Активное внедрение искусственного интеллекта (ИИ) обостряет существующие вызовы российского рынка — прежде всего дефицит инфраструктуры и растущий разрыв между объемом инвестиций и их окупаемостью. О барьерах масштабирования ИИ и его внедрениях с фокусом на экономику процесса рассказал генеральный директор ИТ-холдинга Т1 Дмитрий Харитонов.
— В глобальной ИИ-гонке какие страны сегодня действительно задают темп? По каким критериям корректнее всего сравнивать их успехи?
— Глобальную динамику ИИ задают США — по части фундаментальных исследований и стартапов, а также Китай — с точки зрения масштаба внедрения и господдержки. При этом ключевыми метриками становятся не только инвестиции, но и качество моделей, экономический эффект и вычислительный суверенитет.
В 2025 году мировые корпоративные расходы на генеративный ИИ достигли $37 млрд (рост в 3,2 раза), по данным отчета Menlo Ventures. Однако масштабирование выявило разрыв между инвестициями и отдачей: около 1% компаний фиксируют рост прибыльности или сокращение затрат на 20% и более, а 53% — окупаемость инвестиций (ROI) на уровне 1–5%.
Основная проблема — управленческая зрелость. Без четких бизнес-задач и аудита процессов ИИ остается затратным экспериментом. Хотя 91% компаний отмечают рост продуктивности, только 23% могут его измерить, говорят нам данные Larridin. Эксперты IBM Institute for Business Value (IBV) отмечают, что при структурированном подходе ROI достигает более 50%, при спонтанном — не превышает 5–6%. Эффективные компании обеспечивают прозрачность затрат, точную атрибуцию и учет полной стоимости владения.
В целом рынок переходит к более зрелой модели внедрения, где ключевыми становятся прикладная ценность, экономика и безопасность. В России уровень зрелости пока остается средним и неоднородным: быстрее продвигаются data-driven отрасли, тогда как в промышленности и нефтегазе внедрение ИИ пока носит точечный характер.
— В каких элементах ИИ-экономики у нас уже есть заметная база, а по каким направлениям отставание от мировых лидеров наиболее чувствительно?
— Сильной стороной России остается кадровая база и прикладные компетенции — прежде всего в обработке естественного языка (NLP), компьютерном зрении и моделях для русского языка. Отечественные компании уже создали ряд рабочих решений в этих сегментах, однако все еще сохраняется дефицит квалифицированных специалистов.
Одновременно наблюдается отставание в развитии универсальных мультимодальных моделей (например, аналогов GPT-4V), инструментов для работы с крупными моделями, а также в доступе к графическим процессорам для ускорения работы ИИ (Graphics Processing Unit, GPU) и вычислительным кластерам. Эти ограничения критичны, поскольку современные ИИ‑решения напрямую зависят от вычислительных ресурсов: по оценкам UBS, более 70% стоимости сервера для задач ИИ приходится на GPU.
Согласно результатам нашего исследования, в стране используется около 18 тыс. графических процессоров, при этом полностью обеспечены ресурсами лишь около 9% организаций. На этом фоне спрос на мощности быстро растет: рынок ИИ‑ускорителей оценивается в 63 млрд руб. в 2025 году и может превысить 250 млрд руб. к 2030‑му. Развитие дата-центров дополнительно усилит этот тренд.
— Как вы оцениваете текущее состояние российского рынка ИИ? Какие отрасли здесь формируют основной спрос?
— Российский ИТ-рынок в целом сейчас выходит из фазы ускоренного импортозамещения и переходит к зрелой конкуренции: начинается его консолидация и очистка от слабых решений, а ключевыми факторами становятся качество продуктов и эффективность бизнеса.
Жизнеспособные стратегии ИТ-компаний строятся вокруг измеримого бизнес-эффекта, отказа от хайпа, развития сервисной модели (подписка, облака), создания комплексных решений и контроля над всей технологической цепочкой: от инфраструктуры до программного обеспечения, с выходом в новые ниши вроде промышленности и программно-аппаратных комплексов.
На этом фоне наш рынок ИИ переходит от пилотов к системному росту. Основной спрос формируют финансы, ритейл, телеком и госсектор, однако значительная часть проектов пока остается точечной.
ИИ растет быстрее ИТ-рынка: по нашим оценкам, в 2026 году возможен рост на 16% по сравнению с 12% в 2025-м. Искусственный интеллект становится производственным инструментом, влияющим на выручку. Усиливается роль генеративного ИИ и как базы для агентских систем. При этом в критических процессах сохраняется подход human-in-the-loop: ИИ анализирует данные и предлагает идеи, а человек принимает решения и несет ответственность.
Лидерами внедрения остаются data-driven отрасли, тогда как сейчас промышленность и агропромышленный комплекс имеют наибольший потенциал роста. Спрос сегментирован: компьютерное зрение — в промышленности и ритейле, предиктивная аналитика — в финансах, платформенные решения — в госсекторе.
Бизнес стал прагматичнее: ИИ оценивается через экономический эффект, но значительная часть проектов не окупается из-за отсутствия стратегии, ограничений инфраструктуры и дефицита компетенций.
В ближайшие годы спрос сместится к эксплуатации ИИ — сопровождению, кибербезопасности и ModelOps (система, ориентированная на руководство и управление жизненным циклом широкого спектра моделей ИИ и методов принятия решений. — «Эксперт»). Ключевым ограничением станет не бюджет, а способность компаний встроить ИИ в процессы и конвертировать его в финансовый результат.
— Какие ключевые составляющие ИИ-экономики в России уже сформированы, а какие — на низком уровне проработки?
— В России в той или иной степени сформированы базовые элементы ИИ-экосистемы: кадровая база, отечественные MLOps‑платформы и облачная инфраструктура. При этом сохраняется дефицит высокопроизводительных графических процессоров, масштабируемых кластеров и полноценных аналогов западных крупномасштабных моделей ИИ.
Сейчас бизнесу требуются быстро внедряемые ИИ‑системы с измеримым эффектом: снижением затрат и ростом производительности. ИИ становится инструментом повышения операционной эффективности и расширения возможностей сотрудников за счет автоматизации рутинных процессов.
Зрелые компании рассматривают ИИ как часть корпоративной инфраструктуры — с требованиями к безопасности, интеграции и стоимости владения. Это стимулирует развитие программно-аппаратных комплексов, обеспечивающих быстрое развертывание и работу в защищенном контуре.
— Что сегодня мешает российским компаниям переходить к промышленному внедрению искусственного интеллекта?
— Ключевые барьеры внедрения ИИ — высокие затраты, дефицит инфраструктуры и данных. Основная нагрузка приходится не на лицензии, а на вычислительные ресурсы: GPU, серверы и сетевую инфраструктуру. Именно доступ к высокопроизводительным мощностям остается критическим фактором перехода от пилотов к промышленному использованию.
Глобальный рынок графических процессоров высоко концентрирован: до 80% ИИ‑чипов приходится на американскую технологическую компанию Nvidia, по данным Nasdaq, а также более 90% серверных решений с ускорителями — согласно исследованию Jon Peddie Research. Зависимость от зарубежных поставок и экспортные ограничения сдерживают развитие: по нашим оценкам, полностью обеспечены инфраструктурой лишь около 9% российских организаций.
При этом инфраструктура не единственный барьер. Более существенными ограничениями становятся безопасность, дефицит компетенций и качество данных.
— Какие подходы реально помогают снимать эти барьеры уже сейчас?
— После ухода Nvidia российские компании столкнулись с ростом цен, увеличением сроков поставок и снижением качества поддержки, что усилило необходимость поиска альтернатив.
Ответом крупных игроков отечественного ИТ-рынка в рамках ускорения масштабирования стали сервисные модели предоставления GPU, платформ и ИТ-оборудования «как услуги» (as-a-service), а также развитие облачных кластеров и готовых ИИ‑сервисов. Это позволяет масштабировать проекты без капитальных затрат, гибко выбирать конфигурации и снижать зависимость от конкретных вендоров.
Параллельно формируются альтернативные технологические цепочки, прежде всего за счет китайских производителей графических процессоров, активно поддерживаемых государством. На рынке уже присутствуют десятки решений, часть из которых проходит успешное тестирование в корпоративном секторе.
Появление альтернативных ускорителей становится индикатором зрелости рынка: российские компании переходят от вынужденного импортозамещения к более прагматичному выбору, где ключевыми критериями становятся экономика, масштабируемость и контроль над инфраструктурой.
— Какой вклад в решение этих задач вносят крупные российские ИТ-игроки?
— Эффективность бизнеса стала ключевым драйвером ИТ-рынка и сохранит эту роль в ближайшие годы. На фоне сокращения инвестиций растет спрос на технологии, снижающие себестоимость, и ИИ развивается в той же логике.
Фокус смещается с технологий на экономику. Отправной точкой становится не выбор модели, а конкретные бизнес-проблемы: где компания теряет время, деньги или качество, и какую задачу должен решить ИИ. Без привязки к бизнес-сценариям даже растущие инвестиции не обеспечивают отдачи.
В данном случае ИТ-игроки могут, с одной стороны, делать свой конечный продукт (технологию) все более доступной пользователю, шире применяя ИИ-технологии в своем контуре. С другой — точнее и критичнее подходить к каждому отдельному внедрению ИИ-инструментария в ту или иную компанию.
Критерием принятия решения и выбора пути для внедрения искусственного интеллекта становится окупаемость инвестиций. Наибольший эффект дают мультимодальные и языковые модели, а также автоматизированные платформы для быстрого развертывания ИИ-решений при условии фокуса на практическом результате.
Особенно важно измерение базовых метрик до внедрения и оценка эффекта в конкретных процессах. ИИ должен сокращать время операций, снижать нагрузку и количество ошибок, ускорять принятие решений. Если это не подтверждается в цифрах, речь идет не о продукте, а о пилоте.
