По данным исследования К2 НейроТех, на уровне ожиданий и реальной готовности к внедрению ИИ 65% респондентов отмечают заметный разрыв между запросами топ менеджмента и фактическими возможностями компании. 56% участников оценивают свои data ландшафты как частично готовые или неготовые к новым регуляторным требованиям, а 52% считают, что текущая ИТ инфраструктура либо требует серьезной модернизации, либо пока даже не была оценена под ИИ нагрузки.

Отдельное внимание эксперты обращают и на сохраняющуюся управленческую неопределенность: 28% респондентов еще не проводили нагрузочного планирования под ИИ сценарии, а 45% оценивают эффективность управления ИИ либо по качественным признакам, либо вовсе «по ощущениям».

Как отмечают аналитики, в результате до 70% экспериментов с ИИ в российских компаниях так и не доходят до устойчивой промышленной эксплуатации. Главная причина в том, что инфраструктура под ИИ нагрузки развивается медленнее, чем сами проекты: не хватает масштабируемых вычислительных ресурсов, управляемого data контура, встроенных процессов сопровождения моделей и связанного с этим контура безопасности. Разрыв между амбициями и реальной готовностью инфраструктуры становится главным барьером для развития ИИ инициатив в 2026 году.

На фоне этого компании пытаются компенсировать дефицит гибкостью архитектуры: 62% уже ориентируются на гибридную модель с сочетанием собственных мощностей и облака. 31% участников уже используют гибридный подход для обучения и инференса ИИ моделей, еще 31% считают его стратегически оптимальным. На втором месте — облачные решения и управляемые сервисы ИИ, тогда как 21% респондентов прямо говорят, что мощностей им не хватает и это главное ограничение для ИИ проектов.

Разрыв наметился и на уровне кибербезопасности: сотрудники 79% компаний уже используют публичные ИИ-сервисы в своей работе. При этом, по данным недавнего исследования К2 Кибербезопасности и «Лаборатории Касперского», лишь 61% компаний стремится хоть как-то контролировать этот процесс, испытывая технологические и организационные сложности. Реальный контроль и политики безопасности по использованию ИИ-сервисов реализованы лишь в трети компаний. Примечательно, что искусственный интеллект воспринимается как стратегический актив и 38% корпораций уже имеют собственные команды по разработке ИИ-решений для внутренних процессов. Но в 75% случаев эти процессы полностью или частично не соответствуют стандарту управления безопасностью собственных ИИ-разработок — MLSecOps.

Искусственный интеллект уже влияет на непрерывность бизнеса и должен рассматриваться как компонент операционной устойчивости. Поэтому в ближайшие годы основным вызовом будет внедрение зрелых практик по управлению ИИ-рисками. За последнее время участились инциденты с негативными последствиями от использования ИИ: генерация токсичного контента от имени компании, загрузка сотрудниками конфиденциальной информации и внутренних протоколов в публичные модели, внедрение вредоносных запросов и т.д.