Почему компании пересматривают подход к цифровой трансформации

Диагноз: бизнес считает не системы, а эффект

Компании стали осторожнее относиться к большим программам цифровой трансформации. Еще несколько лет назад такие проекты описывались через дорожные карты, платформы и стратегические инициативы. Сегодня вопрос сместился: не «какую технологию мы внедрим», а «какой процесс станет быстрее, дешевле или надежнее».

Перемена настроения видна и в цифрах. В обзоре TEKsystems за 2026 год доля компаний, ожидающих окупаемость трансформации в течение полугода, упала с 42% в 2025 году до 27% в 2026-м — бизнес перестал верить в быстрый эффект и требует более трезвого расчета. В российских компаниях разрыв между активностью и результатом еще заметнее: по данным исследования «Яков и Партнёры» совместно с Яндексом, генеративный ИИ хотя бы в одной функции уже внедрили 71% крупных компаний, но согласованную с бизнес-целями ИИ-стратегию имеют лишь 8%. Активность высокая, управляемость — низкая.

Это не отказ от цифровой трансформации, а её взросление. Компании увидели: сама по себе технология не гарантирует результата. Можно внедрить систему и сохранить старые ручные процессы. Можно запустить аналитику и не решить проблему качества данных. Поэтому в центре внимания все чаще не модность решения, а его влияние на операционную эффективность.

Почему это происходит именно сейчас

За разворотом к прагматизму стоит конкретная техническая причина — накопленный технологический долг, который ИИ не создает, а обнажает быстрее любой другой технологии.

Часть этого долга — прямое следствие ухода зарубежных вендоров. По данным обзора системных вызовов ИТ-отрасли на Хабре, не менее 30% крупных российских компаний продолжают эксплуатировать зарубежное ПО без технической поддержки, а 82% не удовлетворены качеством отечественных аналогов — это создает операционные и регуляторные риски и одновременно тормозит любые новые инициативы, которым нужна устойчивая инфраструктура.

Вторая часть долга — данные. Именно с ними, а не с моделями, связана большая часть провалов ИИ-проектов: до 80% времени инженеров уходит на подготовку данных, а не на саму задачу. Международный прогноз IDC, на который ссылается тот же обзор, предупреждает — к 2027 году компании, откладывающие работу с «долгом данных», столкнутся с ростом отказов ИИ-проектов на 50%. Показательно и то, куда в итоге смещается фокус: по наблюдениям участников форума Data Day 2026, бизнес все чаще выбирает не новые решения на больших языковых моделях, а проверенные классические алгоритмы машинного обучения — потому что они предсказуемее и дешевле в эксплуатации при сопоставимом эффекте.

Вывод простой: нельзя построить качественную аналитику или эффективно внедрить ИИ, если данные не приведены в порядок, а инфраструктура держится на честном слове. Технология лишь проявляет эту проблему быстрее и болезненнее, чем что-либо раньше.

Как меняется практика

Этот сдвиг проявляется в логике принятия решений сразу с двух сторон.

С одной стороны, горизонт планирования сжимается: «Компании реже запускают трансформацию как единую стратегическую программу с комитетами и презентациями — чаще ищут конкретные узкие места и улучшают их последовательно: ускоряют обработку заявок, снижают ручной ввод данных, объединяют разрозненные справочники. Такие проекты выглядят менее эффектно, чем масштабная трансформация на уровне лозунгов, зато их проще оценить и проще защитить перед руководством», – отмечает генеральный директор Globus Павел Короткий.

С другой стороны, горизонт расчета экономики, наоборот, удлиняется. Раньше проект чаще оценивали по стоимости внедрения. Сейчас все больше значит совокупная стоимость владения — во сколько обойдется поддержка, развитие, безопасность и масштабирование через год и через три. Быстрая окупаемость стала главным аргументом при защите ИТ-бюджета, а на глобальном уровне это заметно и в отношении к самому ИИ: по данным KPMG Global Tech Report 2026, 74% организаций фиксируют бизнес-пользу от отдельных ИИ-кейсов, но лишь 24% достигают окупаемости сразу по нескольким направлениям.

Получается на первый взгляд противоречивая, а на деле логичная связка: планировать мельче, а считать — на годы вперед.Как это выглядит на практике, можно увидеть на примере одной из логистических компаний с сетью из нескольких десятков региональных складов. Сверка сопроводительных документов при приемке грузов велась вручную: кладовщики сверяли бумажные накладные с данными в системе управления складом (WMS), расхождения фиксировали в отдельных таблицах, а на обработку одной крупной партии уходило до 4 часов. Вместо того чтобы заменять WMS или запускать единую платформу для всей цепочки поставок, команда интегратора настроила автоматическое распознавание накладных и сверку с системой в реальном времени — точечно, поверх существующего контура, без остановки складских операций.

Внедрение заняло около 3 месяцев на пилотном складе, прежде чем решение начали тиражировать на остальные точки. При этом бюджет считали не только на разработку, но и на 3 года вперед — с учетом лицензий на распознавание, поддержки интеграции и расширения на новые склады по мере роста сети. В результате время сверки партии сократилось до 20–30 минут, а число расхождений, выявленных постфактум, снизилось в несколько раз. Решение осталось управляемым и при кратном росте нагрузки — потому что с самого начала не требовало пересборки всей складской инфраструктуры.

Что это значит для тех, кто планирует следующий шаг

Зрелая цифровая трансформация — это не количество внедренных систем, а способность быстро менять процессы, не теряя контроля над инфраструктурой и данными. Из этого вытекает практический ориентир для тех, кто сейчас выбирает следующий шаг.

По мнению технического директора Globus Дмитрия Лемайкина, «прежде чем добавлять новую технологию, стоит понять реальное состояние трех вещей: насколько устойчива текущая инфраструктура, в каком порядке находятся данные и какой конкретный процесс должен измениться. Только после этого имеет смысл выбирать масштаб — точечное улучшение или более крупную инициативу — и считать не стоимость внедрения, а полную стоимость владения решением на годы вперед».

Компании, которые выигрывают в этой логике, не обязательно говорят о цифровизации громче других. Они умеют связывать технологии с конкретным бизнес-результатом — и именно поэтому реже возвращаются к одному и тому же проекту трансформации во второй раз.