$2,59 трлн — столько компании по всему миру потратят на ИИ в 2026 году. Это на 47% больше, чем годом ранее. Рост колоссальный. Но вот что происходит на другом конце: 95% AI-пилотов не приносят измеримого финансового результата. Только 21% компаний из S&P 500 могут назвать конкретную выгоду от ИИ.
Разрыв между инвестициями и отдачей — центральное напряжение технологического цикла 2026 года. И оно только нарастает.
1. ИИ — не технологическая проблема, а управленческая. Компании, которые видят отдачу, тратят в 2,1 раза больше на интеграцию данных, чем на лицензии моделей. ROI — 10,3× против 3,7× у тех, кто не выстроил инфраструктуру.
2. Рынок уже штрафует за траты без доказательств. Citi выявил штраф в 30 базисных пунктов по кредитным спредам для AI-adopters против AI-enablers. Долговые рынки взимают премию за расходы без отдачи.
3. 2026 год — момент истины. 70% CEO готовы сократить бюджеты на ИИ, если не увидят измеримых бизнес-результатов до конца года. Эпоха экспериментов заканчивается.
Парадокс, который не исчезает
Аналитики одного из ведущих консалтинговых домов опубликовали в апреле 2026 года отчёт, который озаглавили без обиняков: «Где ИИ создаст ценность — и где не создаст». Главный вывод: 94% компаний не видят значимой отдачи от AI-инвестиций. Технология есть везде — кроме P&L. Это прямой потомок «парадокса Солоу», который Роберт Солоу сформулировал в 1987 году: «Компьютерный век виден повсюду — кроме статистики производительности».
Разница в масштабе. В 1987 году речь шла об офисных ПК. Сегодня — о $2,59 трлн.
Рекордный рост при нулевой отдаче
Глобальные расходы на ИИ достигнут $2,59 трлн в 2026 году. При этом 95% AI-пилотов не приносят измеримого P&L-эффекта. Только 6% компаний относят более 5% EBIT на счёт ИИ. · McKinsey, BERI, 2026
Почему деньги не превращаются в результат
Исследование PwC среди 4 454 CEO в 95 странах — самая масштабная картина парадокса. 56% CEO сообщили, что ИИ не принёс им ни роста выручки, ни снижения издержек. Только 12% видят оба эффекта сразу. При этом 42% CEO назвали главным вопросом 2026 года не «внедрять ли ИИ», а «успеваем ли мы за технологией».
Согласно опросу, опубликованному 19 мая 2026 года, 31% директоров по продажам назвали невозможность доказать ROI от AI-инструментов главным вызовом года.
Проблема не в моделях. Они работают. Проблема — в организационной архитектуре.
Это самая большая и сложная бизнес-трансформация, которую мы видели — но это 80% бизнес-трансформации и 20% технологической трансформации. Большинство людей думает наоборот.— Эрик Катчер, председатель McKinsey по Северной Америке
Цифры подтверждают: компании, которые перестраивают процессы, а не просто внедряют AI-инструменты, получают в 2–3 раза больший эффект. PwC обнаружил, что 74% экономических выгод от ИИ забирают всего 20% компаний. Лидеры направляют ИИ на рост, а не на сокращение издержек.
Оставшиеся 80% застряли в «пилотном чистилище»: 42% проектов были заброшены после proof of concept — по данным S&P Global, это вдвое больше, чем год назад. MIT Project NANDA показал, что 95% gen AI-развёртываний не дают измеримого возврата.
Четыре причины разрыва между инвестициями и отдачей
2. Долговой рынок данных. 36% организаций называют качество данных главным барьером. Компании кормят модели стоимостью в $100 млн неструктурированными, противоречивыми данными. Решение — 40% AI-бюджета направлять не на модели, а на управление данными.
3. Иммунная система организации. Middle-менеджмент воспринимает ИИ как угрозу. Возникает «теневое сопротивление»: сотрудники демонстративно используют AI-инструменты — и вручную перепроверяют результаты, создавая двойную работу.
4. Перевёрнутая пирамида инвестиций. 98% AI-расходов уходит на железо, облако и foundation-модели. На слой enterprise-приложений — где создаётся реальная бизнес-ценность — приходится 2%.
Кто уже выигрывает
Те же аналитики выделяют три сценария для компании с IT-бюджетом в $1 млрд. При 20% инвестиций в IT-инструменты эффект минимален. При 40% — двукратный рост EBITDA к пятому году. При 4% ежегодного увеличения бюджета и 33% в IT — трёхкратный рост. Главный рычаг — не размер бюджета, а структура его распределения.
Deloitte в отчёте «AI ROI: The Paradox of Rising Investment and Elusive Returns» — посвящённом парадоксу растущих инвестиций и ускользающей отдачи — показал: 95% AI ROI-лидеров направляют более 10% технологического бюджета на ИИ. Они в 2–3 раза чаще масштабируют решения, а не остаются в пилотах. Разница в 3,2× по возврату на вложенный капитал между лидерами и отстающими.
Как мы писали в мае, крупнейшие консалтинговые дома — BCG и Deloitte — сами перестраиваются под AI-экономику. Их выводы о ROI ИИ — не теоретические. Это их собственная операционная реальность.
Что будет с рынком AI-инвестиций в ближайшие два года?
Вероятность: 65% — Gartner отслеживает удвоение темпов внедрения agentic AI (агентного ИИ) каждые 6 месяцев, но 42% проектов сворачиваются из-за неясного ROI. Разрыв будет сокращаться по мере созревания практик управления AI-активами.
✅ Аргументы за
Критерии подтверждения: рост числа компаний с измеримым AI-ROI выше 15% к концу 2027 года.
❌ Аргументы против
Критерии опровержения: сокращение совокупных AI-расходов в 2027 году впервые за 5 лет.
📍 Доля компаний с измеримым AI-ROI среди S&P 500 — текущие 21% → рост или стагнация?
📍 Объём AI-бюджетов, направляемых на data governance vs model licensing — текущие 40% у лидеров
📍 Количество CEO, называющих AI-ROI измеримым — PwC: 12% → тренд
📍 Кредитные спреды между AI-adopters и AI-enablers — сужаются или расширяются?
Сценарии развития
Три сценария — не гадание. Они построены на экстраполяции текущих темпов внедрения, organisational maturity и рыночных сигналов.
🟢 Оптимистичный сценарий (25%)
Последствия: новый цикл инвестиций, ускорение enterprise-приложений, сокращение разрыва между adopters и enablers. AI-бюджеты стабилизируются на 15–20% от IT.
🟡 Базовый сценарий (55%)
Последствия: консолидация вендоров. AI-инструменты для productivity становятся commodity. Лидеры получают дополнительный отрыв за счёт накопленной инфраструктуры и данных.
🔴 Пессимистичный сценарий (20%)
Последствия: выживают компании с наибольшей капиталоэффективностью. Foundation-model layer консолидируется до 3–4 игроков. Enterprise-внедрение замедляется на 2–3 года.
