Дослідження MIT NANDA виявило, що близько 95% компаній не змогли отримати відчутної економічної вигоди від впровадження генеративного штучного інтелекту (GenAI). Звіт «The GenAI Divide: State of AI in Business 2025» показує значний розрив між очікуваннями бізнесу та реальними результатами застосування цих технологій.

Автори дослідження проаналізували понад 300 публічних ініціатив і провели інтерв'ю з керівниками 52 організацій. Вони встановили, що більшість проєктів перебувають на стадії пілотних запусків або експериментів, а лише близько 5% змогли продемонструвати реальну комерційну ефективність. Проблема полягає не в технічних можливостях моделей, а в складності їх інтеграції у бізнес-процеси.

Компанії часто використовують ChatGPT, Microsoft Copilot та інші сервіси як універсальні інструменти, очікуючи автоматичного підвищення продуктивності. Однак, хоча такі рішення допомагають швидше готувати документи та опрацьовувати інформацію, цього недостатньо для значного економічного ефекту. Особливо складно застосовувати універсальні моделі там, де потрібне глибоке розуміння специфіки галузі чи складних регламентів.

Загальні інвестиції у генеративний ШІ вже сягнули 30–40 млрд доларів, або близько 1,25–1,67 трлн гривень. Проте великі фінансові вкладення не гарантують успіху. Дослідники відзначають, що організаційні труднощі — нестабільні робочі процеси, низька якість корпоративних даних, обмежена здатність моделей враховувати довгостроковий контекст — гальмують впровадження. Працівникам доводиться перевіряти та коригувати відповіді ШІ, що знижує ефективність.

Дослідження також порівняло проєкти з залученням зовнішніх партнерів та внутрішніх команд. Приблизно 67% проєктів із зовнішніми розробниками досягли практичної експлуатації, тоді як серед внутрішніх команд цей показник становив близько 33%. Водночас автори наголошують, що різні організації по-різному оцінюють успішність, тому ці цифри не є беззаперечною перевагою аутсорсингу.

Аналітики відзначають, що ринок поступово відходить від завищених очікувань і переходить до більш прагматичної оцінки можливостей генеративного ШІ. Успішне впровадження вимагає не лише сучасних моделей, а й комплексної підготовки бізнесу: перебудови процесів, створення якісних баз знань, механізмів контролю та навчання персоналу.

Для українських компаній висновки MIT також мають важливе значення. Багато підприємств уже використовують генеративні моделі для автоматизації різних завдань, але дослідження показує, що це не універсальний спосіб швидко скоротити витрати або замінити працівників. Конкурентну перевагу отримають ті, хто зможе грамотно інтегрувати ШІ у бізнес-процеси та забезпечити якісні корпоративні дані.

Зміни торкаються і поведінки самих ШІ-сервісів. Наприклад, ChatGPT почав обмежувати запити, пов’язані з імітацією стилю відомих письменників, що відображає тенденцію до більш відповідального використання генеративних моделей. Це свідчить про те, що шлях від ефектних демонстрацій до стабільної бізнес-ефективності виявився складнішим, ніж очікували кілька років тому.