Доля промышленных предприятий, использующих машинное зрение, за четыре года выросла более чем вдвое, а бюджет на автоматизацию увеличился в полтора раза. Однако 80% бизнеса по-прежнему работает с разрозненными системами, где данные передаются фрагментарно, и рискует не получить отдачи от вложений

Российский бизнес активно наращивает инвестиции в цифровизацию. По данным III Всероссийского опроса по цифровой трансформации, доля компаний, вложивших более 3,5 млн рублей в автоматизацию, за год выросла с 38% до 62% . Однако за инвестиционным энтузиазмом скрывается системная проблема: 60% бизнеса действует без единой стратегии цифровизации, а 80% работают с разрозненными интеграциями между информационными системами .

Технологии внедряются, но отдачу получают не все

Согласно исследованию Strategy Partners (конец 2025 года), доля промышленных предприятий, использующих машинное зрение, выросла с 18,9% до 41,6% за 2020–2024 годы . На начало 2026 года компьютерное зрение в промышленности применяют более 36 тысяч предприятий, промышленный интернет вещей — около 5,7 тысячи, машинное обучение и большие данные — более 5 тысяч . Цифровые двойники используют 22% крупных компаний, еще 34% планируют внедрение .

Рынок облачных инфраструктурных сервисов в России по итогам 2025 года вырос на 23%, приблизившись к 1,5 трлн рублей — существенным драйвером стал спрос на инфраструктуру для ИИ.

При этом компании вкладывают средства и внедряют технологии, но отдачу получают не все. По данным опроса крупнейших российских компаний (декабрь 2025 — февраль 2026 года), девять из десяти проектов по внедрению генеративного ИИ были свернуты или отложены, а до промышленной эксплуатации дошли 7–10% пилотов.

Почему технологии не работают: процесс важнее выбора

Причина в том, что цифровая технология усиливает процесс, на который ее ставят. На выстроенном процессе она повышает результат, на неотлаженном — ускоряет ошибки и удорожает их. Машинное зрение на линии, где не определено, что считать дефектом, классифицирует отклонения по неясным критериям. Модель машинного обучения, обученная на противоречивых данных, выдает прогноз, на который нельзя опереться. Цифровой двойник процесса, который не описан, остается изображением без управленческой ценности.

Как отмечают эксперты «Аккордной цифровой трансформации» (методика АЦТ), решающее значение имеет не выбор технологии, а ее сочетание с готовым процессом и пригодными данными. Группа G методики, объединяющая 16 инструментов — от облачных вычислений и low-code до цифровых двойников, машинного обучения и ИИ-агентов, — описывает это правило: «Технология усиливает процесс, на который ее ставят».

По данным исследования Comindware (2025 год), сотрудники российских компаний тратят в среднем 42,5% рабочего времени на рутинные задачи, которые можно автоматизировать. При этом у компаний с развитой цифровой стратегией этот показатель составляет менее 25% .

Разрозненные системы: главный барьер

80% компаний используют разрозненные интеграции между информационными системами — данные передаются фрагментарно, а в некоторых случаях копируются вручную. Лишь 12% респондентов работают в единой цифровой среде .

Основные барьеры цифровизации:

• высокая стоимость внедрения (60%);
• сложность интеграции существующих систем (60%);
• сопротивление сотрудников изменениям (40%);
• отсутствие подходящих решений на рынке (40%);
• нехватка IT-специалистов (40%) .

По данным исследования Группы «Эл 6», почти 62% российских промышленных компаний сталкиваются с дефицитом отечественных ИТ-решений для автоматизации. При этом 42,9% компаний проводят автоматизацию собственными силами, 28,6% работают с интеграторами .

Что делать: матрица зрелости и пошаговый подход

Методика АЦТ предлагает шесть уровней зрелости — от «Тишины» до «Симфонии». Для технологического контура эта шкала показывает состояние от ручного сбора данных до предприятия, которое пересчитывает решения автоматически. Значительная часть российских промышленных предприятий находится на уровнях «Соло» и «Дуэт»: отдельные системы есть, что-то оцифровано, но единый технологический контур отсутствует.

Рекомендации на ближайший месяц:

1. Инвентаризация систем и данных. Собрать в одну таблицу все системы предприятия — производственные, учетные, клиентские — и зафиксировать по каждой: какие данные хранит, кто отвечает, как стыкуется с остальными.
2. Выбор одного процесса для автоматизации. Не предприятие целиком, а конкретный участок с измеримой проблемой: линия с высоким браком, оборудование с частыми простоями, рутинная операция.
3. Оценка готовности данных под ИИ. Проверить, есть ли пригодные данные: полные, согласованные, привязанные к объектам. Если данные разрознены — первым проектом должно стать упорядочивание мастер-данных.
4. Старт с легкого входа. В группе G разброс сложности трехкратный: облачные вычисления (28 часов), low-code (24 часа) и open-source (26 часов) дают результат при умеренных вложениях .

Резюме

Главный вопрос цифровой трансформации — не выбор технологий, которые сегодня доступны почти каждому. Вопрос в том, на какой процесс технологию ставят и на каких данных она работает. Северсталь и Газпром нефть получили эффект потому, что под модель были выстроены процесс и данные. Девять из десяти свернутых ИИ-проектов остановились из-за отсутствия этой основы, а не из-за технологии. Цифровая трансформация происходит, когда инструменты группы G ставят на здоровый процесс из операционных групп и обеспечивают данными из аналитической группы. При этом условии технология перестает быть статьей расходов и начинает давать измеримый эффект.

По материалам: dia.ru