Искусственный интеллект в российских компаниях быстро перестал быть экспериментом: его используют в прикладных задачах — от отчётности и аналитики до ускорения расследований инцидентов и оптимизации ИТ-инфраструктуры. Исследование UserGate показывает, что ИИ в первую очередь воспринимается как инструмент операционной эффективности и усиления киберзащиты, а барьеры внедрения всё чаще лежат не в технологиях, а в управлении ценностью и рисками.
Масштаб: «почти все уже в процессе»
В январе 2026 года был проведён опрос 335 топ-менеджеров российских компаний с годовой выручкой от 100 млн рублей. В 97% организаций, где работают респонденты, решения на базе ИИ уже используются, находятся в пилоте или запланированы к внедрению в обозримом будущем.
Иными словами, рынок вошёл в фазу «массовой практики»: вопрос сместился с «нужен ли ИИ?» к «где он даёт измеримый эффект и как управлять последствиями?».
Где ИИ приносит быстрый эффект
Наиболее частые сценарии применения — те, где ИИ сокращает ручной труд и ускоряет принятие решений:
-
генерация отчётов и аналитики — 42%;
-
оптимизация сетевой инфраструктуры — 38%;
-
анализ больших массивов логов — 37%;
-
ускорение расследований инцидентов — 35%;
-
повышение эффективности Help Desk — 32%.
Этот профиль использования важен для логистики, e-commerce и крупного ритейла: именно здесь «съедают» бюджет повторяющиеся операции — от обработки обращений и мониторинга ИТ-сервисов до реагирования на инциденты, влияющие на SLA.
Разница между enterprise и средним бизнесом
Приоритеты зависят от масштаба ИТ-ландшафта:
-
в Enterprise-сегменте анализ логов заметно более востребован — его отметили более 60% респондентов;
-
в среднем бизнесе на первое место выходит оптимизация сети — 45%.
Логика понятна: крупные структуры живут в потоке событий безопасности и телеметрии, а компании поменьше чаще начинают с «инфраструктурной гигиены» — повышения стабильности и управляемости сети.
Почему 7% компаний всё ещё «не готовы»
Небольшая доля компаний — 7% — пока не рассматривает внедрение ИИ. Главные причины связаны не с отсутствием инструментов, а с неопределённостью управленческих решений:
-
непонимание ценности — 54%;
-
неопределённость рисков — 38%;
-
отсутствие чёткого распределения ролей и ответственности — 29%;
-
ограниченность бюджетов — 29%;
-
нехватка экспертизы — 17%.
Для управленцев это практичный чек-лист: прежде чем покупать «ИИ-решение», нужно ответить на два вопроса — где измеряется эффект и кто несёт ответственность за качество данных, принятие рекомендаций и последствия ошибок.
ИИ как фактор кибербезопасности на горизонте года
Отдельный блок исследования посвящён технологиям, которые будут сильнее всего влиять на кибербезопасность в ближайшие 12 месяцев. Лидируют ИИ и машинное обучение: их назвали около 50% представителей коммерческого и государственного сегментов.
Примечательно, что даже осторожные компании, которые пока сомневаются в прикладной ценности ИИ или опасаются рисков, всё равно воспринимают ML как ключевой фактор трансформации защиты.
Руководитель отдела стратегической аналитики Юлия Косова формулирует это так:
«...ожидания рынка в отношении ИИ и машинного обучения опережают практику... Дальнейший эффект будет определяться зрелостью процессов, качеством данных и способностью управлять рисками».
Что это означает для логистики, e-commerce и крупной операционной инфраструктуры
Для компаний с «плотной» операционкой (склады, транспорт, ПВЗ, контакт-центры, распределённые ИТ-системы) ИИ чаще всего приносит эффект там, где есть три условия:
-
много повторяемых операций (тикеты, инциденты, отчёты, мониторинг);
-
масштабируемые данные (логи, события, обращения, телеметрия);
-
понятная метрика результата (время реакции, простои, стоимость обработки, SLA).
Но внедрение быстро упирается в управленческую рамку: без ролей, контроля рисков и качества данных ИИ может ускорить не только полезные решения, но и ошибки.
Вывод
ИИ в российском бизнесе окончательно закрепился как массовая практика, прежде всего — в задачах эффективности и безопасности. Следующий шаг для рынка — не просто «внедрять больше», а повышать зрелость: связывать ИИ с бизнес-метриками, формализовать ответственность и управлять рисками. Именно это будет определять, останется ли ИИ «умной надстройкой» или станет реальным механизмом повышения устойчивости компаний.
