Вышел крупный отчёт cloud.ru и ВШЭ — 30 интервью, опрос компаний, кейсы Сбера, Альфа-Банка, МТС, Ленты, Газпромбанка.

Вот что важно понимать, если вы инвестируете в ИИ или строите продукт на агентах.

Рынок в цифрах:

Мировой рынок ИИ-агентов: $25 млрд (2024) → $755 млрд (2030). CAGR 76%. Это не просто рост — это замещение традиционной автоматизации.

Россия: $530 млн инвестиций в ИИ (+62% YoY). 70% — бигтехи (Яндекс, Сбер, МТС). Средний и малый бизнес только начинает.

Главный инсайт: агенты — не про увольнения, а про продуктивность

Газпромбанк оценивает эффект не в «сокращении штата», а в том, что «один сотрудник с ИИ-агентом продуктивнее, чем без». Это технологический переход, сравнимый с появлением интернета.

Финансы: ускорение процессов 25–45%, снижение ошибок 15–30%, экономия на ФОТ 10–35%.
Ритейл: рост конверсии 10–25% за счёт персонализации.

Но есть ловушка:

Gartner предупреждает: более 40% проектов по ИИ-агентам будут закрыты к концу 2027 из-за:

• Незрелости данных (фрагментация, нет архитектуры)
• Низкой устойчивости бизнес-процессов
• Завышенных ожиданий

«Если данные не готовы, правильно не собраны, нет правильной архитектуры — ничего не получится. Это основа» — Иван Чередниченко, гослотереи.

Кто внедряет и как:


5 типов агентов в России:

1. Аналитический — самый популярный (65% компаний)
2. Агент-наблюдатель — мониторинг процессов (62%)
3. Поддержка клиентов — чат-боты нового поколения (62%)
4. Ассистент оператора — помогает сотруднику, не заменяет (57%)
5. Оркестратор — связывает системы между собой (43%)

Барьеры:

• Дефицит кадров. «Сейчас продают и инициируют больше проектов, чем существует специалистов, которые могут их реализовать» — Андрей Бугаенко, Мосбиржа.
• Интеграция с legacy. API — главный способ (33%), но RPA (24%) и ETL (20%) тоже в ходу.
• Стоимость. >75% компаний считают цену серьёзным барьером для масштабирования.

Экономика:

• Простые проекты (готовые решения): окупаемость <12 месяцев
• Средние (донастройка + интеграция): 12–24 месяца
• Крупные инфраструктурные (свои платформы, модели): 5–7 лет

78% компаний уже отмечают реальный экономический эффект. Но только треть имеет чётко определённые бюджеты на ИИ-агентов.

Вообщем ничего нового, но интересно.

Секрет успеха

• Готовы данные (не «в Excellке», а в Data Lake)
• Есть инженерная команда (или доступ к ней - не вайбкодеры
• Понятен ROI (измеряется не во «впечатлениях» от вайбкодинга, а в часах и рублях)

Ресторанный пример (для тех, кто спрашивает «а нам зачем»):

Сеть ресторанов с 20 точками — агент, который:

• Анализирует остатки и прогнозирует спрос (снижение списаний на 15–20%)
• Автоматически формирует заказы поставщикам
• Отвечает клиентам в чате по меню, брони, акциям (разгружает менеджеров)
• Мониторит отзывы и выделяет тренды (что не так с блюдом до того, как это станет проблемой)

Затраты: 5–15 млн ₽ на внедрение. Экономия: 15–40% на операционке. Окупаемость: 12–18 месяцев.

Если знаете классные кейсы где сработало - пишите, интерсно всем:)