Искусственный интеллект в России — 2025: Тренды и перспективы

Документ «Искусственный интеллект в России — 2025: Тренды и перспективы» представляет третье ежегодное исследование компаний «Яков и Партнёры» и «Яндекс» о развитии искусственного интеллекта в России. Это комплексное исследование объединяет три независимых опроса, представляющих перспективы корпоративных ИТ-лидеров, поставщиков ИИ-решений и конечных пользователей.

Методологическая база

Исследование опирается на внушительный корпус данных: опрос технических директоров 150 крупнейших российских компаний из 16 ключевых отраслей, опрос 150 вендоров ИИ-решений и более 3,5 тысяч потребителей.

Этот методологический подход позволяет триангулировать данные из трех независимых источников и получить объективную картину развития ИИ-экосистемы в России.

Текущее состояние: разрыв между разработкой и внедрением

Исследование выявляет критический структурный разрыв: примерно 90% опрошенных оценивают уровень разработки ИИ-технологий в России как равный или превосходящий мировые лидеры (США, Китай). Однако при детализации показателей становится ясно, что 18-29% считают Россию лидером в разработке, тогда как по внедрению эта доля падает до 8-14%.

Эта асимметрия отражает парадокс российской ИИ-экосистемы: сильная инженерная база и техническое мастерство не в полной мере трансформируются в реальное применение в бизнес-процессах.

Российские компании обладают компетенциями для разработки передовых технологий (что подтверждается существованием конкурентов мировому уровню вроде Alice AI и GigaChat), но отстают в масштабировании этих решений в производственной среде.

Динамика внедрения: переход от экспериментов к массовому применению

Наиболее примечателен прогресс в сроках внедрения. Генеративный ИИ, самая молодая из рассмотренных технологий, прошел путь от экспериментальных пилотов к массовому применению буквально за два года.

В 2023 году полноценного внедрения генеративного ИИ в российских компаниях не фиксировалось вообще; к 2025 году 71% всех компаний уже используют эту технологию хотя бы в одной функции бизнеса — прирост на 17 процентных пункта за год.

Это темпы развития беспрецедентные для ИИ-индустрии. Сравните: рекомендательные системы, самая зрелая технология в исследовании, достигали аналогичного уровня проникновения в течение 3 лет. Компьютерное зрение требовало 2,5 лет, NLP и речевые технологии — 1,7 года.

Однако важный нюанс: все 150 крупнейших компаний России провели хотя бы один пилот по ИИ-технологиям, что говорит о наличии интереса, но не всегда о глубокой интеграции. В среднем 88% компаний запустили пилотные проекты по каждой технологии, но переход от пилотов к промышленному масштабу остается вызовом.

Географический и отраслевой разрыв: явные лидеры и отстающие

Исследование четко идентифицирует четыре отрасли, существенно опережающие остальной рынок в ИИ-трансформации: ИТ и технологии, телеком и медиа, e-commerce и банкинг/страхование. Эти секторы характеризуются:

• Направлением 13-17% ИТ-бюджета на ИИ (против 6-9% в прочих отраслях)
• Внедрением ИИ сразу в несколько функций бизнеса (до 70% компаний отрасли)
• Достижением измеримого финансового эффекта в диапазоне 13-21% EBITDA (против 5-10% в других отраслях)
• Наличием выделенных ИИ-функций и специализированных команд

Напротив, консервативные отрасли вроде сельского хозяйства (40% уровень внедрения), медицины и здравоохранения (59%) и машиностроения (50%) демонстрируют низкие показатели. Это объясняется не недостатком интереса, а институциональной инертностью, высокими требованиями к безопасности и сложностью интеграции со скважинами устаревшей инфраструктуры.

Финансовый прогноз: от сценария к реальности

Исследование прогнозирует совокупный финансовый эффект от ИИ к 2030 году в размере 7,9-12,8 триллионов рублей ежегодно, что эквивалентно 5,5% прогнозируемого ВВП России. Для контекста: это означает, что ИИ будет давать эффект, сопоставимый с текущим размером всей банковской отрасли страны.

Эффект не является однородным по технологиям. Распределение по основным четырем направлениям:

Генеративный ИИ и компьютерное зрение выступают основными двигателями роста, что отражает их универсальность и потенциал для автоматизации. Интересно, что прочие традиционные ИИ-технологии (машинное обучение, глубокое обучение, продвинутая аналитика) по-прежнему обеспечивают наибольшую абсолютную величину эффекта — от 3,4 до 4,8 триллионов рублей, что говорит об их укорененности в экономике и высокой зрелости.

Источники эффекта: парадокс ожиданий

Корпоративный фокус на источниках финансового эффекта выявляет интересный парадокс. Хотя ИИ часто позиционируется как инструмент сокращения персонала, только 34% компаний ожидают снижения ФОТ.

Напротив, практически 90% видят основной эффект в сокращении операционных и прочих затрат, а 72% продвинутых в ИИ компаний связывают результаты с созданием новых продуктов и сервисов.

Это отражает прагматичный бизнес-подход: компании рассматривают ИИ не как инструмент хедкаутинга, а как платформу для переераспределения задач. Высвобождаемое человеческое время направляется на более ценные деятельности — разработку новых сервисов, улучшение клиентского опыта, стратегическое планирование.

По отраслям картина варьируется. B2C-секторы (ритейл, e-commerce, телеком, банкинг) практически единодушно (до 100% компаний) видят источник эффекта в улучшении работы с клиентской базой, тогда как B2B и производственные компании фокусируются на операционной эффективности.

Генеративный ИИ: от хайпа к реальным агентам

Генеративный ИИ, будучи самой молодой технологией, прошел наиболее драматичный путь трансформации. На 2023 год полного внедрения не было; к 2024 году появились первые серьезные внедрения; к 2025 году технология уже классифицируется как переходящая в фазу зрелости.

Российский рынок генеративного ИИ достаточно здоров: существуют конкурентные решения мирового уровня (Alice AI/YandexGPT и GigaChat), которые по качеству сопоставимы с DeepSeek и ChatGPT. Среди пользователей лидируют локальные сервисы (Alice AI с 14% проникновением), хотя международные игроки (DeepSeek с 9%, ChatGPT с 4%) также присутствуют.

Ключевой тренд 2025 года — переход от простых моделей генерации текста к рассуждающим моделям (Reasoning LLM) и универсальным ИИ-агентам. Эти системы выполняют многошаговые задачи, самостоятельно выбирают инструменты, обращаются к внешним базам данных и API. На практике это означает переход от «помощника, который отвечает на вопросы» к «автономному исполнителю, который планирует и действует».

Еще одна критическая особенность российского рынка — высокая роль open-source-моделей. Вопреки глобальным трендам, где доминируют проприетарные решения, в России широко используются открытые модели (LLaMA, DeepSeek).

Это обусловлено санкционным давлением, желанием избежать зависимости от зарубежных поставщиков и экономическими соображениями (open-source дешевле и быстрее в развертывании).

NLP и речевые технологии: кремний, а не медь

NLP и речевые технологии демонстрируют феномен, противоположный генеративному ИИ: это наиболее зрелые и узнаваемые среди пользователей технологии (53% знакомы против 39% в среднем по другим), но они не привлекают столько внимания инвестиций.

Основной сценарий применения NLP и речевых технологий — клиентский сервис, где ими пользуются 68% компаний. Чат-боты, автоответчики, системы обработки обращений уже стали стандартной инфраструктурой для бизнеса.

Однако возникает интересный эффект: значительная часть новых NLP-решений сегодня реализуется на базе генеративного ИИ, что приводит к «замещению» классических NLP-подходов новыми, более гибкими моделями.

Этот процесс отражает более общий тренд: генеративный ИИ становится горизонтальной платформой, которая интегрируется во все вертикальные направления ИИ-технологий.

Компьютерное зрение: промышленный стержень

Компьютерное зрение обеспечивает 17% совокупного экономического эффекта, что делает его одним из наиболее ценных направлений. Основной сценарий применения — производство(67% компаний), где CV используется для:

• Автоматизации визуального контроля качества
• Мониторинга безопасности и операций
• Предиктивного обслуживания оборудования

Интересно, что CV имеет самый долгий траст в производственных отраслях (автопром, энергетика) благодаря очевидной ценности для операционной безопасности. В то же время современная эволюция CV идет в сторону мультимодальных систем, которые интегрируют зрение с другими модальностями (текст, звук) для более полного понимания контекста.

Рекомендательные системы: бесшумный лидер

Рекомендательные системы — это архетип «успешной под шумок» технологии. Они обеспечивают 10-11% совокупного эффекта, но характеризуются:

• Наиболее зрелым уровнем внедрения (54% компаний используют более 5 лет)
• Самой короткой тропой к эффекту (12-24 месяца против 24+ для других технологий)
• Наиболее четкой экономикой (в e-commerce дают до 1% EBITDA)

Приложения сосредоточены в маркетинге/продажах (77% компаний) и клиентском сервисе (69%). Эволюция RecSys движется в сторону единых генеративных моделей вместо каскадов, обучения с подкреплением для долгосрочной ценности и мультидоменных экосистемных рекомендаций, где система персонализирует опыт пользователя сразу в нескольких сервисах.

Вендорская экосистема: фрагментация и консолидация

Российский рынок вендоров ИИ остается фрагментированным: 85%+ компаний специализируются на одной технологии. Исключения — крупные игроки вроде Яндекса и Сбера, которые предлагают полный спектр решений.

Сроки реализации проектов раскрывают интересный инсайт: самый длительный этап — переговоры и согласование условий (3,9 недель, оценка сложности 4,6/5), а техническая реализация заметно быстрее (1-4 недели для основных работ). Это говорит о том, что основной барьер для внедрения ИИ лежит не в технической сложности, а в процессах согласования и управления изменениями.

Когда речь идет о конкурентных преимуществах, 76% вендоров делают ставку на удобство пользовательского опыта, а не на цену (только 10%). Это указывает на специализацию на корпоративном сегменте и понимание того, что для больших организаций TCO (total cost of ownership) важнее, чем начальная цена.

Организационные аспекты: от проектов к постоянным функциям

Ответственность за ИИ находится на высочайшем уровне: в 90% случаев за развитие ИИ-инициатив отвечают руководители уровня CEO-1. Это символично — ИИ окончательно переклассифицировалась из технической задачи в стратегическую.

Еще более характерно, что 25% компаний уже создали выделенные ИИ-функции, переходя от проектного к постоянному организационному формату. В продвинутых отраслях эта доля достигает 75%, что отражает укоренение ИИ в операционной модели.

Инфраструктурные преференции

Облачная инфраструктура постепенно вытесняет on-premise решения: 40% компаний используют облачные сервисы, 29% выбирают гибридный формат. Исключение составляют финансовые учреждения (банкинг и страхование), где ~90% по-прежнему работают с on-premise из-за регуляторных ограничений. В e-commerce ситуация противоположная: 71% используют облачные решения для максимальной гибкости и масштабируемости.

Выводы и рекомендации

Исследование демонстрирует, что Россия находится на пороге массового внедрения ИИ-технологий. Сильная инженерная база, наличие конкурентных локальных решений и растущее понимание практической ценности технологий создают благоприятные условия.

Однако успех зависит от трех ключевых факторов:

1. Встраивание ИИ в привычные сервисы — технология должна быть незаметной и полезной для конечного пользователя
2. Четкое измерение эффекта — компании должны иметь методологию оценки RoI и отслеживания результатов
3. Развитие человеческого капитала — талантливые специалисты и умение управлять технологическими изменениями остаются критическими факторами

Для государства приоритет — создание благоприятной регуляторной среды и поддержка критических приложений ИИ в медицине, образовании и социальном секторе.

Этот отчет представляет собой одно из наиболее авторитетных исследований российской ИИ-экосистемы, основанное на данных от 150 крупнейших компаний, 150 вендоров и 3,500+ пользователей. Его выводы имеют стратегическое значение для понимания траектории развития технологии в России и глобально.