Смерть b2b-компаний на рубеже пяти лет

95% корпоративных ИИ-пилотов не дают измеримого эффекта. Из этой цифры обычно делают вывод «ИИ пока не готов». Я полтора года перестраиваю b2b-компанию под ИИ-агентов изнутри и сделал другой вывод: не готовы компании. Внедрить агентов в бизнес, спроектированный под людей, почти невозможно — нужно перестраивать процессы и архитектуру учётных систем, а этого не делает почти никто, потому что инертность людей и процессов чудовищна. Зато это отлично получается у тех, кто строит бизнес под агентов с нуля. И когда себестоимость бэкофиса у новых игроков оказывается в разы ниже при том же продукте, у старых остаётся немного времени. По моей оценке — около пяти лет.

Это вторая статья цикла: про экономику и сроки. Первая — о том, почему учётным системам не нужен интерфейс; третья — подробный кейс нашей перестройки.

Кто я и почему об этом пишу

Я CTO в b2b-компании (дистрибуция, ВЭД; 1С:УТ, 1С:Бухгалтерия, Битрикс24, десятки человек в бэкофисе). Мы внедряем мультиагентную систему с виртуальными сотрудниками — идёт третий этап. За предыдущие полгода активной перестройки архитектуры на полностью ИИ-автоматизированном пайплайне разработки выполнено больше тысячи доработок и внедрений 1С + Битрикс24; сейчас переходим к пилотам виртуальных сотрудников — первый, финансовый аналитик, уже в проде. То есть я нахожусь одновременно по обе стороны тезиса: знаю, почему «внедрить ИИ» в живой компании мучительно, и знаю, что перестройка всё-таки возможна — и что она стоит.

Почему «внедрить ИИ» не получается

Статистика провалов давно перестала быть спорной, спорят только об интерпретации:

• Отчёт MIT NANDA (2025): ~95% корпоративных GenAI-пилотов не дают измеримого эффекта на P&L.

• Stanford HAI AI Index 2025: около 80% корпоративных ИИ-проектов не доходят до устойчивого использования.

• Gartner: к концу 2026 будет брошено больше половины ИИ-проектов, а 40% agentic-проектов отменят к 2027-му.

• McKinsey: заметный эффект получают компании, которые фундаментально перепроектировали рабочие процессы под ИИ, — таких около 20%; «high performers» — порядка 6%.

Обратите внимание на последний пункт — он объясняет первые три. Пилоты проваливаются не потому, что модели слабые. Они проваливаются потому, что ИИ вставляют в процессы, спроектированные под людей, и ждут чуда. Копилот поверх хаоса даёт автоматизированный хаос — быстрее, но не лучше. На Хабре это уже сформулировали метафорой «строить навигатор для города без дорог».

И вот что важно: тот же MIT-отчёт фиксирует, что сотрудники более чем 90% компаний уже вовсю пользуются личными ИИ-инструментами, пока корпоративные пилоты буксуют. Люди перестроились. Организации — нет. Значит, дело не в «неготовности технологии» и не в «сопротивлении народа», а в чём-то структурном.

Анатомия инертности

За полтора года я собрал собственную коллекцию причин, почему компания не может перестроиться. Ни одна из них не звучит как «ИИ плохой».

Регламенты написаны под людей. «Заявка согласуется у коммерческого директора» — а по какому правилу он согласует? В голове у директора. Агенту нужно правило, а правила нет — есть человек. Формализация каждого такого узла — это конфликт: вы отбираете у людей их незаменимость.

Данные живут в головах и в экселях. У нас на старте два справочника «своих юрлиц» пересекались на 7 позиций из 19 — и оба считались истиной. В номенклатуре нашлась позиция с 19 табуляциями в конце наименования: человек её не замечал годами, а у агента из-за неё терялись миллионы в аналитике. Для человека грязная НСИ — неудобство, для агента — систематическая ошибка.

Учётная система — набор форм, а не API. Об этом была первая статья цикла: вся логика размазана по модулям форм, доступ к данным — через экраны. Агента некуда подключать. Перестройка учётки под агентов — это сотни доработок, на которые у типичной компании «нет ресурса», потому что команда внедренцев занята текучкой.

KPI менеджмента работают против. Перестройка процессов — это год-два боли без гарантий, а бонус платится за квартал. Рационально выбирать текучку. Отдельная история — средний менеджмент, чья функция во многом и есть «перенос контекста» между людьми: совещания, статусы, передача задач. Агентная система делает ровно эту функцию ненужной — и ровно эти люди обычно назначаются ответственными за внедрение ИИ. Ожидать от них энтузиазма странно.

Один провальный пилот убивает бюджет. Совет директоров видит: потратили, не взлетело — «ИИ не работает». Хотя не работал не ИИ, а попытка вставить его в неперестроенный процесс.

Каждая причина по отдельности решаема. Вместе они образуют то, что я называю инерционной ловушкой: чтобы агенты дали эффект, нужно перестроить процессы, данные и учётную архитектуру; но все стимулы всех участников настроены на то, чтобы этого не делать.

Экономика: что значит «бэкофис в 10 раз дешевле»

Теперь о том, почему ловушка смертельна, а не просто неприятна.

Возьмём типичную b2b-компанию — дистрибуция, опт, производство под заказ. Продукт и логистика у всех примерно одинаковые; конкуренция давно съела маржу до единиц процентов. Себестоимость складывается из товара, логистики — и бэкофиса: обработка заказов, выставление документов, сверки, контроль дебиторки, закупки, ВЭД-бумаги, отчётность. Это десятки людей, чья работа на 80% состоит из переноса и сверки данных.

Что из этого умеют агенты уже сегодня — не в презентациях, а в проде у нас и у коллег по рынку: разбор входящего потока (почта, чат, сканы) в записи учётной системы; подготовка и рассылка документов; сверки и контроль долгов; ответы на управленческие вопросы из живой базы за секунды; мониторинг платежей и поставок. Klarna публично заявляла, что её ассистент выполняет работу ~700 операторов поддержки. У нас виртуальный финансовый аналитик закрывает класс запросов, на которые раньше уходили часы аналитика и «очередь к отчётам».

Оценка «в 10 раз» — это не «уволим 90% людей». Это стоимость операции: обработать заказ, выставить пакет документов, провести сверку, ответить на вопрос «сколько нам должен X и почему». Когда операцию выполняет агент, её себестоимость — токены плюс амортизация внедрения; разница с человеко-минутами как раз порядковая. На софте это уже измерено: у lean-AI-компаний выручка на сотрудника в среднем $3,48 млн против $0,61 млн у традиционного SaaS — разница в 5,7 раза, и это ещё индустрия, где бэкофис исторически тонкий. В b2b-торговле с её бумажным конвейером разрыв будет больше.

Теперь сложите: рынок с маржой 3–7%, два игрока с одинаковым товаром. У одного бэкофис стоит как раньше, у другого — в разы дешевле, и он может отдать разницу в цену, в отсрочку, в скорость («документы и ответ по остаткам за минуту, а не завтра»). Второму даже не нужно быть лучше — достаточно не быть хуже.

Почему старые компании не перестроятся (в массе)

Клейтон Кристенсен описал этот механизм задолго до LLM: дизраптивна не технология, а бизнес-модель, в которую она встроена. Инкумбенты рационально используют новую технологию как sustaining-инновацию — улучшают существующее: «внедрили копилот менеджерам». Новички строят вокруг технологии другую модель себестоимости. Именно поэтому лидеры проигрывают, ведя себя рационально каждый отдельный квартал.

Перестройка живой компании под агентов — это переписать двигатель на лету: перестроить учётную архитектуру (в нашем случае — больше тысячи доработок за полгода), вычистить данные, формализовать регламенты, переучить людей, пережить сопротивление. Мы это проходим, и я утверждаю: это возможно, но только при двух условиях — воля первого лица и собственная инженерная способность быстро менять учётный контур. У большинства нет ни того ни другого: ИТ отдано на аутсорс франчайзи, который продаёт часы, а не перестройку; первое лицо ждёт «готовое решение».

А с другой стороны заходят компании, у которых нет legacy вообще: процессы рождаются сразу в исполняемой форме, учётка — headless-ядро с API, людей нанимают только туда, где агент не справился, — принцип AI-first, обратный классическому найму. Скорость у них тоже другая: AI-native-компании добегают до $100M ARR за 4–8 кварталов против 18–20 у традиционного софта.

Аналогии у всех перед глазами. Цифровые банки против классических: те тоже «внедряли диджитал» — а съели их те, кто построил банк без отделений. Каталожная торговля против e-commerce. Каждый раз инкумбенты честно покупали новую технологию и вставляли её в старую модель.

Сценарий на пять лет

Прогноз — не пророчество; это сценарий, в котором я готов ошибиться в сроках, но не в векторе.

Годы 1–2 (мы здесь). Agent-native игроки появляются в нишах с бумажным конвейером: дистрибуция, брокеридж, логистика, ВЭД-услуги. Снаружи они неотличимы от обычных компаний — просто у них подозрительно маленький штат и подозрительно быстрые ответы. Старые компании закупают копилоты; 80–95% пилотов дают ноль.

Год 3. Ценовое давление в низкомаржинальных сегментах: agent-native могут стоить дешевле на размер чужого бэкофиса. Начинается отток клиентов туда, где «документы за минуту». Первые заметные банкротства спишут на «рынок и ставку».

Годы 4–5. Консолидация. Перестроившиеся и agent-native скупают клиентские базы и склады не перестроившихся — людей и процессы покупать незачем. Выживают три категории: те, кто начал перестройку в первые два года; монополии и регуляторные ниши; премиальный сервис, где платят за отношения.

Пять лет — потому что b2b инерционен и контрактен: клиенты не разбегаются за квартал. Но пять лет — это и есть длина двух-трёх контрактных циклов.

Что делать, если у вас существующая компания

Наш чек-лист — не теория, мы прошли его на себе, цифры в [третьей статье цикла]:

1. Сначала пайплайн изменений, потом агенты. Способность быстро и дёшево дорабатывать учётный контур — предусловие всего. Мы построили ИИ-конвейер разработки для 1С (коннекторы к живым базам, автоматическая верификация, автотесты) — и только он сделал реалистичным объём в тысячу с лишним доработок за полгода. Без него перестройка стоила бы лет и бюджетов, которые никто не даст.

2. Архитектура под агентов, а не «интеграция ИИ». API вместо форм, паспортизированные источники данных вместо отчётов, сервисные учётки с правами, журналирование. Это скучно. Это и есть работа.

3. Данные как актив. Чистка НСИ, канонические справочники, правила вместо устных договорённостей. Всё, что живёт в голове сотрудника, — недоступно агенту и потеряно при увольнении.

4. Пилоты ролей с честной приёмкой. Не «чат-бот для всего», а конкретная роль с измеримой приёмкой и негативными тестами. Наш первый — финансовый аналитик; приёмку он прошёл со второго захода, и это нормально.

5. Сверху. Перестройку не делегируют вниз — внизу у неё нет бенефициаров.

Возражения

«ИИ — пузырь, скоро лопнет». Оценки компаний — возможно. Но себестоимость операции бэкофиса, выполненной агентом, от котировок не зависит: модели дешевеют независимо от настроений рынка. Пузырь 2000-го лопнул — интернет-торговля осталась и доела офлайн.

«B2B держится на отношениях, роботы никому не нужны». Верно — и поэтому продавцы и переговорщики никуда не денутся. Речь о бэкофисе, которого клиент не видит и за который не готов платить. Отношения — это премия к цене; она не покрывает разницу в себестоимости в разы.

«Мы уже слышали это про RPA». RPA автоматизировала клики по формам, ломалась от каждого обновления интерфейса и не понимала неструктурированный вход. Агенты работают с письмами, сканами, голосом, принимают решения по правилам и умеют признаваться «не уверен, спроси человека». Это другой класс: RPA имитировала руки оператора, агент заменяет операцию целиком.

«Замена людей на ИИ убыточна — эскалации растут, техдолг копится». Самая залайканная статья этого жанра на Хабре — и я с ней согласен. Она описывает замену людей в процессах, спроектированных под людей. Это действительно убыточно — см. статистику провалов выше. Мой тезис другой: перестройка процессов и архитектуры под агентов. Оба утверждения верны одновременно, и между ними — вся разница между 95% провалов и работающими системами.

«Регуляторика защитит». Регуляторное ядро учёта — да, проживёт дольше всего. Но регулятору важна корректная отчётность, а не численность вашего бэкофиса.

Вывод

«Смерть b2b-компаний» — это не про то, что через пять лет все умрут. Это про то, что окно, в котором перестройка ещё является выбором, закрывается. Дальше она станет невозможностью: перестраиваться придётся на падающей выручке, против конкурентов, у которых операция стоит в разы дешевле, и без людей, которые уже уйдут туда, где интереснее.

Статистика 95% провалов — не приговор ИИ. Это перепись компаний, которые попытались получить новую экономику, не меняя себя.

Расскажите в комментариях: пробовали внедрять агентов в живые процессы? Что сломалось первым — технология или организация?

Примеры работы агента — datastaff.ru. держать оборону в комментариях (аргументы в разделе «Возражения»); ссылка на datastaff.ru — прямая ссылка на свой продукт: по правилам Хабра может быть расценена как самопиар (осознанный риск; при претензиях модерации перенести в профиль или комментарий).

Большинство не верит, что такие системы возможны уже сейчас, я понимаю, что статьёй я никого не смогу переубедить, я могу сделать демонстрацию в любое время, работающих уже сейчас решений.