2025 год закрыл эпоху, когда искусственный интеллект в российском бизнесе оставался экспериментом отдела инноваций. Регулятор задал рамки, а заказчики из промышленности и госсектора перестали спрашивать «а зачем нам ИИ» и начали спрашивать «как поставить его на поток и кто отвечает за результат». Разберём три сдвига, которые определили год.

Регулирование перестало быть отложенным риском

Главное событие года – государство закрепило правила, по которым ИИ-системы попадают в продуктивную эксплуатацию у критически важных заказчиков. Требования к доверенности, локализации обработки данных, объяснимости решений и ответственности оператора перестали быть рекомендациями. Для госсектора это означает прямую обязанность строить системы на отечественном стеке и российских моделях, с прослеживаемостью каждого автоматического решения.

Практический эффект двойной. С одной стороны, отсеялись проекты на закрытых зарубежных API, которые юридически уже нельзя было держать в контуре. С другой – выросла планка к документированию: заказчик должен показать, на каких данных обучена модель, как она дообучается и как откатить её поведение. Мы видим это в каждом новом тендере: блок про управляемость ИИ стал обязательным разделом ТЗ, а не пожеланием.

ИИ переехал из презентаций в цех и в учётные системы

Второй сдвиг – переход от демонстраций к промышленной эксплуатации. Самый зрелый сценарий года – внедрение ИИ на производстве: предиктивное обслуживание оборудования, контроль качества по машинному зрению, оптимизация загрузки линий. Здесь ИИ работает не ради эффектной метрики, а ради сокращения простоев и брака, и его эффект считают в рублях и часах.

Параллельно аналитика перестала быть отдельным окном. Подход встроенной аналитики (embedded BI) довёл модели и дашборды прямо до рабочего места оператора и снабженца – без переключения между системами. Решение принимается там, где возникает событие, а не в отчёте на следующий день. Зрелость года в том, что интеллектуальные системы встраиваются в рабочий процесс заказчика, а не остаются надстройкой над ним.

Без чистых данных промышленный ИИ не взлетел

Третий вывод года – технически неприятный, но честный. Большинство застрявших пилотов упёрлись не в модель, а в данные. Дублирующиеся справочники номенклатуры, контрагентов и оборудования, рассинхронизированные между ERP, MES и складом, делают любую модель ненадёжной: она учится на противоречиях и выдаёт мусор уверенным тоном.

Поэтому проекты, которые в 2025-м реально дошли до продуктива, почти всегда начинались с наведения порядка в мастер-данных. MDM как фундамент аналитики перестал быть инфраструктурной роскошью и стал предусловием: единый справочник – это вход для предсказаний, а не приятное дополнение. Заказчики, которые вложились в это раньше, в 2025-м запускали ИИ-сценарии за недели, а не за кварталы.

Вывод

2025-й развернул корпоративный ИИ от хайпа к инженерной дисциплине. Регулятор задал контур доверенности, промышленность задала спрос на измеримый результат, а данные задали порог входа. Победителями года стали не те, у кого красивее демо, а те, кто подготовил стек, данные и процессы. В 2026-й мы входим с понятным правилом: ИИ внедряет тот, кто навёл порядок в основаниях.