Почти 50% компаний уже говорят, что получают ценность от искусственного интеллекта. Но разрыв между «получаем» и «получаем в разы больше конкурентов» — пятикратный. BCG Applied AI Index формулирует простую формулу: стратегическая ясность (стратегическая ясность) плюс прикладной ИИ (прикладной ИИ). Компании, у которых есть и то, и другое, забирают в пять раз больше ценности, чем те, у кого нет ни одного из двух.
Две оси, которые делят рынок
BCG раскладывает компании по двум осям. Первая — стратегическая ясность: насколько чётко руководство понимает, где ИИ создаёт конкурентное преимущество, а где — просто «цифровой шум». Вторая — прикладной ИИ: насколько глубоко технологии вшиты в ежедневные процессы, а не живут в пилотах и демо.
Компании, которые сильны по обеим осям, BCG называет future-built (лидеры внедрения). Их доля — почти 8%. Следующий слой — масштабирующие (около 41%): они уже встраивают ИИ, но ещё не довели стратегическую ясность до уровня, при котором выбор сценариев использования становится жёстким и привязанным к прибыли и убыткам. Остальные либо экспериментируют, либо буксуют на локальных улучшениях.
Цифры по future-built (лидеры внедрения) выглядят агрессивно, но они согласуются с тем, что показывают параллельные исследования. McKinsey State of AI 2026 фиксирует: 40% крупных организаций уже масштабируют AI-агентов, но только 6% отмечают материальное влияние на прибыль. Доля тех, кто атрибутирует хотя бы часть EBIT искусственному интеллекту, за год почти не изменилась и остаётся на уровне 37%. При этом 80% респондентов говорят, что ИИ повысил их личную продуктивность. Разрыв между «мне стало удобнее» и «компания зарабатывает больше» — именно то, что BCG пытается закрыть формулой ясности и прикладного внедрения.
Важно, что разрыв не объясняется «плохими моделями». Модели стали доступнее, дешевле и мощнее. Проблема сместилась в операционную плоскость: кто решает, куда ставить агентов, как измерять результат и когда останавливать неработающий сценарий.
Agentic AI (действующий ИИ) меняет веса
Agentic AI (действующий ИИ) — системы, которые не только советуют, но и действуют — уже сдвинул структуру ценности. По данным BCG, доля agentic-решений в общей ценности от ИИ выросла с 17% до 22% за год. К 2030 агенты могут забрать около 40% всего пирога. Это не прогноз «всё станет автономным», а оценка, что ценность смещается от аналитики и ассистентов к системам, которые закрывают рабочий процесс от начала до конца.
Gartner в октябре 2026 добавил жёсткий штрих: только 4% CIO имеют планы по перестройке ролей под совместную работу людей и агентов. Те, у кого такие планы есть, в 2,4 раза чаще оказываются среди топ-перформеров по ИИ. 58% руководителей IT уже чувствуют давление: нужно показывать снижение издержек от прошлых инвестиций. Только 13% CIO говорят о значимой или трансформационной ценности. Картина та же: инструменты появились, перестройка операционной модели — нет.
BCG приводит пример глобального инвестиционного банка. Там ИИ запустили как единую программу, отобрали меньше десяти высокоценных сценариев использования, совместили оценку сверху вниз и снизу вверх и повесили программный офис напрямую на топ-менеджмент. Цель — $1 млрд к 2030, с привязкой к P&L. Это и есть прикладной ИИ в чистом виде: не «пилот в HR», а жёсткий портфель, измеримый в деньгах и подконтрольный руководству.
Почему большинство остаётся на нижней полке
Стратегическая ясность звучит абстрактно, пока не сталкиваешься с типичным портфелем. Компания запускает десятки пилотов: чат-бот для поддержки, генерация отчётов, скоринг лидов, внутренний базу знаний. Каждый пилот «успешен» по локальной метрике. Ни один не меняет юнит-экономику бизнеса. Ясность — это способность сказать «нет» 80% идей и сконцентрировать ресурсы на трёх–пяти точках, где ИИ действительно меняет конкурентную позицию.
Прикладной ИИ требует другого. Недостаточно купить модель или подключить API. Нужно переписать рабочий процесс: кто принимает решение, кто проверяет, кто несёт ответственность, если агент ошибся. Нужны контракты на данные, управление, мониторинг. McKinsey отдельно подчёркивает: в 30% компаний после внедрения agentic-инструментов продуктивность падала — «вайб-кодинг» разгоняет активность, но не всегда поставку ценности. 46% разработчиков не доверяют точности AI-инструментов. Без системного подхода агенты создают шум, а не рычаг.
Здесь же лежит и история с давлением на издержки. Когда совет директоров требует «показать ROI от ИИ», CIO часто режут новые эксперименты и пытаются выжать эффективность из уже купленного. Gartner фиксирует это как доминирующий запрос. Но эффективность без перестройки операционной модели даёт ограниченный потолок. BCG показывает, что именно сочетание ясности стратегии и глубины внедрения отделяет пятикратный разрыв от «мы тоже используем ИИ».
Ещё один слой — измерение. Многие компании до сих пор считают успехом число запусков, число пользователей или субъективную «полезность». Future-built переводят разговор в P&L: какой вклад в маржу, в цикл сделки, в скорость вывода продукта, в снижение потерь в цепочке поставок (цепочку поставок). Без этой привязки ИИ остаётся затратной статьёй, даже если сотрудникам нравится.
Что это значит для инвесторов и советов директоров
Для внешнего наблюдателя future-built (лидеры внедрения) — это не «самые технологичные». Это компании, которые смогли превратить ИИ в операционный актив, а не в строку расходов. 2,3× совокупной акционерной доходности за три года — сильный сигнал, но он не гарантирует, что та же формула будет работать в каждой отрасли с одинаковой скоростью. В капиталоёмких секторах (энергетика, промышленность, логистика) прикладной ИИ упирается в физические ограничения и длинные циклы внедрения. В ПО, финансовых услуг и цифровых бизнесах цикл короче.
Инвестору имеет смысл смотреть не на количество пилотов и не на заявления «мы внедряем генеративный ИИ», а на два прокси-показателя:
- Есть ли у компании публично или в формулировку в презентации для инвесторов «где ИИ меняет юнит-экономику» — не список сценариев, а две–три ставки с измеримым эффектом на прибыль и убытки.
- Насколько ИИ встроен в ключевые процессы (ценообразование, андеррайтинг, цепочка поставок, R&D-конвейер), а не только в поддерживающие функции.
Отсутствие обоих сигналов — красный флаг, даже если компания активно покупает GPU и нанимает ML-инженеров. Капитальные затраты на инфраструктуру без ясности и прикладного внедрения легко превращаются в невозвратные затраты.
Сигналы на 2027
Agentic AI (действующий ИИ) будет усиливать разрыв, а не выравнивать поле. Чем дешевле и доступнее становятся базовые модели, тем меньше преимущества даёт «просто иметь доступ к модели». Преимущество смещается к тем, кто умеет ставить агентов в контекст бизнеса, ограничивать их область действия, измерять результат и быстро убивать неработающие конфигурации.
Ожидаемый побочный эффект: рост спроса на операционной модели перестройка и на людей, которые умеют переводить бизнес результатs в agent рабочий процессs. Gartner уже показывает, что 4% CIO, у которых есть план под совместную работу людей и агентов, получают непропорциональный преимущество. Этот процент будет расти, но медленнее, чем внедрение самих агентов — потому что перестройка ролей и ответственность сложнее, чем подключить API.
Для советов директоров практический вопрос звучит так: сколько у нас сейчас пилотов и сколько из них привязано к измеримому вкладу в P&L? Если ответ «много пилотов, мало привязки» — компания скорее в нижней половине BCG-матрицы, даже при высоком бюджете на ИИ.
BCG-формула остаётся простой: стратегическая ясность × прикладной ИИ. Пятикратный разрыв в ценности — не про «лучше модели», а про то, кто готов делать меньше пилотов и больше системных изменений. В 2026–2027 именно этот разрыв будет определять, кто из публичных и частных компаний сможет конвертировать ИИ-хайп в устойчивую доходность для акционеров.
