AI в корпорациях: какие сценарии уже работают прямо сейчас
Треть крупнейших компаний мира уже платит за AI — и вот где это реально работает.
Почему большинство отчетов об AI врут
Вокруг корпоративного AI много шума, но мало реальных цифр. Большинство исследований строятся на опросах — компании просто рассказывают, как они «используют AI». Самое громкое из таких исследований вышло от MIT: якобы 95% пилотных проектов с генеративным AI проваливаются.
Аналитики Andreessen Horowitz говорят, что эта цифра вызывает у них сомнения. Они собрали реальные данные от ведущих AI-стартапов и из разговоров с топ-менеджерами крупных корпораций.
Реальные цифры внедрения
29% компаний из Fortune 500 и около 19% из Global 2000 — уже живые, платящие клиенты ведущих AI-стартапов.
В статистику вошли только те, кто:
— подписал официальный корпоративный контракт
— успешно прошел пилотный проект
— реально запустил продукт внутри компании.
Исторически стартапам приходилось годами продавать продукты другим стартапам, прежде чем мог появиться первый enterprise-контракт. AI перевернул эту норму.
Отправной точкой стал ноябрь 2022 года — запуск ChatGPT. Он впервые показал корпорациям реальный потенциал AI и заставил их действовать быстрее, чем с любой предыдущей технологией. Результат: чуть больше чем за три года почти треть Fortune 500 имеет реальные AI-внедрения.
Три направления, где AI реально работает
- Написание кода — лидер с огромным отрывом
Кодинг — доминирующий сценарий использования AI. Это видно по взрывному росту Cursor, Claude Code и Codex. Темпы роста превзошли даже самые оптимистичные прогнозы.
Почему именно код:
Его можно проверить: запустил и сразу понял, работает или нет. Он точный и однозначный, с четкими правилами синтаксиса. Лучшие инженеры повышают продуктивность в 10–20 раз с AI-инструментами. Инструмент полезен даже без 100% точности: поиск ошибок и генерация шаблонов уже экономят время.
- Поддержка клиентов — идеальная задача для AI-агентов
Поддержка — рутинная работа начального уровня, которую компании нередко отдают на аутсорс, потому что считают ее слишком однотипной. Именно поэтому AI здесь так хорошо прижился.
Большинство обращений имеют четкую цель. Например, оформить возврат — в поддержке есть прописанные стандартные процедуры, по которым AI-агенты могут работать. ROI легко измерить: количество тикетов, удовлетворенность клиентов, процент решенных проблем, если AI ошибся — всегда есть эскалация к живому человеку, что снижает риски внедрения.
- Поиск по корпоративным данным
Одна из главных болей крупных компаний — просто найти нужную информацию среди разрозненных внутренних систем. Стартап Glean стал основным игроком для этого сценария. В юридической сфере выстрелил Harvey, в медицине — OpenEvidence.
Какие отрасли идут первыми
Технологические компании — ожидаемо первые. Они почти всегда ранние последователи.
Юридическая отрасль — неожиданный первопроходец. Традиционный софт почти не ускорял работу юристов. AI изменил это: он отлично разбирает плотные тексты, резюмирует документы и составляет ответы. Стартап Harvey достиг около $200 миллионов годового дохода за три года с момента основания.
Здравоохранение — рынок, который традиционный софт никогда не покорял. Компании Abridge, Ambience Healthcare и Tennr стремительно выросли на конкретных сценариях: медицинская транскрипция, поиск и автоматизация административных процессов — все это без необходимости заменять существующие системы.
Почему одни отрасли внедряют AI быстро, а другие — нет
Отрасли, которые активно внедряют AI, объединяет несколько признаков:
— работа текстовая и повторяющаяся
— результат можно проверить
— код который запускается, закрытый тикет — человек участвует в процессе и может исправить
ошибку
— нет жесткого регулирования.
Там, где работа связана с физическим миром, межличностными отношениями или строгим регулированием — AI пробивается медленнее.
Модели улучшаются быстро — и это меняет расклад
Самый важный вывод: возможности моделей стремительно растут. За последние четыре месяца бухгалтерский учет и аудит выросли по возможностям почти на 20%, оперативно-следственная работа — почти на 30%. Лаборатории активно работают над управлением интерфейсами, финансовыми таблицами и длительными задачами — это откроет целый новый класс работы для автоматизации.