Zack Shapiro — юрист из Нью-Йорка, который построил юрфирму из двух человек на Claude и собрал этим рассказом около 7,5 млн просмотров. В эссе The Two Clocks он формулирует мысль, которая объясняет, почему у большинства компаний AI буксует. Представьте двое часов. Одни показывают, как быстро растут способности моделей. Вторые — как быстро организации учатся ими пользоваться. Первые бегут, вторые еле идут. Бизнес десятилетия строится ровно на этом разрыве.
Мы внедряем AI-агентов и автоматизацию каждую неделю, поэтому читаем это не как красивую метафору, а как описание своей работы. Разрыв реальный, он измерим, и закрывает его не выбор модели, а стратегия внедрения ИИ: то, как вы перестраиваете процессы, кто за это отвечает и с чего начинаете. Ниже — цифры по обоим часам и то, что мы поняли на 100+ проектах.
Метафора двух часов: способности и институты тикают с разной скоростью
Две скорости AI — это скорость, с которой дешевеют и умнеют модели, и скорость, с которой компании перестраивают под них работу. Первая обгоняет вторую на годы.
По первым часам цифры выглядят так. Стоимость «интеллекта» падает быстрее, чем что-либо в истории вычислений: инференс уровня GPT-3.5 подешевел примерно с $20 за миллион токенов в конце 2022-го до $0,07 к концу 2024-го — в 280 раз за два года (Silicon Canals). Флагманские модели дешевеют порядка 10× в год, а новый передовой релиз выходит в среднем каждые 90 дней (TokenMix).
Для бизнеса это значит одно: возможность, которой год назад просто не было — агент, который сам ведёт переписку или разбирает входящие документы, — сегодня стоит копейки за запрос. Технологический потолок поднимается ежеквартально.
Вторые часы идут по другому календарю. Пилот, согласование с безопасностью, интеграция, обучение людей — это кварталы, а иногда годы. И, как замечает Shapiro, сам по себе разрыв не закроется: часы устроены так, что тикают с разной скоростью. Кто научится переводить прыжки способностей в изменения внутри компании быстрее конкурентов, тот и заберёт рынок.
Разрыв в цифрах: 95% пилотов без ROI и «пилотное чистилище»
Пока способности AI ускоряются, отдача внутри компаний почти не растёт. По данным MIT, около 95% корпоративных GenAI-пилотов не дают измеримого эффекта на прибыль.
Вот как выглядит второй циферблат в исследованиях 2025 года:
| Что измеряли | Цифра | Источник |
|---|---|---|
| GenAI-пилоты без измеримого эффекта на P&L | ~95% | MIT, «The GenAI Divide» |
| Компании используют AI хотя бы в одной функции | 88% | McKinsey State of AI 2025 |
| Из них масштабировали AI на всю компанию | ~⅓ | McKinsey State of AI 2025 |
| «High performers» с эффектом >5% на EBIT | ~5,5% | McKinsey State of AI 2025 |
| Забросили большинство AI-инициатив в 2025 | 42% (было 17%) | S&P Global |
| Не получают от AI материальной ценности | ~60% | BCG |
MIT в отчёте «The GenAI Divide: State of AI in Business 2025» прямо пишет: дело не в качестве моделей, а в разрыве обучения — универсальные инструменты вроде ChatGPT хороши в демо, но не встраиваются в рабочие процессы. При этом корпоративные траты на GenAI уже составили $30–40 млрд (Fortune). Ещё одна деталь того же отчёта: больше половины GenAI-бюджетов уходит в продажи и маркетинг, а самая быстрая окупаемость — в бэк-офисе, где автоматизируют рутину и сокращают ручные операции. Компании вкладываются в витрину, а деньги лежат на складе.
McKinsey в опросе 1 993 руководителей из 105 стран нашла ту же картину: 88% включили AI хотя бы в одной функции, но масштаб довели до конца лишь около трети, а высоких результатов добились ~5,5% (McKinsey). Остальные застряли в том, что называют «пилотным чистилищем». Разрыв между 88% и третью — это и есть та пропасть, о которой пишет Shapiro: попробовать успели почти все, довести до денег — единицы. BCG добавляет: около 60% компаний не видят от AI никакой материальной отдачи (BCG). А по данным S&P Global, в 2025-м 42% компаний забросили большинство своих AI-инициатив против 17% годом ранее.
Буксует не модель, а организация
Главный барьер внедрения ИИ — не качество модели, а то, как устроена работа вокруг неё. По оценке Google Cloud DORA, 70% ценности AI-трансформации дают люди и процессы, 20% — инфраструктура и лишь 10% — сами алгоритмы.
Дальше цифры складываются в один вывод. McKinsey в ноябрьском отчёте 2025 года пишет, что почти 80% компаний накладывают AI поверх существующих процессов, не переделывая их, — и получают скромный прирост, который тут же съедается ручными обходными путями. Deloitte в опросе 3 235 руководителей из 24 стран нашла, что только 37% серьёзно вложились в change-management, обучение и мотивацию (Deloitte). И отдельная деталь от McKinsey: сильнее всего с финансовой отдачей коррелирует не размер бюджета, а личный контроль первого лица над AI-governance.
Добавьте сюда данные: модель не вытащит смысл из таблиц, которые никто не чистил, и не заменит регламент, которого нет. И доверие: сотрудники не отдадут задачу агенту, которому не доверяют, поэтому пилот без внятного ответа «зачем это мне» тихо умирает.
Это ровно то, что мы видим на проектах. Половина клиентов приходит не с вопросом «какую модель взять», а с «не понимаю, с чего начать именно в нашем случае». Мы разбирали эти паттерны в тексте что мы поняли после 100+ консультаций по AI: модель почти никогда не была узким местом. Узким местом был процесс, данные и то, кто внутри компании отвечает за результат.
«McKinsey эпохи AI»: кто на самом деле закроет разрыв
«McKinsey эпохи AI» — это не консалтинг, который продаёт стратегию в слайдах, а команда, которая доводит AI до продакшена внутри процессов компании. Именно на глаголе «доводит» разбивается большинство красивых презентаций.
Деньги в совет уже текут. Рынок AI-консалтинга оценивают примерно в $7–11 млрд в 2025 году с ростом до десятков миллиардов к 2030-му (Market reports). Одна только Accenture отчиталась о $5,9 млрд броней по GenAI за 2025 финансовый год. Но разрыв между двумя часами закрывает не совет, а внедрение. Классический консалтинг заканчивается там, где начинается сложное: интеграция с CRM и 1С, чистка данных, логика эскалации на живого человека, эксплуатация в бою. Бутиковые команды внедрения выигрывают ровно там, где большая четвёрка неповоротлива: короткий цикл, прямой доступ к инженерам, ответственность за работающий результат в продакшене, а не за толщину отчёта.
Наш угол здесь простой: мы отдаём не слайды, а работающие системы — это и есть наши услуги по внедрению AI. Например, 2-е место среди 350+ команд на Agentic Legal RAG Challenge — это не презентация про RAG, а собранная и проверенная система поиска по документам. Остальные примеры — в разделе кейсы Gless.
Что это значит для вашей компании: как выстроить стратегию внедрения ИИ
Рабочая стратегия внедрения ИИ начинается не с выбора модели, а с процесса, владельца и метрики. Узкий пилот с понятным эффектом на прибыль обгоняет масштабную «AI-платформу», которую потом некому эксплуатировать.
Пять шагов, которые вытекают прямо из цифр выше:
- Начните с процесса, а не с модели. Возьмите один процесс с понятными правилами и деньгами на кону: парсинг документов, квалификация лидов, обработка заявок.
- Назначьте владельца. Контроль на уровне первого лица сильнее всего коррелирует с отдачей — без хозяина инициатива уходит в «пилотное чистилище».
- Переделайте workflow, а не накладывайте AI сверху. 80% компаний делают наоборот и получают прирост, который съедают ручные обходные пути.
- Вложитесь в людей. Только 37% компаний это делают, а именно здесь спрятаны 70% ценности.
- Мерьте P&L, а не факт «внедрили AI». На этой метрике отсеиваются те самые 95% пилотов.
На практике это выглядит буднично. Берём один процесс — например, разбор входящих документов, — считаем, сколько он стоит в человеко-часах, собираем узкий пилот, меряем результат в деньгах и только потом решаем, масштабировать или нет. Скучно, зато попадает в те самые 5%, а не в 95%.
И держите людей в цикле. AI усиливает того, кто понимает задачу, а не заменяет его целиком — почему так, мы разбирали в тексте почему AI не заменяет инженеров.
Часы способностей будут идти всё быстрее — тут вы ничего не измените. Единственное, что в вашей власти, это скорость вторых часов: как быстро ваша компания превращает новые возможности в работающие процессы. Если хотите разобрать под свой бизнес, с какого процесса начать и как не попасть в те самые 95%, — напишите нам.