Внедрение ИИ превратилось в проект: почему Accenture и Google Cloud нанимают 1000 инженеров

Внедрение ИИ превратилось в проект: почему Accenture и Google Cloud нанимают 1000 инженеров

8 сентября 2026 года Accenture и Google Cloud объявили о создании Accenture Gemini Enterprise Business Group — подразделения, которое посадит тысячу «выдвинутых» инженеров (forward-deployed engineers) прямо в офисы компаний-клиентов, чтобы те на месте строили приложения на платформе Gemini Enterprise. Это не изолированная новость, а пятая сделка такого рода за 2026 год. Microsoft Frontier в июле заложила $2,5 млрд и 6000 инженеров, Amazon Web Services объявила программу, которую описывают как миллиардную, Anthropic с Blackstone построили венчур Ode на $1,5 млрд, TCS переобучила до 8900 сотрудников. Пять гигантов независимо пришли к одному ответу: когда технология не внедряется сама, посылают людей. Софт, который по своей природе масштабируется без прироста людей, начал вести себя как проект — и несёт с собой консалтинговую экономику вместо программной.

Что именно объявили

8 сентября, Нью-Йорк и Саннивейл. Группа войдёт в Accenture Google Business Group и объединит сертифицированных по Gemini Enterprise специалистов, инженеров и отраслевых консультантов. Ядро — та самая тысяча forward-deployed engineers. По формулировке The Next Web, Google Cloud будет обучать до тысячи инженеров Accenture, которые работают на площадке заказчика. Рядом с ними сидят отраслевые и процессные специалисты Accenture и небольшое число собственных инженеров Google Cloud — для ключевых клиентов.

Сумму сделки никто не назвал: в пресс-релизе обе стороны говорят о «значительной инвестиции». Это первая лакуна, которую стоит зафиксировать: масштаб денег неизвестен, известен только масштаб людей. Впрочем, контекст есть: у Accenture почти 50 тысяч специалистов, обученных под Google Cloud, и это база, на которой достраивается новая тысяча.

Julie Sweet, председатель и CEO Accenture, формулирует цель в официальном пресс-релизе:

«The companies seeing the greatest outcomes from AI are unlocking new growth, increasing productivity and resilience, and creating better experiences for their customers and employees.»

Thomas Kurian, CEO Google Cloud, добавляет с другой стороны:

«Deploying agentic AI is a top priority for enterprises today, and the Accenture Gemini Enterprise Business Group significantly expands the expertise and resources available to help our customers deliver real business value.»

Обе цитаты — из первоисточника, обе говорят об одном: внедрение — приоритет, и под него собирают людей, а не пишут код.

Пять версий одного ответа

Вот где начинается собственно новость, и она не про Accenture. The Next Web называет сделку пятой версией одной и той же ставки, сделанной за один год. Хронология, по их сводке и первоисточникам:

• Amazon Web Services объявила программу внедрения ИИ, которую описывают как миллиардную.
• Через два дня Microsoft запустила Microsoft Frontier Company — $2,5 млрд и 6000 сотрудников, которых встраивают к клиентам.
• Anthropic и Blackstone построили венчур Ode на $1,5 млрд, который продаёт внедрение, а не модели.
• OpenAI открыла отдельную сервисную фирму.
• TCS заявила, что переобучит до 8900 инженеров под внедрение ИИ.

Пять компаний, один ответ: когда технология не выдаёт результат — посылай людей. Формулировка не моя, это сжатая логика The Next Web, и я с ней согласен.

Я сначала прочитал этот список и решил, что он — признание провала: раз нужны люди, значит, ИИ сам не работает. Потом перечитал и понял, что ошибся в знаке. Это признание обратного: ИИ стал достаточно ценным, чтобы вокруг него строить организации из тысяч человек. Никто не нанимает шесть тысяч инженеров ради технологии, которая не даёт результата. Нанимают ради той, что даёт — но даёт только с руками.

Здесь важно не спутать корреляцию с причиной. То, что пять гигантов одновременно наняли армии инженеров, не доказывает, что ИИ без людей бесполезен. Оно доказывает только, что пять гигантов поверили в спрос на ручное внедрение. Но сама одновременность — факт, который я не могу обойти: пять независимых решений за год — редкая синхронность для рынка.

Почему софт перестал быть софтом

Главный тезис стоит проговорить без метафор. Программный продукт масштабируется так: написали один раз, продаёте тысячам, добавление нового клиента почти ничего не стоит. Платформа, которой для каждого партнёрства нужна тысяча обученных инженеров, так не масштабируется. Она ведёт себя как проект: каждый новый клиент — это новая команда, новая интеграция, новая череда встреч на площадке.

Sweet описывает, как Accenture уже работает. «Под» — группа из инженеров, процессных специалистов и специалистов по данным — заходит в компанию. С одним клиентом начали с обработки счетов. За восемь-двенадцать недель под картировал процесс, интегрировал данные, построил агентную систему и написал план масштабирования. Потом передал работу другим сотрудникам Accenture для собственно масштабирования.

Восемь-двенадцать недель. На обработку счетов. В одной компании. Это и есть единица работы. Перевожу в быт: три таких процесса — это примерно год работы команды консультантов, прежде чем что-то заработает в полную силу. Это не «настроить коробку за вечер». Это проект с проектной экономикой, и его стоимость измеряется не ценой лицензии, а человеко-неделями.

«Не проще ли просто купить подписку?»

Вопрос, который я слышу чаще всего, и он честный. Звучит так: зачем нанимать тысячу инженеров, если можно купить подписку на Gemini или ChatGPT и раздать сотрудникам?

Ответ лучше всего дала сама Sweet — не в пресс-релизе, а в разговоре с Wall Street Journal (цитирую по пересказу The Next Web, оригинал за пейволом, дословность подтвердить не могу):

«We promised AI can do that. And they’re like, we get it, except it’s not happening, help us make it happen.»

Перевод: «Мы обещали, что ИИ это умеет. А они говорят: мы поняли, но это не происходит — помогите нам это сделать».

Обратите внимание, кто это говорит. Не стартап, продающий консалтинг, а руководительница Accenture — компании на 799 тысяч человек, примерно 9000 клиентов и около $70 млрд выручки за финансовый год. Ей нет выгоды признавать, что обещанное «само не происходит», если это неправда: этим признанием она обосновывает необходимость собственного же продукта. Но даже с учётом заинтересованности формулировка точная. Модель есть. Результат не наступает. Между моделью и процессом — ручная работа.

Где на самом деле дефицит

Деталь, на которой стоит остановиться. Accenture уже является партнёром Microsoft Frontier — той самой, с $2,5 млрд и 6000 инженеров. Теперь она становится якорным партнёром в версии Google Cloud. Это не нелояльность. Это бизнес. И он показывает, где сидит дефицит: модели в избытке и всё более взаимозаменяемы, а люди, способные установить их внутри банка, — нет. Поэтому платформенные компании платят консалтингу за обучение его же сотрудников под свой софт, а не наоборот. Раньше порядок был обратный: консалтинг платил вендору за сертификацию, чтобы получить право продавать его продукт. Теперь вендор платит консалтингу, чтобы тот выучил продукт и понёс в клиентские офисы.

Yugal Joshi, партнёр Everest Group, в том же пресс-релизе называет это сдвигом:

«The formation of the Accenture Gemini Enterprise Business Group reflects an evolution in how leading service providers are structuring their commitment to Google Cloud AI delivery.»

И добавляет то, что стоит прочитать целиком: группа отвечает на растущий спрос покупателей на партнёров, которые «переводят инвестиции в ИИ в производственные результаты». Та же мысль, что у Sweet: спрос сместился с «дайте нам модель» на «дайте нам результат». Модель — товар, результат — услуга, и услуга продаётся людьми.

Где это всё-таки работает: кейс YouTube

Чтобы не вышло, что я закопал тему целиком, вот единственный конкретный кейс из пресс-релиза. YouTube вместе с Accenture и Google Cloud развернул агента Gemini Enterprise на всплеск спроса во время NFL Sunday Ticket. Итог по данным сторон: рост клиентской удовлетворённости на 11% и сокращение среднего времени обработки обращения на 37%.

Цифры неплохие. Но посмотрите на контекст: это YouTube — компания, у которой есть и деньги, и Accenture, и Google Cloud рядом. Методология двух цифр не раскрыта, и обе пришли от заинтересованных сторон. И главное: результат наступил не оттого, что «агент умный». Его встроили в конкретный процесс под конкретный пик нагрузки — командой, которая умеет это делать. Кейс доказывает не то, что ИИ работает сам, а ровно обратное: он работает, когда вокруг него стоит внедрение.

Что это значит для компании без тысячи инженеров

Теперь перевод на язык тех, кто читает это не из любопытства. У среднего бизнеса нет тысячи forward-deployed инженеров, нет $2,5 млрд и нет восьми-двенадцати недель на картирование одной обработки счетов. Это не недостаток — это исходные условия, из которых надо выбирать инструмент.

Выбор сводится к простому тесту: сколько людей нужно, чтобы ваш ИИ-инструмент начал приносить результат. Если ответ — «нужна команда внедренцев» — вы покупаете не софт, а проект, и должны закладывать проектную экономику: люди, недели, деньги, и всё это — до первого измеримого эффекта. Если ответ — «разворачивается на вашей инфраструктуре за часы и работает на ваших документах» — вы покупаете софт.

Здесь я должен признаться в заинтересованности: мы делаем recall — советника с системой памяти, который из второй категории. Он разворачивается на вашей инфраструктуре, поднимает ваши регламенты, договоры и решения в живую базу знаний и отвечает сотрудникам, не требуя команды внедренцев. Но я не хочу, чтобы текст читался как «гиганты ошибаются, а мы молодцы». Гиганты не ошибаются: для банка с миллионом процессов тысяча инженеров — разумная цена. Вопрос в том, какая цена разумна для компании с пятью процессами. Ответы на эти два вопроса — разные.

О том, почему ИИ-проекты вообще проваливаются, я писал в разборе данных RAND и MIT, о том, что 57% компаний второй год не окупают вложения в ИИ — в разборе про ROI. О том, как превратить разрозненные документы в базу, с которой ИИ может работать без галлюцинаций — в статье о базе знаний компании. О том, чем корпоративный советник отличается от публичного чата — в сравнении ChatGPT и советника.

Смысл всей истории одной строкой

Рынок ИИ в 2026 году проголосовал людьми. Пять крупнейших игроков не договаривались между собой, но пришли к одному выводу: продавать модель — мало, надо продавать внедрение, а внедрение — это руки. Тысяча инженеров Accenture, шесть тысяч Microsoft, восемь тысяч девятьсот TCS — это не хайп. Это признание, что между «купили модель» и «получили результат» лежит работа, которую автоматизировать пока нечем.

И я не знаю, как к этому относиться до конца. С одной стороны, это честнее, чем обещания «включил и заработало»: гиганты перестали врать и начали нанимать. С другой — пропасть между крупным и средним бизнесом становится шире: у одних есть армии, у других нет, и инструменты, требующие армии, для вторых просто не существуют как опция. Мой опыт говорит, что второй категории нужен не меньший гигант, а другой тип инструмента. Но возможно, я так думаю лишь потому, что сам делаю такой инструмент. Где правда — между этими двумя позициями, и найти её мне пока не удалось.

Если вам ближе второй тип — советник, который работает на ваших документах и не требует команды внедренцев, — посмотрите, как устроен recall. А если тема внедрения ИИ вас уже вымотала — закройте текст и отдохните. Он никуда не денется.