88% компаний внедряют ИИ. 6% видят результат

Мы изучили отчёты McKinsey, BCG и Gartner за 2024-2025 год. Добавили данные российских исследований — hh.ru, Skillbox, отчёты Банка России. Хотели понять, что реально происходит с искусственным интеллектом в бизнесе, онлайн-образованием и рынком труда.

Главный вывод: разрыв между декларациями и результатами огромный. Компании говорят про ИИ, образовательные платформы хвастаются охватами, работодатели жалуются на дефицит кадров. А результат получают единицы.

Разбираем, почему так происходит и что с этим делать.

88 компаний из 100 заявляют об использовании искусственного интеллекта. Но только шесть из них получают реальную отдачу на прибыль.

Что это значит: из ста компаний, которые внедряют ИИ, только шесть зарабатывают на этом больше денег. Остальные 94 либо тратят бюджет впустую, либо застряли на этапе тестирования.

MIT опубликовал исследование: 95 из 100 пилотных проектов (тестовых запусков) с ИИ в крупных компаниях не влияют на прибыль. Запустили, потестировали, положили в стол. BCG подтверждает — три четверти компаний не видят никакой пользы от внедрения.

Почему это важно: с обычными технологиями провалов в два раза меньше. То есть с ИИ провалиться проще, чем с любым другим инструментом. Это не значит, что ИИ плохой — это значит, что компании внедряют его неправильно.

Обычно новая технология окупается за семь-двенадцать месяцев. С искусственным интеллектом — два-четыре года.

Что это значит на практике: вы вложили миллион рублей в январе 2025 года. С обычной технологией вы вернёте эти деньги к декабрю 2025-го. С ИИ — в лучшем случае к концу 2027 года. А то и к 2029-му. Это важно закладывать в бюджет и не ждать быстрых результатов.

Только шесть компаний из ста получили деньги обратно меньше чем за год. Остальные либо всё ещё ждут, либо уже поняли, что не дождутся.

Но есть и хорошая новость. Те шесть процентов, кто добился успеха, получают на каждый вложенный доллар почти четыре доллара обратно. Рост выручки на 16%, снижение затрат на 15%.

Почему это важно: разница между победителями и проигравшими колоссальная. Дело не в том, что ИИ не работает. Дело в том, как его внедряют.

Консалтинговая компания BCG вывела формулу успешного внедрения ИИ:

• 10% бюджета — на алгоритмы
• 20% бюджета — на технологии и данные
• 70% бюджета — на людей и процессы

Успешные компании так и делают. Проигравшие делают наоборот — покупают дорогой инструмент за миллионы, а людям не объясняют, зачем он нужен и как им пользоваться.

Пример из жизни: компания купила систему для автоматизации работы с клиентами за три миллиона рублей. Но менеджеры продолжают вести переписку в старом мессенджере, потому что привыкли и не понимают, зачем переходить на новое. Система простаивает. Деньги выброшены.

Только каждая пятая компания реально перестроила свои процессы под ИИ. Следовательно именно перестройка процессов даёт результат, а не сам факт покупки технологии.

Почему это важно: технология без изменения процессов и обучения людей не работает. Это как купить дорогой тренажёр и поставить его в углу — деньги потрачены, а результата нет.

Две трети компаний не могут посчитать, окупается ИИ или нет. Больше половины не справляются с тем, чтобы встроить новую технологию в старые системы. Половина жалуется, что в команде нет людей, которые умеют работать с ИИ.

Самая частая проблема — данные. Треть компаний говорит: у нас данные низкого качества, их мало, они разбросаны по разным системам, их сложно собрать. Даже среди тех, кто добился успеха, семь из десяти столкнулись с этой проблемой.

Почему это важно: ИИ работает на данных. Если данные плохие — ИИ работает плохо. Это как пытаться приготовить хороший суп из протухших продуктов.

Ещё одна закономерность от MIT: когда компания пытается разработать решение своими силами — успех в трети случаев. Когда покупает готовое решение или работает с партнёром — успех в двух третях случаев.

Почему это важно: не пытайтесь изобрести велосипед. Если кто-то уже решил вашу задачу — купите готовое решение. Это работает в два раза чаще.

Не ждите быстрой окупаемости — закладывайте два-четыре года. Большую часть бюджета тратьте не на технологии, а на обучение команды и перестройку процессов. Выберите одну-две задачи и доведите их до конца, а не пытайтесь автоматизировать всё сразу. Покупайте готовые решения вместо разработки своими силами — это работает в два раза чаще.

Российский рынок онлайн-образования вырос до 145 миллиардов рублей — на 19% за год и в десять раз за пять лет. Обучается больше 8 миллионов человек.

Крупнейшие компании по выручке: Синергия (12,7 млрд рублей), Skillbox (12,2 млрд), Skyeng (12,1 млрд), Яндекс.Практикум (8,2 млрд), GetCourse (6,7 млрд).

Цифры впечатляющие. Но есть проблема, о которой мало кто говорит.

Традиционные онлайн-курсы на несколько месяцев завершают от 3 до 5 человек из 100. То есть из 100 записавшихся до конца доходят максимум 15. Часто меньше 10.

Почему это важно: представьте, что вы запустили курс. Записались 1000 человек. До конца дойдут 50-150 человек. Остальные 850-950 заплатили деньги, но ничему не научились. Они не получили результата, разочаровались в онлайн-образовании. Для бизнеса это плохая репутация и низкая вероятность, что человек купит следующий курс.

При этом 39 человек из 100 вообще никогда не заходят в купленный курс. Ни разу. Они заплатили, получили доступ — и забыли.

Короткие форматы (когда урок длится 5-15 минут) завершают от семидесяти до восьмидесяти человек из ста. Это в пять раз больше.

Почему это работает: человек может посмотреть урок в метро по дороге на работу. Или в обеденный перерыв. Не нужно выделять час вечером, когда уже нет сил. Психологически легче начать короткий урок — кажется, что это быстро, не страшно.

Обучение группами (когда люди проходят программу вместе и поддерживают друг друга) даёт завершаемость до девяноста человек из ста. Это в шесть раз выше, чем когда человек учится один.

Почему это работает: когда ты учишься один, легко отложить на завтра. Когда учишься с группой — есть давление, что все идут дальше, ты не хочешь отставать. Плюс можно задать вопрос, обсудить сложную тему, получить поддержку.

Рынок коротких образовательных форматов вырос с полутора миллиардов долларов в 2024 году до трёх миллиардов в 2025-м. Рост на сто процентов за год.

Почему это важно: это не временная мода. Это фундаментальное изменение в том, как люди учатся. Люди больше не готовы сидеть три месяца над длинным курсом. Они хотят получить конкретный навык быстро.

Первые две недели решают всё. Если курс не зацепил студента за это время, он бросит. Большинство принимают решение продолжать или уходить именно в начале.

Почему это важно: если вы делаете образовательный продукт, у вас есть только две недели, чтобы показать студенту пользу. Если первые уроки скучные или непонятные — человек уйдёт, даже если дальше контент отличный

Три четверти компаний в Северной Америке перевели обучение сотрудников на мобильные устройства. Люди учатся не за компьютером по вечерам, а в метро, в очереди, между встречами.

Почему это важно: если ваш курс можно смотреть только с компьютера за столом — вы теряете большую часть аудитории. Современные люди учатся урывками, когда есть 10-15 минут свободного времени.

Инвестиции в образовательные технологии упали с двадцати миллиардов долларов в 2021 году до двух миллиардов в 2024-м. Падение на девяносто процентов. Это минимум за десять лет.

Что это значит: раньше инвесторы давали деньги всем, кто обещал миллион студентов. Сейчас дают только тем, кто показывает реальные цифры: сколько студентов завершают курсы, сколько остаются учиться дальше, сколько платят повторно.

Почему это важно: рынок созрел. Закончилась эра, когда можно было набрать миллион регистраций и получить инвестиции. Теперь важны метрики качества, а не количества.

Разбивайте обучение на модули по пять-семь уроков. Один урок — максимум пятнадцать минут. Показывайте пользу в первые две недели, иначе люди уйдут. Делайте так, чтобы можно было учиться с телефона — три четверти людей учатся именно так. Добавляйте групповое обучение — когда люди учатся вместе, они в шесть раз чаще доходят до конца.

Всемирный экономический форум прогнозирует: к 2030 году появится 170 миллионов новых рабочих мест, но исчезнет 92 миллиона старых. В итоге вырастет на 78 миллионов.

При этом 63 работодателя из 100 говорят: главная проблема не в количестве людей, а в том, что у кандидатов нет нужных навыков.

Почему это важно: вакансий будет больше, но получить их смогут только те, у кого есть актуальные навыки. Простого наличия диплома или опыта недостаточно.

Вакансии для офисных работников упали на четверть. Резюме выросли на четверть — до 3,2 миллиона активных. Конкуренция усилилась: было 3,7 резюме на одну вакансию, стало 5,9.

Что это значит на практике: если год назад на вашу вакансию откликались четыре человека, сейчас откликаются шесть. Найти работу стало сложнее. Конкуренция выше.

Парадокс в том, что 93 работодателя из 100 жалуются на дефицит кадров. Укомплектованность штатов — только 67%. То есть треть позиций пустует.

Почему это важно: проблема не в том, что людей мало. Проблема в том, что навыки кандидатов не совпадают с тем, что нужно компаниям. У компании есть вакансия аналитика данных, а откликаются люди с опытом работы бухгалтером. Формально человек есть, но он не подходит.

85 вакансий из 100 никогда не публикуются на сайтах вакансий. Они закрываются через знакомых, рекомендации сотрудников, внутренние базы кандидатов. 70 позиций из 100 находят человека ещё до того, как вакансия попадает на сайт.

Что это значит на практике: если вы ищете работу только через сайты вакансий, вы видите только 15-30% доступных позиций. Остальные 70-85% вообще не попадают в вашу видимость.

Рекомендации от сотрудников дают от 30 до 50 наймов из каждых ста. При том, что таких кандидатов всего семь из ста от общего потока заявок.

Простыми словами: если вы пришли по рекомендации действующего сотрудника, ваш шанс получить работу в четыре-семь раз выше, чем если вы откликнулись на вакансию на сайте.

Почему это работает: когда сотрудник рекомендует кандидата, он ставит на кон свою репутацию. Он не будет рекомендовать кого попало. Плюс рекомендующий знает и компанию, и кандидата — он может оценить совместимость лучше, чем специалист по подбору персонала по резюме.

Кандидаты по рекомендации нанимаются на 55% быстрее. И остаются в компании дольше: через год на месте 40-46 человек из ста против 14-33 пришедших с сайтов.

Почему это важно: компании это знают. Поэтому они платят сотрудникам бонусы за рекомендации — в среднем 150-200 тысяч рублей за успешный найм. Экономика простая: найти человека через рекомендацию стоит около 70 тысяч рублей. Обычными методами — от 300 тысяч до полутора миллионов рублей.

Исследователи проанализировали 10 миллионов откликов на вакансии. Из ста человек, которые увидели вакансию, откликаются шесть. Из этих шести на собеседование приглашают одного. Из тридцати собеседований выходит восемь предложений о работе.

Что это значит: на один успешный найм приходится 180 откликов. Для соискателя это означает: будьте готовы отправить десятки, а то и сотни резюме.

Самая важная цифра: 75 резюме из 100 отсеиваются автоматически до того, как их увидит живой человек. Роботы проверяют ключевые слова, образование, опыт — и отбрасывают три четверти кандидатов.

Почему это важно: вы можете быть идеальным кандидатом, но если в резюме нет нужных ключевых слов, робот вас отсеет. Специалист по подбору даже не увидит ваше резюме.

Специалист по подбору, который всё-таки получил резюме, тратит на его просмотр 7,4 секунды. Семь секунд, чтобы решить судьбу кандидата.

Что это значит: у вас нет времени на длинные истории. Первые три строки резюме должны цеплять. Если за семь секунд специалист не понял, почему вы подходите — вы отсеяны.

Найм занимает в среднем сорок дней от публикации вакансии до выхода человека на работу. Поиск работы для человека — около пяти месяцев.

Почему это важно: закладывайте финансовую подушку минимум на пять месяцев. Это не значит, что вы будете искать пять месяцев, но надо быть готовым к такому сценарию.

Самый востребованный навык по данным Всемирного экономического форума — аналитическое мышление. 70 работодателей из 100 считают его критически важным.

Обратите внимание: не знание конкретных программ, не опыт работы с определёнными инструментами. А способность анализировать информацию и принимать решения.

Почему это важно: программы меняются каждые несколько лет. Инструменты устаревают. Но умение думать, анализировать, видеть связи — это навык, который остаётся актуальным всегда.

Дальше идут навыки работы с искусственным интеллектом и большими объёмами данных, навыки в области компьютерных сетей и защиты информации.

Вопреки опасениям, ИИ пока создаёт больше рабочих мест, чем убирает. В 2024 году искусственный интеллект создал около 120 тысяч прямых рабочих мест и убрал около 13 тысяч. Чистый прирост — 107 тысяч позиций.

Почему это важно: все боятся, что ИИ оставит людей без работы. Пока происходит обратное — появляются новые специальности, связанные с ИИ. Кто-то должен его обучать, настраивать, проверять результаты, встраивать в процессы.

Исследователи из Йельского университета: рынок труда не испытал заметного разрушения за 33 месяца после запуска ChatGPT.

Зарплата людей с навыками работы с ИИ на 30% выше, чем у тех, кто этого не умеет. Годом ранее премия была 25%.

Что это значит: если вы освоите работу с ИИ, можете рассчитывать на зарплату на треть выше среднего по рынку. Это серьёзная мотивация учиться.

Всемирный экономический форум изучил больше двух тысяч восьмисот навыков. Ни один из них не показал очень высокую вероятность полной замены искусственным интеллектом. 69 навыков из 100 имеют низкую или очень низкую вероятность замены.

Почему это важно: ИИ не заменит вас полностью. Он автоматизирует часть задач, но большинство навыков останутся актуальными. Главное — учиться работать вместе с ИИ, а не вместо него.

Практический вывод для ищущих работу: инвестируйте время в нетворкинг (знакомства и связи) — они дают 70-85 успешных трудоустройств из ста. Сайты вакансий — только дополнительный канал. Развивайте навыки работы с ИИ — получите премию 30% к зарплате. Адаптируйте резюме под автоматические системы отбора — используйте ключевые слова из описания вакансии. Закладывайте финансовую подушку на пять месяцев поиска.

Для работодателей: выстраивайте систему рекомендаций от сотрудников — она работает в четыре-семь раз лучше других способов. Ставьте цель по скорости найма — меньше тридцати дней вместо средних сорока. Проверьте настройки автоматических систем отбора резюме — возможно, вы теряете хороших кандидатов из-за слишком жёстких фильтров.

Во всех трёх сферах проявляется одна закономерность: результаты получают не те, кто громче всех говорит о технологиях, а те, кто системно работает с людьми и процессами.

В искусственном интеллекте побеждают компании, которые тратят 70% бюджета на людей и процессы, а не на технологии. Которые выбирают одну-две задачи и доводят их до конца, а не пытаются автоматизировать всё сразу. Которые закладывают реалистичные сроки окупаемости в два-четыре года и не ждут волшебства через полгода.

В образовании работают короткие форматы по 5-15 минут вместо многомесячных курсов. Работает демонстрация практической пользы в первые две недели — если не зацепил сразу, человек уйдёт. Работает групповое обучение, когда студенты поддерживают друг друга, а не учатся в одиночку.

На рынке труда работают рекомендации и знакомства, которые дают шанс трудоустройства в четыре-семь раз выше массовых откликов. Работает развитие навыков работы с ИИ, которое даёт премию 30% к зарплате. Работает системный подход к найму через программы рекомендаций, а не надежда на поток откликов с сайтов.

Технологии — необходимое, но недостаточное условие успеха. Критическая разница в том, как эти технологии встраиваются в работу людей, как адаптируются под реальное поведение, как поддерживаются правильными процессами и обучением.

Компании и специалисты, которые понимают эту разницу и работают с людьми, а не только с инструментами, получают результаты на порядок выше среднего рынка.