95% корпоративных ИИ-проектов провалились — и никто не признаётся
Деньги в ИИ льются рекой. Бюджеты растут, отделы нанимают, консультанты продают внедрения, на конференциях говорят про трансформацию. А результата нет. Компании покупают инструменты, ставят их в процессы — и почти ничего не получают взамен. При этом никто не выходит на сцену и не говорит: «Мы вбухали миллионы, и это не сработало». Все молчат и заносят следующий бюджет.
Я слежу за этой историей давно, и числа наконец сошлись в картину, которую невозможно игнорировать.
Числа, которые никто не хочет читать вслух
MIT в 2025 году посчитал: 95% корпоративных ИИ-пилотов не дали измеримого ROI. Не «мало дали» — вообще ноль по деньгам. Девятнадцать из двадцати проектов не окупились и не показали внятной отдачи.
Gartner идёт дальше и смотрит в будущее: 40% всех агентных ИИ-проектов будут закрыты до 2027 года. Не приостановлены, не переосмыслены — закрыты.
McKinsey добавляет фактуру про то, почему так выходит. 75% компаний не имеют внятного ИИ-роадмепа. 82% не отслеживают KPI по своим внедрениям. То есть большинство запускает ИИ вообще без плана и без метрик — а потом удивляется, что непонятно, окупилось оно или нет. Нельзя измерить то, что ты не считаешь.
Складываем: почти все внедряют без плана, без метрик, без результата. И продолжают заносить деньги.
Почему все молчат
Провал ИИ-проекта — это не провал ИИ. Это провал того, кто его протащил через бюджетный комитет. Директор, который год назад вышел на совет и пообещал революцию и экономию, не придёт туда же признаваться, что спустил миллионы в пустоту. Ему проще списать неудачу на «незрелость технологии», попросить ещё денег и запустить следующий пилот. Так работает корпоративная логика: признание провала стоит карьеры, а тихий перезапуск — нет.
Отсюда и разрыв в поведении. Harvard Business Review в январе 2026-го зафиксировал дичь: компании увольняют людей из-за потенциала ИИ, а не из-за его производительности. Сначала режут штат под обещание, что нейросеть заменит этих людей, а потом разбираются, кто вообще будет работать. Логика вывернута наизнанку: увольнение идёт вперёд результата.
И рынок начинает это чувствовать. Доля бизнес-лидеров, считающих, что ИИ улучшит их отрасль, за год упала с 81% до 69% — минус двенадцать пунктов. Люди у руля насмотрелись на пилоты, которые ничего не дали, и трезвеют.
Есть и техническая причина недоверия. EBU и BBC в октябре 2025-го проверили ответы ChatGPT, Copilot и Gemini: 45% содержали хотя бы одну существенную ошибку, 81% — хоть какую-то проблему. Salesforce AI Research в сентябре того же года копнул GPT-4.5: 47% ответов не подтверждались источниками, на которые модель сама ссылалась. Половина выдачи — уверенным тоном, но без опоры. Теперь наложите это на процесс, где решения принимают на основе таких ответов, и всё встаёт на места.
Как это выглядит, когда всё же признаются
Иногда провал слишком большой, чтобы спрятать. Тогда его видно.
IBM Watson. Флагман, о котором трубили как о будущем медицины. Итог — потери около 4 миллиардов долларов и продажа Watson Health в 2022 году. Онкоцентр MD Anderson слил на пилоте с Watson 62 миллиона и закрыл его, так и не запустив в работу. Это не стартап на коленке — это IBM с её ресурсами и репутацией. Не помогло.
McDonald’s. Три года пытались вместе с IBM сделать ИИ-приёмщика заказов на драйв-тру. В 2024-м закрыли. Система путала заказы, дописывала клиентам лишнее, и над её косяками ржал весь интернет. Гигант с миллиардами и лучшими подрядчиками не смог заставить нейросеть надёжно принять заказ на бургер.
Если это не получилось у IBM и McDonald’s, стоит спокойнее относиться к обещаниям вендора, который божится, что у вас-то всё взлетит.
Что это значит для обычного сотрудника
Первое. Если в вашей компании запускают ИИ и говорят про сокращения — помните расклад из HBR: сначала режут людей под обещание, потом выясняют, кто будет работать. Часто выясняется, что работать некому, а нейросеть не тянет. Это не повод расслабляться, это повод понимать механику: решение об увольнении принимают до того, как проверили, справится ли машина.
Второе. Не верьте на слово, что ИИ у вас «всё автоматизировал». 95% пилотов не окупились, половина ответов моделей — без опоры на источники. Если инструмент реально работает — это видно по числам, а не по презентации на общем собрании.
Третье, и главное. Ценность сейчас не у того, кто умеет запустить ИИ-пилот — таких полно, и 95% из них проваливаются. Ценность у того, кто умеет отличить работающий инструмент от красивой обёртки и довести его до результата. Пока все вокруг заносят бюджеты в пустоту и стесняются в этом признаться, спокойный скепсис и умение считать становятся редким навыком.
Деньги в ИИ будут литься и дальше. Провалов будет больше. А вот тех, кто честно скажет «это не сработало» и разберётся почему, — по-прежнему единицы. Будьте из них.
