Отчет SAP показывает четырехкратный рост ожидаемого возврата инвестиций от ИИ-агентов, однако 97% предприятий не готовы к их безопасному внедрению из-за проблем с данными и контролем.
3 мин
Недавнее глобальное исследование, проведенное SAP и Oxford Economics, выявило цифры, которые заслуживают внимания руководителей любого крупного бизнеса. Ожидается, что автономные ИИ-агенты (agentic AI) будут приносить в среднем 17,6 миллиона долларов возврата инвестиций (ROI) на каждое предприятие в течение ближайших двух лет.
Это четырехкратный скачок по сравнению с оценкой в 4,3 миллиона долларов всего год назад. Рынок еще никогда не двигался так быстро в прогнозах окупаемости конкретной технологии. Однако за этими оптимистичными цифрами скрывается серьезная проблема: лишь 3% компаний заявляют, что полностью готовы к развертыванию таких систем.
Остальные 97% либо готовы частично, либо не готовы вовсе. Опрос 2600 руководителей из 13 стран рисует четкую картину: на столе лежит огромный потенциал для роста прибыли, но большинству предприятий не хватает управления, качества данных и операционного контроля, чтобы его реализовать.
Это не проблема технологической готовности. Это проблема лидерства, управления и организационной зрелости. И игнорировать ее становится все дороже.
Что движет таким ускорением ожиданий? Переход к агентным рабочим процессам. Программы, которые могут собирать контекст, анализировать данные и предпринимать автономные действия в корпоративных системах, фундаментально отличаются от статических функций больших языковых моделей (LLM), которые большинство предприятий внедряли в последние годы.
Однако этот же отчет документирует ландшафт управления, который должен вызывать тревогу у специалистов по безопасности и соответствию требованиям. Цифры говорят о том, что быстрое развертывание опережает организационную готовность почти на каждом уровне.
Agentic AI Will Return $17.6M — Only 3% Are Ready
Около 38% предприятий не имеют процесса участия человека (human-in-the-loop) для контроля рабочих процессов ИИ-агентов. Это компании, где алгоритмы принимают или инициируют решения без определенной контрольной точки для проверки человеком. Еще 37% не имеют контроля разрешений и доступа для своих агентов, что означает работу без четких границ того, что они могут читать, писать или выполнять.
Только 44% компаний ведут реестр агентов, работающих в их бизнесе. Большинство предприятий просто не имеют полного представления о том, какие ИИ-системы активны, что они делают и кто их авторизовал. При этом 69% предприятий признают, что внедряют агентов быстрее, чем могут ими управлять.
Параллельно с официальными внедрениями растет проблема теневого ИИ (shadow AI). Те же 69% предприятий сообщают, что использование неофициальных инструментов происходит как минимум время от времени. Сотрудники используют личные аккаунты или несанкционированные автоматизации, чтобы быстрее выполнять свою работу, оставаясь вне поля зрения IT-отделов.
Фундаментальной преградой остается качество данных. Автономный ИИ хорош ровно настолько, насколько хороши данные, с которыми он работает. Около 73% компаний сообщают о проблемах с неполными данными, и 79% сталкиваются с переделками, задержками или отставанием из-за низкого качества результатов работы ИИ.
Организации, которые слишком быстро перешли к внедрению функций ИИ, теперь вынуждены возвращаться назад, чтобы выполнить пропущенную работу с данными: управление качеством, настройку доступа на уровне данных и документирование их происхождения.
Еще одна скрытая проблема — отсутствие метрик. Только 33% компаний имеют ключевые показатели эффективности (KPI) на уровне руководства, напрямую связанные с внедрением ИИ. Компании тратят миллионы, но две трети команд руководителей не имеют формальных метрик, привязанных к тому, приносят ли эти инвестиции результат.
Чтобы реально получить прогнозируемую прибыль, лидерам необходимо предпринять несколько шагов. Во-первых, создать централизованный реестр всех ИИ-агентов. Во-вторых, определить требования к участию человека в зависимости от уровня риска. В-третьих, исправить базовый уровень данных, без которого масштабирование невозможно. И, наконец, создать реальную ответственность руководителей за результаты внедрения ИИ с четкими метриками успеха.
Ожидаемая доходность от автономных ИИ-агентов выросла в четыре раза, но абсолютное большинство компаний не сможет ее получить из-за отсутствия базового контроля и низкого качества данных.
Главным препятствием для окупаемости ИИ являются не технологические ограничения самих моделей, а отсутствие управленческой ответственности — лишь треть компаний имеет KPI, привязанные к результатам внедрения ИИ.
