Данные ежеквартального глобального исследования KPMG Global AI Pulse показывают, несмотря на то что глобальные организации планируют потратить в среднем 186 миллионов долларов на ИИ в течение следующих 12 месяцев, только 11 процентов компаний достигли стадии внедрения и масштабирования ИИ-агентов таким образом, чтобы это приносило результаты в масштабах всего предприятия. В отчете KPMG проводится различие между теми, кого они называют «лидерами в области ИИ» (то есть организациями, которые масштабируют или активно используют агентный ИИ), и всеми остальными. В отчете исследования отмечается огромный разрыв в результатах между этими двумя группами. Среди лидеров в области ИИ 82 процента сообщают, что ИИ уже приносит ощутимую пользу бизнесу, в то время как у остальных компаний этот показатель падает до 62 процентов. Эта разница в 20 процентных пунктов отражает не столько использование лучших инструментов, сколько принципиально разные подходы к внедрению. Организации, входящие в 11 процентов лидеров, внедряют ИИ-агентов, которые координируют работу между подразделениями, принимают решения без участия человека на каждом этапе, предоставляют общекорпоративные аналитические данные из оперативной информации практически в режиме реального времени и выявляют аномалии до того, как они перерастут в инциденты.

Большинство организаций, разработавших и внедривших ИИ, сделали это путем наложения моделей ИИ и интеллектуальных систем на существующие рабочие процессы организаций, не перепроектируя сам процесс, в который эти инструменты интегрируются. Это конечно приводит к постепенному улучшению результатов как самого процесса, так и повышению эффективности организаций в целом. Например, на Факультете информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации разработана интеллектуальная система «Цифровой карьер» для мониторинга технического состояния производственного оборудования построенная для конкретного технологического процесса, что позволило значительно повысить эффективность этого процесса. Однако такой подход не устраняет разрыв в производительности в целом в рамках всей организации. Ситуацию с разрывом в производительности комментирует доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:

«Организации, стремящиеся сократить разрыв в производительности, используют обратный подход: сначала они перепроектируют сам процесс, а затем внедряют ИИ-агентов для работы в рамках перепроектированной структуры и процессов. Разница в отдаче от инвестиций в ИИ между этими двумя подходами в течение трех-пяти лет, вероятно, станет определяющим конкурентным фактором в ряде отраслей».

Одним из важных результатов исследования KPMG является выявленная взаимосвязь между уровнем зрелости ИИ и уверенностью в оценке рисков. Среди организаций, находящихся на этапе экспериментов, лишь 20 процентов уверены в своей способности управлять рисками, связанными с ИИ. Среди руководителей ИИ этот показатель возрастает до 49 процентов. 75 процентов мировых лидеров называют безопасность данных, конфиденциальность и риски постоянными проблемами независимо от уровня зрелости, но зрелость меняет подход к решению этих проблем на практике. Это важное различие для советов директоров и подразделений по управлению рисками, которые склонны рассматривать управление ИИ как ограничение на его внедрение. Данные исследования KPMG указывают на противоположную динамику, т.е. системы управления не замедляют внедрение ИИ в зрелых организациях, а, наоборот, способствуют ему.

О взаимосвязи между уровнем зрелости ИИ и уверенностью в оценке рисков, рассказывает профессор кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянов Виталий Александрович:

Организации, рассматривающие управление как ретроспективный уровень соответствия требованиям, оказываются в двойном невыгодном положении. Они медленнее внедряют новые системы, поскольку каждый новый вариант использования запускает новую проверку управления, и они более подвержены операционным рискам, поскольку отсутствие встроенных механизмов управления означает, проблемы в функционировании и режимы отказов обнаруживаются в процессе эксплуатации, а не на этапе тестирования. Таким образом, организации, которые внедрили принципы управления непосредственно в сам конвейер развертывания ИИ, работают с большей уверенностью, позволяющей им масштабироваться.

Источник: Исследование KPMG Global AI Pulse Q1 2026