ИИ-пузырь лопается? Gartner: к 2028 году каждая пятая компания свернет внедрение искусственного интеллекта

Эти выводы согласуются с отдельной оценкой Gartner от апреля 2026 года, согласно которой 57% руководителей ИТ-инфраструктуры и операций имеют за плечами как минимум один провальный ИИ-проект, а каждый пятый ИИ-проект в этой сфере терпит полный крах .

Разрыв между тратами и отдачей: данные из разных источников

Множество авторитетных источников подтверждают растущий разрыв между массированными инвестициями в ИИ и измеримыми бизнес-результатами:

Goldman Sachs (август 2026 г.): Стратег Бен Снайдер сообщает, что расходы на ИИ резко растут, но технология пока не привела к значительному улучшению прибыли для большинства компаний. Всего 2% компаний из индекса S&P 500 смогли оценить влияние ИИ на свою прибыль, и большинство сообщают о незначительной или нулевой немедленной выгоде . Аналитик Джессика Ринделс оценивает инвестиции США в ИИ в почти $600 млрд в 2026 году, что эквивалентно почти 2% ВВП, однако подтверждений соответствующего экономического эффекта по-прежнему мало .

Goldman Sachs (май 2026 г.): Аналитик Джим Ковелло отмечает, что большинство предприятий еще не получили никакой отдачи от своих расходов на ИИ, ссылаясь на исследование MIT, которое показало, что 95% корпоративных ИИ-пилотов не принесли измеримого влияния на прибыль и убытки (P&L) . Ковелло утверждает, что экономика ИИ «сегодня вызывает больше вопросов, чем два года назад» .

Goldman Sachs (июль 2026 г.): Экономист Ян Хациус и аналитик Дэвид Пэн предлагают отрезвляющую оценку — внедрение ИИ и его отдача по производительности могут занять гораздо больше времени, чем ожидают рынки. Их анализ показывает, что влияние на производительность следует J-образной кривой: скромное снижение в первые четыре года, статистически значимые выгоды лишь после восьми лет и пиковое влияние примерно в 0,6 процентного пункта на 12-й год. Если запуск ChatGPT в 2022 году эквивалентен дебюту ПК в 1981-м, то отдача еще на годы впереди .

McKinsey (2026 г.): Менее 20% корпоративных внедрений ИИ демонстрируют измеримый бизнес-эффект .

Sequoia Capital: Отметила разрыв в доходах примерно в $600 млрд между инвестициями в ИИ и отдачей от ИИ .

Риски для денежного потока гиперскейлеров: Goldman Sachs предупреждает, что четыре доминирующих облачных вендора (Amazon, Alphabet/Google, Microsoft, Meta) в совокупности тратят больше, чем весь их операционный денежный поток, на инфраструктуру ИИ, при этом корпоративная отдача от этих инвестиций (ROI) не доказана . Совокупные капитальные затраты (capex) этих четырех компаний на 2026 год прогнозируются на уровне примерно $650 млрд .

Почему проекты проваливаются: дело не в технологии

Общий вывод всех крупных анализов заключается в том, что провалы ИИ-проектов носят организационный и стратегический, а не технический характер. Модель почти никогда не подводит — но подводят бизнес-обоснование, фундамент данных и контроль затрат.

Gartner выделяет три основных режима отказа, лежащих в основе его прогнозов: рост затрат без четкой модели ROI, неясная бизнес-ценность и неадекватный контроль рисков . Как выразился один из аналитиков Gartner, «большинство проектов агентного ИИ сейчас — это эксперименты на ранней стадии или прототипы, которые в основном движимы хайпом и часто неправильно применяются» .

Последствия уже видны. Gartner прогнозирует, что к 2028 году 70% ИИ-инициатив будут закрыты из-за неконтролируемого взрывного роста затрат и смещения ценности в организациях, где отсутствует практика специализированного финансового управления ИИ .

Что это значит для руководителей бизнеса

Картина, складывающаяся из данных Gartner, Goldman Sachs, McKinsey, MIT и Sequoia, последовательна: расходы на ИИ находятся на историческом максимуме, но подавляющее большинство организаций до сих пор не могут продемонстрировать измеримую отдачу от этих расходов. Многие уже сворачивают активность или не могут вывести проекты за стадию пилота.

Для организаций, инвестирующих в ИИ, исследования указывают четкий путь вперед: выявить конкретное операционное «узкое место» с измеримыми затратами или влиянием на качество, построить ИИ-решение для этой конкретной проблемы, строго измерить эффект «до и после» и масштабировать только то, что работает . Проекты, которые с первого дня не установят четких метрик ROI, вряд ли переживут грядущую «расплату».