По данным опроса почти двух тысяч респондентов из 105 стран, около 88 % компаний регулярно применяют ИИ минимум в одной бизнес-функции. Год назад таких было 78 %. То есть ИИ становится нормой, а не «игрушкой для технарей». При этом лишь примерно треть организаций вышла на этап масштабирования решений по всей компании — остальные всё ещё живут в режиме пилотов и разрозненных проектов.
ИИ используют уже не только в IT и маркетинге. В топ-функции по количеству кейсов попадают также:
- знаниевая база и управление знаниями;
- контакт-центр и поддержка клиентов;
- маркетинговые коммуникации и контент;
- разработка продуктов и сервисов.
Агентный ИИ: что это и почему о нём говорят
Отдельный фокус исследования — так называемые AI-агенты. Это не просто чат-бот, а система, способная сама планировать и выполнять несколько шагов в рамках бизнес-процесса: собрать данные, принять решение, создать задачу, запустить следующий шаг.
62 % опрошенных компаний уже хотя бы экспериментируют с агентным ИИ, а примерно четверть масштабирует такие решения минимум в одной функции. Чаще всего агенты встречаются в IT-поддержке и управлении знаниями: там быстрее всего появляются сценарии, где большую часть работы можно доверить ИИ.
Деньги и эффект: где ИИ уже приносит пользу
McKinsey честно фиксирует: заметное влияние ИИ на общую прибыль пока редкость. Только 39 % участников опроса говорят, что ИИ уже даёт какой-то вклад в показатель EBIT, и чаще всего это доля до 5 %. Зато на уровне отдельных кейсов компании уже видят ощутимую экономию и рост выручки.
Больше всего экономии ИИ приносит в:
- разработке ПО и автоматизации внутренних инструментов;
- производстве и управлении операциями;
- IT-инфраструктуре и поддержке.
Рост выручки чаще всего связан с:
- маркетингом и продажами (персонализация, рекомендации, работа с лидами);
- стратегией и корпоративными финансами (моделирование сценариев, ценообразование);
- разработкой продуктов и услуг (быстрые эксперименты и тестирование гипотез).
Кто такие AI-лидеры и чем они отличаются
Исследование выделяет небольшую группу компаний-лидеров — около 6 % участников опроса. Это те, кто уже получает от ИИ значимый вклад в прибыль (5 % EBIT и больше) и оценивает общую ценность от ИИ как «существенную».
Что их объединяет:
- они используют ИИ не только ради эффективности, но и ради роста и инноваций;
- массово пересобирают процессы под ИИ, а не просто «встраивают ботика в старый процесс»;
- запускают больше ИИ-кейсов и быстрее масштабируют удачные;
- руководство лично ведёт и поддерживает ИИ-трансформацию;
- значимую часть цифрового бюджета (20 % и больше) тратят на ИИ-решения и инфраструктуру.
Влияние ИИ на занятость: кого станет меньше, а кого — больше
Опрос показывает разнонаправленные ожидания. Примерно 32 % респондентов ждут, что общий штат компании сократится как минимум на 3 % из-за внедрения ИИ. Около 13 %, наоборот, прогнозируют рост занятости в схожих масштабах.
При этом большинство компаний параллельно нанимают специалистов по данным и разработчиков, чтобы строить и поддерживать новые ИИ-системы. То есть ИИ не столько «убирает людей», сколько перераспределяет роли: рутинные операции автоматизируются, а спрос на тех, кто умеет проектировать, внедрять и сопровождать решения, растёт.
Риски и ошибки: ИИ тоже может навредить
Более половины компаний, использующих ИИ, уже сталкивались хотя бы с одним негативным эффектом. Чаще всего речь идёт о неточности выводов моделей и ошибках, которые из этого следуют.
В 2022 году организации в среднем управляли примерно двумя типами ИИ-рисков, сейчас — уже четырьмя. Наиболее распространены меры по контролю:
- качества и точности ответов;
- конфиденциальности и защиты персональных данных;
- репутационных последствий и соответствия регулированию.
Что делать компаниям прямо сейчас
1. Признать, что ИИ — уже инфраструктура, а не эксперимент. Если у конкурентов ИИ встроен в несколько функций, а у вас нет даже пилота, разрыв будет только расти.
2. Сформулировать цели выше, чем «сэкономить немного времени». Лидеры ставят ИИ-инициативам задачи роста: новые продукты, новые сервисы, новые каналы продаж.
3. Пересобрать ключевые процессы под ИИ. Не «прикрутить чат-бота к старой цепочке», а пересмотреть саму логику работы: кто принимает решения, как двигается информация, что можно доверить агентам.
4. Инвестировать в данные, инфраструктуру и команды. Без нормальных данных, API и ответственных людей даже лучшие модели не дадут эффекта — именно это показывает опыт high-performers.
5. Встроить управление рисками в каждую ИИ-инициативу. Обязательная проверка критичных решений, контроль доступа к данным, понятные регламенты использования инструментов — часть продукта, а не «дополнительная опция».
Итог, который делает McKinsey: массовое использование ИИ уже реальность, но основной потенциал ещё впереди. Побеждать будут те, кто сможет не только экспериментировать, но и перестроить организацию под системное использование ИИ-агентов и моделей.
Источник: глобальное исследование McKinsey & Company « The state of AI in 2025: Agents, innovation, and transformation», ноябрь 2025.
