Барьеры внедрения ИИ в малом и среднем бизнесе: исследование на основе 86 глубинных интервью

В июне 2026 года команда SpeShu.AI провела качественное исследование среди представителей малого и среднего бизнеса. В нём приняли участие 86 компаний, а собственники и топ-менеджеры ответили на шесть ключевых вопросов в формате глубинных интервью.

Четырнадцать компаний согласились предоставить открытые данные для публикации. Их названия приведены в конце материала.

Исследование показало, что основные препятствия для внедрения искусственного интеллекта связаны не столько с бюджетами, сколько с организационными и управленческими вопросами.

43% компаний не понимают, с чего начинать внедрение

Самым распространённым барьером стала неопределённость на старте проекта. Почти половина участников исследования призналась, что не понимает, какой процесс стоит автоматизировать в первую очередь, кто должен отвечать за внедрение и по каким критериям оценивать результат.

Недоверие к качеству работы ИИ заняло второе место — этот фактор отметили 21% респондентов. Ещё 14% участников сообщили, что не столкнулись с серьёзными препятствиями и начали использовать технологии сразу после знакомства с ними. Саботаж со стороны сотрудников, необходимость перестройки процессов и сложности с оплатой сервисов получили по 7%.

Примечательно, что ни одна компания не назвала стоимость технологий главным препятствием для внедрения.

Этот вывод совпадает с результатами других исследований рынка. Среди наиболее частых причин отказа от масштабирования ИИ обычно называют риски утечки данных, нехватку внутренних компетенций и отсутствие понятных сценариев применения. Результаты исследования SpeShu.AI показывают аналогичную тенденцию: ключевой проблемой остаётся не цена технологии, а понимание того, где и каким образом она может приносить измеримую пользу бизнесу.

Деньги есть, но возникают сложности с оплатой

Хотя стоимость решений редко становится препятствием для внедрения, вопросы оплаты и расчётов остаются существенной проблемой.

Небольшие компании тратят на ИИ-инструменты в среднем от 10 до 15 тысяч рублей в месяц. Такой уровень расходов зафиксировали NordBox, «Курс на ЯРД» и Karma. Компании с более крупными командами сообщают о расходах в диапазоне от 75 до 100 тысяч рублей ежемесячно. Среди них — «Аихаб» и Data-M.

Некоторые организации используют альтернативные способы оплаты зарубежных сервисов. Например, компания «Спираль» оценивает такие расходы на уровне 100–200 долларов в месяц.

Основная проблема заключается не в размере бюджета, а в самой платёжной инфраструктуре. Российские юридические лица по-прежнему не могут напрямую оплачивать многие зарубежные ИИ-сервисы. Поэтому компании используют личные аккаунты сотрудников, посредников или альтернативные способы расчётов.

Каждый из этих вариантов создаёт дополнительную административную нагрузку и повышает операционные риски. В результате платёжная инфраструктура становится самостоятельным фактором, который влияет на скорость и удобство внедрения технологий искусственного интеллекта.

Почему проекты по внедрению ИИ замораживаются

Исследование позволило выявить типичный сценарий неудачного внедрения ИИ.

На первом этапе выясняется, что процесс, который компания хочет автоматизировать, нигде не описан. Отсутствуют регламенты, критерии результата и ответственные сотрудники. В таких условиях сформулировать задачу для ИИ оказывается сложно.

Следующая проблема связана с нестабильностью результатов. Без чётких требований система начинает по-разному выполнять одинаковые задачи. Вместо стандартизации процессов возникает дополнительная неопределённость.

Затем появляется необходимость постоянной перепроверки результатов. Сотрудники тратят время на контроль работы системы, и ожидаемый эффект от автоматизации постепенно исчезает.

Последний этап — потеря доверия к проекту. Внедрение откладывается на неопределённый срок или полностью прекращается.

По словам специалистов по внедрению ИИ, подобный сценарий встречается регулярно. Компании стремятся быстро внедрить новые технологии, не подготовив процессы и не обучив сотрудников работе с ними.

При этом отдельная должность руководителя направления ИИ существует только в трёх из четырнадцати компаний, предоставивших открытые данные. Ещё четыре организации считают создание такой роли преждевременным или избыточным.

Люди — главный барьер, о котором редко говорят напрямую

Пять из четырнадцати компаний, предоставивших открытые данные, самостоятельно подняли тему сопротивления сотрудников, хотя вопрос об этом в интервью не задавался. Это косвенно показывает, насколько сильно человеческий фактор влияет на внедрение новых технологий.

Генеральный директор «Аихаба» Алексей Авдеев описывает ситуацию достаточно жёстко: часть сотрудников открыто сопротивляется изменениям, а часть лишь создаёт видимость использования новых инструментов.

По мнению Дмитрия Логинова, CEO «Четвёртого Рима», многие компании совершают одну и ту же ошибку — покупают доступ к нейросети и считают это завершённым внедрением. На практике приходится менять рабочие привычки сотрудников, пересматривать процессы и выстраивать новые механизмы контроля качества.

Проблема выходит далеко за рамки отдельных компаний. Во многих организациях до сих пор отсутствуют формальные правила работы с ИИ. В результате сотрудники могут передавать в публичные сервисы внутренние документы, коммерческую информацию и персональные данные клиентов.

По данным отраслевых исследований, объём конфиденциальной информации, которую сотрудники отправляют в открытые ИИ-сервисы, за последний год вырос многократно. Это говорит о том, что технологии внедряются быстрее, чем формируются правила их безопасного использования.

Где ИИ приносит результат, а где не оправдывает ожиданий

Исследование показало, что эффект от внедрения ИИ сильно зависит от конкретного сценария использования.

Например, ORM-Service оценивает экономический эффект примерно в 500 тысяч рублей ежемесячно. В компании «Агри Партс Рус» часть задач удалось автоматизировать настолько, что необходимость в найме дополнительных сотрудников отпала. В компании «Спираль» один специалист с использованием ИИ выполняет объём работы, который раньше распределялся между несколькими сотрудниками.

Однако успешные кейсы соседствуют с неудачными.

В ряде компаний автоматизация подготовки отчётности действительно сокращала объём ручной работы, но одновременно требовала длительной проверки результатов. В итоге время, сэкономленное на подготовке материалов, тратилось на контроль качества.

Не всегда оправдывали ожидания и мультимедийные инструменты. Например, использование видеоаватаров на русском языке показало результаты ниже ожидаемых из-за качества синтеза речи. При этом аналогичные решения для англоязычной аудитории работали значительно лучше.

Похожие сложности возникали и при генерации текстов. Несмотря на способность моделей создавать большие объёмы контента, сотрудникам всё равно приходилось проверять структуру, объём и фактическую точность материалов.

Александр Мотин, директор по производству Braind, сформулировал общий принцип успешного использования ИИ: нейросеть должна помогать готовить основу и черновики, а окончательное решение должен принимать человек.

Никого не увольняют. Но нанимают реже

Ни одна компания, участвовавшая в исследовании, не сообщила о сокращении сотрудников из-за внедрения искусственного интеллекта.

Однако это не означает, что технологии никак не влияют на рынок труда.

В ряде случаев компании пересматривают планы по расширению штата. Так, в «Агри Партс Рус» отказались от открытия нескольких новых позиций, поскольку часть задач удалось закрыть за счёт автоматизации.

Особенно заметно это отражается на стартовых должностях. Именно такие вакансии традиционно формируют кадровый резерв компаний и позволяют готовить будущих специалистов.

Исследование зафиксировало потенциальный долгосрочный риск: если бизнес будет создавать меньше начальных позиций, через несколько лет рынок может столкнуться с нехваткой подготовленных кадров. Пока этот эффект изучен недостаточно, однако многие участники исследования считают его важным фактором для дальнейшего наблюдения.

Что помогает руководителям принять решение о внедрении

Почти половина участников исследования назвала главным фактором реальные кейсы с конкретными цифрами и измеримыми результатами.

Руководителей интересуют не презентации возможностей технологий и не абстрактные обещания повышения эффективности. Гораздо больше доверия вызывают примеры с понятными показателями до и после внедрения.

Екатерина Выговская из компании «Курс на ЯРД» отмечает, что на рынке по-прежнему не хватает детально описанных кейсов, в которых можно увидеть исходный процесс, изменения после внедрения и итоговый экономический эффект.

Вторым по значимости фактором оказался личный опыт руководителя. По мнению Алексея Авдеева из «Аихаба», управленец должен самостоятельно попробовать реализовать небольшой проект с использованием ИИ. Такой опыт позволяет увидеть реальные возможности современных инструментов и избавиться от устаревших представлений о технологиях.

Что показывают результаты исследования

Исследование позволяет сделать несколько важных выводов.

• Во-первых, главным препятствием для внедрения ИИ остаются управленческие вопросы. Компании чаще сталкиваются с отсутствием понятного сценария применения и ответственных за проект, чем с нехваткой бюджета.

• Во-вторых, платёжная инфраструктура становится отдельным фактором, который влияет на скорость распространения технологий. Даже при наличии бюджета многие компании сталкиваются со сложностями расчётов за зарубежные сервисы.

• В-третьих, рынок испытывает дефицит детализированных кейсов с прозрачной экономикой проектов. Именно нехватка доказательной базы часто мешает руководителям принимать решения о масштабировании ИИ.

Наконец, автоматизация уже влияет на структуру найма. Пока речь идёт не о сокращениях, а о снижении количества новых вакансий, особенно на стартовом уровне. Как это скажется на кадровом резерве через несколько лет, ещё предстоит выяснить.

Спасибо всем компаниям, которые приняли участие в исследовании и согласились поделиться своими данными.

Среди участников исследования: ООО «Агри Партс Рус», «Облакотека», NordBox, «Курс на ЯРД», «Икс-пресс», ORM-Service, Karma.web, «Аихаб», Braind, Data-M, «Четвёртый Рим», АО «Уралбиофарм», ГК «Радуга», «Спираль», «Брендика».