На искусственный интеллект уже приходится 67% цифровых инвестиций в цепочки поставок, но большинство опрошенных руководителей не могут ясно оценить отдачу. Gartner связывает разрыв не только с технологией, но и со стратегией организационных изменений.
Gartner 5 августа 2026 года сообщила, что 55% опрошенных руководителей цепочек поставок не имеют ясного представления о ROI от ИИ, хотя на него приходится 67% цифровых инвестиций функции. Это не доказательство отрицательной отдачи: исследование показывает проблему измерения и масштабирования. Gartner рекомендует связать каждый сценарий с бизнес-KPI, приоритизировать ресурсы изменений и подбирать формат внедрения под риск процесса.
Главный вывод для бизнеса — бюджеты и число сценариев растут быстрее, чем способность организаций связать отдельные внедрения с результатами всей цепочки поставок. Gartner предлагает управлять изменениями как ограниченным портфелем ресурсов: выбирать наиболее ценные сценарии, заранее определять бизнес-метрики и подбирать масштаб внедрения под конкретный процесс.
Тезис: проблема смещается от запуска ИИ к доказательству его ценности
На этапе пилота достаточно показать, что модель строит прогноз, находит отклонение или помогает планировщику. На этапе масштабирования возникает другой вопрос: изменились ли доступность товара, запасы, срок выполнения заказа, транспортные расходы, уровень сервиса или рабочий капитал — и насколько этот эффект превышает стоимость технологии и организационных изменений.
Свежая публикация Gartner показывает разрыв между двумя скоростями. Инвестиции уже концентрируются в ИИ, но система оценки и внедрения не успевает за портфелем инициатив. В такой ситуации компания может одновременно иметь десятки технически работающих сценариев и не понимать их совокупной отдачи.
Свежая публикация Gartner показывает разрыв между двумя скоростями. Инвестиции уже концентрируются в ИИ, но система оценки и внедрения не успевает за портфелем инициатив. В такой ситуации компания может одновременно иметь десятки технически работающих сценариев и не понимать их совокупной отдачи.
Что именно исследовала Gartner
Публичный материал опирается на две выборки:
Gartner сообщает два ключевых результата: 67% цифровых инвестиций в цепочках поставок направляется в ИИ, а 55% руководителей не понимают его отдачу достаточно ясно. Эти цифры относятся к разным исследовательским задачам и не образуют причинную связь. Из публикации нельзя заключить, что рост доли инвестиций сам по себе вызвал проблемы с ROI.
Важно и то, чего в открытом релизе нет. Gartner не раскрывает географию респондентов, точные формулировки вопросов, распределение компаний по отраслям, способ набора выборки, долю ответивших, доверительные интервалы и абсолютный размер инвестиций. Для второй выборки публично не указаны порог выручки и подробный профиль участников. Исходные данные и расчеты не опубликованы для независимой проверки.
- 394 специалиста по цепочкам поставок из организаций с годовой выручкой не менее $250 млн опрашивались с ноября 2025 года по февраль 2026 года. Эта часть исследования использовалась для оценки распределения цифровых инвестиций.
- 135 старших руководителей цепочек поставок опрашивались с января по апрель 2026 года. Эта выборка использовалась для описания сценариев ИИ и ясности их ROI.
Gartner сообщает два ключевых результата: 67% цифровых инвестиций в цепочках поставок направляется в ИИ, а 55% руководителей не понимают его отдачу достаточно ясно. Эти цифры относятся к разным исследовательским задачам и не образуют причинную связь. Из публикации нельзя заключить, что рост доли инвестиций сам по себе вызвал проблемы с ROI.
Важно и то, чего в открытом релизе нет. Gartner не раскрывает географию респондентов, точные формулировки вопросов, распределение компаний по отраслям, способ набора выборки, долю ответивших, доверительные интервалы и абсолютный размер инвестиций. Для второй выборки публично не указаны порог выручки и подробный профиль участников. Исходные данные и расчеты не опубликованы для независимой проверки.
Почему ROI остается неясным
Gartner разделяет методику изменений и стратегию изменений. Методика отвечает на вопрос, как провести конкретное внедрение: обучить пользователей, перестроить регламент, запустить новую роль или изменить порядок принятия решений. Стратегия определяет, на какие инициативы направить ограниченные ресурсы изменений и как связать их с целями цепочки поставок и компании.
Именно на уровне стратегии легко возникает разрыв. Если каждый пилот ведется отдельно, организация оплачивает интеграцию, данные, обучение и поддержку много раз, но не получает единого приоритета. Локальная метрика — например, точность прогноза — может улучшиться, а запасы или уровень сервиса остаться прежними из-за ограничений в закупках, производстве, логистике или правилах принятия решений.
Публикация не позволяет доказать, что это единственная причина неясного ROI. Но предложенная логика объясняет распространенную управленческую ошибку: оценивать технический результат сценария отдельно от процесса, в котором он должен создать финансовый или операционный эффект.
Именно на уровне стратегии легко возникает разрыв. Если каждый пилот ведется отдельно, организация оплачивает интеграцию, данные, обучение и поддержку много раз, но не получает единого приоритета. Локальная метрика — например, точность прогноза — может улучшиться, а запасы или уровень сервиса остаться прежними из-за ограничений в закупках, производстве, логистике или правилах принятия решений.
Публикация не позволяет доказать, что это единственная причина неясного ROI. Но предложенная логика объясняет распространенную управленческую ошибку: оценивать технический результат сценария отдельно от процесса, в котором он должен создать финансовый или операционный эффект.
Что рекомендует Gartner
Аналитическая компания выделяет четыре действия.
1) Создать отдельную стратегию изменений для ИИ
ИИ-проекты нужно связать со стратегией цепочки поставок и приоритетами бизнеса. Это переводит разговор с «где еще применить модель» на «какой показатель должен измениться и кто отвечает за результат».
2) Распределять ресурсы по ожидаемой ценности
Время руководителей, обучение сотрудников, работа с данными и перестройка процессов ограничены. Gartner предлагает концентрировать их на сценариях с наибольшим потенциалом, а не равномерно поддерживать каждый эксперимент.
3) Подбирать формат изменений под конкретный сценарий
Одинаковая программа внедрения не подходит для помощника аналитика, автоматического решения по запасам и агента, который действует в нескольких системах. Масштаб контроля, обучение, права доступа и порядок эскалации должны зависеть от риска и контекста.
4) Создать отдельную стратегию изменений для ИИ
Для масштабирования ИИ нужны не только технические навыки. Gartner отдельно называет бизнес-мышление, развитие сотрудников и управление рисками — компетенции, которые позволяют руководителю соединить технологию с реальным рабочим процессом.
Сравнение с другими исследованиями
Вывод Gartner согласуется по направлению, но не по цифрам, с другими источниками. Всемирный экономический форум в январе 2026 года обобщил более 30 практических ИИ-внедрений и назвал общими факторами масштабирования связь с корпоративной стратегией, перепроектирование работы человека и ИИ и укрепление основы данных. Это подборка успешных примеров, а не сопоставимый опрос, поэтому она не подтверждает показатели 55% и 67%.
Исследование Deloitte среди более чем 140 промышленных организаций показывает другую сторону картины: 84% респондентов сообщают об измеримой ценности ИИ, но только около 20% сценариев масштабированы, а 35% называют сопротивление изменениям одним из препятствий. Методика, отрасль и определения отличаются от Gartner; прямое сравнение процентов некорректно. Вместе источники указывают на один практический разрыв: получить эффект в отдельном сценарии проще, чем распространить его на организацию.
McKinsey также связывает операционный эффект генеративного и агентного ИИ с моделью управления, качеством данных и изменением процессов. Этот материал используется только как методологический контекст: он не является независимой проверкой свежего опроса Gartner.
Исследование Deloitte среди более чем 140 промышленных организаций показывает другую сторону картины: 84% респондентов сообщают об измеримой ценности ИИ, но только около 20% сценариев масштабированы, а 35% называют сопротивление изменениям одним из препятствий. Методика, отрасль и определения отличаются от Gartner; прямое сравнение процентов некорректно. Вместе источники указывают на один практический разрыв: получить эффект в отдельном сценарии проще, чем распространить его на организацию.
McKinsey также связывает операционный эффект генеративного и агентного ИИ с моделью управления, качеством данных и изменением процессов. Этот материал используется только как методологический контекст: он не является независимой проверкой свежего опроса Gartner.
Что это значит для бизнеса
- Считать ROI от бизнес-показателя, а не от использования модели
Число запросов к ИИ, доля активных пользователей и точность отдельного прогноза полезны для диагностики, но не заменяют итоговую метрику. Для цепочки поставок ею может быть снижение дефицита, запасов, срочных перевозок или времени планирования при сохранении уровня сервиса.
- Фиксировать базовую линию до пилота
До запуска нужно определить период сравнения, состав операций и стоимость текущего процесса. Без базовой линии улучшение после внедрения нельзя отделить от сезонности, изменения спроса, ассортимента или работы поставщиков.
- Учитывать полную стоимость изменения
В расчет входят не только лицензия и вычисления, но и подготовка данных, интеграция, контроль качества, обучение, человеческая проверка, поддержка и исправление ошибок. Быстрый пилот может выглядеть выгодным, пока эти затраты остаются за его границами.
- Назначать владельца результата и условие остановки
У каждого сценария должен быть руководитель, отвечающий за бизнес-KPI, а не только за технический запуск. До масштабирования стоит зафиксировать порог успеха, допустимый риск и условие, при котором проект пересматривается или прекращается.
- Масштабировать поэтапно
Более надежная схема — сравнить участки, категории товаров или команды, затем расширять решение после подтверждения эффекта. Если контрольная группа невозможна, можно использовать поэтапный запуск и заранее определить одинаковые правила измерения для каждого этапа.
Для российского малого и среднего бизнеса проценты Gartner не являются готовым бенчмарком: первая выборка включает компании с выручкой от $250 млн, а география в открытом релизе не раскрыта. Практически применим не сам уровень 55%, а управленческий принцип — ограничить число пилотов и потребовать от каждого связь с конкретной экономикой процесса.
Для российского малого и среднего бизнеса проценты Gartner не являются готовым бенчмарком: первая выборка включает компании с выручкой от $250 млн, а география в открытом релизе не раскрыта. Практически применим не сам уровень 55%, а управленческий принцип — ограничить число пилотов и потребовать от каждого связь с конкретной экономикой процесса.
Контраргумент и ограничения
Неясный ROI не равен отсутствию ROI. Часть проектов может создавать эффект, который организация еще не умеет измерять, а инфраструктурные инвестиции могут окупаться дольше отдельного отчетного периода. Кроме того, цепочка поставок зависит от внешних факторов, поэтому причинную роль ИИ трудно выделить без продуманного дизайна оценки.
Отдельно следует трактовать прогноз Gartner: к 2030 году организации, которые соразмеряют усилия по управлению изменениями с задачей, по оценке компании, смогут получать вдвое больший ROI, чем пользователи традиционных подходов. Это прогноз, а не уже наблюдаемый двукратный эффект. Публичная страница не раскрывает модель расчета и диапазон неопределенности прогноза.
Отдельно следует трактовать прогноз Gartner: к 2030 году организации, которые соразмеряют усилия по управлению изменениями с задачей, по оценке компании, смогут получать вдвое больший ROI, чем пользователи традиционных подходов. Это прогноз, а не уже наблюдаемый двукратный эффект. Публичная страница не раскрывает модель расчета и диапазон неопределенности прогноза.
Почему это важно
ИИ становится крупнейшим направлением цифровых вложений в цепочки поставок раньше, чем большинство руководителей научилось ясно доказывать его отдачу. Следующая стадия конкуренции будет зависеть не только от качества модели, но и от способности выбрать несколько ценных процессов, изменить работу вокруг них и измерить итог в деньгах или операционных показателях.
Для руководителя это меняет критерий успеха. Вопрос «работает ли ИИ» слишком узок. Нужны ответы на четыре других вопроса: какой показатель бизнеса он меняет, по сравнению с какой базой, какой полной ценой и кто отвечает за закрепление нового способа работы.
Для руководителя это меняет критерий успеха. Вопрос «работает ли ИИ» слишком узок. Нужны ответы на четыре других вопроса: какой показатель бизнеса он меняет, по сравнению с какой базой, какой полной ценой и кто отвечает за закрепление нового способа работы.
Главный риск — считать успешным сам факт запуска ИИ-пилота. Отдача появляется, когда у каждого сценария есть владелец, измеримый показатель и заранее описанный процесс внедрения. Если этого нет, растет портфель экспериментов, но не бизнес-результат.
— Евгений Сайкин, Генеральный директор Команды, Komanda.ai
Что дальше
Компаниям стоит отслеживать не число новых сценариев, а долю инициатив с зафиксированной базовой линией, владельцем, полной стоимостью и подтвержденным влиянием на операционный KPI. Для оценки прогноза Gartner потребуются последующие данные: раскрытая методика, динамика фактического ROI и сравнение организаций с разными стратегиями управления изменениями.
Источники:
- Gartner Survey Finds Majority of Chief Supply Chain Officers Unclear on AI Investment Returns — 5 августа 2026 года; точное время публикации не указано. Первоисточник свежего исследования и прогноза.
- World Economic Forum: From Potential to Performance — How Leading Organizations Are Making AI Work — 19 января 2026 года. Независимый контекст по факторам масштабирования ИИ; не подтверждает цифры Gartner.
- Deloitte: AI in Manufacturing 2026 — From Pilot Value to Scaled Industrial Impact — 2026 год. Отдельный опрос промышленных компаний; использован как несопоставимый по методике контекст.
- McKinsey: How COOs maximize operational impact from gen AI and agentic AI — 20 марта 2025 года. Методологический контекст по операционной модели, данным и изменениям.
Вопросы и ответы
Что показало исследование Gartner об ИИ в цепочках поставок?
Gartner сообщает, что 55% опрошенных руководителей не имеют ясного представления об ROI от ИИ, а 67% цифровых инвестиций в цепочках поставок уже направляется в ИИ. Для этих выводов использовались две выборки — 394 специалиста и 135 старших руководителей.
Означает ли показатель 55%, что ИИ не окупается?
Нет. Формулировка Gartner говорит о неясности ROI, а не об отрицательной отдаче. Публичный материал не сообщает, какая доля проектов прибыльна, убыточна или еще не завершила период окупаемости.
Что Gartner понимает под соразмерным управлением изменениями?
Это выбор формата и объема изменений под ценность, масштаб, скорость и риск конкретной ИИ-инициативы. Ресурсы предлагается направлять на сценарии, теснее связанные с результатами цепочки поставок и общими целями компании.
Как бизнесу измерять ROI от ИИ-проекта?
Нужно до пилота зафиксировать базовый процесс и целевой бизнес-KPI, учесть полную стоимость данных, интеграции, контроля, обучения и поддержки, назначить владельца результата и сравнить эффект на одинаковом периоде или через поэтапный запуск.
Можно ли переносить проценты Gartner на российский малый бизнес?
Нет, как прямой бенчмарк — нельзя. Первая выборка включает организации с выручкой не менее $250 млн, а география в открытом релизе не раскрыта. Для МСП полезен управленческий принцип исследования, но числовые ориентиры нужно получать на собственных процессах.