Аналитики Cloud.ru и Высшей школы бизнеса НИУ ВШЭ представили на конференции GoCloud 2026 совместное исследование, которое показывает, что российские компании переходят от отдельных пилотных проектов к массовому внедрению ИИ-агентов. Как отметили IT Speaker, средний бюджет крупных организаций для запуска таких инициатив варьируется от 10 до 50 миллионов рублей.
Инвестиции состоят из капитальных расходов (GPU-кластеры, серверы, платформенные решения, интеграция с корпоративными системами) и операционных затрат (поддержка и дообучение моделей, мониторинг, облачные сервисы, зарплаты специалистов). У крупных технологических компаний объем инвестиций может превышать сотни миллионов рублей, в то время как средний уровень на рынке колеблется в пределах 10-50 миллионов рублей.
Простые сценарии автоматизации на готовых решениях окупаются быстрее года. Проекты средней сложности, требующие донастройки и интеграции, занимают от одного до двух лет. Крупные инфраструктурные инициативы по созданию собственных платформ и моделей могут окупаться более двух лет, а в некоторых случаях – до 5-7 лет.
Основные факторы успеха – это качество данных для обучения и способность агента взаимодействовать с CRM, ERP и базами данных. В секторах с централизованной и структурированной информацией (финансовый сектор, ИТ) уровень автоматизации достигает 60-90% операций. В отраслях с разрозненными неструктурированными данными (медицина, производство) эффективность ниже. В среднем ИИ-агенты сокращают время выполнения задач на 40-50%.
Глобальные данные также подтверждают эту тенденцию: исследование Cloudera, проведенное среди 1 484 ИТ-руководителей из 14 стран, показало, что 96% организаций планируют увеличить использование ИИ-агентов в течение следующего года, а половина из них – масштабировать их на всю организацию.
Уровень автономности российских ИИ-агентов варьируется в зависимости от критичности процессов. В финансовом секторе и производстве, где цена ошибки высока, преобладают агенты с низким уровнем автономности (0-1), выполняющие 1-4 простых действия под контролем человека. В области телекоммуникаций и банков чаще встречаются высокоавтономные агенты (уровни 3-4), способные самостоятельно вести диалог с мошенниками или обрабатывать заявки.
«Основным препятствием для внедрения ИИ-агентов является не столько технология, сколько организационные вопросы. Многие компании имеют разрозненные базы данных, отсутствует культура управления изменениями и четкая связь между ИИ-инициативами и бизнес-целями. Поэтому ИИ-проекты часто остаются на этапе пилота и не масштабируются. Этот тип барьера сейчас более критичен, чем алгоритмы или инфраструктура. ИИ-решения могут эффективно функционировать только в среде, готовой к этому: с доступом к актуальным данным, прозрачными процессами и готовностью команды делегировать хотя бы часть решений», – отметил исполняющий обязанности генерального директора Cloud.ru Михаил Лобоцкий.
Руководитель департамента бизнес-информатики ВШБ ВШЭ Евгений Зараменских добавил, что предложенная модель зрелости обобщает опыт как российских, так и зарубежных предприятий, помогая оценить готовность компании к разработке и внедрению ИИ-агентов.
Ранее «Яндекс» разработал отказоустойчивую платформу Agents Transport System (ATS), которая станет основой для всех ИИ-агентов компании. Система позволяет быстро выполнять многошаговые задачи даже при потере связи или закрытии приложения. После восстановления соединения агент продолжает выполнение с того же шага, а не начинает процесс заново.
Российские компании переходят на гибридные облака ради ИИ
