82% руководителей используют ИИ еженедельно: как AI проникает в разные отрасли – отчет Wharton 2025

Третий год подряд Wharton School of Business и GBK Collective изучают, как американские компании внедряют генеративный ИИ. Свежие данные за октябрь 2025 показывают: технология перешла из стадии экспериментов в ежедневную практику. В предыдущей статье мы разбирали разрыв между использованием AI рядовыми сотрудниками (19% видят результат) и корпоративными проектами (80% успешны). Новый отчет Wharton показывает, как именно компании достигают этих 80% – и почему результаты различаются по отраслям.

Спойлер: технологии, финансы и профессиональные услуги убегают вперёд. Производство и розница – отстают. И дело не в «отсталости», а в принципиальной разнице задач.

О чём исследование: методология и масштаб

Кто проводил: Wharton Human-AI Research (часть Wharton AI & Analytics Initiative) и GBK Collective

Масштаб: 800 топ-менеджеров из американских компаний:

• Минимум 1000 сотрудников
• Выручка от $50 млн в год
• Третья волна исследования (2023 → 2024 → 2025)

Фокус: Не «пробуют ли», а «как внедряют и какой результат получают». Это принципиально отличает отчет от опросов рядовых пользователей.

Главные цифры: AI вошёл в рутину топ-менеджмента

Частота использования GenAI руководителями

82% топ-менеджеров используют генеративный ИИ хотя бы раз в неделю. Для сравнения: год назад это было 72%. Каждый второй руководитель теперь работает с AI ежедневно.

Сравним с данными из исследования Stanford: там мы видели 23% профессионального использования среди обычных сотрудников. А здесь – 82% среди топ-менеджмента. Разрыв объясняет, почему корпоративные AI-проекты успешны в 80% случаев: руководители сами используют технологию, а не делегируют «разобраться тем, кто помоложе».

Пример из практики: Сатья Наделла, CEO Microsoft, провёл выходные на День благодарения, разрабатывая приложение для анализа крикета с помощью Deep Research AI. «Система выдала области консенсуса, дебаты, цепочки рассуждений — всё было фантастическим», — рассказывал он на корпоративном мероприятии в Бангалоре. Это не просто PR-история: когда CEO компании с капитализацией $3 трлн лично кодит AI-приложения в свободное время, становится понятно, почему Microsoft лидирует в гонке искусственного интеллекта.

✅ Вывод: Когда топ-менеджмент использует AI ежедневно, это меняет всю культуру компании. Это не хайп и не экспериментальные проекты – это новая норма принятия решений.

Приоритеты сместились: AI – в топ-3 стратегических направлений

Приоритизация AI в корпоративной стратегии

Три четверти компаний теперь ставят AI в топ-3 стратегических направлений. А каждая пятая считает его главным приоритетом – в 2 раза больше, чем год назад.

Это не просто рост интереса. Это означает выделение бюджетов, найм специалистов, реорганизацию процессов.

Chief AI Officer – новая норма

61% компаний уже назначили Chief AI Officer или эквивалентную позицию. Год назад таких было меньше половины.

Это важный сигнал: AI перестал быть «проектом IT-отдела». Теперь это стратегическая функция на уровне C-suite.

ROI перестал быть гипотезой: 72% компаний измеряют отдачу

72% компаний уже внедрили структурированные метрики для измерения ROI от AI. Это не субъективное «кажется, помогает», а конкретные цифры:

• Продуктивность: сколько задач выполнено быстрее
• Скорость: время на выполнение ключевых процессов
• Качество: снижение ошибок, улучшение результатов

74% видят позитивный ROI – это подтверждает цифру Bain из предыдущей статьи: 78% проектов показывают измеримый рост выручки или снижение затрат.

⚠️ Важно: Это не «все проекты успешны». Это «те, кто измеряет ROI, видят результат». Компании научились фильтровать: пилот → измерение → масштабирование только при позитивном ROI.

Отраслевой разрыв: почему технологии лидируют, а розница отстаёт

А вот здесь начинается самое интересное. Проникновение AI радикально различается по отраслям.

Лидеры и отстающие в внедрении AI

Почему технологии, финансы и профессиональные услуги лидируют?

1. Природа задач:

• Основная работа – это обработка информации
• Высокая доля интеллектуального труда
• Много рутинных операций, которые легко автоматизировать

2. Техническая зрелость:

• Уже есть цифровая инфраструктура
• Данные структурированы и доступны
• IT-отделы готовы к интеграции новых инструментов

3. Конкурентная среда:

• Высокая конкуренция требует скорости
• Ранние adopters получают значительное преимущество
• Клиенты ожидают цифровых сервисов

Почему производство и розница отстают?

Не потому что «отсталые», а потому что задачи сложнее:

1. Физический мир:

• GenAI отлично работает с текстом, кодом, изображениями
• Но производство и логистика – это физические объекты
• AI для роботов и автоматизации складов требует других технологий (компьютерное зрение, управление)

2. Комплексная интеграция:

• Нужно интегрировать AI с производственным оборудованием
• Связать с системами управления цепочками поставок
• Синхронизировать с legacy-системами, которым десятки лет

3. ROI сложнее измерить:

• В финансах: «AI обработал 1000 заявок на кредит вместо людей» – очевидная экономия
• В производстве: «AI оптимизировал закупки материалов» – экономия размыта во времени и скрыта в общих показателях

✅ Вывод: Разрыв между отраслями – не вопрос «умные vs отсталые». Это разница в природе задач. GenAI сначала трансформирует отрасли, где основная работа – обработка информации. Производство и розница следуют, но им нужны более комплексные решения.

Функциональное распределение: IT и закупки лидируют, маркетинг отстаёт

Wharton также проанализировал внедрение AI по функциям внутри компаний.

Распределение внедрения AI по функциям

Почему IT и закупки лидируют?

IT:

• AI естественным образом встраивается в разработку ПО (73% компаний используют AI для coding)
• Специалисты технически грамотны и быстро осваивают новые инструменты
• Есть понимание, как измерять результат

Purchasing/Procurement:

• Много рутинной работы с документами: RFP, контракты, спецификации
• AI отлично справляется с анализом предложений поставщиков
• Легко измерить экономию: сравнить цены до и после использования AI

Почему маркетинг и продажи отстают?

Это парадоксально: маркетинг был одним из самых хайповых направлений для AI (генерация контента, персонализация). Но цифры показывают обратное.

Возможные причины:

1. Разрыв между обещаниями и реальностью:

• Обещали: «AI создаст креативные кампании»
• Реальность: «AI генерирует посредственные тексты, которые требуют тяжёлой доработки»

2. Сложность измерения ROI:

• В IT: «AI написал 500 строк кода» – очевидная экономия времени
• В маркетинге: «AI создал 10 постов» – но конверсия зависит от множества факторов

3. Креативность vs шаблоны:

• Закупки – это процесс, который легко стандартизировать
• Маркетинг требует креативности, понимания контекста, эмоционального интеллекта
• AI хорош в шаблонах, но креативный прорыв пока делают люди

⚠️ Важно: Тренд 2023 года (AI для всех!) сменился трезвой оценкой 2025: AI используется там, где он действительно эффективен. Маркетинг и продажи пересматривают подходы.

Доступ к AI инструментам: 70% компаний открыли доступ всем сотрудникам

70% компаний открыли доступ к GenAI инструментам для всех сотрудников. Это кардинальный сдвиг по сравнению с 2023 годом, когда большинство компаний боялись утечки данных и ограничивали использование AI.

Что изменилось?

1. От запретов к обучению:

• 2023: «Запретить ChatGPT, пока не разберёмся с безопасностью»
• 2025: «Обучить всех безопасному использованию AI и дать доступ»

2. Корпоративные решения:

• Не публичный ChatGPT, а корпоративные версии (ChatGPT Enterprise, Microsoft Copilot)
• Данные остаются внутри компании
• Контроль использования и аудит

3. Демократизация AI:

• Не только для разработчиков и аналитиков
• HR, юристы, финансисты, менеджеры – все получают доступ
• AI становится инструментом повышения продуктивности для всех, как когда-то Excel

✅ Вывод: 70% компаний сделали AI инфраструктурным инструментом, таким же базовым, как email или офисный пакет. Это главный сигнал перехода от экспериментов к массовому внедрению.

Разработка ПО – убойное применение GenAI

Использование AI в разработке ПО

73% компаний используют AI для разработки программного обеспечения. И это не просто эксперименты: 40% пилотов уже масштабированы в production.

Почему разработка ПО – killer use case для AI?

1. Чёткая задача:

• Написать функцию, которая делает X
• Перевести код с Python на Java
• Найти и исправить баг

2. Измеримый результат:

• Время на написание функции: было 2 часа, стало 30 минут
• Количество багов: снижение на 20%
• Code review: AI проверяет код перед отправкой на ревью человеку

3. Высокая точность:

• AI отлично справляется с синтаксисом
• Знает best practices для всех популярных языков
• Может объяснить чужой код

4. Быстрое внедрение:

• GitHub Copilot, Cursor, Codeium – интегрируются за минуты
• Разработчики видят результат в первый же день
• Нет сложной инфраструктуры или интеграции с legacy-системами

✅ Вывод: Если ваша компания только начинает внедрять AI, начните с разработки ПО. Это область с самым высоким и быстрым ROI.

Проблема масштабирования: почему треть проектов застревает на пилоте

Несмотря на успехи, Wharton выявил серьёзную проблему: треть AI-проектов не выходит за пределы пилота.

Причины провала масштабирования

Почему пилот работает, а production – нет?

1. Разница в объёмах данных:

• Пилот: 100 клиентов, вручную отобранные кейсы
• Production: 100 000 клиентов, все edge cases и исключения

2. Интеграция с существующими системами:

• Пилот: Standalone решение, работает отдельно
• Production: Нужно интегрировать с CRM, ERP, биллингом

3. Ожидания vs реальность по затратам:

• Пилот: «OpenAI API стоит $50/месяц»
• Production: «100 000 запросов в день = $15 000/месяц, это не окупается»

4. Безопасность данных:

• Пилот: Тестовые данные
• Production: Реальные персональные данные клиентов, требования GDPR/CCPA

⚠️ Важно: Масштабирование AI – это не просто «запустить на большем количестве пользователей». Это реинжиниринг процессов, переговоры с вендорами об enterprise-ценах, построение governance-структур.

Агентная автоматизация vs AI-ассистент: разница в 2x по удовлетворённости

Wharton обнаружил критически важную закономерность, которая объясняет многое.

Компании, использующие агентную автоматизацию (AI выполняет задачи автономно), показывают в 2 раза более высокую удовлетворённость и на 50% меньше разочарований, чем те, кто использует AI просто как ассистента.

Что такое AI-ассистент?

• ChatGPT: «Напиши мне черновик письма клиенту»
• Copilot: «Предложи варианты завершения этой функции»
• Человек остаётся в цепочке: AI предлагает, человек выбирает и дорабатывает

Что такое агентная автоматизация?

• Автономный процесс: «При получении заявки на возврат система автоматически проверяет историю покупок, применяет политику возвратов, одобряет или отклоняет, уведомляет клиента»
• AI принимает решения: Человек настраивает правила, но не участвует в каждой операции
• End-to-end автоматизация: Весь процесс, от начала до конца

Почему автоматизация даёт в 2 раза больше удовлетворённости?

1. Реальная экономия времени:

• Ассистент: Экономит 30% времени (AI написал черновик, но я его редактирую 20 минут)
• Автоматизация: Экономит 90% времени (AI выполнил всю задачу, я только проверил результат)

2. Измеримый результат:

• Ассистент: «Помогает, но сложно оценить, насколько»
• Автоматизация: «Обработано 500 заявок без участия человека – очевидная метрика»

3. Масштабируемость:

• Ассистент: Помогает одному человеку работать быстрее
• Автоматизация: Заменяет целую команду на рутинных задачах

✅ Вывод: Если хотите реального ROI от AI – не останавливайтесь на стадии ассистента. Стройте автономные процессы.

Что это значит для менеджеров: практические выводы

Мы в mysummit.school работаем с менеджерами, которые хотят внедрить AI в свою работу и команду. Вот ключевые выводы из отчёта Wharton:

1. Топ-менеджмент должен использовать AI сам

82% руководителей используют AI еженедельно. Это не случайность. Когда CEO, CFO, COO сами работают с AI, это меняет культуру всей компании.

Что делать:

• Не делегируйте «разобраться с AI» кому-то ниже
• Начните с собственных задач: подготовка к встречам, анализ отчётов, написание стратегий
• Станьте role model для команды

2. Начните с разработки ПО (если у вас есть dev-команда)

73% компаний используют AI для coding, 40% масштабировали в production. Это самая зрелая область применения GenAI.

Что делать:

• Внедрите GitHub Copilot или аналоги
• Измеряйте время на разработку до и после
• Используйте успех dev-команды как proof of concept для других отделов

3. IT и закупки – ваши early adopters

Wharton показал: IT и Purchasing/Procurement лидируют по частоте использования и уверенности.

Что делать:

• Начните внедрение именно с этих отделов
• Соберите кейсы и метрики успеха
• Используйте их опыт для обучения других команд

4. Маркетинг и продажи – не торопитесь

Вопреки хайпу, маркетинг и продажи отстают в реальном внедрении AI.

Что делать:

• Не ждите, что AI «создаст креативные кампании»
• Фокусируйтесь на рутине: анализ конкурентов, подготовка отчётов, персонализация email
• Креативную работу пока оставьте людям

5. Планируйте переход от ассистента к автоматизации

В 2 раза выше удовлетворённость у компаний с агентной автоматизацией.

Что делать:

• Этап 1: Используйте AI как ассистента (ChatGPT для черновиков)
• Этап 2: Автоматизируйте простые процессы end-to-end (обработка типовых запросов)
• Этап 3: Масштабируйте на сложные процессы с человеком в петле для контроля

6. 70% компаний дали доступ всем – но с обучением

Демократизация AI – это тренд. Но доступ без обучения = хаос.

Что делать:

• Дайте доступ всем, но сначала проведите обучение безопасному использованию
• Используйте корпоративные версии (ChatGPT Enterprise, Microsoft Copilot)
• Установите политики: что можно, что нельзя, какие данные не передавать в AI

7. Готовьтесь к барьерам масштабирования

Треть проектов застревает на пилоте. Это не провал, это нормальный процесс фильтрации.

Что делать:

• Определите критерии успеха пилота до начала: метрики ROI, затраты, безопасность
• Планируйте масштабирование заранее: интеграция, затраты, governance
• Не бойтесь закрывать проекты, которые не окупаются при масштабировании

Почему курс mysummit.school готовит к реальному внедрению

Отчёт Wharton показывает: разница между экспериментами и результатом – это системный подход.

В нашем курсе «Искусственный интеллект для менеджеров»:

От ассистента к автоматизации. Начинаете с простых задач (ChatGPT для писем), постепенно переходите к автономным процессам. Это тот самый путь, который даёт 2x рост удовлетворённости.

Фокус на измеримый ROI. Учим не «как написать промпт», а «как сократить 5 часов рутины в неделю» с конкретными метриками.

Безопасность с первого дня. Отдельный модуль о защите корпоративных данных – тот самый барьер масштабирования, который Wharton называет «растущей проблемой».

Практика на реальных задачах. Подготовка к встречам, анализ резюме, создание отчётов – задачи, которые вы делаете каждый день.

Все инструменты. ChatGPT, Claude, YandexGPT, GigaChat, Perplexity – выбираете правильный инструмент для каждой задачи.

Читайте также

Не решать, а проектировать выбор: как AI меняет работу менеджера

Персона в промпте: научный взгляд на ролевой промптинг

Когда ваша работа обучает конкурента: уроки AI-музыки для менеджера

5 элементов идеального промпта: почему AI не понимает, чего вы хотите

Выводы: AI вошёл в мейнстрим, но не везде одинаково

Отчёт Wharton 2025 показывает чёткую картину:

1. AI стал нормой для топ-менеджмента. 82% используют еженедельно, 46% – ежедневно. Это уже не эксперименты.

2. Отраслевой разрыв объясняется природой задач. Технологии, финансы, профессиональные услуги лидируют – там основная работа с информацией. Производство и розница отстают – там физический мир требует других решений.

3. IT и закупки – early adopters внутри компаний. Маркетинг и продажи, вопреки хайпу, пока не нашли killer use case.

4. 70% компаний дали доступ всем сотрудникам. AI перешёл из категории «специализированный инструмент» в «базовая инфраструктура».

5. Разработка ПО – самое зрелое применение. 73% компаний используют, 40% масштабировали в production.

6. Агентная автоматизация даёт в 2 раза больше удовлетворённости, чем AI-ассистенты. Но требует более глубокой интеграции.

7. Треть проектов застревает на пилоте из-за затрат, сложности масштабирования и безопасности данных.

Главный вывод: AI работает, когда к нему подходят системно. 72% компаний измеряют ROI, 74% видят позитивный результат. Но успех требует обучения, инфраструктуры и культуры экспериментов.

Хотите освоить AI системно, как топ-менеджеры из отчёта Wharton?

В mysummit.school мы разработали бесплатный модуль из 3 уроков специально для менеджеров. Без теории – только практика, которая даст результат уже на первой неделе.

Что вы получите:

• Детальный разбор инструментов с примерами для менеджеров
• Готовые промпты для типовых задач (как у тех 82%, кто использует AI еженедельно)
• Путь от ассистента к автоматизации (как получить 2x рост удовлетворённости)
• Навыки безопасного использования AI в корпоративной среде
• Понимание, как измерять ROI (как те 72%, кто отслеживает метрики)

Получить 3 бесплатных урока →

Источники:

• 82% of Enterprise Leaders Now Use Generative AI Weekly, Multi-Year Wharton Study Finds
• Wharton AI Adoption Report - 2025
• GenAI at Work: 20 takeaways from Wharton’s 2025 enterprise AI adoption report
• Inside Wharton’s 2025 AI Adoption Report: Accountability, ROI, and the Human Factor
• 2025 AI Adoption Report: Gen AI Fast-Tracks Into the Enterprise