В июне 2026 года SpeShu.AI провела качественное исследование: 86 компаний малого и среднего бизнеса, глубинные интервью с собственниками и топ-менеджерами, 6 ключевых вопросов.
14 из 86 компаний дали открытые данные, которые можно цитировать. Выражаем благодарность за участие и публикуем названиях всех участников в конце статьи.
Результаты оказались неудобными для тех, кто продаёт ИИ как волшебную таблетку, а главным барьером оказались далеко не деньги.
43% не знают, с чего и зачем начинать
Почти половина участников исследования назвала главным барьером точку входа: непонятно, какой процесс автоматизировать первым, кто за это отвечает и как вообще понять, что внедрение сработало.
На втором месте — недоверие к результату (21%). На третьем — те, у кого барьера не было вообще: они просто взяли и попробовали (14%). Саботаж команды, пересборка процессов и платёжная инфраструктура набрали по 7%.
Ноль процентов назвали бюджет главным барьером.
Это важная цифра. По данным других исследований 2026 года, на первом месте среди причин отказа от масштабирования ИИ стоит риск утечки данных (42,5%), на втором — нехватка компетенций внутри компании (35%), на третьем — отсутствие понятных и экономически обоснованных сценариев применения (32,5%). Результаты SpeShu.AI корреспондируют с третьим пунктом: сценарий, а не цена — вот настоящий тормоз.
Деньги есть. Платить не из чего
Бюджет не называли барьером, но платёжная инфраструктура — отдельная история. Малый бизнес тратит 10–15 тысяч рублей в месяц на ИИ-инструменты (NordBox, «Курс на ЯРД», Karma). Команды от десяти человек — 75–100 тысяч («Аихаб», Data-M). Часть компаний, например «Спираль», работают через альтернативные сценарии с оплатой в долларах — $100–200 в месяц.
Реальный денежный барьер — не сумма, а механика оплаты. Нельзя заплатить из России от юрлица напрямую в OpenAI или Anthropic. Бизнес либо плодит личные аккаунты сотрудников, либо уходит в агрегаторы токенов, либо придумывает обходные схемы с криптой и иностранными картами. Каждое из этих решений добавляет операционную нагрузку и риски, которых не было бы при нормальной платёжной инфраструктуре.
Это самостоятельный экономический барьер — отдельный от суммы. Компания готова платить, но технически это оказывается сложнее, чем предполагалось.
Четыре шага от «попробуем» до «заморожено»
Исследование зафиксировало типичный паттерн провала внедрения. Он разворачивается в четыре хода.
Сначала оказывается, что процесс, который хотели автоматизировать, нигде не описан. Задачу для ИИ невозможно поставить, если сам процесс не регламентирован: нет входных данных, нет критериев результата, нет ответственного. Нейросеть получает размытый запрос и выдаёт размытый ответ.
Дальше начинается нестабильное качество: ИИ без чёткого ТЗ каждый раз делает что-то немного другое. Вместо того чтобы сократить хаос, он его усиливает — разные люди получают разный результат по одной задаче.
Третий шаг — дорогая перепроверка. Ручной контроль результата «съедает» всю экономию. Сотрудник, которому предполагалось освободить время, теперь тратит это время на то, чтобы проверить, что сделала нейросеть.
Четвёртый шаг — заморозка. Доверие к инициативе падает. Её откладывают «до лучших времён» — то есть навсегда.
Специалисты по внедрению ИИ фиксируют ту же динамику: компании гонятся за трендами, хватаются за всё подряд и не обучают своих сотрудников. Это приводит к слитым бюджетам, саботажу и отрицанию эффективности нейросетей для бизнеса.
При этом специального директора по ИИ имеют только 3 из 14 компаний с открытыми данными. Четверо из четырнадцати выступают против этой роли в принципе.
Люди — главный барьер, который никто не называет барьером
Пять из четырнадцати компаний с открытыми данными назвали команду и внутренние процессы серьёзным препятствием — хотя вопрос об этом напрямую не задавался. Это значит, что люди поднимали тему сами.
CEO «Аихаба» Алексей Авдеев описал это без эвфемизмов: «Часть команды открыто бойкотирует, часть имитирует — говорит, что пользуется, а сами раз в две недели кидают кусок кода».
Дмитрий Логинов, CEO «Четвёртого Рима», сформулировал точнее всех: «Купить подписку на ChatGPT и считать это внедрением — нельзя. Нужно перестроить привычки и контроль качества».
Это системный феномен. В 60% российских компаний нет чётких правил работы с ИИ — в результате в запросы попадают коммерческие тайны и личные данные клиентов. За 2025 год объём конфиденциальной информации, передаваемой в публичные нейросети, вырос в 30 раз. Компании внедряют ИИ, не выстроив элементарной политики его использования. Команда пользуется как умеет — то есть кто как хочет.
Где ИИ реально работает и где убыточен
Исследование собрало конкретные сценарии из практики компаний. ORM-Service экономит 500 тысяч рублей в месяц на операциях. «Агри Партс Рус» не наняла 2,3 ставки — задачи закрываются без новых сотрудников. В «Спирали» один человек с ИИ делает работу троих без него.
Но провальных сценариев не меньше. Настройка API для переработки отчётов стоила десятки тысяч рублей и экономила часы — но те же часы уходили на перепроверку результата. Итог нулевой. Видео-аватар на русском языке не зашёл: голос искусственный, шесть часов работы в корзину — на иностранных языках та же технология работает лучше. ChatGPT при задаче «напиши 4 тысячи знаков» выдавал 7 тысяч и «виновато извинялся»: редактор всё равно тратил время на контроль объёма. Коммерческие предложения из записи звонка не делегировались нейросети — авторская методика консультанта оставалась ручным этапом воронки.
Александр Мотин, директор по производству Braind, сформулировал принцип, который проходит через все успешные сценарии: «ИИ — не источник истины. Его дело — подготовить черновик, который подтверждает человек».
Никто не уволен. Но и не нанят
Ни одна из компаний исследования не провела сокращений из-за ИИ. Это принципиально отличает МСБ от крупного бизнеса: среди крупных компаний в России допускают сокращение штата из-за ИИ 47%, среди среднего бизнеса — 37%, среди малого — только 18%.
Но картина «никого не уволили» не означает, что ничего не изменилось. Изменился найм. «Агри Партс Рус» не открыла 2,3 ставки. Это входные позиции — те, что раньше создавали кадровый резерв.
Исследование зафиксировало долгосрочный риск, который пока никто не изучал системно: если джуниорские позиции перестают появляться, через несколько лет под вопросом окажется весь кадровый резерв компаний. Нанимать некого, потому что растить некого.
Что реально убеждает принять решение о внедрении
Почти 50% участников исследования назвали один и тот же главный триггер: кейсы с цифрами до и после. Не концептуальные обещания, не демонстрации на синтетических примерах — реальные скриншоты процессов.
Екатерина Выговская из «Курс на ЯРД» сказала прямо: «Два года ищу «заменили на 90% бухгалтера» со скриншотами процессов до и после — не нахожу. До меня долетают устные истории, которые звучат спорно».
Спрос на доказательную базу не удовлетворён. Именно это тормозит лиц, принимающих решения.
Второй триггер — личный опыт первого лица. Алексей Авдеев из «Аихаба»: «Руководитель должен сам собрать что-нибудь нейросетью на пет-проекте — чтобы понять, на что способна связка «он + ИИ», и перестать сравнивать модели с версиями прошлого года».
Что это значит
Четыре вывода, которые исследование фиксирует как устойчивые.
Барьер управленческий, а не финансовый. Узкое место — не цена, а сценарий: где окупится и кто отвечает.
Платёжная инфраструктура из России — самостоятельный экономический барьер, отдельный от суммы. Её решение меняет экономику внедрения.
Спрос на доказательную базу «до/после» не удовлетворён. Рынок не производит кейсов с достаточной детализацией, чтобы ЛПР мог принять обоснованное решение.
«Ненайм» на входные позиции реален, но его долгосрочный эффект на кадровый резерв не изучен. Это следующий вопрос, который нужно задать.
Спасибо всем, кто участвовал и позволил открыто поделиться ответами
ООО «Агри Партс Рус», «Облакотека», NordBox, «Курс на ЯРД», «Икс-пресс», ORM-Service, Karma.web, «Аихаб», Braind, Data-M, «Четвёртый Рим», АО «Уралбиофарм», ГК «Радуга», «Спираль», «Брендика».
ссылка на оригинал статьи https://habr.com/ru/articles/1054322/