Cloud.ru и ВШБ ВШЭ раскрыли объем инвестиций российских компаний в ИИ-агентов

К таким выводам пришли аналитики Cloud.ru и Высшей школы бизнеса НИУ ВШЭ в ходе совместного исследования, которое было представлено на конференции GoCloud 2026.

Инвестиции в ИИ-агентов состоят из капитальных (CAPEX) и операционных затрат (OPEX). В первом случае это расходы на вычислительную инфраструктуру (GPU-кластеры, серверы), разработку или закупку платформенных решений и интеграцию с существующими корпоративными системами, во втором — на поддержку и дообучение моделей, мониторинг, оплату облачных сервисов и содержание команды специалистов. Масштаб инвестиций российских команд варьируется в зависимости от размера компании. В случае с бигтехами объем инвестиций может превышать сотни миллионов рублей, в среднем сумма инвестиций в проекты с ИИ-агентами составляет 10–50 млн рублей.

Аналитики отмечают, что простые сценарии автоматизации и готовые решения могут окупиться менее чем за 12 месяцев. Средние по размеру проекты с донастройкой и интеграцией требуют 12–24 месяцев. Крупные инфраструктурные инициативы, связанные с созданием собственных платформ и моделей, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях — 5–7 лет.

Совместное исследование Cloud.ru и ВШБ ВШЭ показывает, что успешность внедрения и масштабирования ИИ-агентов определяют качество доступных для обучения данных и способность агента взаимодействовать с существующими корпоративными системами: CRM, ERP, базами данных. Во всех секторах, где данные уже структурированы, унифицированы и централизованы (финансы, ИТ), агенты демонстрируют высокую эффективность — уровень автоматизации в них может достигать 60-90% операций. В отраслях с фрагментированными неструктурированными данными (медицина, производство) эффективность агентов существенно ниже. По подсчетам аналитиков, в среднем ИИ-агенты сокращают время выполнения задач на 40–50%.

Мировой опыт также подтверждает востребованность ИИ-агентов. Согласно исследованию Cloudera, проведенному среди 1 484 ИТ-руководителей в 14 странах, 96% организаций намерены расширить использование ИИ-агентов в течение ближайших двенадцати месяцев, а примерно половина — масштабировать такие системы на уровень всей компании.

Уровень автономности российских ИИ-агентов варьируется в зависимости от критичности процессов и информации для обработки. Например, в финансовом секторе и производстве, где цена ошибки высока, доминируют агенты с низкой автономностью (уровни 0–1), выполняющие 1–4 простых действия и требующие постоянного контроля человека. В телекоме и банках, наоборот, чаще встречаются агенты с высокой автономностью (уровни 3–4), способные самостоятельно вести диалог с мошенниками или обрабатывать заявки.

На основе анализа успешных кейсов авторы исследования выделили несколько ключевых факторов для масштабирования и окупаемости проектов с ИИ-агентами.