Генеративний штучний інтелект залишається однією з найобговорюваніших технологій сучасності, однак його практична користь для бізнесу виявилася значно скромнішою, ніж очікувалося. Саме такого висновку дійшли автори дослідження MIT NANDA (Networked Agents and Decentralized Architecture), які проаналізували сотні корпоративних проєктів і встановили, що переважна більшість компаній поки не змогла перетворити інвестиції в GenAI на відчутний економічний результат.

У звіті «The GenAI Divide: State of AI in Business 2025» дослідники звертають увагу на суттєвий розрив між гучними заявами про цифрову трансформацію та реальними результатами впровадження генеративного ШІ. Попри багатомільярдні вкладення, лише невелика частина проєктів демонструє вимірюваний ефект, тоді як більшість досі перебуває на стадії пілотних запусків або експериментів.

Чому бізнес поки не отримує очікуваного ефекту

Автори дослідження проаналізували понад 300 публічних ініціатив із впровадження генеративного штучного інтелекту та провели глибинні інтерв'ю з керівниками 52 організацій. Результати виявилися доволі показовими: близько 95% компаній із досліджуваної вибірки не зафіксували помітного впливу нових технологій на фінансові показники або ефективність роботи.

Як зазначається у звіті, проблема полягає не в обмежених можливостях сучасних мовних моделей. Головною перешкодою залишається складність інтеграції штучного інтелекту в реальні бізнес-процеси. У багатьох випадках компанії починали використовувати ChatGPT, Microsoft Copilot та інші аналогічні сервіси як універсальні інструменти, очікуючи автоматичного підвищення продуктивності працівників. На практиці такого ефекту здебільшого не спостерігалося.

Такі рішення справді допомагають швидше готувати документи, опрацьовувати інформацію та створювати чернетки текстів. Водночас цього виявилося недостатньо для досягнення відчутної економічної вигоди. Там, де потрібне глибоке розуміння внутрішніх процесів підприємства, галузевої специфіки чи складних регламентів, універсальні моделі поки що працюють менш ефективно.

Мільярдні інвестиції не гарантують успіху

На тлі стрімкого зростання капіталізації найбільших технологічних компаній висновки дослідження виглядають особливо показовими. За різними галузевими оцінками, сукупні корпоративні інвестиції у генеративний штучний інтелект уже сягнули приблизно 30–40 млрд доларів. За поточним курсом це становить близько 1,25–1,67 трлн гривень.

Втім, значні фінансові вкладення самі по собі не забезпечують успішного впровадження технологій. Дослідники MIT зазначають, що лише близько 5% інтегрованих проєктів змогли вийти за межі тестування та продемонструвати реальну комерційну ефективність. Для решти організацій впровадження генеративного ШІ поки залишається дороговартісним експериментом, який потребує постійних інвестицій в інфраструктуру, навчання персоналу та адаптацію внутрішніх процесів.

Головна проблема — не якість моделей

Одним із найцікавіших висновків дослідження стало те, що технічні можливості сучасних моделей уже не є головним обмеженням. Значно частіше компанії стикаються саме з організаційними труднощами.

Дослідники наголошують, що багато проєктів гальмують нестабільні робочі процеси, недостатньо якісні корпоративні дані та обмежена здатність моделей враховувати довгостроковий контекст. Через це працівникам доводиться регулярно перевіряти відповіді ШІ, виправляти результати його роботи та адаптувати їх до реальних бізнес-завдань.

Саме тому лише невелика частина спеціалізованих корпоративних рішень змогла перейти до повноцінної промислової експлуатації. Цей висновок значною мірою збігається з попередніми прогнозами Gartner, згідно з якими чимало проєктів у сфері генеративного ШІ можуть так і не вийти за межі етапу Proof of Concept (PoC).

Хто досягає кращих результатів — власні команди чи зовнішні партнери

Окремий розділ дослідження присвячено порівнянню різних підходів до розробки систем штучного інтелекту. Аналіз показав, що проєкти, реалізовані за участю зовнішніх партнерів, значно частіше доходили до повноцінного впровадження.

Автори наводять такі дані:

• приблизно 67% проєктів із залученням зовнішніх розробників досягли стадії практичної експлуатації;
• серед рішень, створених виключно внутрішніми командами компаній, цей показник становив близько 33%;
• водночас дослідники наголошують, що різні організації по-різному оцінюють успішність впровадження, тому ці цифри не варто сприймати як беззаперечну перевагу аутсорсингу.

Іншими словами, залучення зовнішніх фахівців справді може пришвидшити реалізацію проєкту, однак саме по собі не гарантує відчутного економічного ефекту.

Ринок поступово позбавляється завищених очікувань

Протягом останніх двох років багато компаній сприймали генеративний штучний інтелект як універсальний інструмент, здатний швидко підвищити ефективність майже будь-якого підрозділу. Нове дослідження MIT свідчить, що такі очікування були надто оптимістичними.

Сьогодні стає очевидно, що успішне впровадження потребує не лише сучасних моделей, а й ґрунтовної підготовки бізнесу. Компаніям доводиться перебудовувати внутрішні процеси, формувати якісні бази знань, створювати механізми контролю відповідей ШІ та навчати працівників ефективно використовувати нові інструменти. Без такої підготовки навіть найсучасніші моделі рідко забезпечують стабільний результат.

Аналітики зазначають, що ринок поступово переходить від періоду ажіотажу до більш прагматичної оцінки можливостей штучного інтелекту. Тепер компанії дедалі частіше оцінюють не кількість упроваджених ШІ-сервісів, а їхній реальний вплив на продуктивність і фінансові результати.

Чому це дослідження важливе не лише для світового бізнесу

Для українських компаній висновки MIT також є надзвичайно актуальними. Чимало підприємств уже використовують ChatGPT, Copilot та інші генеративні моделі для підготовки документів, автоматизації клієнтської підтримки, програмування й аналізу даних. Водночас дослідження демонструє, що такі рішення не варто розглядати як універсальний спосіб швидко скоротити витрати або замінити працівників.

Експерти дедалі частіше сходяться на думці, що в найближчі роки конкурентну перевагу отримають не ті організації, які першими впровадять генеративний ШІ, а ті, хто зможе грамотно інтегрувати його у наявні бізнес-процеси та забезпечити моделі якісними корпоративними даними. Саме інтеграція, а не технологія сама по собі, стає ключовим чинником успіху.

Водночас змінюється і поведінка самих ШІ-сервісів. Наприклад, нещодавно ChatGPT почав обмежувати запити, пов'язані з імітацією стилю відомих письменників, що відображає загальну тенденцію галузі до більш відповідального використання генеративних моделей. Це ще раз підтверджує: ринок штучного інтелекту стрімко розвивається, однак шлях від ефектних демонстрацій до стабільної бізнес-ефективності виявився значно складнішим, ніж очікували лише кілька років тому.