Эйфория вокруг AI закончилась. 51% корпоративных пилотов тонут в согласованиях, 53% компаний блокирует ИБ. Что меняется в стратегии CTO в 2026 году
Российские корпорации проходят через переход от экспериментов к промышленной эксплуатации искусственного интеллекта в разработке. Опрос Veai среди инженеров Сбера, Яндекса, VK, Т-Банка, НСПК, Ланит и других команд показал: 81% разработчиков уже используют AI-агенты, но 66% компаний не контролируют расходы. Разбираем пять метрик, которые перестраивают подход CTO к внедрению AI в разработку.
Российский рынок ИИ в корпоративной разработке вступил в фазу зрелости. Если в 2024–2025 годах внедрение AI-агентов в крупных компаниях носило экспериментальный характер, то к маю 2026 года инструменты на базе искусственного интеллекта стали частью повседневного цикла разработки в большинстве технологических корпораций. Это подтверждает свежий опрос компании Veai — российского разработчика управляемого AI-агента для энтерпрайз-разработки.
Опрос охватил 12 крупных российских компаний из сегмента финтеха, телекома, ИТ-услуг и продуктовой разработки. В выборку вошли инженеры, тимлиды и архитекторы из Сбера, Яндекса, VK, Т-Банка, НСПК, Ланит и других команд. Формат — 12 структурированных вопросов с возможностью множественного выбора. Получены результаты, которые меняют представление о реальной зрелости корпоративного AI в России.
Метрика 1: 81% — проникновение AI-агентов в разработку
81% опрошенных команд уже используют AI-агенты в ежедневной работе. Из них 32% классифицируют AI как регулярный или основной инструмент. Это качественный сдвиг по сравнению с 2024 годом, когда аналогичные срезы показывали проникновение на уровне 35–40%.
Доминирующий паттерн внедрения — bottom-up adoption. 49% команд самостоятельно выбирают AI-инструмент и доказывают результат руководству, против 36% тех, кто ждет корпоративного стандарта от CIO. Иными словами, AI-агенты заходят в крупный бизнес снизу — через инженеров, а не через процесс согласований.
Что это значит для стратегии CTO. Корпоративный стандарт на AI-инструменты, спущенный сверху, рискует не приживаться. Эффективнее — формализовать то, что уже использует команда, и достроить вокруг этого корпоративные требования (ИБ, аудит, биллинг).
Метрика 2: 66% — слепая зона FinOps в AI
66% команд не имеют полной видимости расхода на AI. Из 32% активных пользователей AI-агентов значительная часть не контролирует, сколько токенов или запросов они потребляют, и в какие проекты эти расходы должны быть отнесены.
Причина — токен как единица учета непрозрачен для разработчика. Инженер не видит прямой связи между своим запросом и финансовой нагрузкой. В результате потребление растет неконтролируемо, и на горизонте 12 месяцев это превращается в финансовый сюрприз: задача FinOps выскакивает на C-level не по плану, а по факту счета от провайдера.
Это объясняет, почему рынок AI-инструментов начал переходить на альтернативные единицы тарификации. Veai первой из российских вендоров перешла на минуту compute time как единицу — этот подход уже обсуждают как глобальный тренд OpenAI, Anthropic и другие игроки.
Что это значит для стратегии CTO. В бюджет 2027 года закладывать AI-расходы по факту 2026 года — рискованно. Нужно внедрять отдельный FinOps-контур для AI: учет по командам и проектам, лимиты на разработчика, прогнозирование расхода.
Метрика 3: 53% — информационная безопасность как главный блокер
53% опрошенных назвали информационную безопасность главным блокером внедрения AI в разработку. Цена не вошла в топ-3. Это критически важный сигнал для рынка: команды готовы платить за инструмент, который реально решает задачи. Но они не готовы пускать его в корпоративный контур без сертификации, локального развертывания и прозрачного аудита.
Регуляторное давление усиливает эту тенденцию. Требования 152-ФЗ «О персональных данных» и закона о защите критической информационной инфраструктуры (КИИ) фактически отрезают облачные модели от значительной части корпоративных кейсов. Это создает устойчивый спрос на on-premise AI для разработки, поддержку локальных языковых моделей (Qwen, GLM, DeepSeek, отечественные YandexGPT и GigaChat) и инструменты с прозрачным контуром безопасности.
Что это значит для стратегии CTO. Выбор AI-вендора в 2026 году — это в первую очередь выбор security-архитектуры, а не модели. On-prem развертывание, отсутствие хранения промптов, сертификация ФСТЭК — критерии, которые двигают сделки.
Метрика 4: 51% — пилоты тонут в согласованиях
На вопрос, почему пилотные проекты по внедрению AI длятся больше трех месяцев, 51% респондентов ответили прямо: пилоты тонут в согласованиях, не в технологиях.
Половина рынка либо не измеряет срок внедрения, либо застревает на отметке 3+ месяца. Это означает, что технологический барьер для AI-агентов в разработке уже преодолен — реальное узкое место находится в корпоративных процессах: ИБ-аудиты, юридические согласования, закупочные процедуры, интеграция с внутренней инфраструктурой.
Продвинутые вендоры начинают конкурировать не по качеству модели, а по скорости прохождения корпоративных процедур. Veai заявляет о среднем сроке внедрения для команд 10–50 человек на уровне 1–2 недель — за счет заранее подготовленного пакета под ИБ-аудит и сертификации в работе.
Что это значит для стратегии CTO. Метрика time-to-production по AI-инструментам становится конкурентным фактором между корпорациями. Кто внедрил быстрее — раньше получает накопленный эффект на скорости разработки.
Метрика 5: 69% — скорость как главный KPI победителей
69% опрошенных назвали скорость главным фактором, который через два года будет отличать победителей от проигравших на рынке корпоративного AI. Не оптимизация затрат, не глубина переделки процессов, а именно скорость поставки фич без потери качества. Это фундаментальный сдвиг приоритетов для CTO. Стандартный нарратив 2023–2024 годов («AI экономит ресурсы») сменяется новым: «AI ускоряет цикл поставки». Соответственно, меняются требования к инструментам — от минимальной цены за токен к минимальному времени отклика на сложных задачах.
В Veai под этот тезис перестроен маршрутизатор Auto: простые шаги (форматирование, импорты, локальный рефакторинг) направляются в более легкие модели для быстрого ответа, сложные задачи (отладка с длинным контекстом, архитектурные изменения) — в топовые. По заявлению компании, на внутреннем бенчмарке из 320 задач из реальных IDE-сценариев деградация качества в режиме Auto составляет 4–6% — в пределах погрешности.
Что это значит для стратегии CTO. KPI на 2026–2027 годы по AI-внедрению должны включать не «снижение TCO разработки», а «сокращение времени выпуска по фичам». Это другой набор инструментов и другая архитектура ИТ-процессов.
Структурное противоречие: чего хотят и что есть
При сопоставлении ответов опроса между собой видна устойчивая системная разница между декларируемой стратегией и реальной операцией.
- Декларируется
По факту
Скорость как главный KPI
51% пилотов > 3 месяцев
Команды сами выбирают инструмент
Решение по бюджету — на CTO
AI как ежедневный инструмент 66% не контролируют расход
Готовность платить за качество
Цена — не в топ-3 блокеров, - ИБ — 1
Российский рынок корпоративного AI прошел фазу эйфории и зашел в фазу инженерной дисциплины
Компании больше не спрашивают «когда мы догоним GPT-5». Они спрашивают «что окупится за полгода и не сломает ИБ-контур». Это здоровее. И это требует от вендоров другого продукта — не самой умной модели в мире, а управляемого AI с прозрачным расходом, on-prem развертыванием и пакетом под корпоративный аудит.
Что меняется в архитектуре корпоративных AI-платформ
По итогам опроса анонсировали три ключевых изменения в архитектуре своей платформы, которые отражают тренды рынка:
Поминутная тарификация вместо токенов.
Счетчик стартует на первом токене ответа провайдера, останавливается на последнем токене или tool-call. Сетевая доставка, очереди в балансировщике, классификация в Auto-режиме в счет не попадают. Это дает CFO предсказуемую единицу расхода, понятную и инженерам, и финансовому контуру.
Auto-маршрутизация под скорость как KPI. Маршрутизатор оптимизирован не на минимальную стоимость, а на сочетание скорости отклика и качества по типу задачи.
Корпоративный тариф с командным учетом. Общий баланс минут на команду, админка с распределением по разработчикам, дашборд расхода с экспортом в CSV/API для интеграции в BI компании, on-premise развертывание с пакетом под ИБ-аудит.
Прогноз: на чем конкурируют корпоративные AI-вендоры в 2026–2027
На основании опроса и наблюдений рынка можно выделить четыре фронта конкуренции:
- Скорость прохождения корпоративных процедур (ИБ-аудит, закупки, юридическое согласование).
- Прозрачность расхода — переход от токенов к более понятным единицам, FinOps-инструменты для AI.
- Качество маршрутизации задач — баланс скорости и качества при работе с разными моделями.
- On-premise развертывание и поддержка локальных моделей — обязательное условие для регулируемых отраслей.
Цена и качество базовой модели в этой логике уходят на второй план. Они становятся гигиеническим минимумом, а конкуренция переходит в плоскость зрелости платформы и интеграции с реальностью корпоративного контура.
Источники изображений:
архив компании
Выбор редакции
Публикации, которые получают больше внимания и попадают в Сюжеты РБК
Рекомендации партнеров: