Методология оценки рынка искусственного интеллекта в России - подходы и перспективы

Аналитика данных, телеком, отрасли

Форум «Цифровые решения». Сессия "Аналитика ИТ-рынка: запросы бизнеса, ожидания государства и слепые зоны".

ПРОБЛЕМА ОТСУТСТВИЯ ЕДИНОЙ СТАТИСТИКИ ПО ИИ

Одной из главных проблем современного российского рынка высоких технологий является катастрофический дефицит достоверных и согласованных данных. В последнее время запросы на получение точной статистики по искусственному интеллекту стали самыми массовыми, однако получить конкретные цифры практически невозможно. Существует огромный разрыв между тем, как часто обсуждается тема ИИ в медиапространстве, и реальной возможностью измерить объем этого рынка или процент его использования в различных секторах экономики.

Ситуация осложняется тем, что даже по таким «хайповым» направлениям, как генеративные модели или агенты, аналитики не могут прийти к единому знаменателю. В результате возникает парадокс: технология внедряется повсеместно, но никто не может с уверенностью назвать объем рынка в рублях или долю компаний, реально использующих эти инструменты в бизнес-процессах. Это создает серьезные препятствия для долгосрочного планирования и развития аналитики на быстро меняющемся цифровом рынке.

«Я не могу поручиться ни за одну цифру, я не могу назвать объем рынка, я не могу назвать процент использования», — констатирует, подчеркивая глубину проблемы. Без фундаментальных данных невозможно объективно смотреть в будущее и выстраивать стратегию развития технологий. Текущее состояние аналитики напоминает попытку навигации в тумане, где каждое исследование дает свои, часто противоречивые результаты, что делает невозможным полноценный сравнительный анализ.

РАЗБРОС ОЦЕНОК И МЕТОДОЛОГИЧЕСКИЙ ХАОС

Анализ текущих публикаций в Рунете показывает шокирующий разброс данных по оценке рынка искусственного интеллекта. Разница между минимальными и максимальными прогнозами на 2025 год может достигать 39 раз: от скромных 50 миллиардов до гигантских 2 триллионов рублей. Такой колоссальный разрыв свидетельствует не столько о сложности самого объекта исследования, сколько о полном отсутствии единой методологии подсчета и разных целях, которые преследуют исследователи.

Основная причина таких расхождений кроется в том, что разные аналитические группы включают в понятие «рынок ИИ» совершенно разные составляющие. Кто-то считает только стоимость специализированного оборудования, кто-то — затраты на лицензии ПО, а кто-то пытается оценить общий экономический эффект от повышения производительности труда. В итоге получается набор разрозненных цифр, которые невозможно сопоставить между собой без детального изучения «паспорта» каждого конкретного исследования.

Для исправления этой ситуации необходимо внедрить обязательное требование к отражению подробной методологии в каждом отчете. Только понимая, какой именно стек технологий был учтен — от чипов-ускорителей до прикладного ПО и услуг по кастомизации — можно будет начать вести конструктивный диалог о реальном состоянии отрасли. Без этого любые цифры остаются лишь приблизительными оценками, не имеющими практической ценности для принятия управленческих решений.

КОМПОНЕНТЫ СТЕКА ТЕХНОЛОГИЙ ПРИ ИЗМЕРЕНИИ

Для корректного измерения рынка необходимо четко определить, что именно мы считаем. Технологический стек ИИ многослоен и включает в себя аппаратное обеспечение (GPU-ускорители), инфраструктурные решения, прикладное программное обеспечение, а также услуги по интеграции и внедрению. Каждый из этих уровней имеет свою динамику роста и свои способы монетизации, что требует раздельного учета при формировании общей картины рынка.

Особую сложность представляет учет подписок на сервисы ИИ. Здесь возникает ситуация, аналогичная концепции bring your own device, когда сотрудники используют частные аккаунты для решения рабочих задач. Компании часто не знают точно, сколько людей фактически применяют нейросети в бизнес-целях, так как эти расходы не проходят по корпоративным счетам. Это создает огромный «серый» сегмент рынка, который практически невозможно отследить традиционными методами бухгалтерского учета.

Кроме того, некоторые исследователи включают в объем рынка затраты на заработную плату специалистов по данным и машинному обучению. Хотя это справедливо с точки зрения инвестиций в человеческий капитал, такие данные сильно искажают представление о коммерческом обороте продуктов ИИ. Важно разделять операционные расходы компаний на разработку и фактическую выручку от продажи готовых технологических решений, чтобы видеть реальную рыночную стоимость продукта.

ЭКСПЕРТНЫЙ ПОДХОД К ОЦЕНКЕ РЫНКА

В условиях отсутствия точных данных одним из наиболее эффективных методов становится опора на экспертные оценки. Специалисты, которые непосредственно работают с технологиями ИИ и состоят в профессиональных ассоциациях по работе с данными, лучше всего чувствуют реальные тренды и объемы сделок. В первом приближении именно их мнение может стать базой для формирования гипотез об объеме рынка, так как они видят внутреннюю кухню внедрений.

Параллельно с экспертным методом предлагается использовать анализ крупнейших игроков рынка, таких как Яндекс или Сбер. Поскольку эти компании являются доминантами в российском сегменте ИИ, их финансовые отчеты могут дать определенное представление о масштабах отрасли. Если мы понимаем, сколько зарабатывают лидеры, можно прикинуть, что общий рынок не может быть на порядок больше или меньше этих показателей, что создает своего рода «коридор» допустимых значений.

Однако даже этот метод требует осторожности. Например, в выручке крупных экосистем доля ИИ-сервисов может быть размыта между различными продуктами. Чтобы получить чистую цифру, необходимо проводить глубокую декомпозицию доходов компании, отделяя традиционные сервисы от тех, что базируются на новых моделях машинного обучения. Только сочетание экспертного мнения и анализа финансовых показателей гигантов отрасли дает приемлемую точность.

СЛОЖНОСТИ УЧЕТА ЗАРУБЕЖНЫХ РЕШЕНИЙ

Значительную часть российского рынка ИИ составляют зарубежные модели, такие как ChatGPT или Claude. Оценка этого сегмента представляет собой практически невыполнимую задачу, так как основные бенефициары — западные корпорации — официально не признают наличие выручки из России в силу политических ограничений и санкций. Прямой запрос к создателям систем о сумме полученных токенов или платежей за подписки не даст результата.

Ситуация с оборудованием аналогична: поставки GPU-чипов продолжаются, но происходят через сложные цепочки посредников, что делает их невидимыми для официальной статистики. «Бизнес бизнесом, а политика политикой», — отмечают участники дискуссии, подчеркивая, что реальные потоки товаров и денег в сфере ИИ часто скрыты от глаз регуляторов и аналитиков из-за геополитических факторов.

Единственным способом оценки этого «теневого» сегмента остаются опросы частных лиц и компаний. Однако такие данные всегда будут иметь высокую погрешность, так как респонденты могут занижать или завышать объемы использования зарубежного ПО. В итоге мы получаем фрагментарную картину, которая позволяет лишь косвенно судить о степени зависимости российского бизнеса от иностранных технологических стеков.

ИНФРАСТРУКТУРНЫЙ ПОДХОД К ИЗМЕРЕНИЮ

Альтернативным и более объективным способом оценки рынка является анализ инфраструктуры. Поскольку искусственный интеллект не может существовать в вакууме, он требует огромных вычислительных мощностей. Оценка количества закупленного оборудования с графическими процессорами (GPU) позволяет косвенно определить потенциал развертывания ИИ-решений в стране. Железо — это материальный след, который гораздо сложнее скрыть, чем подписку на облачный сервис.

При таком подходе аналитики могут отслеживать динамику закупок серверного оборудования и оценивать загрузку дата-центров. Если наблюдается резкий рост спроса на определенные типы ускорителей, это однозначно свидетельствует о расширении рынка ИИ. Однако даже здесь возникает сложность: не всё оборудование используется именно для нейросетей, часть может идти на традиционный рендеринг или научные вычисления, что требует дополнительной фильтрации данных.

Таким образом, инфраструктурный метод служит отличным дополнением к финансовому анализу. Он позволяет верифицировать заявления компаний о масштабах внедрения ИИ: если компания заявляет о создании глобальной системы автоматизации, но при этом не инвестирует в соответствующие вычислительные мощности или облачные ресурсы, ее слова могут оказаться маркетинговым преувеличением.

ГОСУДАРСТВЕННЫЙ ПОДХОД И ЭПОХА РЕЕСТРИФИКАЦИИ

Со стороны государства подход к сегментации ИТ-рынка принципиально отличается от частного. Государство не может позволить себе «кастомный» или гибкий подход, так как ему нужны стандартизированные данные для управления и поддержки отрасли. Основным инструментом здесь становится работа с реестрами. Опыт создания реестра аккредитованных ИТ-компаний показал, что это один из самых эффективных способов систематизации рынка.

В последние годы в России наступила настоящая «эпоха реестрификации». Если раньше главным трендом была электрификация, то теперь основным инструментом управления и измерения становится включение объектов в государственные перечни. Это позволяет четко определить границы отрасли, выделить участников и применить к ним конкретные меры поддержки. Реестры становятся единственным источником истины для административного учета.

Однако реестровый подход имеет свои ограничения: он фиксирует юридический статус компании, но не всегда отражает реальную технологическую активность. Компания может быть в реестре ИТ-организаций, но фактически не заниматься разработкой ИИ. Поэтому государству необходимо развивать более глубокие механизмы верификации деятельности компаний внутри реестров, чтобы статистика соответствовала реальности.

МЕТОДОЛОГИЧЕСКАЯ ГИБКОСТЬ И ЦЕЛИ ИЗМЕРЕНИЯ

Важным тезисом дискуссии стало утверждение о том, что «правильных и неправильных показателей не бывает». Весь вопрос заключается в том, какая методика была выбрана и для какой цели проводился расчет. Если цель — понять охват технологии, то даже наличие чат-бота у одного сотрудника организации может формально сделать ее участником рынка ИИ. Если же цель — оценка экономического влияния, то такие показатели будут бесполезны.

Существует множество корректных подходов к измерению: через объем инвестиций в инфраструктуру, через совокупный фонд оплаты труда специалистов по ИИ, через выручку от продажи сервисов или даже через расчет добавочной стоимости, которую технология приносит бизнесу. Каждый из этих методов дает свою правду, и ошибка многих аналитиков заключается в попытке найти одну-единственную «правильную» цифру вместо использования комплекса показателей.

«Важно лишь понимать, зачем мы это считаем», — подчеркивают эксперты. Для инвестора важна выручка и темпы роста, для государства — количество рабочих мест и объем налогов, для технолога — количество развернутых моделей. Только при четком определении цели измерения можно выбрать адекватную методику, которая не будет вводить в заблуждение конечного пользователя данных.

СЕГМЕНТАЦИЯ B2C И B2B РЫНКОВ

Рынок искусственного интеллекта четко делится на два больших сегмента с разной динамикой. Сегмент B2C в России сейчас представляет собой во многом «теневой» рынок. Пользователи массово используют бесплатные или оплачиваемые через посредников зарубежные сервисы, что делает точную оценку этого сектора практически невозможной. Здесь мы видим высокую активность, но низкую прозрачность финансовых потоков.

В сегменте B2B ситуация иная: сейчас большинство компаний находятся на стадии пилотных проектов. Лишь единицы дошли до полноценного масштабирования решений на всю организацию. Однако именно здесь ожидается взрывной рост в ближайшие годы. Крупные госкомпании и организации критической информационной инфраструктуры (КИИ) переходят к закупке комплексных on-premise решений, которые включают в себя не только ПО, но и железо, обучение персонала и консалтинг.

Ожидается, что массовое масштабирование ИИ-решений начнется в 2027–2028 годах. Это будет новой волной цифровизации, которая потребует от компаний глубокой трансформации внутренних бизнес-процессов. Внедрение ИИ невозможно без изменения функций управления и операционной деятельности, что приведет к появлению новых выступлений расходов и значительному увеличению объема рынка за счет внедренческих услуг.

ЭФФЕКТИВНОСТЬ ГОСУДАРСТВЕННОЙ ПОДДЕРЖКИ ИТ

Несмотря на сложности с точной статистикой по ИИ, существуют показатели, которые демонстрируют общую эффективность развития отрасли. Одной из самых значимых цифр стала оценка отдачи от государственных инвестиций в ИТ: на каждый вложенный рубль поддержки государство получает около 2,5 рублей отдачи. Это свидетельствует о высокой мультипликативности сектора и правильности выбранного вектора стимулирования.

Интересен опыт взаимодействия с ФНС при попытке оценить меры поддержки. Выяснилось, что даже административные данные могут быть неполными или не отражать реальную картину рынка. Когда количество компаний, воспользовавшихся льготами, оказалось значительно меньше рыночных оценок, стало понятно, что инструменты учета просто не успевают за скоростью развития технологий и изменениями в поведении бизнеса.

Это еще раз доказывает необходимость тесного взаимодействия между бизнесом, методологами и государственными ведомствами. Чтобы административные данные стали объективными, необходимо приходить к ведомствам с четкими техническими заданиями, которые учитывают современные реалии цифрового рынка, а не опираются на устаревшие классификаторы деятельности.

ПЕРСПЕКТИВЫ РАЗВИТИЯ АНАЛИТИКИ И КООРДИНАЦИИ

Завершая обсуждение, сошлись во мнении, что путь к объективной статистике лежит через координацию методик. Работа по созданию единых стандартов измерения искусственного интеллекта должна быть продолжена за рамками одного форума. Необходимо создать рабочие группы, которые объединят усилия аналитиков, представителей крупнейших ИТ-компаний и государственных регуляторов для выработки общего «языка» цифр.

Ожидается, что через год уровень понимания того, как измерять отдачу от ИИ, значительно вырастет. Отрасль проходит этап первичного хаоса и переходит к стадии зрелости, когда применение технологий становится системным, а не случайным. Это позволит перейти от «крупных мазков» в оценках к конкретным цифрам, которые можно будет использовать для построения точных экономических моделей.

«Продолжение следует», — подытожил, отметив, что процесс измерения ИИ только начинается. Главная цель на ближайшее время — превратить субъективные экспертные оценки в объективную систему мониторинга, которая позволит России не только внедрять передовые технологии, но и эффективно управлять их развитием, опираясь на достоверные данные.

В рамках Форума «Цифровые решения 2026» была рассмотрена проблема отсутствия единой методологии оценки рынка искусственного интеллекта в России. отметили колоссальный разброс данных (в 39 раз) и предложили комбинированный подход к измерению: через экспертные оценки, анализ выручки лидеров рынка (Яндекс, Сбер), мониторинг инфраструктурных закупок GPU и использование государственных реестров.

Особое внимание было уделено разделению рынков B2C и B2B, а также влиянию геополитики на учет зарубежных решений. Было подчеркнуто, что полноценный рост рынка ИИ произойдет в 2027–2028 годах вместе с трансформацией бизнес-процессов компаний. В качестве позитивного итога отмечена высокая эффективность господдержки ИТ: каждый вложенный рубль приносит государству 2,5 рубля отдачи.

Заказать съёмку видео
у команды JSON.TV
Написать
Реклама услуг съемки видео

Связанное видео

АНО «Национальные приоритеты»
Форум «Цифровые решения»
89
0
Ноябрь 2026 г.
АНО «Национальные приоритеты»
Форум «Цифровые решения»
100
0
Ноябрь 2026 г.
АНО «Национальные приоритеты»
Форум «Цифровые решения»
90
0
Ноябрь 2026 г.
АНО «Национальные приоритеты»
Форум «Цифровые решения»
120
0
Октябрь 2026 г.
АНО «Национальные приоритеты»
Форум «Цифровые решения»
114
0
Октябрь 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
121
1
Сентябрь 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
100
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
114
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
111
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
94
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
147
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
116
1
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
113
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
143
0
Август 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
103
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
148
0
Август 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
113
0
Август 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
110
0
Июль 2026 г.
АПКИТ
Портрет российского IT-рынка: тренды, аудитория, инструменты
143
1
Июль 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
112
0
Июль 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
110
2
Июль 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
105
0
Июль 2026 г.
Издательский дом «Регламент»
Data Day 2026 «ИИ + Данные. Как сохранять уверенный курс в динамичной среде»
127
0
Июль 2026 г.
Смотреть раздел полностью ->