Продолжаю рубрику “Вопросы будущих эмитентов”

Первые шаги (этапы) — здесь

Я и не сомневался, что участники нашего акселератора, будущие эмитенты, умеют “ловить тренды”. В частности, многие изучают возможности ИИ в применении к реальному бизнесу. И вот с чем мы столкнулись при анализе очередного кейса.

Неоправданные ожидания

О, да. Они присутствуют. Ладно еще, когда это стартап — можно попросить “GPT и co” составить план развития, обозначить опорные точки и подобное. Но вот уже работающие компании…

Это выглядит примерно так: “Сейчас мы внедрим ИИ, он разрулит за нас логистику, посчитает нам всю бухгалтерию, минимизирует налоги etc. И дальше — подготовит документы для аудита и отчеты, сделает презентацию для инвестора и выведет нас на IPO! Стоп-стоп. Это так не работает!

Я расскажу вам об исследовании, которое попалось мне совсем недавно. Не российское, увы, но у нас таких масштабных пока не проводилось. Так вот:

Свежий отчет Массачусетского технологического института «GenAI Divide: State of AI in Business 2025» (о документе) показывает нам реальное состояние генеративного искусственного интеллекта в бизнесе. И делает грустный вывод: несмотря на оглушительный хайп и гигантские инвестиции, около 95% пилотных программ с ИИ не приносят ощутимого дохода и не меняют правила игры для компаний.

ИИ: обещания vs реальность

Большинство крупных проектов застревают на стадии испытаний внедрения ИИ и не проходят в стадию реального использования. Главное “бутылочное горлышко” — не качество ИИ-моделей, а неспособность компаний адаптировать их под свои внутренние процессы и организационные культуры.

Почему? Да потому, что модели открытого типа вроде ChatGPT хороши для частного юзера, но в корпоративной среде они порой оказываются “слишком универсальными” и плохо интегрируемыми.

Почему так высок процент провалов?

Я вам отвечу. Многие компании слишком поспешно бросаются интегрировать в рабочий процесс новые ИИ. По большей части средства идут на инструменты для продаж и маркетинга — сферы, где отдача от ИИ пока самая низкая. А максимальный ROI-то показывает автоматизация внутренних процессов: сокращение затрат на аутсорсинг, повышение эффективности операций и снижение расходов.

Из интересного еще — внешние решения от специализированных вендоров заходят в 67% случаев лучше, чем внутренние разработки, особенно в сложных и регулируемых сферах финансов (и, кстати, фармацевтики).

Как обстоят дела в России?

Да точно так же. Наша ситуация отчасти повторяет глобальные тренды. Если мы посмотрим отраслевые исследования и открытые отчеты (их мало), то увидим, что активное внедрение ИИ ограничено пилотными проектами в крупных корпорациях и госструктурах.

Региональные компании так вообще испытывают трудности — недостаток профессиональных кадров, сложность интеграции и неоптимальная бюджетная политика. При этом высок интерес к автоматизации рутинных и производственных процессов, хотя нет массовых реальные успешных кейсов. Ну нет их! Но есть большой интерес к этой теме — я раскрою ее подробнее в одном из следующих постов, я имею ввиду российские кейсы.

Что делать будущим эмитентам в этой связи?

❇️ Не спешите с “громкими” проектами. Следите за качеством интеграции, а не просто за количеством запущенных пилотов.

❇️ Выбирайте проверенные AI-решения и экспертов, а не стройте все с нуля в одиночку.

❇️ Инвестируйте в обучение и подготовку сотрудников, создавайте культуру взаимодействия с ИИ.

❇️ По возможности ставьте задачи для ИИ в области back-office для автоматизации и оптимизации, а не только в маркетинге или продажах.

Резюме

ИИ — это не волшебная таблетка. Сейчас он, скорее, эффективный союзник, если его умеют "настроить и встроить" в бизнес. Но громкие истории успеха касаются пока лишь малого процента компаний, чаще молодых и гибких стартапов. Нам же с вами предстоит преодолеть барьеры, прежде чем ИИ принесет нам ощутимую прибыль и поможет изменить рынок в целом.

Алексей Примак

@pro100IPO
#вопросыЭмитентов