно, радует.

Полгода назад мы собрали первую версию карты российских сервисов на базе генеративного ИИ. С тех пор к ней добавилось еще 59 проектов — это те, кто успел заявить о себе и закрепиться на рынке.

Цифры показывают, как быстро рынок взрослеет. Трафик концентрируется вокруг более зрелых решений и тех, кто смог выстроить понятную стратегию вывода продукта. Так, в самой массовой категории «Сервисы для генерации контента» среднее падение посещаемости за полгода — около 9%, но у крупных игроков с аудиторией от 300 тыс. визитов в месяц либо рост, либо падение существенно ниже среднего — до 4%.

При этом меняется и структура рынка. В первой версии карты мы не выделяли отдельную категорию платформ «без кода» для создания ИИ‑агентов, а сейчас их уже несколько. Это новый слой инфраструктуры.

Аналогичный сценарий можно ждать и в разделе вайб-код решений, где за рубежом уже есть лидеры: Lovable, Replit, Bolt и еще десяток аналогов. Они растут быстрее, чем аудитория ChatGPT в России в начале использования.

Вайб-кодинг — это когда приложение может сделать человек без опыта программирования. Например, среди девушек, которые увлекаются модой и стилем, очень популярен конструктор веб-приложений и сайтов Lovable.

В России же сегмент AI-продуктов для вайбкодинга пока представлен одним проектом. Но, осознавая задержку в локализации технологий и продуктов, которую мы видим, анализируя рынок, можно предположить, что к следующей нашей карте, то есть ориентировочно через полгода, этот сегмент подрастет. Насколько нам известно, «Сбер» сейчас тестирует такой продукт на ограниченной выборке пользователей.

Где самая движуха

По нашей карте видно, что основное движение сосредоточено вокруг трех зон: генерация контента, HR‑процессы и маркетинг с продажами. На последней хочется остановиться подробнее.

Маркетинг и продажи, наверное, самая понятная для директора зона внедрения. Здесь причинно‑следственная связь ясна: условно, вложили рубль, получили два. Внедряя ИИ‑решение, компания быстро видит, как меняется окупаемость маркетинга, скорость тестирования гипотез и качество лидов.

Это не только российская история. По данным исследования Google Cloud, 70% руководителей по всему миру видят рост продуктивности от генеративного ИИ, а 56% фиксируют прямой рост бизнеса за счет таких решений. Более половины компаний, которые уже используют ИИ в продажах и маркетинге, успевают окупить эти проекты в горизонте до года.

Интересно и то, как одно и то же по сути решение может быть по‑разному упаковано. Кто‑то делает онлайн‑сервис по подписке, где за фиксированную сумму в месяц можно самому собрать воронку и интеграции. Другие продают то же самое как индивидуальную разработку «под ключ» вместе с внедрением и сопровождением в разы дороже, но с меньшей головной болью для клиента (средний чек на решение от 600 тыс. до 1 млн руб. по рынку). Спрос есть на обе модели: люди выбирают между экономией денег или времени.

Чтобы предпринимателю было проще ориентироваться, в этот раз мы сделали карту интерактивной. В ней можно подобрать сервис под конкретный сценарий — от обработки заявок до найма — и пройти короткое обучение по запуску. Карта превращается из витрины проектов в рабочий навигатор по рынку.

Кто пока боится ИИ 

Судя по отчетам, картина замечательная: крупный российский бизнес уже «весь в ИИ»: свои модели, платформы, лаборатории. Однако в средних и небольших компаниях повестка другая: там до сих пор на первом месте вопросы, зачем им это и какую пользу они увидят — в деньгах или времени сотрудников.

Консультируя клиентов, мы в AI Factory часто видим одну и ту же картину: руководитель читает в новостях, что кто‑то из конкурентов сократил расходы или штат в разы за счет ИИ, и приходит к нам с запросом «сделайте нам так же».

Проблема в том, что если бездумно копировать чужой опыт, то велика вероятность разочарования. Лучше сначала разобраться, где именно компания теряет время, где сотрудники выполняют повторяющиеся операции, а где спрос на продукт упирается в ресурсы команды.

При этом основной барьер — не технологии, а люди и процессы: в топ‑10 препятствий входят отсутствие обучения, опасения по поводу точности результатов и внутреннее сопротивление сотрудников.

При этом важно быть готовыми к тому, что если вы собираетесь внедрять ИИ в областях, которые еще не стали отраслевым мейнстримом, то вероятность достижения положительной окупаемости заметно ниже — около 10%. Отсюда и диссонанс в публичной повестке: одни твердят, что где ни внедряй ИИ, везде будет эффект, а другие, включая исследование MIT, отмечают, что до 95% пилотных проектов так и не дошли до полноценного внедрения.

По опыту мы видим, что зачастую эффективнее привлекать добросовестных подрядчиков с опытом, чем разбираться во всем самим. Для повторяющихся процессов это особенно заметно.

Мы видим, как постепенно пополняется витрина реальных кейсов: крупный и средний российский бизнес внедряет решения на основе ИИ — от SEO‑фабрик контента до синтетических аэрофотоснимков для геологоразведки.

Чек‑лист: как внедрить ИИ и не разочароваться

Мы используем простой алгоритм из семи шагов.

Шаг 1. Объективно разберите ключевые бизнес‑процессы.Опишите, где компания теряет время и деньги, какие операции повторяются, где узкие места в воронке. Сформируйте список ИИ‑инициатив с примерной оценкой затрат и ожидаемого эффекта.

Шаг 2. Сформулируйте одну понятную бизнес‑цель.Например, повысить конверсию, сократить время ответа клиенту или снизить долю ошибок в отчетах.

Шаг 3. Зафиксируйте исходную точку.Определите две-три ключевые метрики, по которым будете сравнивать результаты пилота с текущим уровнем.

Шаг 4. Выберите один сценарий для пилота.Начните с одного процесса, например, ответы на типовые вопросы, подготовка коммерческих предложений, поиск информации по внутренним документам.

Шаг 5. Подберите решение под задачу.На этом шаге можете использовать нашу карту GenAI как каталог: отфильтруйте два-три сервиса под ваш сценарий, например, в категории «Маркетинг и продажи», и выберите подходящий сервис. К разработке под вас имеет смысл переходить, только если не подошли готовые решения.

Шаг 6. Назначьте ответственного сотрудника.Определите человека, который отвечает за внедрение, взаимодействует с подрядчиками и следит за метриками.

Шаг 7. Ограничьте пилот по времени.Согласуйте, что будет считаться успехом в течение одного-трех месяцев, и при каких условиях эксперимент останавливается или масштабируется.

Отдельный пункт — люди. Исследования и практика показывают, что решающим фактором становится не только выбор технологии, но и то, как вы обучаете сотрудников.

Компании, где формируется слой AI‑native — людей, которые системно используют ИИ‑инструменты в большинстве рабочих задач, — обгоняют другие организации по продуктивности.

Из эксперимента в инструменты

Если смотреть на исследования, рынок и наш опыт работы над картой GenAI 2.0, генеративный ИИ уже переходит из разовых экспериментов в стандартный инструмент управления и развития бизнеса, становится частью обычной инфраструктуры.

Ключевое различие проходит не между отраслями, а между подходами. Если решения выбирают через бизнес-логику, считают экономику, сверяются с кейсами на карте GenAI и готовят процессы и людей, то ИИ дает измеримый результат. Если же всё ограничивается эффектной демоверсией и выбором по названию модели, нейросеть остается просто дорогим экспериментом.