Сегодня почти каждая крупная организация инвестирует в искусственный интеллект, но далеко не каждая умеет превращать эти вложения в измеримую экономическую отдачу. Именно это и стало центральной темой исследования, на котором основана статья из Harvard Business Review: главная проблема AI — не столько технологическая, сколько управленческая.

По оценкам, в 2025 году американские компании потратили на генеративный AI около 37 миллиардов долларов. Но чем выше расходы, тем сильнее давление со стороны руководства и советов директоров: если в течение двух лет компания не сможет доказать ценность AI, бюджет могут урезать или заморозить.

При этом опрос более тысячи глобальных руководителей показал неожиданную картину:

45% заявили, что получили от AI большую ценность;

ещё 45% — умеренную;

9% — небольшую;

почти никто не сказал, что AI не принёс никакой пользы.

Иными словами, проблема не в том, что AI “не работает”. Проблема в том, как именно компании его внедряют, измеряют и управляют им.

Семь факторов, которые повышают ценность AI

Авторы выделяют семь управленческих факторов, которые особенно важны для получения реальной выгоды.

1. Чётко определить, какую именно ценность вы хотите получить

Для одних компаний AI — это способ быстро сократить издержки. Для других — инструмент долгосрочной трансформации бизнеса. Ошибка многих руководителей в том, что они не формулируют, какую именно ценность ждут: краткосрочную финансовую отдачу, рост производительности или стратегическое преимущество.

Без этого невозможно нормально измерить результат.

2. Искать ценность и в продуктах, и в процессах

Многие компании фокусируются только на внутренних процессах: автоматизации, ускорении операций, помощи сотрудникам. Но не менее важна и AI-ценность в самих продуктах для клиентов.

В одних случаях AI помогает экономить здесь и сейчас. В других — защищает долю рынка, повышает конкурентоспособность и становится частью долгосрочной стратегии.

3. Использовать все типы AI, а не только генеративный

Хотя именно генеративный AI сегодня чаще всего попадает в заголовки, компании чаще всего получают наибольшую ценность вовсе не от него.

По данным исследования, максимальную отдачу чаще дают:

аналитический AI;

правила и decision systems;

AI для антифрода, страхования, медицины, RPA;

и только потом — генеративный AI и AI-агенты.

То есть “модный” AI не всегда самый полезный.

4. Работать по чёткому framework’у внедрения

Успешные компании не просто “пробуют AI”, а используют понятную систему: от идеи до продакшена и оценки эффекта. Это может быть собственный AI playbook, поэтапная модель внедрения или продуктовый подход.

Ключевое здесь — не эксперимент ради эксперимента, а управляемый процесс создания ценности.

5. Вовлекать CFO и финансовую функцию

Один из самых сильных выводов исследования: если AI-ценность курирует финансовый директор, шанс получить “большую ценность” резко возрастает.

Причина проста: финансовая функция лучше других умеет:

проверять результаты;

подтверждать экономический эффект;

вести учёт;

делать выводы достаточно жёстко и формально.

Когда AI-результаты проверяет CFO, организация получает гораздо более надёжную систему измерения.

6. Обучать и сотрудников, и руководство

Во многих компаниях сотрудники не сопротивляются AI — они просто не обучены. Но ещё серьёзнее другая проблема: руководители часто не понимают, как именно извлечь из AI ценность.

Компании, которые инвестируют и в обучение персонала, и в AI-грамотность менеджмента, получают заметно лучшие результаты.

7. Продвигаться по модели AI economic maturity

Это, пожалуй, самый важный вывод исследования: AI-ценность растёт по мере того, как компания проходит более зрелые стадии внедрения и измерения.

Модель зрелости AI-ценности

Авторы выделяют 6 стадий.

Стадия 0: только пилоты, без оценки

Компания экспериментирует, но не измеряет результат.Это самый слабый уровень.

Стадия 1: AI уже в продакшене, но без оценки

AI используется в реальной работе, но его эффект не измеряется.Переход из пилотов в продакшен уже заметно повышает ценность.

Стадия 2: оценка до внедрения

Компания считает прогнозируемую ROI заранее, но не проверяет, что получилось после запуска.

Стадия 3: оценка после внедрения

Компания уже измеряет эффект каждого кейса после запуска.Именно здесь происходит первый большой скачок ценности.

Стадия 4: ежегодная агрегация

AI-эффект суммируется по всему портфелю проектов и рассматривается на уровне всей организации.

Стадия 5: официальная отчётность

Компания публично или на уровне совета директоров сообщает о ценности AI.Это высшая стадия зрелости и самый сильный уровень возврата.

Чем выше стадия зрелости, тем выше вероятность получить реальную экономическую отдачу.

Особенно сильный рост ценности начинается тогда, когда компания:

не просто внедряет AI;

а измеряет результат после внедрения;

затем сводит эффекты по всей компании;

и, наконец, делает это частью официальной управленческой отчётности.

Основная мысль статьи очень ясна: AI сам по себе не создаёт ценность автоматически. Почти все компании могут купить доступ к технологиям, но лишь немногие умеют встроить AI в бизнес так, чтобы это давало измеримый результат.

Побеждают не те, у кого “самый крутой AI”, а те, кто:

чётко формулирует цель,

выбирает правильные кейсы,

обучает людей,

вовлекает CFO,

и системно измеряет эффект.