74% ценности ИИ достаются 20% компаний: PwC разобрал, что отличает лидеров от остальных

74% ценности ИИ достаются 20% компаний: PwC разобрал, что отличает лидеров от остальных

PwC опубликовал масштабное исследование AI Performance Study, в котором опросил 1217 топ-менеджеров из компаний 25 отраслей по всему миру. Главный вывод: почти три четверти (74%) всей экономической ценности, создаваемой ИИ, концентрируются всего у одной пятой (20%) организаций. Разрыв между лидерами и остальными не сокращается, он растёт, и причина не в объёме инвестиций, а в том, куда и как эти инвестиции направлены.

Методология: как PwC считал

Исследование построено на опросе 1217 руководителей уровня директор и выше в крупных публичных компаниях из 25 секторов. PwC измерял финансовый эффект от ИИ как сумму роста выручки и повышения эффективности, нормированную по медианным значениям в отрасли. Помимо финансовых метрик, аналитики PwC разобрали 60 управленческих практик, сгруппированных в два блока: использование ИИ (AI use) и фундамент (AI foundations). Вместе они формируют так называемый индекс AI-готовности (AI fitness index), который позволяет сравнивать компании не по фактам внедрения, а по системности подхода.

Ключевая находка: лидеры и аутсайдеры тратят на ИИ сопоставимые суммы, но получают принципиально разные результаты. Разница — в направлении инвестиций, а не в их объёме.

Разрыв 80/20: не вопрос бюджета

Сама по себе концентрация ценности у узкой группы — не новость для тех, кто следит за корпоративным ИИ. Но масштаб, зафиксированный PwC, впечатляет: 74% всей экономической отдачи — у 20% компаний. Остальные 80% застряли в режиме бесконечных пилотов, которые не доходят до масштабирования.

Это согласуется с прогнозом Gartner от июня 2025 года: к концу 2027 года будет отменено свыше 40% корпоративных агентских проектов. Причины — растущие затраты, неясная бизнес-ценность и недостаточный контроль рисков. PwC добавляет к этому картину: отмена происходит не от того, что модели недостаточно умны, а от того, что организации не перестроили процессы и не создали фундамент для масштабирования.

Парадокс в том, что падение цен на модели (OpenAI снизил цену GPT-5.6 Luna на 80% в августе 2026 года) не сокращает разрыв, а усиливает его. Дешёвые токены позволяют большему числу компаний запускать пилоты, но без фундамента эти пилоты остаются пилотами. Лидеры же используют дешевизну для масштабирования того, что уже работает. Подробнее об этом — в нашем разборе снижения цен GPT-5.6.

Что отличает лидеров: рост, а не экономия

Самый показательный результат PwC: лидеры принципиально иначе целеполагают. Они нацелены на рост и трансформацию, а не на точечную экономию. Конкретные цифры из исследования:

• В 2,6 раза чаще сообщают, что ИИ улучшает их способность перестраивать бизнес-модель.
• В 2–3 раза чаще используют ИИ для поиска новых источников дохода на стыке отраслей — там, где традиционные границы бизнеса размываются.
• По данным PwC, именно использование ИИ для роста через межотраслевую конвергенцию — единственный сильнейший фактор, влияющий на финансовый эффект от ИИ. Он сильнее, чем оптимизация процессов в одиночку.

Joe Atkinson, глобальный директор по ИИ в PwC, формулирует это прямо: компании увлечённо запускают пилоты, но лишь меньшинство превращает их в измеримый финансовый результат. Лидеры выделяются тем, что направляют ИИ на рост, а не только на сокращение затрат — и подкрепляют это амбицию фундаментом, который делает масштабирование возможным.

Автоматизация с governance: доверять — значит делегировать

Второй ключевой паттерн: лидеры не просто автоматизируют больше, они автоматизируют ответственнее. Они увеличивают количество решений, принимаемых без участия человека, почти втрое быстрее остальных (2,8x). Но рядом с этой автоматизацией стоят формальные механизмы контроля:

• В 1,7 раза чаще имеют формальный фреймворк ответственного ИИ (Responsible AI framework).
• В 1,5 раза чаще — кросс-функциональный совет по governance ИИ.
• В 1,8 раза чаще используют ИИ в продвинутом режиме — выполнение нескольких задач в рамках установленных границ.
• В 1,9 раза чаще — в автономном самонастраивающемся режиме.

Результат: сотрудники лидеров в 2 раза чаще доверяют выводам ИИ. И именно доверие — то, что позволяет делегировать машине решения, а не просто консультации. Без доверия автоматизация блокируется на этапе согласования, и ИИ остаётся инструментом для черновиков.

Это напрямую перекликается с тем, что мы наблюдаем на проектах с recall: ИИ не отдаёт, если стоит как точечный инструмент в руках одного сотрудника. Он начинает работать, когда закрывает процесс целиком — а рядом стоят регламентация, доверие и ответственный за результат. Регламентация — не тормоз, а инфраструктура доверия, без которой автоматизация не масштабируется.

Секторальный разрез: финансы впереди, но не впереди лидеров

PwC отдельно разобрал финансовый сектор, и картина характерна. Финансовые услуги в целом показывают AI-готовность выше среднего по отраслям — за счёт более сильного фундамента. Но даже здесь отставание от топ-лидеров существенное:

Страхование — один из более сильных секторов: чёткое направление, сильный контроль рисков. Но ИИ используется не так широко, как у лидеров. Главный разрыв — в работе с партнёрами вне страхования и в перестройке цепочек создания стоимости.

Банкинг и рынки капитала — бьют выше своего веса по AI-готовности, но отстают от лидеров в превращении ИИ в реальный эффект.

Управление активами и богатством — середнячок. Фундамент и governance на месте, но сектор не раскрыл потенциал ИИ, особенно на стыке отраслей.

Общий паттерн: финансы сильны в фундаменте (данные, регуляторика, governance), но слабы в использовании — именно там, где лидеры трансформируют бизнес-модель. Наличие фундамента без готовности перестраивать процессы — недостаточное условие.

Практические шаги для ЛПР

Первое — пересмотрите целеполагание. Если бизнес-кейс по ИИ строится исключительно на экономии («сократим часы на обработку документов»), вы в зоне большинства. Лидеры используют ИИ для роста — новые продукты, новые каналы, новые источники дохода на стыке отраслей. Экономия — побочный эффект, а не цель.

Второе — введите Responsible AI framework. Не как документ для регулятора, а как рабочий инструмент: кто отвечает за решения агента, какие границы допустимы, как откатить результат. PwC показывает прямую корреляцию между наличием фреймворка и финансовым результатом. Подробнее о роли регламентации — в материале регламентация бизнес-процессов с ИИ.

Третье — масштабируйте проверенное, а не запускайте новое. Главная болезнь большинства — десятки пилотов, ни один из которых не дошёл до продакшена. Лидеры учатся быстрее, потому что масштабируют то, что уже доказало окупаемость, вместо бесконечного экспериментирования.

Четвёртое — измеряйте в деньгах, а не в инсайтах. Опрос SAP, который мы разбирали в статье о снижении цен GPT-5.6, показал: компании фиксируют инсайты, но не экономию. Инсайт нельзя подставить в бюджет. Если вы не меряете результат в рублях и часах по конкретному процессу, вы в зоне 80%, которые не доходят до масштабирования.

Пятое — работайте с межотраслевой конвергенцией. Это самый сильный фактор финансового эффекта по данным PwC. Если ваш ИИ-проект решает задачу только внутри вашей отрасли — вы упускаете главную возможность. Лидеры ищут рост там, где их индустрия пересекается с соседними.

Как закрыть разрыв

PwC зафиксировал факт: разрыв между лидерами и остальными будет расти, потому что лидеры учатся быстрее. Это не вопрос технологии — модели доступны всем, и дешевеют с каждым кварталом. Это вопрос управленческой дисциплины: способности перестроить процессы под ИИ, ввести governance, нацелиться на рост и масштабировать проверенное вместо запуска новых пилотов.

На наших проектах с recall мы видим то же: ИИ отдаёт не там, где его используют как точечный инструмент для экономии пары часов, а там, где он закрывает процесс целиком — с регламентацией, доверием и ответственным за результат. Технология одинакова для всех. Разницу делает инфраструктура доставки.