ИИ-агент для бизнеса: что это, как работает и чем отличается от чат-бота

Сбер в январе 2026 опубликовал внутреннее исследование. 39% российских компаний используют ИИ в бизнес-процессах. 46% либо внедрили, либо тестируют автономных ИИ-агентов. Год назад этих цифр не существовало в природе — был один большой пузырь хайпа вокруг ChatGPT и попытки прикрутить чат-бота к сайту.

Сейчас разговор идёт по-другому. У Сбера эффект от GigaChat за первое полугодие 2025-го — 30 миллиардов рублей. У Альфа-Банка автотесты пишутся на 70% быстрее, чем годом ранее. ВТБ за пять лет увеличил количество ИИ-проектов в 6,3 раза, доходы от моделей в 5,1 раза перекрывают затраты на разработку. Это давно не «давайте попробуем». Это строчка в P&L.

В этих цифрах есть нюанс, который многих сбивает. Когда журналист пишет «банк внедрил ИИ-агента», он почти никогда не имеет в виду чат-бота. Это разные вещи. И от того, какую именно из них вы поставите, зависит — заработаете или просто сольёте бюджет.

Дальше я разбираю это по порядку. Что такое ИИ-агент в 2026 году. Чем он отличается от чат-бота и от ИИ-помощника. Какие задачи реально решает в российских компаниях. Сколько стоит. С чего стартовать, если хочется попробовать.

Что такое ИИ-агент простыми словами

Самое короткое определение из тех, что я встречал: чат-бот объясняет, как что-то сделать. ИИ-агент берёт и делает. Эту формулировку используют у нас в индустрии часто (vc.ru, allsee.team, zvonobot), и она почти всегда работает как фильтр.

Чат-бот — это набор правил. Если клиент спросил «сколько стоит», чат-бот скажет «вот наш прайс» или переключит на менеджера. Если у бота нет правила под конкретный вопрос, он либо дёрнет fallback («Я вас не понял»), либо предложит позвонить.

ИИ-помощник — следующий уровень. Это уже LLM (GigaChat, YandexGPT, GPT, Claude), которая ведёт свободный диалог. Она может объяснить, что-то порекомендовать, написать черновик письма. Но в момент, когда нужно реально совершить действие — открыть карточку в CRM, забронировать слот, отправить документ — она просит человека сделать это за неё.

ИИ-агент действует. У него есть цель («записать клиента на приём»), доступ к инструментам (календарь, CRM, телефония, эквайринг), и способность строить план из нескольких шагов. Если первый шаг провалился, агент пробует второй. Если клиент сказал «давайте через час», агент сам пересчитывает расписание и подтверждает новое время.

Минцифры эту терминологию тоже подхватило. В концепции регулирования ИИ до 2030 года, опубликованной в августе 2025, появился отдельный раздел про автономные системы — ровно про агентов. Сбер в своих публикациях про GigaChat-агентов даёт примерно тот же фильтр: цель, инструменты, многошаговое рассуждение, самокоррекция, память.

В 2026 году это перестало быть академическим спором. Bitrix24 со ссылкой на Deloitte пишет прямо: «Самый большой сдвиг парадигмы 2026 года — переход от разговорного ИИ к агентному. От систем, которые ждут запросов, к системам, которые сами формируют и выполняют планы».

Чат-бот, ИИ-помощник, ИИ-агент — таблица различий

Чтобы это не было только словами, вот как разные вещи работают в одном и том же сценарии: клиент пишет в чат «Хочу записаться на приём».

Разница не в технологии (LLM везде одна и та же — GigaChat, YandexGPT или GPT), а в архитектуре вокруг неё. Агент работает с инструментами и памятью. Помощник работает только с текстом.

В российских условиях есть ещё одно слово — «нейросотрудник». Это маркетинговый зонтик для ИИ-агента, заточенного под конкретную должность: нейропродавец, нейрорекрутер, нейробухгалтер. Технически — то же самое, но позиционируется ближе к KPI-схеме «один агент — одна функция в команде».

Что под капотом: как работает ИИ-агент

Если вскрыть любого современного агента, внутри будет примерно одна и та же схема.

В центре — языковая модель. Это мозг. В российском B2B чаще всего ставят GigaChat или YandexGPT (152-ФЗ хочет, чтобы данные обрабатывались в РФ). На глобальном рынке — GPT-4o, Claude Sonnet, Gemini Pro.

Вокруг модели — инструменты. Это API, к которым у агента есть доступ: CRM (Bitrix24, AmoCRM, RetailCRM), телефония (МТТ, Манго, Yandex Cloud Voice), эквайринг, календари, базы знаний. Чем больше подключённых инструментов, тем шире спектр задач, которые агент закрывает без человека.

Дальше идёт память. Без неё агент каждый раз будет начинать с нуля и забывать, кто такой клиент Иван. Долгосрочная память живёт в векторной базе (Qdrant, Weaviate, Yandex Embedding API). Короткая — в контексте текущего диалога.

Планировщик — это то, что превращает «хочу записаться» в последовательность шагов. Лучшие в открытом виде: Anthropic Computer Use (для работы с GUI), AutoGen от Microsoft, классические AutoGPT/ReAct. У крупных вендоров встроены собственные.

И последнее — guardrails. Без них агент рано или поздно сделает что-то, чего делать не должен. Сбер на свои GigaChat-агенты ставит фильтры по запрещённым темам, обязательным фразам (152-ФЗ требует уведомить о записи разговора) и эскалации к человеку, если что-то идёт не так.

В 2024-м эти куски было трудно собрать. Каждый писал свою архитектуру. В 2025-м вышли два протокола, которые меняют картину. Anthropic выпустил Model Context Protocol (MCP) — стандарт, как LLM подключается к инструментам. Google в апреле 2025-го запустил Agent2Agent (A2A) — стандарт, как агенты разговаривают между собой. К декабрю оба протокола передали в Linux Foundation, под ними подписались OpenAI, Microsoft, Google, Anthropic, Salesforce. К концу года SDK для MCP скачивали 97 миллионов раз в месяц.

Что это значит на практике: собрать агента в 2026-м — это уже не «написать с нуля». Это «выбрать модель, подключить инструменты, написать промпты, поставить guardrails». В разы дешевле и быстрее, чем было полтора года назад.

Реальные кейсы из России

Я не люблю общие слова, поэтому ниже только цифры с источниками.

Сбер — GigaChat

30 миллиардов рублей экономии за первое полугодие 2025. Это слова Тараса Скворцова, замглавы Сбера, опубликованные в Computerra в июле 2025. По итогам всего года совокупный эффект Сбера от ИИ — около 450 миллиардов рублей, из них примерно 50 миллиардов даёт именно генеративный ИИ. У GigaChat 20 миллионов пользователей.

Что они автоматизируют: документооборот (около 70% всех внедрений в Сбере), бухгалтерия (55%), HR (34%), стратегическое планирование (34%), клиентская поддержка (30%). Это не один большой бот. Это десятки агентов, заточенных под конкретные процессы.

Альфа-Банк — ИИ-агенты разработки

70% — на столько быстрее в Альфа-Банке стали писать автотесты с момента, когда внутренние команды получили ИИ-агентов под эту задачу. Это не reduction какого-нибудь bottleneck — это прямое ускорение конкретной инженерной работы.

Forbes Russia в декабре 2025 опубликовал, что у Альфа-Банка работает больше десяти групп виртуальных сотрудников: четыре группы автотестирования, классификация документов для кибербеза, генерация клиентских библиотек, code-review, поддержка. В конце 2025 на линию поддержки клиентов вышли 10 ИИ-операторов нового поколения, обученных на стенограммах реальных диалогов контакт-центра.

ВТБ

300 бизнес-процессов с ИИ. Доходы от ИИ-моделей в 5,1 раза превышают капзатраты на их создание. Каждое второе обращение клиентов решается без участия оператора. У ВТБ есть отдельный проект «Голос клиента 2.0» (запущен в июне 2025), куда сведены 30+ потоков коммуникации с клиентами и работают 80 команд разработки. Источник — TAdviser и АиФ Томск.

И ещё один интересный факт от Bankinform: больше 500 тысяч клиентов ВТБ пользуются голосовыми ассистентами банка. Это люди, которые звонят и решают вопросы голосом, не прерываясь на оператора.

Т-Банк

В апреле 2024 Т-Банк первым в мире запустил экосистему персональных ИИ-ассистентов в банке. К 2025 году к базовому добавились шесть специализированных: для шопинга, путешествий, инвестиций, детский ассистент-«джуниор», и ещё пара. Forbes писал и про T-Pro — собственную модель банка, которая троллит мошенников при попытках социнженерии. Это не основной продукт, но показатель: банк не покупает решения снаружи, а строит свою ИИ-инфраструктуру.

X5 Group — ИИ для 10 000 сотрудников

HR-промпты на базе ИИ для написания документов и анализа резюме дают X5 +3% к скорости работы для 10 000 сотрудников (cio.osp.ru). Это меньше, чем «AI замещает работников», но это реальный эффект на масштабе. Плюс компьютерное зрение для распознавания товаров на кассе — пилот в 80 «Пятёрочках» и «Перекрёстках» Москвы. Плюс ИИ-помощник «Аналитика в кармане» — мобильный доступ к BI без длительной разработки.

Wildberries

В январе 2026 RWB (Wildberries) запустила сервис «Видеообложки» — ИИ генерирует видео из фото товара меньше чем за минуту. Они же выкатили автоответы на отзывы покупателей, нейросетевые пересказы отзывов («Важное из отзывов»), ИИ-примерку косметики. И параллельно строят собственный ЦОД за миллиард рублей под ИИ-нагрузки.

Что происходит в мире

Если вы думаете, что Россия отстаёт, посмотрите на это иначе. Глобальные цифры почти такие же.

McKinsey в ноябре 2025 опубликовал State of AI 2025 — опрос 1 993 организаций в 105 странах. 88% компаний используют ИИ хотя бы в одной бизнес-функции (год назад было 78%). 23% уже масштабируют агентные системы, ещё 39% экспериментируют — это 62% либо в продакшене, либо рядом. Но при этом меньше 10% организаций реально вышли на продакшн в любой отдельной функции. Гэп между пилотом и масштабированием огромный.

Gartner в августе 2025 спрогнозировал, что к концу 2026 года 40% корпоративных приложений будут содержать узкоспециализированных ИИ-агентов. Год назад их было меньше 5%. К 2028 году, по их же прогнозу, через ИИ-агентов пройдёт 90% B2B-закупок — это больше 15 триллионов долларов корпоративных расходов. Это не «когда-нибудь». Это два года.

IDC посчитала, что глобальные расходы на ИИ удвоятся к 2028 году и достигнут $632 миллиарда. Из них $202 миллиарда — генеративный ИИ. К 2029 году агентный ИИ превысит 26% мировых ИТ-расходов и составит $1,3 триллиона.

И самое интересное — кейсы.

Bank of America Erica

3 миллиарда взаимодействий с клиентами с момента запуска в 2018 году. 50 миллионов пользователей. 58 миллионов взаимодействий в месяц. 2 миллиона в день. 98% клиентов получают ответ за 44 секунды. Журналисты American Banker писали, что Erica делает работу 11 тысяч сотрудников ежедневно. Это не маркетинговая цифра — это операционная статистика, которую банк раскрывает в пресс-релизах.

JPMorgan COiN

Система анализа кредитных договоров. До неё 12 тысяч документов команда юристов разбирала недели. После — секунды. Экономия — 360 тысяч часов работы юристов в год. Это около 144 миллионов долларов сэкономленного фонда оплаты труда. Ошибки в комплаенсе сократились на 80%. Источник — Harvard Business School кейс и ABA Journal.

Klarna — кейс, в котором есть нюанс

В феврале 2024 Klarna и OpenAI выпустили громкий пресс-релиз: ИИ-ассистент за первый месяц обработал 2,3 миллиона разговоров — две трети всего клиентского обслуживания. Это эквивалент работы 700 операторов. Повторные обращения упали на 25%. CSAT — на уровне людей. Klarna оценила прибыль от внедрения в $40 миллионов за 2024 год.

Но в 2025 Klarna сделала шаг назад. Не от агента — от его 100% применения. Они вернули живых операторов для сложных случаев и сейчас работают по гибридной модели. Pragmatic Engineer в большой статье разобрал, что «700 операторов» — это не уволенные люди, а позиции, которые компания не наняла. Экономия всё равно большая. Но честнее это называть «не пришлось расширять колл-центр», а не «уволили семьсот человек».

Я держу этот нюанс в голове на любом AI-кейсе. За громкой цифрой почти всегда стоит более скучная правда. Это не отменяет того, что агенты работают. Просто работают они на конкретных задачах. На других — не работают.

Salesforce Agentforce

К началу 2026 — 18 тысяч компаний в 121 стране используют Agentforce. Совокупная экономия по клиентам — больше 100 миллионов долларов в год. Прирост продуктивности от использования агентного и генеративного ИИ — 34%. Кейс 1-800Accountant: во время налоговой недели 2025 ИИ-агент автономно разрешил 70% всех чат-обращений. Engie: агент успешно помогает 83% пользователей. Fisher & Paykel: процент самообслуживания вырос с 40% до 70%.

Сама Salesforce в режиме «Customer Zero» — то есть на собственной поддержке — за первый год получила полтора миллиона запросов в саппорт, обработанных без людей, и SDR-агент проработал 43 тысячи лидов, нагнав $1,7 миллиона нового пайплайна.

Anthropic — масштаб распространения Claude

300 тысяч бизнес-клиентов на октябрь 2025. 8 из 10 компаний Fortune 10 — клиенты Claude. Количество клиентов, тратящих больше миллиона долларов в год, выросло с примерно дюжины до 500+ за два года. Делойт развернул Claude на 470 тысяч сотрудников — крупнейшее enterprise-внедрение в истории Anthropic. Cognizant — 350 тысяч сотрудников. Accenture обучила 30 тысяч консультантов. Годовой run-rate Anthropic в апреле 2026 — около $30 миллиардов (Reuters).

Coding-агенты

GitHub Copilot — 20 миллионов пользователей всех времён, 4,7 миллиона платных подписчиков на январь 2026. 90% компаний из Fortune 100 используют. Cursor (стартап на $500+ миллионов ARR в июне 2025) — больше половины Fortune 500. Devin от Cognition — за год вырос с $1 миллиона ARR до $73 миллионов. Клиенты: Goldman Sachs, Citi, Dell, Cisco, Ramp, Palantir, Nubank.

Когда бизнесу нужен ИИ-агент

Простой ответ: когда у вас есть повторяющийся процесс с диалогом и в нём важна скорость ответа.

Самое очевидное место — заявки ночью и в выходные. У большинства компаний 30-40% обращений приходят вне рабочего времени. Утром менеджер видит пропущенные, но клиент уже дозвонился конкурентам. Агент эту дыру закрывает целиком.

Дальше идут операционные задачи с расписанием. Запись в стоматологию, автосервис, салон, фитнес-клуб, к репетитору, в гостиницу. Везде, где «свободно/занято» лежит в календаре или CRM, агент справится без оператора. Это самая измеримая часть рынка — мы у себя на futuraai.ru видим, что в записных нишах окупаемость стабильная.

Квалификация лидов. Если в неделю приходит сотня заявок и 80 из них холодные, менеджер сгорает на тех, кому ничего не нужно. Агент в начале воронки задаёт 5-7 уточняющих вопросов про бюджет, сроки, нишу — и передаёт человеку только горячих. Менеджеры начинают работать с теми, кто реально готов покупать.

Похожая логика — дожим. Половина клиентов уходит в раздумья и не возвращается. Агент через час, через сутки, через три дня вежливо напоминает, отвечает на новые вопросы, предлагает альтернативы. Не давит, не звонит шесть раз подряд. И возвращает кусок этой ушедшей половины.

Первая линия поддержки — отдельная история. По разным оценкам, 60-70% тикетов в саппорт — типовые: статус заказа, как оплатить, где документы. Агент берёт это себе. Сложные случаи отдаёт человеку с готовым резюме диалога, чтобы тому не приходилось начинать с нуля.

Исходящие звонки — реактивация спящих клиентов, напоминания о записи, сбор обратной связи. Нудная работа, которую человек делает всё хуже к концу дня. Голосовой агент держит ровный темп и в восемь утра, и в шесть вечера.

И последняя категория — внутренние процессы. HR-агент для первичного скрининга и ответов на типовые вопросы сотрудников. Бухгалтерский — для документов и сверок. Аналитический — для ответов по дашбордам. X5 это уже сделала на 10 тысяч сотрудников и получила +3% к скорости работы. Звучит мало, но в масштабах X5 это десятки тысяч сэкономленных часов в месяц.

Главное правило: если ваша задача похожа на одну из этих, агент окупится. Если задача требует креативного подхода или нестандартных переговоров — берите агента в помощники человеку, не пытайтесь его заменить.

Сколько стоит сделать ИИ-агента

Я собирал публичные тарифы по российскому рынку — вот картина:

Облачное решение для малых объёмов — от 5 000 рублей в месяц. Это типа простого чат-бота на стандартной платформе с базовой LLM-обвязкой.

Облачное решение для средних объёмов — от $2 500 в месяц (около 225 тысяч рублей). РБК Образование приводит эту цифру для типового агента в среднем бизнесе.

Готовое решение под ключ — от 100 тысяч рублей. Это уже агент с интеграцией в вашу CRM, телефонию, обученный на ваших скриптах. Срок — обычно от 7 до 30 дней.

Пилот на 2-4 недели — 100-200 тысяч рублей. Это формат «давайте проверим, работает ли в вашей нише». Нормальный заход для бизнеса, который ещё не уверен в ROI.

Локальный сервер для on-premise развёртывания — 300-500 тысяч рублей за железо плюс инженер. Имеет смысл, если у вас регуляторные требования (банк, медицина, госзаказ) или если объёмы такие, что облако становится дороже.

Полная локальная инсталляция корпоративного уровня — до 9,5 миллионов рублей. Это сборка под крупного клиента с собственной LLM, командой DevOps и интеграцией со всеми внутренними системами.

Кастомная разработка ИИ-агента под нестандартную задачу — от 50 тысяч до 15 миллионов рублей. Разброс огромный, потому что зависит от количества инструментов, требований к точности, объёма обучения. vc.ru/ai приводит эти цифры в обзоре рынка 2026.

Годовое обслуживание — обычно 10-20% от стоимости первоначального проекта. Это поддержка, обновления, дообучение на новых данных.

Мой совет: не начинайте с большого on-premise проекта на 9 миллионов. Начните с пилота на 100-200 тысяч и одной конкретной задачей (например, обработка ночных заявок в одном канале). Через месяц у вас будет статистика и понимание, что работает.

Регуляторика: что важно знать перед внедрением

В России есть три вещи, которые нужно учитывать.

Первое — 152-ФЗ. С 1 июля 2025 года, по ФЗ-23 от 28.02.2025, запрещено хранить и обрабатывать персональные данные граждан РФ в базах за пределами России. На практике это означает, что использовать ChatGPT или DeepSeek с реальными именами и контактами клиентов — нельзя. Можно либо обезличивать данные перед отправкой, либо использовать GigaChat, YandexGPT, или развёрнутую локально модель. Большинство крупных российских компаний выбирают второй или третий вариант.

Второе — согласие на обработку ПДн должно явно покрывать ИИ-обработку. Стандартная формулировка типа «согласие на использование персональных данных для оказания услуг» уже не катит. Нужна формулировка вида «использование данных для автоматизированной обработки, включая обучение алгоритмов и моделей искусственного интеллекта». На futuraai.ru мы это сделали в апреле 2026 — отдельная страница /personal-data-consent, отдельный чекбокс под формами.

Третье — Кодекс этики в сфере ИИ, принятый в октябре 2021 и подписанный Сбером, Яндексом, VK, МТС и ещё 247 организациями. Он не имеет прямой юридической силы, но лучше с ним считаться. Пять принципов: человекоцентричность, справедливость, прозрачность, безопасность, ответственное управление рисками. На практике это про две вещи: пользователь должен знать, что говорит с ИИ, и оператор не должен использовать ИИ для манипуляций.

Для медицины и финансов есть отдельные отраслевые кодексы. Минздрав опубликовал свой в марте 2025, ЦБ — для финрынка чуть раньше. Если вы в этих сферах, обязательно прочтите.

С чего начать, если хочется попробовать

Я бы делал так.

Шаг ноль — определите одну конкретную задачу. Не «автоматизировать продажи», а «обрабатывать ночные заявки из Telegram». Чем у́же, тем быстрее увидите эффект. Big-bang проекты по автоматизации всего и сразу проваливаются в 80% случаев — это пишут и Bain, и BCG, и наши собственные наблюдения после трёх десятков внедрений на futuraai.ru.

Шаг первый — запустите пилот на 2-4 недели. Бюджет 100-200 тысяч рублей. Внутри: настройка одного канала, обучение на ваших скриптах, интеграция с одной CRM, базовый набор guardrails (запрещённые фразы, обязательные disclaimers, эскалация к человеку при триггерах).

Шаг второй — соберите метрики. Главные: процент успешно закрытых обращений без человека, среднее время ответа, конверсия из заявки в сделку, NPS клиентов. Сравните до и после.

Шаг третий — если работает, расширяйте. Подключайте второй канал, второй процесс, второго агента. Если не работает — разбирайтесь, что именно не работает. В 70% случаев это либо слишком общие промпты (агент пытается отвечать на всё подряд), либо отсутствие нужного инструмента (агент не может выполнить действие, потому что у него нет доступа к нужной системе), либо плохие guardrails (агент уходит в темы, в которые не должен).

Шаг четвёртый — после первых трёх месяцев начинайте думать про мультиагентность. Один агент для квалификации, второй для записи, третий для дожима, четвёртый для поддержки. Они общаются между собой через общую память клиента. Это уже зрелая архитектура, и в 2026 году она становится стандартом — Salesforce, Microsoft, Google в этот год массово выкатывают мультиагентные платформы.

Куда это идёт дальше

Если коротко — в 2026 году разговор сместится с «давайте попробуем агента» на «у нас уже агенты, как нам ими управлять».

Вырастут две новые категории. Guardian agents — отдельные агенты, которые контролируют других агентов: проверяют их выходы на соответствие политикам, ловят галлюцинации, эскалируют конфликты. Gartner прогнозирует, что к 2030 году guardian agents займут 10-15% рынка агентов. И voice agents — голосовые агенты на базе больших языковых моделей. ElevenLabs за год вырос с $330 миллионов ARR до $500+ миллионов. Sequoia в апреле 2026 вложила в них $500 миллионов в рамках Series D на $11 миллиардов. У нас на futuraai.ru голосовые агенты уже есть в портфеле — пока в раннем бета-режиме.

Третья категория — мультиагентные системы внутри одной компании. Не один большой агент-универсал, а десять специализированных, которые передают друг другу контекст. Это уже работает у Альфа-Банка (10+ групп виртуальных сотрудников), у Salesforce (платформа Agentforce 2.0), у Anthropic (Claude как корпоративный backbone).

Четвёртая — снижение цен на токены. За 2024-2025 годы стоимость одного токена в продакшене упала примерно в 100 раз. Devin от Cognition в апреле 2025 снизил цену с $500 до $20 в месяц. Это значит, что задачи, которые год назад были экономически нецелесообразны для автоматизации, в 2026 уже окупаются.

И последнее — регулирование будет ужесточаться. И в России, и в США, и в ЕС идёт работа над тем, чтобы ИИ-агенты были подотчётны: оставляли логи, объясняли решения, не нарушали приватность. У нас в Минцифры разрабатывают концепцию регулирования ИИ до 2030. Это не повод откладывать внедрение — это повод закладывать в архитектуру audit log и explainability с первого дня.

Если коротко

ИИ-агент — это не маркетинговый ребрендинг чат-бота. Это другая архитектура. Цель, инструменты, многошаговое мышление, память. Чат-бот объясняет. Помощник советует. Агент действует.

Российский рынок ИИ для бизнеса в 2025-м — 520 млрд рублей, плюс 20% к 2024-му. 39% компаний что-то уже внедрили. 46% — либо тестируют, либо в продакшене с агентами. Сбер за полгода сэкономил 30 млрд. У Альфы автотесты пишутся на 70% быстрее. У ВТБ каждое второе обращение клиента закрывается без оператора.

В мире похожая картина, только большего размера. 88% компаний что-то делают с ИИ. 23% уже масштабируют агентов. По прогнозу Gartner, к 2028-му через них пройдёт 90% B2B-закупок — а это около $15 трлн. Salesforce, Microsoft, Google, Anthropic закладывают под это инфраструктуру.

Для российской компании в 2026 году ситуация простая. Если ещё не пробовали — пора. Бюджет на пилот — 100-200 тысяч рублей. Срок — пара-тройка недель. Главное правило: одна задача за раз, не «автоматизируем всё».

Если хотите обсудить, что в вашей нише имеет смысл автоматизировать первым — оставьте заявку. Покажем на цифрах, что окупится, а что — нет.

---

Источники

1. 1.ComNews. «39% российских компаний используют ИИ» — исследование Сбера. comnews.ru/content/243398, 22.01.2026
2. 2.Computerra. «Финансовый эффект от GigaChat — 30 млрд руб.» — слова Тараса Скворцова. computerra.ru/320175, 30.07.2025
3. 3.Forbes Russia. «Альфа-Банк: ИИ-команда и +70% к скорости автотестов». forbes.ru/brandvoice/535910
4. 4.TAdviser. «ВТБ: ИИ-проекты выросли в 6,3 раза, доходы 5,1× CAPEX». tadviser.ru
5. 5.CNews. «Wildberries: ИИ-видеообложки за минуту». cnews.ru/news/line/2026-01-28
6. 6.McKinsey. State of AI 2025. mckinsey.com (ноябрь 2025)
7. 7.Gartner. «40% корпоративных приложений с ИИ-агентами к 2026». gartner.com/en/newsroom (август 2025)
8. 8.Gartner. «90% B2B-закупок через ИИ-агентов к 2028». digitalcommerce360.com, 28.11.2025
9. 9.IDC. «Расходы на ИИ — $632 млрд к 2028». my.idc.com
10. 10.Salesforce. «Agentforce: 18 000 клиентов, $100M экономии». salesforce.com/agentforce/metrics
11. 11.OpenAI / Klarna case study. openai.com/index/klarna
12. 12.Pragmatic Engineer. «Klarna AI chatbot: full picture». blog.pragmaticengineer.com
13. 13.Bank of America. «Erica: 3 млрд взаимодействий». newsroom.bankofamerica.com (август 2025)
14. 14.JPMorgan COiN. «360 000 часов экономии юристов». ABA Journal
15. 15.Anthropic. «300 тыс. бизнес-клиентов, 8 из Fortune 10». anthropic.com/news
16. 16.Bitrix24. «Агентный ИИ: 5 трендов 2026 (Deloitte)». bitrix24.ru/journal
17. 17.vc.ru/ai. «Стоимость ИИ-агента: 50 тыс — 15 млн ₽». vc.ru/ai/2791769
18. 18.Альянс в сфере ИИ. «Кодекс этики ИИ». ethics.a-ai.ru
19. 19.Гарант. «ФЗ-23 от 28.02.2025: запрет на хранение ПДн за рубежом». garant.ru
20. 20.РБК. «Во сколько обойдётся ИИ-агент бизнесу». rbc.ru/education, 05.02.2026