88% продуктовых команд используют ИИ. Его эффект измеряют лишь 14% компаний
Искусственный интеллект прочно вошел в работу российских продуктовых команд. Нейросети помогают анализировать данные, изучать рынок, готовить документы и обрабатывать результаты интервью с пользователями.
По данным исследования «Акселератора ФРИИ», 88% команд уже используют ИИ хотя бы в пилотных проектах. Однако измеряют эффективность таких инструментов с помощью метрик только 14% компаний.
Проблемы обнаружились и в других направлениях продуктового управления. Средний индекс зрелости продуктовой функции составил 57 баллов из 100. У значительной части компаний отсутствует оформленная стратегия развития продуктов, а ключевые решения все чаще принимаются руководством без участия продуктовых команд.
Исследование проводилось с 27 июля по 17 сентября 2026 года. В онлайн-опросе участвовал 161 специалист продуктовых функций. Большинство респондентов представляли российские компании. На ИТ-сектор пришлось 34% участников, на банки и финтех 21%, на ретейл и электронную коммерцию 9%.
Результаты показывают, что распространение ИИ-инструментов опережает развитие процессов, которые позволяют использовать их системно и оценивать полученный результат.
Продуктовое управление оценили на 57 баллов из 100
Для исследования аналитики ФРИИ разработали индекс зрелости продуктовой функции по шкале от 0 до 100. Он учитывает семь компонентов, включая стратегию, процессы, корпоративную культуру, работу с данными, компетенции и использование искусственного интеллекта.
Средняя оценка составила 57 баллов. При этом 15% организаций достигли самого высокого, интегрированного уровня зрелости, набрав не менее 75 баллов. Еще 28% относятся к четвертому уровню с оценками от 60 до 74 баллов, а 34% находятся на третьем уровне.
Лучшие результаты компании показали в направлении стратегии и целей, набрав 69 баллов. Процессы и практики, а также данные и метрики получили по 63 балла.
Слабее всего оказалось использование ИИ. Здесь средняя оценка составила 42 балла. Невысокие результаты также зафиксированы в развитии сотрудников и корпоративной культуре: 47 и 50 баллов соответственно.
Такой разрыв объясняется различием между наличием отдельных практик и их системным использованием. Компания может применять аналитику, регулярно выпускать обновления и использовать нейросети, но при этом не иметь согласованных правил принятия продуктовых решений.
Наиболее распространенными препятствиями участники исследования назвали недостаток бюджета и ресурсов (49%), нехватку продуктовой экспертизы (48%) и отсутствие выстроенных процессов (43%).
Причем проблемы с организацией работы заметно сильнее влияют на компании с низким уровнем зрелости. Среди них на отсутствие процессов жалуются 67% респондентов, тогда как среди наиболее зрелых организаций этот показатель составляет 22%.
Почти половина компаний работает без оформленной стратегии
Один из наиболее показательных результатов исследования касается продуктовой стратегии.
Только у 33% участников она оформлена и остается актуальной. Еще 19% компаний имеют стратегию, но не используют ее в работе либо постоянно пересматривают. В 42% организаций есть общее понимание направления развития продукта, однако формализованной стратегии нет. Еще 6% компаний не имеют даже такого ориентира.
Отсутствие стратегии создает проблемы с приоритетами разработки.
Кирилл Левкин, проджект-менеджер MD Audit (входит в ГК Softline), обращает внимание на сложности с расстановкой приоритетов. Крупным клиентам требуются доработки, отдел продаж предлагает новые функции, а руководство ставит срочные задачи. «Каждое требование по отдельности может быть вполне обоснованным, но если пытаться реализовать все одновременно, продукт постепенно превращается в набор разрозненных решений», — отмечает эксперт. По его мнению, при планировании разработки необходимо учитывать, насколько новые запросы соответствуют общей стратегии развития продукта.
Стратегия позволяет установить критерии выбора между конкурирующими инициативами. Для продуктовой команды это особенно важно, поскольку предложения поступают от подразделений с разными интересами.
Однако наличие стратегии само по себе не гарантирует самостоятельности команды.
Продуктовые команды теряют право принимать решения
Другая тенденция, которую выявили исследователи ФРИИ, связана с распределением полномочий.
За год доля компаний, где все ключевые решения по продукту утверждает бизнес без участия продуктовой функции, выросла с 31% до 48%.
Одновременно сократилось распространение продуктовых комитетов, где представители бизнеса и продуктовые команды совместно обсуждают приоритеты. В 2025 году такие механизмы использовали 38% компаний, в 2026 году их доля снизилась до 24%.
Изменился и уровень ответственности. Если год назад за итоговый результат продукта полностью отвечали 20% команд, то теперь только 12%.
При этом 57% организаций оценивают работу продуктовой функции прежде всего по выполнению плана развития продукта. На достижение продуктовых метрик ориентируются лишь 32%.
Такая система оценки создает противоречие. Команда отвечает за выполнение согласованного плана, хотя решения о его содержании зачастую принимаются вне ее полномочий.
Еще один показатель касается проверки гипотез. Доля компаний, которые не тестируют продуктовые идеи перед запуском, выросла с 10% до 27%.
Для разработки это означает увеличение риска невостребованных функций. Команда может потратить несколько месяцев на реализацию задачи, которая получила поддержку руководства, но не прошла проверку на реальных пользователях.
Исследование показывает, что более зрелые компании добиваются лучших результатов. Среди организаций с индексом от 60 баллов у 52% участников более половины продуктовых инициатив достигают поставленных целей. Среди компаний с индексом ниже 60 баллов таких участников только 24%.
ИИ применяют почти все, но его пользу редко измеряют
Наиболее заметное противоречие исследования связано с искусственным интеллектом.
Хотя 88% продуктовых команд уже используют ИИ хотя бы в пилотном режиме, системно встроили его в рабочие процессы в среднем 29% компаний. Среди организаций численностью до 500 сотрудников показатель достигает 42%.
Чаще всего нейросети применяются для анализа данных. Об этом сообщили 71% респондентов. Подготовкой документов с помощью ИИ занимаются 67%, анализом рынка 62%, обработкой результатов интервью 59%. Еще 58% используют технологию для автоматизации отдельных операций.
Такие задачи позволяют относительно быстро подключить ИИ к существующей работе. Например, модель может подготовить краткое содержание интервью с пользователями, сгруппировать обращения по темам или помочь с первоначальным анализом конкурентных предложений.
Однако использование инструмента еще не показывает его экономическую эффективность.
Только 14% компаний оценивают эффект от ИИ с помощью метрик. Остальные могут опираться на субъективные ощущения сотрудников, количество обращений к сервису или общее впечатление от ускорения работы.
При этом 40% пользователей оценивают собственную экономию времени от применения ИИ в 10-25%. Еще 7% сообщают о сокращении временных затрат более чем наполовину.
Подобные оценки позволяют судить о восприятии технологии сотрудниками, но не дают полного представления о влиянии на продуктовые показатели.
Например, ускорение подготовки документа само по себе не означает, что быстрее будет выпущена новая функция. После генерации текста могут потребоваться проверка, согласование и доработка. Аналогичная ситуация возникает при использовании ИИ для анализа пользовательских интервью: скорость обработки материалов увеличивается, но качество продуктовых решений зависит от корректности выводов и их дальнейшей проверки.
«Внедрение ИИ пока находится на начальном этапе», — считает Евгений Мошняцкий, коммерческий директор НТЦ АРГУС.
По его оценке, именно ранняя стадия распространения технологии во многом объясняет нынешний интерес к ней. Масштаб происходящих изменений эксперт сопоставляет с предыдущими этапами механизации и автоматизации труда.
ИИ меняет требования к разработке продуктов
Пока компании экспериментируют с нейросетями, разработчики программного обеспечения начинают учитывать возможности ИИ при планировании развития собственных решений.
Речь идет о более широком спектре функций, чем генерация текста или встроенный чат с моделью.
В корпоративном ПО искусственный интеллект может использоваться для поиска информации в больших массивах данных, анализа событий, подготовки рекомендаций, обнаружения аномалий, обработки пользовательских обращений и автоматизации последовательности действий.
Однако интеграция ИИ в существующий продукт требует дополнительной инженерной работы.
Разработчику необходимо определить источники данных, организовать доступ к ним, предусмотреть контроль результатов и учесть нагрузку на инфраструктуру. Для критичных систем также важны аудит действий модели, возможность проверки принятых решений и ограничения на выполнение операций без участия человека.
Кроме того, ИИ-функциональность должна соответствовать задачам пользователей. Если она усложняет интерфейс, требует постоянной проверки ответов или увеличивает стоимость эксплуатации без заметного результата, ее практическая ценность остается спорной.
Тем не менее разработчикам придется учитывать изменение ожиданий рынка.
Евгений Мошняцкий считает, что компании, рассчитывающие на долгосрочное развитие программных продуктов, «уже должны учитывать возможности ИИ».
Для поставщиков корпоративного ПО это означает необходимость оценивать, какие операции можно ускорить с помощью моделей и какие изменения потребуются в архитектуре решений.
При этом внедрение ИИ-функций не обязательно предполагает разработку собственной модели. В зависимости от задачи продукт может использовать внешние сервисы, локально развернутые модели или специализированные алгоритмы машинного обучения.
Выбор зависит от требований к данным, производительности, безопасности и стоимости эксплуатации.
Почему наличие ИИ-функций может стать конкурентным фактором
Сегодня встроенные ИИ-инструменты постепенно превращаются в один из критериев выбора программного обеспечения. Особенно в сегментах, где пользователи регулярно работают с большими объемами информации или выполняют повторяющиеся аналитические операции.
Например, в системах технической поддержки ИИ может помогать находить похожие обращения и предлагать возможные варианты решения. В аналитических платформах технология позволяет упростить поиск закономерностей в данных. В корпоративных базах знаний она сокращает время поиска нужных сведений.
По мере распространения таких возможностей пользователи могут начать воспринимать их как стандартную часть функциональности.
Это создает дополнительные требования к разработчикам традиционного ПО. Им придется решать, какие ИИ-сценарии действительно востребованы, сколько будет стоить их реализация и сможет ли новая функциональность повысить конкурентоспособность продукта.
В НТЦ АРГУС ожидают, что изменения затронут значительную часть рынка программного обеспечения.
По прогнозу Евгения Мошняцкого, в течение ближайших трех лет «большинство ИТ-продуктов без таких функций потеряют конкурентоспособность».
При этом эксперт допускает исключения для отдельных узкоотраслевых решений, которые смогут сохранять востребованность без встроенного искусственного интеллекта.
Такой прогноз не означает, что любой программный продукт обязательно должен получить ИИ-модуль. Для специализированных систем могут сохраняться другие приоритеты: надежность, производительность, соответствие отраслевым требованиям и стоимость сопровождения.
Но разработчикам придется учитывать изменение пользовательских ожиданий при формировании планов развития продуктов.
Продуктовым командам придется научиться считать результат
Исследование ФРИИ показывает, что российские компании уже накопили значительный опыт применения отдельных практик продуктового управления. Однако их эффективность по-прежнему ограничивают недостаток ресурсов, слабая организация процессов и размытое распределение ответственности.
Распространение ИИ пока не устранило эти проблемы.
Нейросети могут ускорить анализ данных, подготовку материалов или выполнение отдельных операций. Но решения о развитии продукта, приоритетах разработки и распределении бюджета по-прежнему зависят от того, насколько согласованно работают продуктовая команда и руководство компании.
Поэтому следующая задача для бизнеса связана с оценкой результатов.
Компаниям необходимо понимать, какие ИИ-инструменты действительно сокращают трудозатраты, улучшают качество решений или ускоряют выпуск востребованных функций. Для этого потребуется оценивать показатели до внедрения технологии и после ее включения в рабочие процессы.
Аналогичный подход нужен и к продуктовым инициативам в целом. Если команда оценивается только по выполнению плана, у нее остается мало стимулов прекращать работу над функциями, которые не приносят результата.
На фоне ограниченных бюджетов такая практика становится все более затратной.
Показатель зрелости в 57 баллов отражает состояние продуктового управления среди участников исследования. При этом разрыв между наиболее зрелыми компаниями и остальными показывает, что наличие инструментов и формальных процессов еще не гарантирует успешность разработки.
ИИ постепенно становится частью стандартного набора технологий продуктовых команд. Но его дальнейшее распространение будет зависеть от способности компаний превращать новые возможности в измеримые результаты.
Пока этот переход только начинается: нейросетями пользуется большинство команд, а их эффективность с помощью метрик оценивает небольшая доля организаций.