Инвестиции в ИИ по всему миру набирают обороты, но данные KPMG указывают на растущий разрыв между расходами компаний на эту технологию и реальной бизнес-ценностью.
Ключевой итог первого квартального опроса Global AI Pulse от KPMG суров: хотя организации планируют вложить в среднем $186 млн в ИИ за ближайший год, лишь 11% довели внедрение ИИ-агентов до этапа масштабирования с ощутимыми результатами для всего бизнеса.
Главный вывод не в том, что ИИ не работает: 64% респондентов уже отмечают заметные бизнес-результаты. Проблема в том, что такие результаты чаще дают разовые улучшения продуктивности, а путь к настоящей операционной эффективности, которая существенно повышает маржу, для большинства компаний ещё далёк.
Структура разрыва в производительности
Отчёт KPMG разделяет компании на «ИИ-лидеров» — те, кто активно масштабирует или использует агентные ИИ-системы, — и остальных. Разница в результатах между этими группами разительна.
Стив Чейз, глобальный руководитель по ИИ и цифровым инновациям в KPMG International, отметил: ведущие компании переходят от простого предоставления инструментов к полному переосмыслению процессов с помощью ИИ-агентов, меняя потоки решений и задач по всему бизнесу.
Среди ИИ-лидеров 82% фиксируют значимую бизнес-ценность от ИИ, в то время как у остальных этот показатель — 62%. Эта разница в 20 процентных пунктов накапливается быстро, отражая не только лучшие инструменты, но и принципиально иной подход к внедрению.
Те 11% компаний используют агентов для координации задач между отделами, автоматизации решений без постоянного участия человека, анализа данных в реальном времени и раннего выявления проблем.
В IT и инженерных подразделениях 75% лидеров ускоряют разработку кода с агентами против 64% у остальных. В операциях, где ключевой сценарий — управление цепочками поставок, разрыв 64% против 55%. Это не просто разница в использовании инструментов, а разный уровень перестройки процессов.
Большинство внедривших ИИ просто накладывают модели на старые рабочие потоки — копилот в одном месте, суммаризация в другом, — без изменения самих процессов. Это даёт мелкие улучшения.
Компании, сокращающие разрыв, поступают иначе: сначала перестраивают процесс, потом вписывают в него агентов. В горизонте 3–5 лет разница в отдаче от ИИ станет ключевым фактором конкуренции в ряде отраслей.
На что уходят $186 млн — и чего они не покрывают
Цифры инвестиций из отчёта KPMG требуют внимания. Средние $186 млн на организацию выглядят солидно, но разброс по регионам интереснее.
ASPAC лидирует с $245 млн, Америка — $178 млн, EMEA — $157 млн. В ASPAC, включая Китай и Гонконг, средние вложения $235 млн; в Америке у США — $207 млн.
Эти суммы идут на лицензии моделей, вычислительную инфраструктуру, услуги специалистов, интеграцию и системы управления рисками для ответственного масштабирования ИИ.
Вопрос не в объёме трат, а в доле на операционную инфраструктуру, которая извлекает ценность из моделей. Опрос показывает, что большинство компаний недофинансируют эту часть.
Затраты на вычисления и лицензии очевидны и легко планируются. А вот скрытые расходы — часы инженеров на интеграцию с устаревшими ERP, задержки от RAG-пайплайнов на плохих данных, compliance для аудита ИИ-решений в регулируемых секторах — вылазят позже и часто превышают расчёты.
Хороший пример — векторные базы данных. Многие агентные workflows требуют реального времени поиска контекста в больших хранилищах неструктурированных документов. Выбор между Pinecone, Weaviate или Qdrant, встраивание и индексация своих данных, обновления при изменениях — это серьёзная инженерная нагрузка и постоянные расходы, которых часто нет в начальных планах.
Без такой инфраструктуры или при её плохом обслуживании агенты работают хуже: модель права по данному контексту, но контекст устарел или неполон, и проблемы диагностировать сложно.
Управление рисками как операционный фактор, а не формальность
Самый полезный вывод опроса KPMG — связь зрелости ИИ с уверенностью в рисках.
На этапе экспериментов уверены в управлении рисками лишь 20% компаний. У лидеров — 49%. 75% лидеров всё равно беспокоятся о безопасности данных, приватности и рисках, но зрелость меняет подход к ним.
Это важно для советов директоров и риск-менеджеров, которые видят управление ИИ как тормоз. Данные KPMG показывают обратное: зрелые фреймворки не замедляют внедрение, а ускоряют его. Уверенность в быстром развёртывании агентов в критичных процессах растёт с качеством governance вокруг них.
Компании, где governance — это постфактум compliance, проигрывают вдвойне: медленнее rollout из-за проверок на каждый кейс и выше риски, так как проблемы всплывают в продакшене, а не на тестах.
Те, кто встраивает governance в пайплайн — карточки моделей, мониторинг выходов, инструменты объяснимости, эскалацию к человеку при низкой уверенности, — масштабируют с уверенностью.
Стив Чейз подчёркивает: без доверия нет агентного будущего, а доверие требует governance на уровне масштаба. Опрос подтверждает: инвестиции в людей, обучение и изменения позволяют ответственно масштабировать ИИ и захватывать ценность.
Региональные различия и сигналы для глобального rollout
Для транснациональных компаний данные KPMG подчёркивают различия в скорости внедрения и подходах, влияющие на глобальные планы.
ASPAC лидирует в масштабировании агентов: 49% компаний, против 46% в Америке и 42% в EMEA. В мультиагентных системах ASPAC — 33%.
Барьеры тоже разные с реальными последствиями. В ASPAC и EMEA 24% называют отсутствие доверия лидеров главным препятствием; в Америке — 17%.
Агенты по сути решают без одобрения на каждый шаг. В культурах с жёсткой ответственностью на топах это вызывает сопротивление, которое не решает техника. Решение — дизайн governance: заранее определять автономные решения агента, триггеры эскалации и ответственность за исходы.
Различия в ожиданиях от human-AI взаимодействия важны для глобальных workflow.
Восточная Азия ждёт лидерства агентов в 42% проектов. Австралия — human-led ИИ в 34%. Северная Америка — равноправное партнёрство в 31%. Это требует локализации дизайна процессов даже для одной системы.
Один ключевой факт для CFO и советов: 74% считают ИИ приоритетом №1 даже в рецессии. Это сигнал либо настоящей веры в роль ИИ для затрат и позиционирования, либо непроверенной решимости. Вероятно, и то, и другое.
Окно для экспериментаторов не бесконечно. Если 11% лидеров наращивают преимущество — а механизмы для этого есть, — остальным 89% нужно ускориться, не накапливая долги интеграции и governance-дефицита, которые уже ограничивают отдачу.