Внедрение ИИ в бизнес: этапы, сроки и бюджет проекта

Компания уже жила в своих системах: 1С:ERP (Enterprise Resource Planning — управление ресурсами предприятия) с производственным блоком, учёт остатков, электронный документооборот с контрагентами, задачи и сделки в Битрикс24. Данные в этих системах были — заказы, остатки, документы, поручения, история изменений. А решения по-прежнему принимались по пересказу: «там вроде задерживается, уточню и вернусь». Между тем, что система знает, и тем, что видит руководитель, стоит ручная работа: собрать, сопоставить, проверить, оформить. Именно этот слой и окупает внедрение ИИ — не сама технология, а разрыв между данными и решением.

Общая картина по рынку выглядит противоречиво: технологии уже попробовали почти все, а измеримый результат получили далеко не все. По опросу 150 технических директоров крупнейших компаний России, который «Яков и Партнёры» провели совместно с «Яндексом», пилотные проекты по ИИ запустили в среднем 88% компаний, а генеративный ИИ применяется хотя бы в одной функции у 71% — на 17 процентных пунктов больше, чем годом ранее. И одновременно доля компаний, которые вообще не фиксируют финансового эффекта от ИИ, всё ещё составляет 22%. То есть вопрос давно не в том, работает ли технология, а в том, доводят ли проект до рабочего контура и умеют ли считать эффект.

Сразу договоримся о границах. Системы остаются на месте: учёт, документы, задачи и сделки живут там же, где жили. ИИ-агент — программа, которая по заданному правилу сама читает данные систем и выполняет шаги — не заменяет учётную систему, не переписывает регламенты и не принимает решений. Он читает то, что уже накоплено, сопоставляет и возвращает результат обратно: в задачу, в отчёт, в уведомление ответственного. Дальше разберём проект по частям — этапы, сроки, бюджет — и покажем, где на каждом шаге теряются деньги и время.

Коротко

Проект внедрения ИИ идёт по семи этапам: диагностика процесса, выбор способа реализации, доступы и данные, пилот на одном участке, интеграция с системами, обучение и регламент, масштабирование. Самый долгий и наименее предсказуемый этап — подготовительный, около четырёх недель на согласования. В среднем на ИИ уходит 11% годового ИТ-бюджета, а эффект считается часами, которые возвращает один конкретный процесс, а не «ИИ вообще».

Содержание

• Почему пилоты ИИ не доходят до результата
• Семь этапов проекта внедрения ИИ
• Сроки: что сколько занимает
• Из чего складывается бюджет проекта
• Какие риски снимает управляемый проект
• Расчёт эффекта: часы и деньги
• Что остаётся за человеком
• Как это выглядит на практике
• Чеклист: что подготовить до старта
• Что в итоге
• Источники

Почему пилоты ИИ не доходят до результата

Проблема почти всегда одна и та же, и она не техническая. Исследование Массачусетского технологического института, охватившее 300 компаний, показало: 95% организаций не увидели финансовой отдачи от вложений в ИИ, а миллионные доходы принесли лишь около 5% пилотных проектов. Более 80% компаний изучали или тестировали такие инструменты и почти 40% сообщили о внедрении — но на выручку это не повлияло. Причина, которую называют авторы исследования и подтверждают российские данные: инструмент работал рядом с процессом, а не внутри него.

Российская статистика показывает то же самое с другой стороны. По расчётам Института статистических исследований и экономики знаний НИУ ВШЭ по данным Росстата (обследование свыше 15 тыс. крупных и средних организаций — пользователей ИИ), о повышении качества и эффективности бизнес-процессов сообщили 57% компаний, о росте доходов и числа клиентов — 38%, а о снижении численности работников — только 15% (63% респондентов заявили, что ИИ на это вообще не влияет). Эффект от ИИ в России сегодня — это прежде всего перестроенная работа внутри процесса, а не сокращение людей и не разовые «вау-результаты».

Отдельно стоит посмотреть на то, как компании покупают такие проекты. По данным того же обследования, 56% организаций привлекают сторонние компетенции для разработки или доработки программного обеспечения, 53% покупают готовое коммерческое решение, 24% используют бесплатное, и лишь 23% разрабатывают что-то своими силами. По опросу CTO из исследования «Яков и Партнёры», 78% компаний внедряют готовые решения внешних партнёров, адаптируя их под свои процессы, и только 18% делают полностью внутреннюю разработку. Вывод для бюджета простой: платить за переизобретение технологии не нужно, платить нужно за связку с вашим процессом и данными.

Пилот и внедрение — это разные вещи

Пилот отвечает на вопрос «справляется ли модель с нашими документами и данными». Внедрение отвечает на другой вопрос: «что меняется в работе людей, когда результат агента приходит в систему». По опросу CTO, доля компаний, не фиксирующих финансовый эффект от ИИ, за год снизилась с 32% до 22% именно потому, что проекты стали доводить до процессов. Пилот без ответа на второй вопрос остаётся экспериментом — и именно поэтому в отчёте MIT 95% компаний не увидели отдачи.

Где именно теряются деньги

Три типовые потери, которые видно в проектах:

• Разрыв между разработкой и внедрением. По опросу «Яков и Партнёры», 29% индустриальных компаний считают, что Россия достигла уровня мировых лидеров по разработке ИИ-решений, и только 14% — что по внедрению. Внутри компании это выглядит так: модель готова, а в регламенте ей места нет.
• Согласования как основной срок. Подготовительный этап проекта — переговоры о старте и согласование коммерческих условий — вендоры назвали и самым долгим (в среднем около четырёх недель), и самым сложным (4,6 балла из 5), и наименее предсказуемым по срокам. Техническая часть при этом занимает меньше времени. Деньги сгорают не в разработке, а в ожидании.
• Неизмеренный эффект. Если до старта не снята исходная картина (сколько операций, сколько минут на операцию, сколько стоит час), после внедрения сравнивать нечего. Работа сделана, доказательств нет, следующий этап не согласуют.

Семь этапов проекта внедрения ИИ

Порядок этапов одинаков и для производства, и для строительства, и для ритейла: меняется только процесс, который берут первым. Ниже — что происходит на каждом шаге, кто в нём участвует и что должно остаться на выходе.

Диагностика процесса и выбор первого сценария

Задача этапа — найти участок, где решение принимается по пересказу. Смотрим, откуда приходят данные, кто их собирает руками, сколько раз в месяц повторяется операция и что происходит, когда сигнал запаздывает. На выходе — описание процесса и список из двух-трёх сценариев для агента с указанием, что именно он читает и что возвращает.

Важное правило выбора: первый сценарий должен заканчиваться измеримым событием, а не «повышением удобства». Примеры рабочих сценариев: контроль отклонений по срокам этапов, проверка входящих документов на комплектность, сводка по заявкам и поставкам, подготовка отчёта к планёрке.

Выбор способа реализации: готовая платформа или сборка под себя

Здесь определяется, покупается готовое решение или собирается связка под конкретные данные. По данным Росстата и ВШЭ, основная масса компаний идёт вторым путём — покупает готовое (53%) или привлекает разработчика для доработки (56%). Для руководителя критерий один: сколько в решении нашего процесса и сколько переделки. Если процесс типовой — берут платформу; если работа держится на специфике (свои формы, свой порядок согласования), дешевле собрать контур на агентной модели и подключить его к учётной системе.

Доступы, данные и информационная безопасность

Агент работает с тем же контуром, что и сотрудники, поэтому права выдаются по минимуму: конкретные справочники, конкретные папки, конкретные типы документов. В проекте фиксируется три вещи — какие данные агент читает, куда пишет результат и что ему запрещено (менять статусы, закрывать задачи, отправлять письма от имени компании). Из обследования Росстата видно, почему это отдельный этап: дефицит массивов данных, недостаточная ИТ-инфраструктура и нехватка кадров названы барьерами примерно у трети организаций, а сложность интеграции — у каждой пятой.

Пилот на одном процессе с замером до и после

Пилот длится столько, сколько нужно, чтобы собрать статистику по одному процессу, и обязательно идёт с замером: сколько операций было обработано, сколько времени уходило раньше, сколько уходит теперь, какие ошибки агент допустил. По нашему опыту (ниже разбираем проект девелопера), от вводной встречи до контрольного среза по первым контурам прошло около трёх с половиной недель — и на срезе было видно, какие рабочие участки уже подтвердились, а какие нет.

Интеграция: результат возвращается в систему

Это этап, на котором проект перестаёт быть экспериментом. Результат агента приходит туда, где люди работают: в 1С — как черновик документа или пометка к заказу, в ЭДО — как замечание к комплекту, в Битрикс24 — как задача или сводка руководителю. Если результат остаётся в отдельном «кабинете ИИ», сотрудники в него не пойдут, и эффект не появится — именно на этом шаге теряется большинство пилотов.

Обучение и регламент: где в процессе стоит человек

По опросу вендоров, обучение сотрудников — самый простой этап проекта (2 балла из 5 по сложности): формат упрощённый, группа небольшая. Но именно здесь фиксируется регламент: кто проверяет результат агента, за какое время, что делает при расхождении, кто отвечает за решение. Без регламента агент живёт как «ещё один отчёт», который никто не открывает.

Масштабирование на соседние процессы

Расширяются только по подтверждённым точкам: там, где замер показал результат, агент подключается к следующему процессу — обычно это снабжение, документы или отчётность для руководства. По опросу CTO, количество функций, в которых компании применяют генеративный ИИ, выросло с 2,4 в 2023 году до 3,1 в 2025-м: это и есть нормальная траектория масштабирования — не «внедрить ИИ во всю компанию», а добавлять по одному подтверждённому контуру.

Сроки: что сколько занимает

Сроки — самая болезненная часть вопроса, потому что в планировании их берут из презентации, а не из статистики. Ниже то, что известно по замерам.

Подготовительный этап — около четырёх недель. По опросу 150 российских вендоров ИИ-решений, переговоры о старте проекта и согласование коммерческих условий занимают в среднем около четырёх недель. Это дольше, чем настройка и интеграция решения. Причина — не разработчик, а внутренние согласования на стороне заказчика: бюджет, ответственный, приоритет. Этот же этап вендоры назвали наименее предсказуемым по срокам и самым сложным (4,6 из 5).

Первый рабочий контур по одному процессу — от трёх до шести недель. Ориентир взят из проекта, который мы вели у девелопера: вводная встреча 24 июля, контрольный срез по первым контурам 18–19 августа (то есть около трёх с половиной недель), затем две недели на сводки ответственных и исходные отчёты — 2 и 6 сентября. Итог первого цикла — рабочий формат на 10 рабочих дней: журнал «сигнал → владелец → действие → результат», в котором видно, был ли сигнал полезным и что изменилось. Разброс в сроках даёт не технология, а готовность данных и скорость решения по доступам.

Полный период «от первых внедрений до зрелой практики» — от года. По опросу CTO, с момента первых внедрений прошло в среднем около года у генеративного ИИ, 1,7 года у речевых технологий и обработки текста, 2,5 года у компьютерного зрения и почти три года у рекомендательных систем. Самая молодая технология — генеративный ИИ, и именно поэтому вокруг неё больше всего ожиданий и меньше всего отработанных регламентов: их как раз и создаёт проект внедрения.

Что делать с этими цифрами в плане: закладывать срок на согласования отдельной строкой (а не «внутри проекта»), фиксировать дату контрольного среза заранее и не начинать следующий процесс, пока по первому нет замера.

Из чего складывается бюджет проекта

Разговор про «стоимость ИИ» обычно заканчивается ничем, потому что бюджета «на ИИ» не существует. Есть бюджет на конкретный процесс: сколько операций, сколько минут на операцию, сколько стоит час работы. Ниже — рамка, в которой этот бюджет считается.

Сколько компании тратят сегодня. По опросу CTO, компании направляют на развитие ИИ в среднем 11% годового ИТ-бюджета. В отраслях с высокой зрелостью (ИТ, телеком, банки, электронная торговля) — 13–17%, в остальных, включая машиностроение и автопром, — 6–9%. И это не «дополнительные деньги»: ИИ здесь становится приоритетом внутри ИТ-бюджета, а не отдельной строкой сверху. При этом 58% организаций в обследовании Росстата назвали главным препятствием для внедрения именно высокие затраты — что означает одно: бюджет защищают те, кто заранее договорился о том, как считается эффект.

Из чего состоит смета. Шесть статей, каждая из которых может быть пустой — если процесс это позволяет:

1. Диагностика процесса и выбор сценария — разовая работа, с неё начинается любой проект.
2. Подготовка данных и доступов: справочники, выгрузки, права, тестовый контур.
3. Сценарий агента: правила разбора, сопоставления, формат результата.
4. Интеграция с системами: как результат возвращается в учётную систему, документооборот или задачи.
5. Тесты и приёмка: сколько ошибок агент допускает на реальных данных и как это видно людям.
6. Содержание: вычислительные ресурсы, мониторинг качества, поддержка регламента.

Способ реализации влияет на бюджет сильнее, чем размер компании. Готовая платформа даёт предсказуемую подписку и ограничения по сценариям; сборка под себя на агентной модели даёт точное соответствие процессу, но требует работ по данным и интеграции. По опросу CTO, 58% вендоров называют своим конкурентным преимуществом именно простоту внедрения в инфраструктуру заказчика, а на низкую стоимость ориентируются лишь 10% — то есть рынок продаёт не дешёвое решение, а быстро встраиваемое.

Какие риски снимает управляемый проект

Эффект от ИИ принято измерять часами и деньгами, но начинать разговор честнее с рисков: они дороже и заметнее. Ниже — то, что снимает не «внедрение ИИ», а правильно выстроенный проект, где у каждого этапа есть выход и замер.

• Деньги, потраченные на пилот без процесса. По исследованию MIT, 95% компаний не увидели отдачи от вложений в ИИ, и главная причина — отсутствие глубокой интеграции в рабочие процессы. В российском обследовании Росстата 22% компаний вообще не фиксируют финансового эффекта от ИИ. Сценарий риска простой: пилот прошёл, отчёт написан, следующего этапа нет — потому что внутри процесса ничего не изменилось.
• Срок, потерянный на согласованиях. Подготовительный этап длится в среднем около четырёх недель и назван вендорами наименее предсказуемым. Пока согласуются условия, уходит квартал, а вместе с ним — окно, в которое проект можно было встроить в текущий бюджет и план работ.
• Разрыв между «модель работает» и «процесс работает». 29% индустриальных компаний считают, что уровень разработки ИИ в России соответствует лидерам, и лишь 14% говорят это о внедрении. Внутри компании это выглядит так: доказательство работоспособности есть, регламента и ответственного нет.
• Дорогая привязка к человеку. Если результат агента живёт в личной таблице сотрудника и приходит письмом от него, отпуск или переход на другую работу ломает контур. Правильный контур живёт в системе: агент пишет результат туда, откуда его видит смена, а не только автор.
• Доступы шире, чем нужно. Агент, которому выдали «всё, чтобы не мешало», — это риск, который невозможно объяснить службе безопасности. Права выдаются по минимуму, каждое действие фиксируется в журнале: что прочитал, что предложил, что вернул.
• Спор с заказчиком или проверяющим без доказательной базы. Когда решение принимается по пересказу, восстановить историю «почему так» невозможно. Журнал сигналов и решений превращает спор в протокол: видно, когда появился сигнал, кто его получил и что сделал.
• Эффект, который невозможно доказать. Если замер не снят до старта, защитить бюджет на следующий год нечем. По исследованию MIT, лишь около 5% пилотов приносят действительно крупный результат — разница между ними и остальными не в модели, а в наличии метрики.

Расчёт эффекта: часы и деньги

Часы и деньги здесь — следствие, а не цель: сначала снимается риск, потом считается экономия. Модель ниже — типовой расчёт для одного процесса, а не чужой результат; подставьте свои числа, и вы получите бюджетный ориентир для своего участка.

Возьмём процесс, в котором 200 операций в месяц (заявки, документы, поручения), и однотипный шаг — разбор и проверка. Вручную он занимает около 12 минут: открыть, прочитать, сверить, написать вывод. Агенту на ту же операцию нужно около 4 минут рабочего времени человека — на проверку и подтверждение результата. Стоимость часа работы специалиста — 1 200 ₽ (ставка вместе с налогами и накладными; подставьте свою).

Показатель	Вручную	С агентом
Операций в месяц	200	200
Минут на операцию	12	4
Часов в месяц	40	13
Стоимость часа	1 200 ₽	1 200 ₽
Деньги в месяц	48 000 ₽	15 600 ₽
Три процесса	144 000 ₽	46 800 ₽

На одном процессе высвобождается около 27 часов и 32 400 ₽ в месяц. На трёх процессах, где применим тот же порядок работы (например, разбор документов, сводка по поставкам и отчёт по отклонениям), — около 80 часов и 97 000 ₽ в месяц. Оговорка обязательна: это арифметика на заявленных вводных, а не наш результат на конкретном клиенте. Если операции сложнее, доля проверки человеком растёт, и экономия меньше; если операций больше — растёт пропорционально.

Ещё один способ сверить масштаб — отраслевые ожидания. По опросу CTO из исследования «Яков и Партнёры», средний ожидаемый эффект от ИИ оценивается компаниями в 11% EBITDA, а в отраслях с наибольшим опытом — 13–21%. При этом по опросу McKinsey (1933 специалиста из 105 стран) только 39% респондентов видят влияние ИИ на EBIT всей компании — то есть большинство эффектов пока живёт на уровне отдельных процессов и подразделений, а не всей финансовой отчётности. Отсюда практический вывод: считать эффект на процессе и складывать, а не ждать одной строки в отчёте о прибылях.

Что остаётся за человеком

• Решение. Агент находит отклонение, считает варианты, готовит основание. Выбор варианта, изменение сроков и приоритетов — за руководителем процесса.
• Деньги и договорённости. Согласование условий, компенсаций, новых сроков с заказчиком или поставщиком — только человек.
• Подпись и ответственность. Документы, регламенты, ответы проверяющим подписывает человек; агент лишь собирает доказательную базу.
• Разговор с людьми. Спорные оценки, конфликты, нестандартные ситуации — вне зоны агента.
• Границы прав. Разрешено: читать определённые данные, считать, готовить черновики, писать результат в систему. Запрещено: менять статусы и сроки, закрывать задачи, отправлять сообщения от имени компании, выходить за пределы указанных источников.

Как это выглядит на практике

Такие проекты мы ведём с 2024 года, и почти всегда они начинаются с одного и того же сюжета. У производственной компании запрос звучал так: разбор и проверка данных по процессу идёт вручную и держится на конкретных людях. Начали с индивидуальной программы под задачи производства: разобрали, где именно копится ручная работа, какие данные для этого нужны и в каком виде результат должен возвращаться в учётную систему. Метрик «до и после» по этому проекту нет — замер не проводился, поэтому все цифры в статье взяты из исследований и из открытого типового расчёта.

У девелопера работа шла по контрольным точкам, и её удобно показывать как график: вводная встреча 24 июля, контрольный срез 18–19 августа по первым контурам, сводки ответственных 2 сентября, исходные отчёты 6 сентября. На выходе — журнал «сигнал → владелец → действие → результат» на 10 рабочих дней: один формат, в котором видно, был ли сигнал полезен и что изменилось после него. Именно такая штука, а не модель сама по себе, продаёт следующий этап руководству.

У федеральной сети сервисов для бизнеса диагностическая встреча 21 августа дала другой срез задачи: нужны выборки по показателям эффективности, цепочка «счета → оплаты → отгрузки» и отклонения по филиалам. Это тот же принцип, только процесс другой: сначала описывается цепочка данных, потом решается, что на ней автоматизируется, и лишь затем выбирается технология. Кстати, если ваш процесс ближе к задачам и срокам, посмотрите разбор про управление проектами в Битрикс24: там та же логика этапов — контур, замер, регламент.

Чеклист: что подготовить до старта

Десять пунктов, которые снимают большую часть рисков из списка выше. Пройдите по ним до подписания договора с разработчиком — это дешевле, чем переделывать проект.

1. Один процесс. Выбран участок, где решение принимается по пересказу, и у него есть ответственный.
2. Исходная метрика. Известно количество операций в месяц, время на операцию, стоимость часа.
3. Место в системе. Определено, куда вернётся результат агента: документ, задача, отчёт, уведомление.
4. Источники данных. Перечислены конкретные справочники, папки, типы документов и очереди.
5. Права. Список разрешённых действий и запретов подписан службой безопасности.
6. Ответственный за согласования. Назван человек, который ведёт проект внутри компании и снимает блокировки.
7. Дата контрольного среза. Назначена до старта работ, а не после пилота.
8. Регламент проверки. Известно, кто и за какое время проверяет результат агента.
9. Журнал решений. Определён формат записи «сигнал → владелец → действие → результат».
10. Критерий расширения. Сформулировано, при каком результате подключается следующий процесс.

Смежные темы разобраны отдельно: если первый процесс — закупки и снабжение, начинать логично с разбора поставщиков и тендеров; если договоры — с первичной проверки комплектности; если склад и спрос — с дефицита и неликвида. Для тех, кто выбирает систему целиком, полезны хабы: Битрикс24, производственный блок 1С:ERP, Яндекс Трекер, а для клиентских процессов — сервис в RetailCRM.

Что в итоге

Рынок ИИ прошёл стадию «интересно» и находится там, где пилоты есть почти у всех, а эффект — у части. Три цифры, которые стоит держать перед глазами при планировании: 88% компаний запускали пилоты, 22% не видят финансового эффекта, около 11% ИТ-бюджета уходит на ИИ. Разница между этими числами — это и есть работа проекта: этапы, сроки, бюджет, замер.

Практический порядок для компании, которая начинает: выбрать один процесс и снять по нему исходную картину, определить данные и права, провести пилот с датой контрольного среза, вернуть результат в систему, зафиксировать регламент проверки человеком — и только после подтверждённого замера расширяться на соседние участки. Система остаётся на месте, человек остаётся за решениями, а руководитель перестаёт быть единственным каналом, через который плохая новость доходит до тех, кто может её исправить.

Если хотите понять, как это будет выглядеть на ваших данных, начните с одного процесса: посчитаем связку «агент + ваши системы» и покажем, где часы, а где риски.

Источники

• Сколько компаний в России применяют ИИ, что мешает внедрению и какой эффект они фиксируют: расчёты Института статистических исследований и экономики знаний НИУ ВШЭ по данным Росстата, обследование свыше 15 тыс. крупных и средних организаций — пользователей ИИ (данные за 2024 год, опубликованы в 2025-м) — высокие затраты как главный барьер называют 58% организаций, 56% привлекают сторонние компетенции для разработки ПО, о повышении качества и эффективности процессов сообщили 57%, о снижении численности работников — 15%: ИСИЭЗ НИУ ВШЭ, «Применение искусственного интеллекта в российских компаниях».
• Этапы, сроки и бюджет проекта внедрения ИИ: исследование «Яков и Партнёры» совместно с «Яндексом» «Искусственный интеллект в России — 2025» (опрос 150 технических директоров крупнейших компаний из 16 отраслей, 150 вендоров и свыше 3,5 тыс. пользователей) — пилоты запустили в среднем 88% компаний, генеративный ИИ применяют 71%, на ИИ уходит в среднем 11% годового ИТ-бюджета, подготовительный этап проекта занимает около четырёх недель, 78% внедряют решения внешних партнёров, доля компаний без финансового эффекта — 22%: полный текст отчёта (PDF).
• Почему пилоты не дают финансовой отдачи: исследование Массачусетского технологического института, охватившее 300 компаний, — 95% организаций не увидели отдачи от вложений в ИИ, крупный результат дали около 5% пилотов, более 80% компаний тестировали инструменты и почти 40% внедрили, а причина названа одна: инструменты не были встроены в бизнес-процессы: CNews, публикация данных исследования MIT.
• Как компании оценивают влияние ИИ на финансовый результат: McKinsey, State of AI (ноябрь 2025, опрос 1933 специалистов из 105 стран) — 62% организаций как минимум экспериментируют с ИИ-агентами, 64% говорят о влиянии на инновации, но лишь 39% видят влияние на EBIT компании в целом: разбор отчётов State of AI и McKinsey.