9 из 10 AI-пилотов в России не доходят до прода. Пять ошибок, которые мы совершили сами…

За два года мы запустили внутри Альпины не один десяток AI-пилотов. Большая часть не дожила до промышленной эксплуатации. Какое-то время мы считали это своей внутренней проблемой — пока в марте 2026 не вышел опрос рынка, и оказалось, что наши цифры совпадают с отраслевыми почти один в один. Без чужих кейсов и без слайдов про «революцию» — пять ошибок, которые мы совершили сами, и пять выводов из них.

Российский бизнес свернул около 90% пилотов GenAI, запущенных в 2025 году: освоить инструмент удалось 80–90% компаний, встроить в процессы — 5–10%. Мы прошли тот же путь и собрали тот же набор граблей. Ниже — пять ошибок без украшений и пять выводов, к которым они нас привели.

9 из 10. И мы не исключение

В марте 2026 «Интеллектуальный анализ» опросил 50 крупнейших российских организаций из IT, промышленности, финансов, госсектора, транспорта и логистики. До промышленной эксплуатации дошли 7–10% запущенных в 2025-м проектов GenAI. Остальные свернули. Освоение инструмента — 80–90%, реальная встройка в процессы — 5–10%. 30–40% пилотов закрыли из-за слабой финансовой отдачи (Ведомости / www1.ru, 29.03.2026 ^[1]).

Цифра не про «попробовали и забили». 71% крупных компаний уже используют GenAI хотя бы в одной функции, рост с 54% годом раньше (Яков и Партнёры × Яндекс, 2025 ^[2]). 61% офисных сотрудников РФ работают с ИИ хотя бы иногда (РБК Тренды / Deloitte, январь 2026 ^[3]). Глобальный фон тот же: TechCrunch вынес в заголовок «where the wheels are coming off» — колёса отваливаются у всей AI-экономики, а не у отдельных команд.

За два года в Альпине мы прошли тот же классический набор. Ниже — пять ошибок, которые совершили сами.

Ошибка 1. Путали «попробовали» и «внедрили»

Метрика «прошёл курс по нейросетям» казалась победой. Запустили внутреннюю программу обучения ^[4], отчитались на встрече: учились почти все. Через две недели на ретро посмотрели, в каких задачах ИИ реально появляется — и увидели единиц.

Та самая дельта 80–90% против 5–10% из мартовского опроса, только в одной отдельно взятой компании. «Освоил» — про человека на курсе. «Использует» — про конкретное действие в рабочем процессе. Между ними пропасть, которую не закрывает ни один сертификат.

Что поменяли: метрика теперь не «прошёл», а «использует регулярно в реальной задаче». Не «заходил в систему», а «принёс в команду промпт, который повторили коллеги». Считать сложнее, но считать осмысленно.

Ошибка 2. Выбирали инструмент под хайп, а не под задачу

Брали модель, потому что про неё писали все. Тестировали сервис, потому что он был на главной у всех тех-блогеров недели. Внутри он не выстреливал — задача была другая, контекст был другой, данные были другие. Через месяц возвращались к тому, что и так работало.

В мартовском опросе одна из главных причин провалов так и названа — «PR-driven initiatives». Отрасль рефлексирует параллельно: на Habr выходит «Вайбкодинг — это гемблинг», следом — «Можно ли отдать всю разработку полностью ИИ? Я попробовал». Заголовки честные. За ними — много чужих свёрнутых пилотов.

Что поменяли: сначала задача, потом инструмент. Под текст с фактчеком — одна модель, под код — другая, под голос — третья. Одна модель «на всё» в проде не выживает.

Ошибка 3. Делали «AI-стратегию» без AI-практики

Сначала была презентация. Красивая, с трансформацией, с дорожной картой. В понедельник после презентации команды продолжали работать так же, как в пятницу до неё. Стратегия жила на слайдах, операционка — отдельно.

В том же опросе 30–40% пилотов закрыли из-за слабой финансовой отдачи и слабой интеграции с CRM, ERP и СЭД. PR-ориентация проектов и недооценка обучения и инфраструктуры — задокументированные причины. Презентация «про AI-видение» без живых сценариев в продакшене — это ровно тот же паттерн.

Что поменяли: стратегия теперь собирается из 5–10 живых кейсов, которые уже работают у конкретных людей. Сначала практика, потом обобщение. Слайды — последнее, что появляется.

Ошибка 4. Нанимали внешних подрядчиков вместо обучения своих

Сценарий повторялся: приходит подрядчик, обещает внедрение под ключ, ценник — двузначные миллионы. Подписать заманчиво. Проблема в том, что после подписания внутри компании всё равно нет человека, который этот результат подхватит, поддержит и масштабирует. Подрядчик уходит. Компетенция уходит вместе с ним.

По опросу Альянса ИИ среди 150 компаний кадровый дефицит и низкие компетенции названы одним из главных барьеров — выше технологических (Ведомости, ноябрь 2025 ^[5]). Глобально картинка та же. Опрос DataCamp и YouGov по 500+ enterprise-лидерам US/UK: 82% компаний уже учат сотрудников ИИ. 59% всё равно сообщают о skills gap. И только 21% — о значимом позитивном ROI (DataCamp, март 2026 ^[6]).

Что поменяли: вместо одного большого подрядчика — свой AI-чемпион в каждой функции. Учится сам, учит коллег, отвечает за то, чтобы инструмент выжил после первого энтузиазма. Ну и главное — он сам от этого кайфует и постоянно пишет о своих достижениях, мотивируя других тоже попробовать. Никакого принуждения!

Кстати, как именно мы растили AI-чемпионов вместо подрядчика — подробно разбираем на мастер-встрече для бизнеса 28 мая. Подробности и регистрация ^[7].

Ошибка 5. Путали «работает у одного энтузиаста» и «работает в команде»

В каждой функции находился свой Вася, у которого с ИИ выходило хорошо. Логика ^[8] была простая: раз получилось у Васи — получится у всех, надо просто показать. Не получалось. Промпты Васи не повторялись, контекст был только в его голове, а у соседа задача оказывалась чуть другой — и инструмент рассыпался.

Та же дельта 80–90% против 5–10% — только теперь внутри одной команды. Ровно про это пишет Gallup про США: пользуются ИИ половина сотрудников, а «трансформировал мою работу» отвечает только один из десяти (Gallup, февраль 2026 ^[9]). Один — он и есть Вася.

Что поменяли: общая библиотека промптов, единая аналитика использования по командам, лимиты и роли по пользователю. Аналитика простая — сколько активных пользователей в функции за неделю и сколько промптов переиспользовано из общей библиотеки, а не написано заново. Стало видно, где живая команда, а где один герой и тишина вокруг.

Плюс внутренний Telegram-чат AI-энтузиастов — без регламента, как место, куда сотрудники сами приносят фишки и кейсы. И регулярные демо новых фич платформы раз в спринт: 10–15 минут, без обязаловки, но именно через них средний уровень в команде растёт быстрее, чем через любые курсы.

Что мы делаем теперь

Короткий чек-лист признаков пилота, который доживает до прода:

• метрика — не «прошёл курс», а «использует в реальной задаче N раз в неделю»;

• инструмент выбираем под задачу, а не под заголовок: разные модели под разные сценарии;

• стратегия растёт из 5–10 живых кейсов внутри, а не из слайдов;

• в каждой функции — свой AI-чемпион, который обучает коллег, а не только пользуется сам;

• общая библиотека промптов и аналитика использования по командам, чтобы было видно, где «один Вася», а где команда.

Чтобы собрать этот чек-лист, нам потребовалось два года. Не потому что технологии сложные — потому что операционка сложная.

А ещё важный проектный нюанс — мы не ограничиваем коллег своим набором нейросетей. Всем доступны сервисы, которые нужны под задачу, без привязки к отделу: генерация картинок и видео, Claude Code и Cursor, Perplexity, Google AI Ultra, подписки на Figma и продукты Adobe — для тех, кто действительно с ними работает. А для чувствительных документов есть наша закрытая Alpina GPT на собственных серверах.

За эти два года регулярное использование ИИ внутри Альпины выросло с примерно 10% сотрудников до 75%. Но да, эту идею мы взращивали почти два года — рассказать о ней тогда было некому, рынок был в зародыше. Поэтому делимся сейчас.

Полный разбор — на мастер-встрече 28 мая

Эта статья — сжатый конспект. Подробно те же пять ошибок, с цифрами и в формате Q&A, мы разбираем на мастер-встрече 28 мая 2026 — в 10:00 по московскому времени. Zoom, бесплатно. Без слайдов про «революции» и без продажи платформы: четыре спикера показывают, как это выглядело изнутри в разных функциях.

• Жемал Хамидун, CPO Alpina Digital, Head of AI AlpinaGPT — исповедальный разбор пяти ошибок со стороны продукта.

• Александр Пронин, digital-маркетолог — как это выглядело в маркетинге.

• Ольга Староста, руководитель отдела продаж — как это выглядело в продажах.

• Сергей Андриянов, CTO Alpina GPT — техника и инфраструктура.

Подробности и регистрация — alpinagpt.ru/mm-ai ^[7].

Если вы внедрили AI, но команда им не пользуется — это типичный кейс, и на встрече он точно прозвучит.

Приходите, не пожалеете :)