Год правды для AI: восемь консалтингов, 11 отчётов, один неудобный вывод

Я открыл самый свежий отчёт по AI, за ним ещё десять - McKinsey, BCG, Bain, Deloitte, KPMG, Accenture, Capgemini, PwC, издания 2025-26 года. Одиннадцать отчётов. Ждал разнобоя: у каждого свой список трендов, свои красивые слова. Получил редкое единодушие. Причём такое, что заголовки этих же отчётов сами себе противоречат.

Коротко

• Агентный AI - тренд номер один у всех восьми фирм, и у всех же в их данных он проваливается по внедрению.
• В продакшене агенты у 11% компаний, в полном масштабе - у 2%. При этом 90% CEO ждут от них ROI уже в 2026.
• CTO Deloitte называет пропорцию: 93% денег на AI уходит в технологию и инструменты, 7% на всё остальное - культуру, изменения, перестройку работы. Ровно наоборот от того, где ценность.
• Разрыв не про модели, а про процессы, данные и людей. То есть про работу, а не про магию. Трудно, но работает.
• Потенциал огромный именно поэтому: рынок оплатил хайп авансом, а исполнение отстаёт.

Разрыв, которого никто не выносит на слайд

Тренд номер один у всех восьми - агентный AI. И тут же, в их собственных цифрах, он проваливается по всему фронту.

Смотрите сами. Deloitte: в продакшене агенты у 11% компаний, 42% всё ещё пишут стратегию, 35% даже не начали. Capgemini на своей выборке: в полном масштабе - 2%. KPMG: ROI по нескольким AI-кейсам получают 24%, и это на 7 процентных пунктов меньше, чем годом раньше - то есть отрасль откатилась назад. McKinsey: 78% используют AI хоть в одной функции, но зрелыми себя называет 1%.

Стоит притормозить на этих 2% и 24% - мелкий шрифт тут важен. У Capgemini под заголовком есть целая лестница: 2% полный масштаб, 12% частичный, 23% всё ещё на пилотах, 61% только присматриваются - то есть «2%» это одна ступенька настоящей лестницы, а не стена. У KPMG собственное число для «агенты где-то есть» - 88%, что в мирах от Deloitte-овских 11% в проде - восемь фирм, восемь разных определений одного и того же слова, и именно поэтому заголовочные проценты из разных отчётов не складываются в одну воронку. Среди тех 24% у KPMG, кто реально получает ROI, разрыв резкий: у лидеров 4.5x, у среднего по рынку 2x, а те 53%, кто не может закрыть этот разрыв, называют одну и ту же причину - не хватает людей, которые умеют довести дело до конца.

А теперь вторая половина картинки. BCG: AI-бюджеты удвоились за год и удвоятся снова в 2026 - с 0,8% до 1,7% от выручки. 90% CEO ждут измеримого ROI от агентов уже в этом году. 94% продолжат вкладывать, даже если за год не окупится.

И совсем неожиданное: Capgemini замерил, что доверие к полностью автономным агентам за год упало с 43% до 27%. Падает оно, по их же формулировке, «из опыта, а не из страха» - то есть люди попробовали и разочаровались. Вот он, разрыв: денег заливают всё больше, в проде почти ни у кого, а те, кто попробовал, стали доверять агентам меньше. Год правды.

Почему не взлетает - и почему это хорошая новость

Самое интересное не «сколько», а «почему». И тут отчёты неожиданно описывают ровно то, чем я занимаюсь каждый день.

Gartner (цитирует Deloitte): к концу 2027 забросят больше 40% агентных проектов - «не потому что технология не работает, а потому что компании автоматизируют сломанные процессы вместо того, чтобы их переделать». Deloitte называет вещи своими именами: «agent washing» - когда обычную автоматизацию перекрашивают в агентов, и «workslop» - когда криво сделанный агент делает процесс медленнее.

Формула успеха у всех сошлась в одну. PwC: 80% ценности - в редизайне работы, 20% - в технологии. BCG: 10-20-70, где 70% это люди и процессы. Bain меряет это в цифрах: голый ассистент кода даёт 10-15% продуктивности, а он же плюс сквозной редизайн процесса - 25-30%. Разница вдвое, и она вся в организации, а не в модели.

Почему разрыв между 10-15% и 25-30% именно такой ширины, у этого есть простой механический ответ: написание и тестирование кода - это всего 25-35% от всего цикла разработки, так что ускорение только этого куска почти не двигает итог. Команды из верхней полосы получили не модель получше, а перестроили весь цикл заново вокруг агента, вместо того чтобы прилепить его к старому процессу - именно так поступил Intuit, использовав генеративный AI, чтобы стандартизировать код и документацию по всем ролям, которые касаются продукта, а не только у инженеров. И цифра Bain по EBITDA тоже не догадка из опроса: это результаты, отслеженные у реальных клиентов, которых Bain вёл в 2023 и 2024 годах, уже после того как те довели AI за пилот, в основные процессы.

А фраза, к которой я возвращаюсь, из Deloitte Tech Trends 2026, где их CTO говорит прямо: 93% всех денег на AI уходит в технологию и инструменты и только 7% на всё остальное - культуру, изменения, обучение, перестройку самой работы. Выборку под эту пропорцию Deloitte не публикует, так что это оценка практика, а не результат опроса. Но она сходится со всеми цифрами выше.

Плюс фундамент. Меньше 1 компании из 5 готовы по данным; главные блокеры - что данные не находятся (48%) и не переиспользуются (47%). Формулировку Capgemini хочется вешать на стену: «если ваши данные не готовы к AI, ваш бизнес не готов к AI». Bain добавляет приземлённо: первый шаг любой AI-трансформации - вычистить старые и битые данные, «иногда до 80%», и срезать тут угол нельзя.

Я читаю это и вижу свою работу, описанную чужими словами. Моя дипломная в KIT ровно про это - как производственным SME выбирать, куда ставить AI, а не лепить везде. Рабочий метод - сначала разобрать процесс по BPMN, потом пилот. То самое, что пропускают, когда 93% денег уходит в инструменты.

Слой, который мало кто видит

Под разговором про «агентов» есть инженерный слой, и отчёты про него говорят точнее, чем ожидаешь.

MCP - протокол Anthropic, через который агент дотягивается до данных и инструментов - вырос со ~100 серверов в ноябре 2024 до ~7000 к июлю 2025. Рост в 70 раз за восемь месяцев. Но Bain тут же охлаждает: «MCP - это не USB». Он стандартизирует синтаксис, а не смысл: два агента могут «говорить» по протоколу и всё равно не понимать друг друга. Кто задаст семантический стандарт - как invoice-бот договаривается с payment-ботом - соберёт следующую большую волну стоимости.

Появилась целая дисциплина «agent-ops»: FinOps для агентов (счёт за токены убегает в десятки миллионов, потому что агент думает непрерывно), реестр моделей и агентов, «у каждого агента - владелец, KPI и план отката». У среднего Mittelstand-завода этого нет вообще. А вендор-нейтральность у Bain теперь прямой совет: «выбирайте вендоров так, чтобы ограничить lock-in и сохранить опциональность».

И про людей в контуре. 90% организаций считают человеческий надзор полезным или хотя бы нейтральным по цене; SAP советует начинать с «read-only AI» - агент рекомендует, человек решает; EU AI Act прямо требует надзора для высокорисковых систем. Живой урок: Klarna публично свернула замену поддержки на AI и вернула людей. Bain формулирует красиво: пока это «костюмы Железного человека, а не автономные Железные человеки».

Что реально в цеху и почему ветер дует в EU

Производство тут не абстракция. PTC с Microsoft строят мультиагентную связку, которая сама читает и действует через PLM, ERP и MES. Siemens собрал промышленного оркестратора - «цифрового мастера». Foxconn насчитал больше 400 миллионов долларов экономии от AI-модели на 200+ заводах. Toyota заменила 50-100 мейнфрейм-экранов одним агентом по цепочке поставок. BMW уже гоняет машины своим ходом по километровым маршрутам внутри завода и тестирует человекоподобных роботов на площадке в Спартанбурге. Всё это - сквозной редизайн, а не бантик сверху.

Для завода облако часто не подходит физически: нужна задержка меньше 10 мс на линии, плюс суверенность данных и защита IP. Deloitte даёт правило, которое я могу приложить к клиентскому счёту: on-prem выгоднее, как только облако начинает стоить дороже 60-70% от цены собственного железа. Новая норма - три уровня: облако для эластичности, on-prem для стабильности, edge для мгновенности.

И политический ветер дует в мою нишу. Deutsche Telekom с Nvidia строят промышленное AI-облако для европейских производителей. EU InvestAI - это 200 миллиардов евро, включая 20 миллиардов на AI-гигафабрики. EU AI Act уже вступает в силу. Регуляторику, которую все считают тормозом, в EU-нише можно продавать как фору.

Пять вещей, которые ломают шаблон

Отчёты дали и совсем неожиданное - то, что не попадает в заголовки.

Первое. AI - не убийца рабочих мест, а расширитель. Самые AI-насыщенные компании растили штат быстрее: 52% против 36% у наименее насыщенных (PwC, разбор миллиарда вакансий). Но приз дичайше концентрируется - 20% компаний забирают 74% всей выгоды, а у топ-20% по продуктивности рост 163%, в пять раз выше среднего.

Второе. Про джунов все читают только заголовок. Да, 49% CEO ждут, что AI сократит найм джуниоров. Но в цифрах поворот: junior-роли, которые «повзрослели» (стали требовать 10+ традиционно старших навыков), выросли на 35% с 2019, а не «повзрослевшие» упали на 10%. Нижняя ступенька не исчезает - её подтягивают вверх.

Третье. Хайповый навык в переизбытке, скучный - в дефиците. Промпт-инженеров в 3,6 раза больше, чем спрос, а Python (0,4x) и machine learning (0,5x) в жёстком дефиците (McKinsey). Все побежали в модное, а узкое место - старая добрая инженерия.

Четвёртое. Премия к зарплате за AI-навыки - 62%, в производстве 73%. Спрос на именно агентные навыки за год вырос на 985% - быстрее всех 13 трендов у McKinsey. Как сказал директор по AI go-to-market в Google: «90% вашей организации будет нужно обучение, чтобы понять, как это вообще работает».

Пятое. Пара цифр, от которых садишься ровнее. Токен инференса подешевел в 280 раз за два года - а счета выросли, потому что жрут агенты быстрее, чем дешевеет токен. Агенты кода уже пишут 30% кода в Microsoft. И тихая бомба под шумок: 97% безопасников считают квантовый риск материальным в горизонте 10 лет, а план есть у 9%. Схема «собери зашифрованное сейчас, расшифруй квантом потом» уже работает, а голосовой фишинг с клонированием голоса вырос на 442% за полгода.

Вывод, который, кажется, непопулярен

Собираю в одно. Технология работает - там, где её довели до конца: 10-25% к EBITDA у лидеров по Bain, десятки процентов продуктивности, реальные заводские кейсы с именами. Но «довели» - это 2-11% компаний. Между «все вкладывают» и «почти никто не в проде» зияет дыра, и дыра эта не про модели, а про процессы, данные и людей. То есть про работу, а не про магию.

Трудно. Но работает. И именно поэтому потенциал огромный: рынок оплатил хайп авансом, а исполнение отстаёт. Выигрывает не тот, кто быстрее купит агентов, а тот, кто сначала починит под них процесс и данные. Это скучно, это ровно моя работа - и восемь крупнейших консалтингов только что, каждый своими цифрами, сказали то же самое.

Это первый прогон моего радара. Я буду проходить эти отчёты дважды в год и разбирать, что реально сдвинулось, а что осталось слайдом. В следующей части копну одну ветку глубже - скорее всего EU-суверенный стек для Mittelstand, потому что там сходятся деньги, регуляторика и мой профиль. Продолжение следует.

Источники

Все цифры - из свежих отчётов самих фирм (издания 2025-26). Полный список того, что я разбирал:

• McKinsey - Technology Trends Outlook 2025 (13 трендов) + MGI «The race takes off»
• BCG - AI Radar 2026 (опрос 2360 руководителей, 640 CEO) + Most Innovative Companies 2025
• Bain - Technology Report 2025 (самый содержательный из всех)
• Deloitte - Tech Trends 2026
• KPMG - Global Tech Report 2026 (2500 руководителей, 27 стран)
• Accenture - Technology Vision 2025
• Capgemini - TechnoVision 2026 + Rise of Agentic AI 2025
• PwC - Global AI Jobs Barometer 2026 (разбор ~1 млрд вакансий) + AI Business Predictions 2026