Deloitte: неиспользованное преимущество ИИ — что упускают компании

В январе 2026 года Deloitte опубликовала свой ежегодный отчёт «State of AI», озаглавленный в этом году «The Untapped Edge» — «Неиспользованное преимущество». Название не случайное и не маркетинговое — оно отражает центральный парадокс, который Deloitte зафиксировала на основе масштабного опроса более 2500 руководителей в 28 странах и 14 отраслях. Несмотря на массовое внедрение ИИ (те самые 88%, о которых пишет McKinsey), абсолютное большинство компаний задействуют менее 20% его потенциала. Между тем, что ИИ может дать, и тем, что компании от него реально получают, — пропасть. И эта пропасть, вопреки ожиданиям, не сужается с каждым годом, а расширяется. Мы в Aravana AI внимательно изучили отчёт и хотим поделиться ключевыми выводами, нашей интерпретацией и тем, что мы считаем практически значимым для бизнес-лидеров.

Первый и самый важный тезис Deloitte: разрыв между «ИИ-лидерами» и остальными увеличивается, а не сокращается. Интуитивно кажется, что по мере того, как технология становится доступнее и дешевле, отстающие должны подтягиваться к лидерам. Демократизация инструментов, open source модели (Llama, Mistral, Qwen), снижение стоимости API, бесплатные курсы обучения — всё это, казалось бы, должно выравнивать игровое поле. На практике происходит обратное. Лидеры учатся быстрее, потому что у них больше данных и опыта. Они итерируют чаще, потому что у них есть инфраструктура для быстрых экспериментов. Они накапливают данные и экспертизу, потому что каждый ИИ-проект порождает новые данные, которые улучшают следующий проект. И они уходят в отрыв, который с каждым кварталом становится всё труднее преодолеть.

Deloitte называет это «эффектом маховика ИИ» (AI flywheel effect): чем больше компания использует ИИ, тем больше данных она получает, тем лучше работают модели, тем больше ценности они создают, тем больше стимулов использовать ИИ ещё активнее, тем больше данных... и так далее, по спирали. Этот цикл создаёт самоусиливающееся преимущество, которое практически невозможно догнать линейным наращиванием ресурсов. Нельзя просто «потратить больше денег» и догнать лидера — потому что лидер к тому моменту уйдёт ещё дальше. Это не гонка за деньги, а гонка за обучение.

Второй тезис: главное неиспользованное преимущество — это не генеративный ИИ, а ИИ-агенты. По данным Deloitte, только 11% компаний экспериментируют с автономными ИИ-агентами — системами, которые не просто отвечают на запросы, а самостоятельно выполняют последовательности действий: анализируют данные, принимают решения, взаимодействуют с внешними системами (CRM, ERP, email, календарь), координируются друг с другом. Deloitte считает, что именно агентные системы станут следующим большим скачком в продуктивности — потенциально более значимым, чем генеративный ИИ. Если генеративный ИИ — это «умный помощник, который отвечает на вопросы», то агентный ИИ — это «умный сотрудник, который выполняет задачи от начала до конца». Разница между «подсказать ответ» и «сделать работу» — это разница между полезным инструментом и трансформацией.

Мы в Aravana AI считаем этот тезис не просто обоснованным, а критически важным для понимания следующей фазы ИИ-революции. Генеративный ИИ хорош для создания контента и ответов на вопросы — и это ценно, но ограничено. Реальная бизнес-ценность возникает, когда ИИ может действовать: отправить письмо клиенту в нужный момент с правильным содержанием, обновить запись в CRM после звонка без участия менеджера, переназначить задачу на менее загруженного сотрудника с учётом его компетенций, скорректировать цену товара в реальном времени в ответ на изменение спроса, автоматически заказать сырьё у поставщика, когда запасы падают ниже порога, подготовить отчёт для совета директоров из десяти источников данных. Это требует не просто «умной» модели, а целой экосистемы: надёжных интеграций с десятками бизнес-систем, детальных правил доступа и безопасности, систем контроля и аудита каждого действия агента, механизмов обратной связи и коррекции ошибок. Построить такую экосистему — на порядок сложнее, чем подключить API к ChatGPT. Но и ценность — на порядок выше.

Третий тезис Deloitte касается «ИИ-готовности» организаций (AI readiness). Deloitte разработала шкалу оценки из пяти уровней, от «начального» до «трансформационного». Ключевое открытие: готовность определяется не наличием технологий, а зрелостью процессов, культуры и управления. Компания может иметь доступ к GPT-5 и неограниченный бюджет на GPU, но если её бизнес-процессы не документированы (а значит, невозможно определить, что именно автоматизировать), данные хранятся в Excel-таблицах на персональных компьютерах сотрудников (а значит, ИИ не имеет к ним доступа), а половина команды боится потерять работу из-за ИИ (а значит, саботирует внедрение) — никакая технология не поможет. Deloitte оценивает, что только 18% крупных компаний находятся на уровне 4 или 5 по шкале AI readiness.

Нас особенно заинтересовал раздел отчёта о «невидимом ИИ». Deloitte обнаружила, что значительная часть «88% внедрения ИИ» приходится на использование ИИ внутри существующих SaaS-продуктов без осознания этого пользователями. Компании подписаны на Microsoft 365, Salesforce, HubSpot, Zoom — во всех этих продуктах есть ИИ-функции, включённые по умолчанию. Copilot подсказывает текст в Outlook. Salesforce Einstein ранжирует лиды. Zoom генерирует резюме встречи. Grammarly проверяет тексты. Формально компания «использует ИИ». Фактически — не приняла ни одного осознанного решения об ИИ-стратегии. Это как сказать «мы используем электричество» — технически верно, но стратегическим заявлением не является.

Deloitte выделяет пять областей, где «неиспользованное преимущество» наиболее значимо. Первая — управление цепочками поставок. ИИ может предсказывать сбои за недели до их наступления, оптимизировать запасы с учётом сотен факторов одновременно, находить альтернативных поставщиков, но менее 15% компаний используют его для этого. Вторая — управление персоналом: прогнозирование увольнений, персонализация обучения, оптимизация найма. Третья — ценообразование: динамическое ценообразование может увеличить маржу на 5–15%. Четвёртая — управление рисками. Пятая — R&D: ускорение разработки через ИИ-симуляции и генеративный дизайн.

Мы хотим добавить шестую область: внутренняя коммуникация и управление знаниями. Большинство крупных компаний тратят миллионы часов рабочего времени ежегодно на то, чтобы сотрудники находили нужную информацию. «Где последняя версия протокола?» «Кто занимался этим проектом?» «Какие условия контракта?» Корпоративные Wiki, базы знаний, SharePoint — всё это работает плохо. ИИ-ассистент, знающий всю внутреннюю документацию и умеющий ответить на любой вопрос за секунды с указанием источника — это огромное преимущество, которое почти никто не реализует в полной мере.

Отдельно стоит отметить разрыв между отраслями. Технологический и финансовый секторы лидируют. Здравоохранение, образование и госсектор — в аутсайдерах. Причины понятны: регуляторные ограничения, чувствительность данных, консервативная культура. Но именно в этих отраслях потенциал ИИ наиболее впечатляющий и социально значимый. Здравоохранение — это ранняя диагностика, персонализированное лечение, ускорение разработки лекарств. Образование — это персонализированное обучение для каждого студента. Государственный сектор — это оптимизация госуслуг и борьба с мошенничеством. Неиспользованное преимущество в этих отраслях — это не просто упущенная прибыль, это упущенные жизни.

Deloitte даёт конкретные рекомендации: аудит текущего использования ИИ, определение приоритетных use cases с чёткими метриками, инвестиции в данные до моделей, создание роли ответственного за ИИ-стратегию с прямым доступом к CEO. Мы согласны и добавим: начните с малого, но начните осознанно. Лучше один проект с измеримым результатом, чем десять «стратегических инициатив» без конкретики.

«Неиспользованное преимущество» — это не абстракция. Это конкретные деньги, которые ваша компания теряет каждый день, конкретные клиенты, которых вы не удерживаете, конкретные решения, которые принимаются на основе интуиции, а не данных. И чем дольше вы ждёте, тем больше разрыв с теми, кто уже начал.

Вопрос, который оставляет нас с чувством незавершённости: если «неиспользованное преимущество» ИИ так велико и так очевидно, почему его не используют — это дефицит знания, дефицит воли, дефицит культуры или всё вместе — и что из этого можно изменить быстрее всего?