Архив блога · Блог
AI тратит больше, чем доказывает: где рвётся цепочка
Две трети компаний завели бюджет на ИИ, но показать его отдачу могут единицы. Разбираем, где рвётся цепочка между данными и результатом.
Компания завела отдельный бюджет на искусственный интеллект, купила агентов, собрала дашборд. Финансовый директор просит показать, что это принесло. И тут выясняется неприятная вещь: показать нечего. Цифры есть, отчёты есть, а связи между потраченным и заработанным нет. Так заканчивается не один пилот, а большинство из них.
Деньги выделили, отдачу не доказали
The Martech Weekly опросил крупные компании в отчёте Enterprise Martech Outlook 2026 и получил такую картину. Две трети организаций завели отдельный бюджет на ИИ. Агентов держат в планах 95,3%. А на полную мощность вышли только 10,8% агентских проектов. Про то, как их технологии повлияли на финансы, внятно рассказать смогли 40,2% руководителей.
Разрыв между «купили» и «доказали» не случаен. Внутренние задачи тестировать проще: сгенерировать текст, разобрать заявку, собрать отчёт. Копилоты и работа с данными ушли в продакшен дальше всего. А оптимизация пути клиента, атрибуция, подбор аудитории всё ещё пробуксовывают. Причина одна: там, где ИИ касается клиента и денег, нужны чистые данные и понятный процесс. Если процесс хромает, агент заставит его хромать быстрее.
- 95,3% компаний держат AI-агентов в планах, до полного масштаба дошли 10,8%
- 69,3% видят отдачу ИИ во внутренних задачах маркетинга, в клиентском опыте - 59,9%
- 40,2% руководителей не могут показать влияние технологий на финансы
Воронка как рабочая схема
Вторая причина, по которой отдачу трудно посчитать, лежит на стороне покупателя. MarTech пишет о том, как маркетологи путают этап воронки с намерением человека. Исследование McKinsey Global B2B Pulse 2026 опросило почти 4000 закупщиков из 13 стран. Выяснилось, что покупатель проходит в среднем 10 каналов, прежде чем что-то купить. А главная причина сменить поставщика - противоречивая информация между командами.
Gartner добавил к этому свою цифру: 67% B2B-покупателей предпочитают опыт без менеджера, а 45% использовали генеративный ИИ в недавней покупке. Это значит, что первое действие, которое поймал ваш мартек-стек, могло быть не началом пути. Человек пришёл на сайт, уже зная категорию и конкурентов. Мы назвали это осознанием, потому что тогда осознали его мы. Это разные вещи.
Живые панели вместо снимка на скриншоте
Есть и хорошая новость от инструментов. Anthropic выпустил Claude Dashboards в бете: вы подключаете модель к Snowflake, BigQuery, Databricks или Redshift, задаёте вопрос обычными словами и получаете дашборд, который сам перестраивается при новых данных. У каждого графика видно, когда он обновлялся, и можно открыть запрос, который стоит за цифрой.
Последняя деталь меняет много. Обычная беда графиков, собранных ИИ, - уверенное число, которое нечем проверить. Открытый запрос и время обновления делают такие панели пригодными для решений, а не для красивой презентации. Это ровно тот недостающий кусок, из-за которого отдача ИИ не доходит до отчёта для финансового директора.
Платформа берёт на себя то, что люди делают вручную
Третий сюжет - про enterprise email-маркетинг, где объёмы тянут сразу несколько команд, брендов и регионов. Здесь тоже видно, где рвётся цепочка. Слабая платформа валит на людей хранение согласий, связь с CRM и атрибуцию. Сильная держит активность, этап жизненного цикла, сделки и выручку на одних записях. Пока кампания живёт отдельно от CRM, метрики теряют смысл: не видно, что именно принесло сделку.
В Британии две компании получили штраф 150 000 фунтов за 7,5 млн нежелательных писем, потому что подрядчики не смогли доказать согласие. Это цена разорванной цепочки в самом буквальном виде. Правило простое: чем больше ИИ работает сам, тем важнее, чтобы данные под ним были чистыми, а действия - проверяемыми.
Что это значит для бизнеса
Все три истории об одном. Компании покупают инструменты и модели, а рвётся не на уровне модели, а на уровне данных и процесса. Пока CRM, бюджеты и каналы живут в разных системах, никакой агент не покажет отдачу, потому что её не из чего собрать. Порядок здесь важнее скорости: сначала привести в порядок данные и процессы, потом добавлять автономию.
Второй вывод - про проверяемость. Если у результата нельзя открыть запрос и посмотреть, откуда взялась цифра, такой результат не защитит бюджет на следующей защите. Внедрение искусственного интеллекта в бизнес стоит начинать с мест, где данные уже чистые и отдачу видно, а не с самых амбициозных сценариев. Побеждают не те, кто быстрее купил агента, а те, кто быстрее наладил цепочку от сигнала до выручки. В Владивостоке и по Дальнему Востоку этот порядок работает так же, как везде.