Искусственный интеллект меняет бизнес: кто в Казахстане успеет стать AI-native
Компании, которые лишь ускоряют старые процессы с помощью ИИ, рискуют уступить тем, кто перестраивает бизнес вокруг технологий
За последние два года искусственный интеллект стал постоянной темой дискуссий в повестке советов директоров компаний во всем мире, и Центральная Азия — не исключение из этого тренда. Бюджеты выделены, пилоты запущены, презентации показаны, а в Казахстане 2026 год официально объявлен Годом цифровизации и искусственного интеллекта. Вопрос в том, как изменился под влиянием ИИ сам бизнес.
Как показывает наш опыт работы с компаниями региона, эффект пока во многом остается ограниченным. ИИ нередко ускоряет процессы, которые требуют не столько автоматизации, сколько пересмотра. Компании покупают лицензии, но не всегда заранее отвечают на главный вопрос: как внедрение ИИ изменит сам способ зарабатывать деньги?
Это противоречие наблюдается и в мировом масштабе, что подтверждают цифры. Согласно данным исследования KPMG Transforming the Enterprise 2026, в котором участвовали 1750 руководителей трансформации в 20 странах, лишь 26 % компаний твердо уверены, что ИИ уже помог им в достижении целей роста. Для многих компаний пилотные проекты пока не дали измеримый эффект, который можно было бы показать в P&L (Profit & Loss Statement, отчет о прибылях и убытках — F). Разница между теми, кто уже ощутил, как ИИ меняет бизнес, и теми, кто пока не видит результата, не в количестве внедренных инструментов, а в том, перестроена ли вокруг ИИ сама архитектура бизнеса.
Подмена понятий
Не секрет, что у нас все еще часто путают искусственный интеллект и цифровизацию. Цифровизация — перевод существующего процесса в электронный вид: проще говоря, бумажная заявка становится формой на портале. Автоматизация — это шаг дальше: тот же процесс выполняет машина, а не человек. ИИ-инструменты — это уже точечные ИИ-модели для выполнения отдельных задач: сгенерировать текст, суммировать документ, подсказать оператору ответ. Все перечисленное полезно, но все это по большому счету строится вокруг старого процесса, которому добавили скорости.
Более зрелый ИИ-нативный подход (AI-native — «рожденный с ИИ») начинается с вопроса не о том, как сделать процесс быстрее, а о том, нужен ли этот процесс в принципе, если у компании есть ИИ. В AI-native-компании ИИ — не надстройка поверх структуры, а часть операционной модели и механизма создания стоимости. Данные являются стратегическим активом, а не побочным продуктом. Решения опираются на прогноз, а не только на отчет о прошлом. Люди работают вместе с ИИ, а не вместо него. Для того чтобы определить, является ли компания AI-native, достаточно провести простой тест: выключить ИИ. В AI-assisted-компании (искусственно ассистированной, с поддержкой ИИ), где нейросети и алгоритмы выступают в роли умного помощника, бизнес продолжит работать, просто медленнее. В AI-native-компании остановится сама операционная модель.
AI-assisted-подход делает сотрудника в разы эффективнее, но компания в разы прибыльнее от этого не становится. Сотрудник по-прежнему работает восемь часов, решения идут через ту же цепочку согласований, бизнес растет пропорционально найму. Выигрыш либо съедается новой работой, либо обнуляется конкурентом, который сделал то же самое. Показательно, как компании измеряют отдачу от ИИ: по данным исследования KPMG, рост продуктивности и снижение затрат (39 и 33 % соответственно) опережают рост выручки и переход на новые бизнес-модели (26 и 22 %). Это означает, что ИИ пока считают калькулятором экономии, а не источником новой стоимости.
AI-native-подход меняет не скорость, а природу масштабирования. Производительность перестает зависеть от численности: система растет за счет вычислительных мощностей, работает круглосуточно и ведет тысячи процессов параллельно. Это не «тот же бизнес, но дешевле», это бизнес, способный делать принципиально больше, уметь то, чего конкуренты пока не могут. Предельная стоимость аналитики, контента, поддержки и рутины резко падает: то, что занимало часы работы команды, делается за минуты. Цикл принятия решений сжимается почти до реального времени.
AI-native-компания зарабатывает не на том, что делает прежнее дешевле, а на том, что умеет то, чего конкуренты пока не могут. По данным Gartner, организации с самыми зрелыми возможностями применения ИИ в данных и аналитике добиваются до 65 % лучших бизнес-результатов — и в выручке, и в затратах. Ценность создают не модели, а связка из данных, корпоративного управления (governance) и операционной готовности.
Когда AI-native-компаний станет много, может появиться среда, в которой системы компаний будут все чаще взаимодействовать напрямую: агент одной компании согласует с агентом другой закупку, цену и поставку без участия сотрудников. Компания, работающая в темпе человека, в такой среде просто не сможет действовать, потому что играет на другой скорости.
Не перепрыгивать через ступени
Путь к AI-native-подходу представляет собой лестницу из четырех ступеней. На стадии AI-assisted, когда инструменты ИИ применяются в качестве поддержки, сотрудники пользуются ИИ как личным помощником. С переходом на AI-augmented-уровень (искусственно дополненный, расширенный с помощью искусственного интеллекта) ИИ системно усиливает отдельные функции, а на ступени AI-integrated (интегрированный, встроенный ИИ) искусственный интеллект встроен в сквозные процессы — от заявки клиента до исполнения. На самой верхней, AI-native-ступени операционная и бизнес-модель спроектированы вокруг ИИ.
Подавляющее большинство компаний — и в Центрально-Азиатском регионе, и в мире — пока находятся на первой или второй ступени, и их необходимо пройти. Так нарабатывается практика, через которую вырастают зрелые данные, навыки и доверие. Ошибка не в том, чтобы быть в начале пути, а в том, чтобы принять первую ступень за финиш.
По данным KPMG AI Quarterly Pulse, в США доля компаний с выручкой от $1 млрд, развернувших ИИ-агентов хотя бы частично, выросла с 11% в I квартале 2025 года до 54 % к IV кварталу. Рост впечатляющий, но он отражает популярность точечных ассистентов, а не AI-native-зрелость. Развернуть 100 ИИ-ассистентов — не то же самое, что стать AI-native-компанией.
От первого лица
Поскольку AI-native-трансформация затрагивает стратегию, культуру и конкурентоспособность, это прямая ответственность первого руководителя. Но главная управленческая ошибка, которую может совершить руководство компаний, — спустить внедрение ИИ в IT-департамент. ИИ в контуре директора по информационным технологиям (CIO) даст лишь набор удобных инструментов. По данным опроса KPMG, 73 % компаний применяют ИИ-агентов для процессов, проходящих сразу через несколько функций. Следовательно, удержать такой объем в зоне ответственности одного подразделения не получится.
Одно из препятствий, о котором на советах директоров говорят реже, чем стоило бы, — бюрократия, устоявшиеся на протяжении многих лет регламенты, написанные под мир без ИИ. Перестроить их в большой, годами работавшей по привычной схеме организации порой труднее, чем построить новое с нуля. Иногда честнее собрать AI-native-направление отдельной командой, без груза прошлого.
Меняются и задачи первого руководителя. Если раньше лидер распределял людей и капитал, то теперь у него появляется новая функция: решать, какие задачи требуют человеческого суждения, а какие можно доверить ИИ. Совет директоров, который относится к ИИ всерьез, перестает спрашивать о затратах на его внедрение. Вопросы становятся другими. Что ИИ способен изменить в отрасли и что будет, если первым это сделает конкурент? Какие элементы бизнес-модели компании устареют за пару лет? Какими данными владеет компания и насколько хорошо ими управляют? Какие риски компания и ее руководство готовы принять, а какие нет? Главный же вопрос звучит так: является ИИ-стратегия в нашей компании частью бизнес-стратегии или сторонней инициативой?
Риски, без которых не обойтись
Конечно, при переходе к AI-native хватает рисков: качество данных (по крайней мере, на первых порах), угрозы кибербезопасности, утечки, непрозрачность моделей, зависимость от одного-двух вендоров, предубеждение со стороны сотрудников. И отдельно — «теневой ИИ»: сотрудники сами загружают корпоративные данные в публичные сервисы. Это не гипотеза, а статистика: согласно исследованию KPMG и Университета Мельбурна, 48 % сотрудников признаются, что используют ИИ в обход правил компании. При этом сами правила есть лишь у 40 % работодателей. Ни один из этих рисков не является поводом откладывать трансформацию. Но они означают, что корпоративное управление строится параллельно со стратегическим и практическим включением ИИ в системную работу.
Есть еще один риск, который редко попадает в корпоративные реестры, хотя бьет напрямую по выручке: соблазн полностью убрать человека из контакта с клиентом. Экономика здесь выглядит настолько убедительно, что границу автоматизации компании обычно находят опытным путем — на собственных клиентах.
Показателен пример шведской технологической компании Klarna. В феврале 2024 года ее ИИ-ассистент за месяц закрыл объем работы, для выполнения которой потребовалось бы около 700 операторов, и ответил на две трети клиентских обращений, сократив время принятия решения с 11 минут до двух. Через год компания признала, что переоценила ИИ, и вернула людей на обработку сложных обращений. Урок не в том, что ИИ не работает, а в том, что выигрывает связка: ИИ — на типовом потоке, человек — на сложном.
Этот риск хорошо виден и на уровне клиентского опыта. Когда сложный вопрос месяцами проходит через цепочку автоматических сценариев и шаблонных ответов, формально процесс может выглядеть эффективным. Но у клиента возникает ощущение, что он видит перед собой стену, за которой нет ответственного человека. В такой ситуации автоматизация уже не снижает издержки, а разрушает доверие. Klarna, получив урок, вернулась к коммуникации с человеческим лицом, не отказываясь от ИИ-решений. В связи с этим члены советов директоров должны задаться вопросом: усвоят их компании этот урок на чужом примере или на опыте собственных ушедших клиентов?
В ближайшие годы конкуренция пойдет не между теми, кто использует ИИ, и теми, кто нет, — использовать будут все. Линия фронта пройдет между компаниями, которые добавили ИИ к старой модели, и теми, кто построил новую модель вокруг него. И эта разница будет видна не в презентациях, а в P&L. В отличие от зрелых экономик, вынужденных нести груз устаревших систем, страны Центральной Азии и Казахстан имеют возможность оперативно адаптироваться к новым реалиям. У банков, телекома, нефтегазового сектора, ретейла и госкомпаний есть данные, капитал и масштаб, чтобы стать первыми AI-native-игроками региона. Нет только времени на раскачку.
