Рынок ИИ в 2026: 300 млрд $ инвестиций в мире и реальные эффекты в российских компаниях

Как делится рынок ИИ: таксономия и ключевые сегменты

Рынок ПО традиционно делится на четыре сегмента:

• инфраструктура;
• платформенное ПО;
• инфраструктурное ПО;
• приложения.

Исторически решения для искусственного интеллекта рассматривались как часть платформенного сегмента — там, где живут ML-инструменты, платформы для работы с данными и аналитические движки.

Но с появлением генеративного ИИ эта картина начала меняться. Генеративный ИИ занял отдельную нишу — и трансформирует все остальные сегменты, а не просто дополняет один из них.

Если говорить о традиционном рынке корпоративных ИИ-решений в России, исторически его возглавляли два направления:

• речевые технологии (голосовые роботы, автоматизация контакт-центров);
• компьютерное зрение.

Именно они занимали существенную часть рынка. Сейчас к ним добавился новый кластер — генеративный ИИ, который во многом замещает и трансформирует смежные сегменты.

Почему оценки объёма рынка расходятся на порядок

Когда речь заходит о рынке ИИ, в разных источниках встречаются цифры, которые расходятся в десятки или даже сотни раз: одни считают в десятках миллиардов рублей, другие — в триллионах долларов. Разобраться, почему это происходит, важно для правильного чтения аналитики.

Первая причина — периметр. Консервативные оценки фокусируются на внешних корпоративных решениях: продуктах, которые компании покупают у поставщиков для своих IT-задач. Триллионные оценки чаще описывают экономический эффект — потенциальную экономию и новую выручку, которые ИИ теоретически может принести всему рынку.

Вторая причина — учёт сопутствующих сегментов. Когда к базовому рынку добавляют услуги, заказную разработку и интеграции, цифра сразу растёт.

Третья — внутренняя выручка. Крупные IT-экосистемы генерируют огромный объём «потребления» между собственными юнитами — и это потребление иногда включают в рыночный объём.

Если говорить именно о внешней конкурентной среде — рынке реально продающихся корпоративных ИИ-решений — цифры намного скромнее. Это рынок на стадии трансформации и активного роста.

Генеративный ИИ: три слоя, которые изменили карту рынка

Структуру генеративного ИИ можно описать по аналогии с привычным делением ПО — через три слоя:

• Нижний — MaaS (Model as a Service), провайдеры фундаментальных моделей.
• Средний — платформенные решения, инструменты для разработки ИИ-продуктов.
• Верхний — конечные приложения, продукты с конкретной бизнес-задачей.

Интересный нюанс: граница между платформой и приложением в генеративном ИИ более размыта, чем раньше. В качестве примера можно взглянуть на ИИ-агентов для разработки: без интеграций они скорее платформа, а с интеграциями и доступом ко всему, что есть в компании, — уже приложение.

Прямо сейчас на рынке доминируют провайдеры MaaS. А сегмент конечных приложений и платформ начинает сливаться: точкой входа пользователя становится не приложение, а агент, встроенный в рабочий процесс.

300 млрд долларов за квартал: куда идут мировые инвестиции

Первый квартал 2026 года стал рекордным по объёму мировых инвестиций в ИИ — 300 млрд долларов. Из них 122 млрд получил OpenAI. Anthropic во втором квартале привлёк ещё 65 млрд. То есть два крупнейших игрока собрали почти треть всего рынка.
Деньги идут преимущественно в поздние стадии: не в эксперименты, а в масштабирование уже работающих решений.

Капитальные затраты гиперскейлеров выросли примерно на 80% за последний год. В следующем году ожидается, что совокупный CapEx превысит триллион долларов, а к 2031 году — 8 трлн. Для понимания масштаба: это больше, чем ВВП большинства стран мира.
Характерная деталь: мощности распроданы вперёд, часть забронирована до 2028 года. Конкуренты готовы покупать инфраструктуру друг у друга — Anthropic, например, приобрёл около миллиона TPU у Google Cloud.

Модели дешевеют и догоняют друг друга: бенчмарки теперь про агентность

Два ключевых процесса происходят с фундаментальными моделями прямо сейчас.

Первый — структурное снижение стоимости. Каждый уровень интеллекта дешевеет со временем. То, что два года назад стоило десятки долларов за запрос, сегодня стоит центы. Это не разовое снижение цен — это системный тренд.

Второй — конвергенция по качеству. Модели стремительно догоняют друг друга. Разрыв в качестве между лидерами и остальными сокращается, и это меняет вопрос выбора: не «какая модель умнее», а «какая модель лучше подходит для конкретного сценария».

Бенчмарки соотношения качества к стоимости тоже изменились — от знаний к агентности. Раньше оценивали эрудицию модели, теперь смотрят, насколько автономно и качественно она выполняет многошаговые задачи без участия человека.

Модели с открытыми весами при этом приближаются к уровню проприетарных — для многих сценариев разрыв в качестве уже некритичен. Помимо США, активно развивают собственные модели Китай, Франция, Израиль, Индия, Корея и ОАЭ.

Что происходит с рынком приложений: от 1,5 трлн к 40 трлн долларов

После «SaaS-апокалипсиса» в январе 2026 года всерьёз обсуждался вопрос: не убьёт ли генеративный ИИ рынок корпоративного ПО? Ответ, к которому приходит индустрия: нет, но рынок сильно расширится.

Ранее главным призом рынка ПО были IT‑бюджеты компаний — около 1,5 трлн долларов. Развитие агентных решений открыло доступ к новому потенциалу в 40 трлн долларов — это средства, которые сейчас уходят, в частности, на выполнение рутинных задач — юристов, бухгалтеров, специалистов поддержки, продавцов, — которые можно автоматизировать, высвобождая ресурсы для более стратегических инициатив.

Раньше ПО было инструментом, который помогал человеку решать задачи. Теперь ИИ стремится решать задачи самостоятельно — без человека как обязательного звена.
Одновременно происходит второй процесс: ИИ автоматизирует сами услуги. Внедрение, консалтинг, интеграции — работа, которая раньше выполнялась человеком поверх ПО — тоже становится объектом автоматизации. ИИ сжимает стек с двух сторон: снизу — через агентов, сверху — через автоматизацию сервисов.

Российский рынок: что совпадает с глобальным и где своя специфика

По структуре российский рынок в целом повторяет глобальные тренды — с некоторым временным отставанием и рядом отличий.

Россия — не уникальный случай в мире, но регуляторный контекст здесь важен. По ряду отраслей существуют ГОСТы, требования к банковской тайне, стандарты хранения персональных данных. Всё это делает использование зарубежных моделей — особенно в масштабных корпоративных кейсах — рискованным или невозможным.

Дополнительный фактор: развёртывание моделей на собственной инфраструктуре клиента (on-premises). Это снижает регуляторные риски и даёт уверенность, что данные не покидают контур компании.

При этом опенсорс-модели используют 86% крупнейших компаний. Это не значит, что они работают исключительно на них. Компании сочетают несколько источников: где-то закрытые российские модели, где-то — опенсорс. Зарубежные модели тоже используют — неофициально и через партнёрские схемы. Точно посчитать этот объём сложно — поставщики периодически блокируют учётные записи из России.

Агент — это не копилот: в чём разница и почему это важно

Согласно анализу «Яков и Партнёры», только 11% россиян хорошо понимают, что такое агент. Большинство путают агента с копилотом или чат-ботом. Различие принципиальное:

Агент должен сам понимать, что идёт не так, адаптироваться и перестраиваться. Человек в идеале не нужен. Это качественно иной класс решений.

88% российских компаний используют ИИ, но реальный эффект пока видят менее 10%

По данным исследования «Яков и Партнёры», в котором интервьюировали топ-менеджеров около 160 крупнейших российских компаний из 16 отраслей, картина следующая.

К 2025 году подавляющее большинство рынка уже внедрило ИИ хотя бы в одну функцию. Отдельные технологически развитые индустрии — IT, телеком, банкинг — в 3–5 функций. Туда же в России попали строительство, недвижимость и медтех: отрасли, которым был нужен скачок производительности.

88% российских компаний используют ИИ. Но при детальном рассмотрении оказывается, что:

• только половина из них использует ИИ более чем в трёх функциях
• только 20% — более чем в пяти
• менее 10% компаний видят экономический эффект свыше 5% от прибыли.

Почему так? Главная причина — не качество моделей, а организационный дизайн и культура. ИИ нельзя «положить» поверх старых процессов и ждать результата.

Где реально концентрируется эффект

Исследование показало: экономия от ИИ концентрируется в разработке, IT и производстве. В этих функциях задача хорошо формализуется, а результат легко измеряется.

Активнее всего в России ИИ внедряют в:

• маркетинге и продажах;
• клиентском сервисе;
• внутренних коммуникациях и бэк-офисе (бухгалтерия, финансы, юридические функции).

Ожидания по эффекту изменились с 2023 года. Тогда 49% компаний рассчитывали на сокращение ФОТ. К 2025 году эта цифра упала до 12%. Зато появился новый ожидаемый эффект — рост выручки: ИИ высвобождает время на создание новых продуктов и ценностей, ускоряет их выход на рынок, а не сокращает штат.

Что мешает масштабированию: железо, регуляторика и инженерная культура

По данным интервью с вендорами и CTO крупных российских компаний, основные барьеры следующие:

• Стоимость и санкционные ограничения на оборудование. Высокая цена GPU-серверов плюс сложности с ввозом ряда чипов — реальный сдерживающий фактор для российских компаний, особенно тех, кто хочет строить решения on-premises.

• Институциональные ограничения. В банкинге — банковская тайна. В медицине — вертикальные ГОСТы, которые регламентируют работу с данными пациентов. Чтобы разработать качественную медицинскую модель, нужно вложить значительно больше ресурсов — именно из-за требований к работе с данными.

• Инженерная культура. Россия — инженерная страна. CTO с физтеха, который говорит «сделаю лучше сам», — не исключение, а норма. Это увеличивает долю in-house-разработки, но со временем даже такие компании приходят к гибридной модели.

• Разрыв между пилотами и продакшеном. Многие компании провели эксперименты, но не перешли к реальному внедрению. Проблема не в технологии, а в отсутствии перестройки процессов.

Пять трендов, которые определят рынок ИИ до 2030 года

Выделяются пять ключевых направлений:

• Агентный ИИ, который работает автономно, без постоянного участия человека, и выполняет многошаговые задачи. Это главный тренд 2026 года и по глобальному рынку, и по России. В России принятие агентных сценариев ещё несколько кварталов назад тормозил дефицит моделей с достаточным качеством для агентных задач. С 2026 года ситуация изменилась — опенсорс-модели подтянулись, российские модели улучшились. Началась волна реального принятия.

• Вертикальный ИИ появился потому, что универсальные модели не всегда справляются с прикладными задачами в конкретных доменах — медицинском, юридическом и финансовом. Специализированные модели, обученные на доменных данных, превосходят универсальные по точности. В России этот тренд тоже прослеживается: появляются решения в здравоохранении, юриспруденции, строительстве.

• Физический ИИ. Ещё один глобальный тренд — ИИ, воспринимающий физический мир: проектирование, производство, симуляции. Один из показательных примеров — стартап Project Prometheus Джеффа Безоса, занимающийся ИИ для проектирования физических объектов. Его оценка на июль 2026 года составляет 40 млрд долларов — без готового продукта.

• Cost discipline — бюджеты на ИИ теперь требуют доказанного эффекта. Рынок «наигрался» в пилотирование и хочет реальных результатов на реальных процессах.

• Безопасность — агентные системы ломают традиционный периметр безопасности. Управление рисками, связанными с ИИ, из периферийной темы превращается в центральную часть бизнес-процессов.

Ключевые выводы

• Корпоративный рынок только генеративного ИИ (а это только половина от всего ИИ-рынка) в России вырос до 25 млрд рублей с 2020 года. К 2030-му ожидается около 180 млрд рублей по оптимистичному прогнозу.
• Первый квартал 2026 года стал рекордным по мировым инвестициям — 300 млрд долларов глобально. CapEx гиперскейлеров приближается к 1 трлн долларов в год.
• Единица интеллекта дешевеет: то, что стоило десятки долларов два года назад, сегодня стоит центы.
• Пока менее 10% российских компаний видят реальный эффект от ИИ выше 5% прибыли.
• За два квартала на платформе Yandex AI Studio создали более 30 тыс. агентов. Более 1 тыс. из них вызываются ежедневно — встроены в реальные бизнес-процессы.
• Ожидания по сокращению ФОТ упали с 49 до 12%, зато выросли ожидания по росту выручки.
• Генеративный ИИ недетерминирован — поэтому внедрение стало частью продукта. Вендоры строят сервисные команды, которые проходят путь вместе с клиентом.
• Главное узкое место глобального рынка — не деньги, а электричество и память.