На днях BCG выпустила исследование Applied AI Index 2026, и одна цифра в нём точно совпала с тем, о чём я думаю последнее время.

Сейчас я делаю небольшой проект для строительной компании. Задача понятная: автоматизировать закупки. Боль владельца тоже понятная, её узнает любой, кто работал в стройке. Прорабы и бригадиры подают заявки с опозданием, а иногда забывают включить в них что-то критически важное. Дальше два сценария: либо дополнительная доставка и лишние расходы, либо стоит объект. При этом в отрасли такое давно считается нормой. Сроки срываются даже у крупнейших компаний, и все к этому привыкли. Кстати, в прошлогоднем исследовании BCG строительство и недвижимость оказались среди отстающих по AI-зрелости, а в нынешнем отрасль даже не попала в десятку, которую разбирают подробно. Сомневаюсь, что за год что-то сильно изменилось.

Первая идея напрашивалась сама: чат-бот, который принимает заявки, и дашборд, где видно цены у разных поставщиков и во что обойдётся логистика при каждом выборе. Полезно, наглядно, быстро окупается. Но я больше десяти лет управлял девелоперским бизнесом и в какой-то момент задал себе другой вопрос. Почему вообще потребность в материалах держится в голове у прораба? Ведь её можно посчитать. Прорабы и так сдают объёмы работ, технадзор их принимает. А по технологии производителя известно, сколько профиля, листов, шурупов и креплений уходит на квадратный метр перегородки. Агент знает, что уже завезли на объект, вычитает то, что смонтировано, и видит, что скоро закончится. Заявку по-прежнему подаёт прораб, но теперь агент сверяет её со своим прогнозом и задаёт уточняющие вопросы. А люди после хорошего вопроса часто вспоминают как раз то, что забыли.

Тут исследование BCG оказалось очень кстати. Они опросили 1330 руководителей из более чем 60 стран. У компаний, которые BCG называет future-built, AI-инструментов примерно в полтора раза больше, чем у отстающих. А AI-процессов, которые реально работают в масштабе, примерно в пять раз больше. Полтора против пяти. Разрыв возникает не в количестве нейросетей, а в том, во что их встроили.

Можно научить сотрудников пользоваться нейронками и автоматизировать отдельные задачи. Старый процесс станет быстрее, и это нормально. А можно спросить иначе: как бы мы построили этот процесс сегодня с нуля, если бы с самого начала знали, что часть работы может делать агент? Тогда меняется уже не инструмент, а архитектура работы. Что делает человек, что агент, что остаётся обычному софту. Где нужен контроль. И какой этап можно просто убрать, потому что он существовал только оттого, что раньше иначе было нельзя.

Честная оговорка: данные BCG во многом основаны на самооценке компаний, а связь между AI-зрелостью и бизнес-результатами — это корреляция, а не доказательство. Возможно, сильные компании просто сильнее во всём, в том числе в AI. Но сама развилка кажется мне очень точной. Я всё больше думаю, что главная ценность AI не в том, чтобы быстрее делать старую работу, а в том, чтобы часть этой работы перестать делать старым способом.