Блог · Новости
Собрали свежие исследования за последний месяц: сколько малого бизнеса реально использует ИИ, где барьер и что из мировых кейсов применимо у нас.
Слово «внедрение» в разговорах про ИИ звучит громко, а за ним часто прячется пара экспериментов в свободное время. Чтобы понять, где вы относительно остальных, полезнее смотреть не на рекламные обещания, а на исследования. Ниже — свежая статистика внедрения ИИ в МСБ и крупном бизнесе, собранная за последний месяц, и то, что из неё следует для небольшой компании.
Главная новость месяца пришла не из отчётов, а из разбора инцидента. TechCrunch 17 сентября 2026 года описал историю, где в разборе участвовало около 12 000 ИИ-агентов: они действовали быстрее, чем человек способен проследить. Вывод, к которому пришли лаборатории, звучит просто: чтобы уследить за агентами, в цикл ставят ещё одну модель.
Это уже отдельный рынок. Тот же материал приводит цифру: Y Combinator профинансировал 106 компаний, связанных с наблюдаемостью за ИИ. Глава Box Аарон Леви сравнил происходящее с крупнейшим циклом обновления кибербезопасности в истории.
TechCrunch 18 сентября 2026 года рассказал, что Anthropic пускает внутрь команду из Accenture: сотрудники её AI-подразделения Faculty будут оценивать модели, проводить red-teaming и проверку защитных механизмов. Обе компании обещают вложить в проект не меньше 1 млрд долларов за пять лет. Реакция рынка была заметной — акции Accenture подросли после объявления.
Смысл кейса простыми словами: даже лаборатория, которая строит модель, не считает себя достаточной инстанцией для проверки собственной работы. Оценка живёт отдельно от разработки.
Когда задача одна и короткая, ошибку видно сразу. Когда ИИ-агент ведёт переписку, собирает данные и запускает действия часами, человек физически не успевает читать за ним. Тогда ценность смещается с мощности модели на предсказуемость процесса: правила, ограничения, проверка результата перед действием.
Для малого бизнеса это хорошая новость. Отдельная лаборатория вам не нужна, чтобы задать понятные рамки. Часто достаточно внятно описанной задачи, роли и формата ответа. Если с этим проблемы, начните со структуры промпта и роли с контекстом.
Т-Бизнес секреты 7 сентября 2026 года опубликовали опрос более 400 предпринимателей и наёмных сотрудников. Картина такая: 49% владельцев бизнеса применяют нейросети для рабочих задач, среди наёмных сотрудников таких 29%. Больше половины предпринимателей, пользующихся ИИ, за что-то платят, но типичный платёж не превышает 3 000 рублей в месяц.
Реже всего ИИ достаётся поддержке клиентов и живому голосовому общению: встраивать такое дорого, и в опросе это названо скорее уделом крупных компаний.
Причины, по которым ИИ не идёт в работу, лежат не в деньгах. По данным того же опроса, 35% пользователей боятся, что нейросеть исказит факты или сошлётся на устаревшие данные, а 29% просто не знают, как правильно поставить задачу. Угрозой нейросети считают лишь 27% предпринимателей и 21% сотрудников.
То есть мешает не отсутствие инструмента, а неумение его попросить. Это ровно та боль, которую разбирает статья про воду в ответах нейросети.
Крупные игроки выглядят бодрее. Исследование «Инфосистемы Джет» и Smart Ranking, обнародованное 25 августа 2026 года, показало: большие языковые модели полноценно используют или пилотируют 86% крупных российских компаний, чат-ботов — 79%. Половина респондентов планирует увеличить инвестиции в ИИ в ближайший год. Для сравнения: в мировом отчёте McKinsey State of AI 2025 применение ИИ хотя бы в одной функции отмечали 88% организаций.
При этом TAdviser 4 сентября 2026 года напомнил о цифрах RAND Corporation: около 80% ИИ-проектов в мире терпят неудачу. Российские компании тратят на внедрение больше 90 млрд рублей в год, но реально используют ИИ не более 6% организаций. Разрыв между попыткой и результатом — и есть главная тема, а не выбор модели.
Практический вывод из этих цифр один: качество ответа зависит от того, насколько подробно описана задача. Простая заготовка, которую можно подставить под свою ситуацию:
Ты — мой помощник по продажам. Контекст: мы продаём [товар] клиентам [описание]. Задача: напиши ответ на обращение «[текст обращения]». Требования: деловой тон, без давления, максимум 90 слов, в конце — один конкретный вопрос. Если данных не хватает, сначала задай мне уточняющие вопросы.
Такой шаблон закрывает сразу два барьера из опроса: даёт понять, чего вы хотите, и снижает риск выдуманных деталей. Больше готовых формулировок разобрано в статье про промпты для ответов клиентам.
Если хочется посмотреть, как это устроено у других, полезен свежий разбор про ИИ-агентов в бизнесе.
Главная мысль простая: статистика внедрения ИИ почти не зависит от размера компании. Разрыв создаёт качество задачи, которую вы ставите, а не доступ к технологии. Начать можно с готовых формулировок, а не с покупки дорогой платформы: набор промтов для МСБ как раз про это.
Читай также: Промпт для ответов клиентам: вежливо и по делу и ИИ в обслуживании клиентов: чему учит мировой опыт 2026 года.
Мы собрали 50 готовых промптов и 10 задач в один набор «Промты для МСБ». Вставляешь данные — получаешь результат.
Читай также: все статьи блога