От чат-бота к агенту

Аналитический обзор по итогам Generation AI Awards 2026: тренды, отраслевые кейсы и главный вывод — бизнес научился выбирать генеративный AI избирательно.

За несколько лет генеративный AI прошел путь от простых пилотов до промышленных внедрений, где проекты масштабируются на тысячи и миллионы пользователей. В этом году на премию Generation AI Awards 2026 было подано более 200 заявок из финтеха, ритейла, промышленности, госсектора, телекома и других отраслей. Основной вывод: технология генеративного AI повзрослела, а вместе с ней повзрослел и сам заказчик.

Мы изучили все заявки и заметили два важных тренда:

1. Генеративный AI перестал быть надстройкой к бизнесу, он стал его частью. В 2026 году генеративные технологии помогают восстанавливать работу телекоммуникационного оборудования, урегулировать страховые случаи без участия человека и переносить корпоративные базы данных с самопроверкой.
2. Компании больше не внедряют генеративный AI ради моды. Его подключают точечно — там, где он объективно сильнее классических алгоритмов. Плюс бизнес уходит от разрозненных GenAI-проектов. Все стремятся к продуманной GenAI-стратегии. Это и есть главный признак зрелости рынка.

По оценке McKinsey, к началу 2026 года 65% компаний в мире применяли генеративный AI хотя бы в одной из бизнес-функций — вдвое больше, чем десятью месяцами ранее. Когда инструмент внедряется массово, конкуренция закономерно смещается с самого факта применения на его результат.

Еще год назад среди участников премии было много кейсов с AI-ботами, которые были умнее решений на классическом ML, но справлялись лишь с простыми задачами. В 2026-м технологии «повзрослели». Бизнес уже не спрашивает «с чего начать» — он хочет знать «почему мы потратили бюджет, а отдачи нет». Сегодня уже недостаточно «повысить эффективность» или «улучшить качество». От генеративных кейсов ждут конкретных KPI — возврат инвестиций, сроки окупаемости и объем сэкономленных ресурсов. Поэтому и технологический стек стал более сложным: AI-агенты, RAG-системы, гибридные модели.

Компании перестали внедрять генеративный AI «потому что так делают все». Прогноз спроса, кредитный скоринг, выявление мошенничества, динамическое ценообразование — задачи классического машинного обучения. Выделять бюджет для дорогостоящей модели там, где справляется классические алгоритмы, — не инновация, а лишние затраты бизнеса.

Показательно, что лучшие проекты премии — гибридные. Классический ML выполняет базовые сценарии, а генеративный AI подключается адресно — там, где нужно понять смысл, сгенерировать текст или порассуждать. Например, у НейроДВС классический алгоритм фиксирует аномалию в звуке двигателя, а генеративная модель объясняет причину поломки и предлагает план ремонта. Тот же принцип в GigaLytics у Сбера: классический RuBERT классифицирует миллиарды диалогов, а генеративный GigaChat берет на себя роль эксперта — оценивает сложные случаи, где нужно уловить смысл.

Если после первых двух вопросов вы ответили «да» — генеративный AI, скорее всего, оправдан. Если утвердительно ответили на третий или четвертый вопросы — тут хватит классического ML — и можно сэкономить бюджет. Хотите больше метрик для выбора оптимальной технологии внедрения? Читайте наш материал «GenAI-решения, которые уже делают бизнес эффективнее».

По данным TAdviser, российский рынок генеративного AI за 2025 год вырос впятеро — примерно с 11 до 58 млрд рублей, и этот рост распределен неравномерно среди отраслей. В лидерах по-прежнему финтех, ИТ, ритейл и телеком.

Финтех — лидер по зрелости. Банки — настоящие рекордсмены по количеству кейсов и пользователей. Например, в Совкомбанке генеративный AI ежедневно применяют 80% из 37 000 сотрудников. Тренд этого года: от отдельных ботов — к экосистемам AI-агентов и частичной замене не только линейных сотрудников, но и редких экспертов. Банки с помощью GenAI автоматизируют урегулирование убытков, обеспечивают юридическую экспертизу, усиливают клиентскую поддержку и персонализацию.

Что это значит для всего рынка. Финтех — трендсеттер в применении генеративного AI. Его опыт перенимают другие отрасли. То, что сегодня становится стандартом в банке, завтра внедряется в ритейле или промышленности.

Ритейл — это тоже про масштабные проекты. Здесь генеративный AI ежедневно помогает десяткам миллионов людей. В ритейле генеративные технологии применяются как в клиентском сервисе, так и работе селлеров. Тренд — GenAI как инфраструктура, а не разрозненные решения.

Отдельная отрасль, где генеративный AI стал активно применяться в самых разнообразных бизнес-процессах. Здесь GenAI помогает решить конкретные боли бизнеса — например, потерю ночных заявок. Пользователь вносит в поисковый запрос «двушка на севере до 100 тысяч» и получает индивидуальную подборку.

В промышленности генеративный AI внедряют осторожнее, но здесь и цена каждой ошибки огромна. Например, сутки простоя стана на Северстали могут обойтись до 115 млн рублей. Отраслевой тренд: генеративные технологии тут пока не выходят за внешний контур и больше применяются для внутренних процессов. Именно поэтому такие кейсы часто не на слуху у рынка.

Телеком представил кейс, где генеративный AI отвечал за критически важный процесс работы телеком оборудования. От его эффективности здесь зависело качество связи для миллионов абонентов. Агент Билайна получил специальную номинацию, которую присудил не человек, а AI-судья AION. Другой важный пласт, который активно осваивают сотовые операторы — борьба с мошенничеством. В этой категории кейс VisionLabs удивил многих судей и стал победителем.

Государственные компании и ведомства стали открытием 2026 года. По данным «АТК консалтинга», федеральные и региональные органы власти увеличили закупки продуктов с AI в 6,4 раза год к году — до 1,2 млрд рублей. Для сравнения: девелоперы прибавили в 2,2 раза, логистика — на 62%. Государство начинает обгонять бизнес по темпу, а образование и госуслуги правительство определило первыми сферами для суверенных национальных моделей.

Медиа и EdTech — отрасли, где генеративный AI помогает сократить расходы и время для производства контента. Контент-фабрики на агентах и голосовые тренажеры выдают больше различных материалов без привлечения дополнительных сотрудников. Когда стоимость урока или ролика падает в разы, меняется не процесс, а сама экономика бизнеса.

Отрасли разные, а бизнес-задачи повторяются. Клиентская поддержка, рекрутинг, разработка, документооборот встречаются везде — и решение, найденное в банке, работает в ритейле. В этом ценность чужих кейсов: удачную практику может переиспользовать весь рынок.

Если смотреть на проекты не по отраслям, а по бизнес-процессам, очевидна закономерность: одни сценарии переходят из индустрии в индустрию. Речевую аналитику всех звонков внедряют и банк, и телеком, и транспортная компания. AI-интервью одинаково нужны hr как в промышленности, так и ИТ-компании. Поэтому зрелые компании изучают не только конкурентов, но и смежные рынки — там уже внедрены решения, которые могут пригодиться им.

Здесь количество AI-кейсов во всех отраслях из года в год высоко. Но теперь бизнес все смелее внедряет GenAI и отдает ему все более сложные задачи. Переход от «автоматизируем часть обращений» к полной замене первой линии. Голосовые и текстовые агенты закрывают 50−70% обращений, а иногда и весь входящий поток.

Генеративные технологии автоматизируют скрининг и первичные интервью. Ключевая метрика доверия к технологии — совпадение оценки GenAI с оценкой живого специалиста.

Генеративный AI тут автоматизирует code review, генерацию тестов, миграцию и анализ уязвимостей. Отдельный тренд — GenAI начинает помогать создавать сам GenAI. Именно в разработке, по данным McKinsey, агентные системы масштабируются быстрее всего — инженерные функции лидируют по внедрению. Логика проста: разработчики первыми доверяют инструменту, устройство которого понимают изнутри.

В продажах GenAI все чаще выступает не заменой менеджера, а его тренером: анализирует разговоры и подсказывает, что улучшить. В маркетинге генеративный AI удешевляет здесь привлечение лидов и помогает предсказывает эффективность рекламы.

Генеративные технологии здесь помогают распознать и проверить документы — включая рукописные, а также создать новые. Экономия на одном процессе может доходить до сотен миллионов рублей в год.

Самые интересные проекты — на периферии рынка. Они доказывают: GenAI работает далеко за пределами стандартных задач и помогает закрыть конкретную, часто узкую бизнес-боль.

Отдельный инструмент экономит часы. Экосистема меняет модель работы компании. Термин «цифровая трансформация» сегодня девальвируется, поэтому важно отличать подлинную перестройку от одного удачного проекта. Признак настоящей трансформации простой: инструменты связаны между собой и усиливают друг друга, а не работают порознь.

Эти изменения видны и в отраслях, и в процессах: агенты вместо ассистентов, свои модели, экосистемы вместо точечных решений и новая роль человека.

Если проанализировать все проекты премии, то общий вывод будет таким: 2026-й стал годом, когда бизнес перестал относиться к генеративному AI как к магии — и начал относиться как к инструменту. А инструмент, в который вкладывают деньги, оценивают трезво: где-то он незаменим, где-то избыточен, и признать второе не менее важно.

Бизнес больше не внедряет генеративные технологии «потому что это модно». IDC отмечает, что 88% пилотов не доживают до продакшена — и это не приговор технологии, а естественный отбор. Слабые гипотезы отсеиваются, ресурсы концентрируются на сильных. Именно так выглядит взросление любого рынка.

Что это означает практически? Три вещи. Первое: сам факт наличия GenAI в компании перестал быть преимуществом — им становится точность выбора, где его применять. Второе: настоящую трансформацию отличает от удачного проекта замкнутый цикл, где инструменты усиливают друг друга. Третье: по мере того как AI-агенты становятся нормой, конкуренция уходит вглубь — к качеству данных, продуманности процессов и готовности переобучать людей под новые роли.

Российский рынок генеративного AI способен достичь сотен миллиардов рублей к 2030 году. Но аналитики честно говорят: этот сценарий сбудется, только если компании перейдут от пилотов к реальному масштабированию. Теперь дело за зрелостью заказчика: за умением одинаково уверенно говорить генеративному AI и «да», и «нет».