ИИ в России 2026: от хайпа к реальным кейсам

Российский рынок генеративного искусственного интеллекта к концу 2025 года оценивается примерно в 58 млрд рублей. Это в пять раз больше, чем в 2024 году, когда объём сегмента был около 13 млрд рублей. Эти оценки приводят аналитики Onside и Just AI в исследовании по рынку генеративного ИИ по данным «Коммерсанта».

По оценкам «Яков и Партнёры» и «Яндекса», совокупный экономический эффект от всех технологий ИИ к 2030 году может достигнуть 7,9–12,8 трлн рублей в год. Это до 5,5 % прогнозного ВВП страны. Из них только генеративный ИИ может давать 1,6–2,7 трлн рублей в год, по исследованию «Яков и Партнёры» и Яндекса.

За этими цифрами стоит простой факт. ИИ из модной темы конференций превратился в рабочий инструмент. 2026 год закрепляет этот сдвиг. Большинство крупных игроков уже не обсуждает, внедрять ли ИИ. Вопрос формулируется иначе. Где ещё его можно применить и как быстрее масштабировать эффект.

Ещё три года назад генеративный ИИ казался роскошью для техногигантов. Сегодня ситуация другая. Средний бизнес получает доступ к облачным моделям, готовым продуктам и коробочным решениям. Стоимость вычислений падает. Российские компании выкатывают свои LLM, а open source модели линейки YandexGPT 5 Lite и другие доступны на HuggingFace, о чём писал Яндекс в пресс‑релизе.

От демо к экономическому эффекту

В 2021–2023 годах большинство российских кейсов ИИ выглядели как демонстрации. Отделы инноваций показывали чат‑ботов и генерацию картинок. На конференциях шли эффектные презентации. Но пилоты редко проходили путь до промышленной эксплуатации. Внедрение останавливалось на уровне прототипов. Бизнес не видел понятной unit‑экономики.

Ситуация изменилась. По данным исследования «Искусственный интеллект в России: тренды и перспективы», к 2025 году 71 % компаний уже использует генеративный ИИ хотя бы в одной функции. Это на 17 п.п. больше, чем в 2024 году. Среднее число функций, где есть пилоты или полноценное внедрение, выросло с 2,4 до 3,1 за два года, согласно исследованию «Яков и Партнёры» и Яндекса.

Те же данные показывают. Технология вышла за пределы ИТ‑подразделений и маркетинга. Генеративный ИИ используют в аналитике, логистике, обслуживании клиентов, работе с документами. Компании ожидают от генеративного ИИ в среднем плюс 4 % к EBITDA. Это выше, чем по любым другим ИИ‑направлениям, по данным исследования «Яков и Партнёры».

На стороне государства динамика тоже заметна. Национальная стратегия развития искусственного интеллекта до 2030 года была обновлена в 2024 году. Документ закрепляет цель. Ежегодный объём услуг по разработке и внедрению решений на базе ИИ к 2030 году должен достигнуть не менее 60 млрд рублей. В 2022 году это было около 12 млрд рублей, согласно Указу Президента РФ №124 от 15.02.2024.

Стратегия задаёт и другие ориентиры. 15,5 тысяч выпускников в год по ИИ‑специальностям к 2030 году против 3 тысяч в 2022 году. Рост доверия граждан к ИИ до 80 % против 55 %. Совокупный прирост ВВП от ИИ не менее 11,2 трлн рублей накопленным итогом, как указано в обновлённой нацстратегии.

Федеральный проект «Искусственный интеллект» включён в нацпроект «Формирование экономики данных». Это закреплено тем же указом. Для бизнеса это означает системную поддержку. Есть субсидии, гранты и регуляторные эксперименты под ИИ‑решения.

Регионы: 55 субъектов и сотни решений

Важно, что ИИ перестал быть исключительно московской историей. На федеральном портале «Цифровой регион» сегодня представлены практики внедрения технологий ИИ из 55 регионов России. На платформе размещено около 350 ИИ‑решений и более 430 сценариев применения, по данным материалов о портале «Цифровой регион».

Лидеры по количеству решений на портале:

• Московская область – 24 практики
• Сахалинская область – 22
• Челябинская область – 20
• Ямало‑Ненецкий АО – 19
• Новосибирская область – 17 (по обзорам Eurasian Magazine и CNTD).

Челябинская область – хороший пример «земного» эффекта от ИИ. С декабря 2025 года в регионе работает система на базе компьютерного зрения. Она в реальном времени анализирует дорожную обстановку. Фиксирует пробки, ДТП и скорость потока.

За несколько месяцев среднее время нахождения в пробках сократилось в 2,5 раза. С 13 до 5 минут. Количество ДТП в местах установки комплексов снизилось примерно на 24 %. С 161 до 122 аварий в месяц, по данным News.Mail.ru / «Комсомольской правды».

Для регионов это понятный язык. Не «нейросетевые модели». А минус минуты в пробках, минус аварии, плюс удовлетворённость жителей.

Параллельно Минцифры готовит эксперимент по применению генеративного ИИ в государственном управлении. Планируется использовать модели для черновых ответов на обращения граждан, анализа законопроектов, обработки данных и подготовки документов. При этом ИИ не будет работать с гостайной и не будет использоваться для прогнозирования социально‑экономических показателей, согласно публикациям Forbes и ICT.Moscow.

Сбер: 450 млрд рублей эффекта от ИИ

Сбер остаётся главным витринным кейсом. В 2024 году экономический эффект для банка от применения технологий ИИ составил не менее 450 млрд рублей. Об этом говорил Герман Греф на AI Journey и подтверждал в интервью в декабре 2024 года, о чём писали Lenta.ru и ПРАЙМ.

Для сравнения. В 2023 году эффект был около 300 млрд рублей. То есть рост за год составил примерно 1,5 раза. На 2025 год Сбер ставит себе цель не опускаться ниже уровня 450 млрд рублей эффекта от ИИ, по данным ПРАЙМ.

Часть этого эффекта связана с генеративным ИИ. По данным самого банка, в 2023 году генеративные модели дали около 10 млрд рублей эффекта. В 2024 году плановая цифра – около 50 млрд рублей. То есть рост в пять раз за год, по данным «Интерфакса».

За этими цифрами стоят конкретные сценарии.

• Робот‑оператор ИИ проводит до 84 % звонков по просроченной задолженности без участия человека. Экономия только на этом направлении оценивается в 2,4 млрд рублей в год.
• В управлении проблемными активами работает более 200 моделей ИИ. Они формируют портреты клиентов, подсказывают стратегию взыскания и помогают планировать работу.
• Кредитование корпоративных клиентов. По данным топ‑менеджмента Сбера, с помощью ИИ выдано свыше 5 трлн рублей кредитов. Просрочка по этим ссудам примерно вдвое ниже, чем по решениям без ИИ, согласно интервью Александра Ведяхина в Forbes.

Сбер активно развивает и генеративные продукты. GigaChat интегрирован во внутренние сервисы, в сервисы для бизнеса, в контакт‑центр. В 2025–2026 годах банк делает ставку на мультиагентные системы и специализированных ИИ‑ассистентов для сотрудников.

С точки зрения рынка это важный маркер. Крупнейший банк страны показывает, что ИИ не «про имидж», а про деньги. И что эффекты измеряются сотнями миллиардов рублей, а не экономией одной‑двух ставок в отделе.

Яндекс и YandexGPT: от опенсорса до B2B

Второй полюс российского ИИ – Яндекс. Компания идёт сразу по двум трекам. Массовые пользовательские сервисы и корпоративные решения.

В феврале 2025 года Яндекс выпустил новое поколение моделей YandexGPT 5. Основная B2B‑модель YandexGPT 5.1 Pro используется в сервисах для бизнеса. Она отвечает лучше предыдущей версии в 58 % задач. В сравнении с GPT‑4.1 от OpenAI модель выигрывает в 56 % кейсов на русскоязычных бенчмарках. Доля хороших ответов выросла с 60 % до 71 %. Доля выдуманных и некорректных ответов снизилась почти вдвое. До 16 %, по данным Forbes.

По данным Яндекса, за январь–июнь 2025 года YandexGPT использовали более 25 000 корпоративных клиентов. Модели применяются для автоматизации поддержки, работы с документами и генерации контента, по данным Forbes.

Параллельно компания выкладывает в открытый доступ облегчённые модели. В феврале 2025 года Яндекс опубликовал YandexGPT 5 Lite Pretrain на 8 млрд параметров с контекстом 32 000 токенов. Модель обучена на 15 трлн токенов, демонстрирует превосходство над LLaMA 3.1‑8B и Qwen‑2.5‑7B в большинстве задач на русском, согласно пресс‑релизу Яндекса.

Для рынка это важно. Open source LLM по‑русски снижают порог входа для региональных команд и среднего бизнеса. Их можно дообучать под свои данные и разворачивать on‑prem. Это критично в условиях требований к суверенности и защите данных.

В пользовательских продуктах YandexGPT работает под брендом «Алиса». Модели используются в Поиске (краткие ответы на сложные вопросы), в Браузере (резюме страниц), в Go (общение с поддержкой), в Маркете (описания товаров) и в других сервисах.

Промышленность: от Северстали до «Газпром нефти»

Промышленность остаётся одним из главных бенефициаров ИИ в России. Здесь ценят не красивые демо, а процент снижения простоев и затрат.

Северсталь

Северсталь несколько лет системно внедряет ИИ и предиктивную аналитику в производство.

• В компании развернута система интеллектуального анализа бизнес‑процессов на базе SAP Process Mining by Celonis. Она использует алгоритмы машинного обучения и более 35 признаков при анализе отклонений. Согласно данным Северстали и партнёров, это позволяет сократить затраты на управление процессами до 15 %, о чём писали MiningMedia.
• Внедрены ИИ‑модели для предиктивного обслуживания оборудования. Они анализируют данные датчиков и предупреждают о рисках аварий и простоев.
• Создана собственная платформа генеративного ИИ «Да Винчи». Она позволяет создавать узкоспециализированных ассистентов под задачи инженерии, ТОиР и логистики, по данным TAdviser.

Для металлургического бизнеса выгода проста. Меньше незапланированных остановок. Лучше качество продукции. Прозрачнее процессы.

«Газпром нефть»

«Газпром нефть» показывает, как ИИ работает на зрелых месторождениях и в геологоразведке.

• Цифровые двойники и ИИ обеспечивают более половины всей добычи нефти и газа компании. Об этом компания заявляла на ПМЭФ‑2025. Большинство физических процессов уже моделируется в цифровой среде, по данным «Ведомостей».
• Совместно со стартапом «Кемпрофет» и акселератором «ИНДАСТРИКС» компания использовала ИИ для синтеза новых химических молекул. Модель перебрала около 6 000 вариантов составов и предложила оптимальный. Разработка заняла три месяца. Сравнимые проекты в классической лаборатории занимают не менее двух лет, по данным «Газпром нефти».
• Лабораторные тесты в Казанском федеральном университете и Тюменском госуниверситете подтвердили эффективность реагента. Он показывает сверхнизкое межфазное натяжение и повышает извлечение нефти, согласно релизу «Газпром нефти».

Кроме того, ИИ используется в геологоразведке и сейсморазведке. Модели ускоряют интерпретацию данных на 10–30 %, позволяют переоткрывать старые районы и находить новые залежи в архивных данных, по отраслевым публикациям, включая ТАСС.

Другие игроки

Крупные промышленные компании – Росатом, НЛМК, «Норникель» – идут по похожему пути. Внедряют ИИ в контроль качества, энергоменеджмент, логистику и обслуживание оборудования. Во многих кейсах речь идёт о снижении брака и простоев на 10–30 % в пилотных зонах. Точные цифры зависят от процесса и зрелости данных, но порядок эффекта стабильно заметен.

Ритейл и финансы: персонализация и риск‑менеджмент

Ритейл давно научился считать деньги, поэтому внедряет ИИ прагматично.

Сетевые ритейлеры используют модели для прогнозирования спроса, управления запасами и ценообразования. X5 Group в открытых выступлениях рассказывала, как алгоритмы помогают управлять промоакциями и оптимизировать запасы. По оценкам рынка, внедрение современных рекомендательных систем даёт плюс 15–20 % к конверсии в отдельных сегментах, по отраслевым обзорам ICT.Moscow.

Рекомендательные системы – одно из самых зрелых направлений ИИ. Согласно исследованию «Яков и Партнёры», более 50 % компаний используют их уже больше пяти лет. В e‑commerce доля инвестиций в такие технологии выше средней. До 4 % ИТ‑бюджета. Эффект достигает около 1 % EBITDA, согласно исследованию «Яков и Партнёры».

Финансовый сектор – один из главных драйверов ИИ в России.

• Банки используют ИИ для детектирования мошенничества, скоринга, антифрода в реальном времени.
• В страховании ИИ оценивает повреждения автомобилей по фотографиям и ускоряет урегулирование убытков с дней до часов.
• Генеративный ИИ помогает юристам и риск‑менеджерам готовить обзоры и заключения. По оценкам Сбера, производительность отдельных функций растёт в разы, по данным интервью в Forbes.

Сбер здесь лидер, но далеко не единственный игрок. Тинькофф, ВТБ, Альфа‑Банк и другие крупные участники рынка активно развивают свои модели и платформы.

Государственный сектор: от портала «Госуслуги» до региональных МФЦ

Госструктуры исторически инерционны. Но ИИ успешно встраивается и сюда.

На федеральном уровне ИИ используют в системах обработки обращений граждан, в аналитике больших массивов данных, в сервисах «Госуслуг» и ведомственных порталах. Чат‑боты и голосовые ассистенты закрывают типовые вопросы и оставляют людям более сложные случаи.

Региональные министерства и МФЦ внедряют распознавание документов, автоматическую проверку комплектности пакета, классификацию обращений. В ряде субъектов пилотируются системы поддержки принятия решений для управленцев. Они формируют дайджесты, подсвечивают аномалии и риски в данных.

Эксперимент Минцифры по генеративному ИИ в госуправлении должен расширить этот набор. В проекте рассматриваются сценарии автоматизированной подготовки черновиков документов, анализа законопроектов и инициатив, систематизации предложений по цифровизации, согласно материалам Forbes и ICT.Moscow.

При этом ключевой принцип сохраняется. ИИ не принимает юридически значимые решения. Он предлагает варианты. Ответственность остаётся за должностным лицом.

Что тормозит массовое внедрение

При всей позитивной динамике барьеры никуда не делись.

Вычислительные ресурсы

Дефицит GPU остаётся одной из главных проблем. Спрос на вычисления для обучения и инференса растёт быстрее, чем предложение. В России строятся новые центры обработки данных, появляются специализированные облачные провайдеры под ИИ‑нагрузки. Но это всё ещё узкое место.

Яндекс в материалах о YandexGPT прямо пишет. Для обучения моделей родства YandexGPT 5 потребовались масштабные вычислительные мощности, которые оптимизируют с помощью собственной библиотеки YaFSDP. Она позволяет снижать потребность в ресурсах на 25 %, как указано в материалах Яндекса.

Крупные банки и промышленные компании строят свою инфраструктуру. Средний бизнес и регионы в основном идут в облако или используют компактные модели.

Регулирование и сертификация

Обновлённая стратегия развития ИИ и федеральный проект создают рамку. Но для части игроков она выглядит как барьер. Обязательные требования к безопасности, сертификация и регуляторные песочницы увеличивают срок вывода решений на рынок.

С другой стороны, это повышает доверие. Заказчики – особенно государственные – хотят понимать, что модель не утечёт данные и не нарушит закон. Поэтому сертификация становится не только препятствием, но и конкурентным преимуществом.

Кадры и зрелость данных

Кадровый дефицит никуда не исчез. Нужны не только ML‑инженеры, но и дата‑инженеры, архитекторы, продакты ИИ‑направлений. Образовательные программы растут, но скорость не поспевает за спросом.

Есть и более приземлённый барьер. Состояние данных. Многие компании только при запуске ИИ‑проекта впервые серьёзно сталкиваются с картиной своих информационных систем. Выясняется, что данные разрознены, неполные и плохо задокументированы. Часто без нескольких месяцев или лет наведения порядка внедрение ИИ даёт слабый эффект.

Куда всё движется: несколько выводов для 2026 года

Можно зафиксировать несколько трендов, которые задают тон на 2026–2028 годы.

1. Рынок генеративного ИИ уже не в стадии «детского сада». Оценка в 58 млрд рублей к концу 2025 года и прогнозы в сотни миллиардов к 2030‑му показывают: сегмент становится значимым и для поставщиков, и для заказчиков, по данным «Коммерсанта» и «Яков и Партнёры».
2. Крупные компании, такие как Сбер и Яндекс, формируют стандарты. Сбер публично показывает эффект в сотни миллиардов рублей и строит мультиагентные системы. Яндекс развивает линейку моделей и открывает часть стека сообществу через опенсорс, что видно по материалам Яндекса, Lenta.ru, ПРАЙМ, Интерфакса и Forbes.
3. Регионы перестают быть наблюдателями. 55 субъектов уже показывают свои ИИ‑решения на федеральной витрине. Появляются реальные измеримые эффекты на уровне безопасности, транспорта и ЖКХ, что подтверждают публикации Eurasian Magazine, CNTD и News.Mail.ru.
4. Промышленность и энергетика продолжают цифровизацию. Северсталь, «Газпром нефть» и другие компании вкладываются в ИИ‑платформы, цифровые двойники и генеративных ассистентов. Для них ставка проста. Снижение простоев, рост извлечения сырья, оптимизация энергозатрат, по материалам MiningMedia, TAdviser, «Ведомостей» и «Газпром нефти».
5. Государство усиливает рамку. Обновлённая стратегия, нацпроект, эксперименты с генеративным ИИ в госуправлении. Всё это задаёт долгую линию развития до 2030 года и дальше, согласно Указу №124 и материалам Forbes.

Для бизнеса главный риск сейчас – не переоценка технологии, а задержка с её внедрением. Окно «дешёвых побед» постепенно закрывается. Компании, которые начали выстраивать ИИ‑контур в 2023–2024 годах, к 2026‑му переходят к масштабированию. Те, кто стартует только сейчас, будут догонять.

При этом вопрос «заменит ли ИИ людей» в реальных проектах звучит всё реже. Практика показывает другой сюжет. Команды, которые получают ИИ‑инструменты, начинают работать быстрее и точнее. Рынок труда меняется, но не за счёт одномоментных сокращений. А за счёт перетока людей в новые роли.

ИИ в России 2026 – это уже не хайп. Это совокупность вполне конкретных систем, процессов и метрик. Рынок только входит в фазу масштабирования. У компаний ещё есть несколько лет, чтобы встроиться в эту волну не в роли догоняющих.