Об авторе: Дмитрий Плотников, генеральный директор Moscow Consulting Group.
В мае 2026 года OpenAI объявила о создании DeployCo — компании с капиталом более $4 млрд, которая должна помогать бизнесу превращать ИИ-модели в работающие системы. Неделей ранее Anthropic вместе с Blackstone, Hellman & Friedman, Goldman Sachs и другими инвесторами сформировала похожее предприятие объемом около $1,5 млрд.
Обе инициативы посвящены не созданию новых ИИ-моделей, а внедрению уже существующих в чужие бизнес-процессы. Для ИИ-индустрии это следующий этап борьбы за корпоративный рынок, а для консалтинга — своеобразное предупреждение.
Угроза не в том, что технологические компании научатся быстрее готовить рекомендации. Они претендуют на длинные программы изменений: перестройку продаж, закупок, производства и клиентского сервиса. Именно такие проекты обеспечивали консультантам повторную выручку и многолетнее присутствие у клиента.
Масштаб этой экономики хорошо виден на примере Accenture — гибридного игрока, совмещающего консалтинг и технологическое сопровождение. В 2025 финансовом году компания получила $35,1 млрд от консалтинга и почти столько же — $34,6 млрд от managed services, то есть от длительного управления технологиями и операциями клиентов. Это не структура доходов всей отрасли, но наглядная иллюстрация того, насколько важна экономика постоянного обслуживания.
Теперь стратегические рекомендации превращаются в систему, которая ежедневно прогнозирует спрос, рассчитывает цены, распределяет запасы, проверяет договоры и управляет клиентским опытом. Если разработчики ИИ-моделей и владельцы технологической инфраструктуры добавят к своим технологиям навыки управленческих консультантов, традиционные консалтинговые фирмы могут сохранить престиж, но потерять значительную часть бизнеса.
Быстрые слайды — еще не революция
До сих пор влияние ИИ на консалтинг обсуждалось преимущественно как вопрос производительности. Генеративные ИИ-модели помогают анализировать документы, проверять гипотезы, моделировать сценарии и готовить первые версии отчетов.
Эксперимент Harvard Business School, Wharton, MIT и Boston Consulting Group с участием 758 консультантов показал: специалисты с доступом к GPT-4 выполняли на 12,2% больше задач и работали на 25,1% быстрее. Но на сложной управленческой задаче, находившейся за пределами возможностей ИИ-модели, пользователи ИИ были на 19% менее склонны получить правильный результат, чем участники без ИИ.
Для отдельного специалиста это серьезный прирост. Для бизнес-модели отрасли — лишь ускорение прежнего процесса: консультант изучает проблему, готовит рекомендацию и передает ее менеджменту.
Доступ к технологии уже становится массовым, но ее превращение в операционный результат остается редким. В глобальном опросе McKinsey 88% респондентов сообщили, что их организации регулярно используют ИИ хотя бы в одной функции. При этом к масштабированию перешла лишь примерно треть компаний, а влияние на EBIT на уровне всей организации отметили только 39%. Разрыв между использованием ИИ-моделей и системным эффектом — именно то пространство, за которое начинают бороться технологические компании и консультанты.
Но крупный консалтинг никогда не был только производством презентаций. Стратегический проект часто служил входной точкой, за которой следовала длинная трансформация: снижение издержек, перестройка производственной системы, продаж, закупок или клиентского пути. Риск возникает именно там, где рекомендации переходят во внедрение.
Как агенты меняют экономику внедрения
Предыдущая волна цифровизации строилась вокруг крупных систем — ERP, CRM и хранилищ данных. ИИ меняет единицу внедрения. Вместо одной гигантской платформы компания может получить множество небольших агентов, каждый из которых решает конкретную задачу внутри бизнес-процесса или производственного процесса клиента. Один сравнивает предложения поставщиков, другой прогнозирует запасы, третий контролирует качество данных, четвертый выявляет отклонения на производстве. Такие модули можно постепенно встраивать в закупки, логистику, бухгалтерию, продажи и клиентский сервис.
Но модульность не уменьшает значение платформы, а повышает его. Перед внедрением даже небольшого агента нужно подключиться к данным, разобраться в системах клиента, настроить безопасность и встроить решение в действующий процесс. Создавать все это с нуля ради одного небольшого кейса обычно невыгодно. Экономика появляется, когда поставщик уже находится внутри компании и может добавлять новые модули на общей основе. Следующий проект становится не отдельной продажей, а расширением существующей системы.
Этим занимаются forward deployed engineers — инженеры внедрения, работающие вместе с командами клиента. Такой формат работы получил известность благодаря Palantir, а теперь его воспроизводят другие технологические компании. По форме это похоже на консалтинг, но результат иной: не набор рекомендаций, а работающая инфраструктура.
Рынок вокруг такого внедрения уже измеряется миллиардами. Accenture сообщила, что в 2025 финансовом году получила $2,7 млрд выручки от направлений, связанных с генеративным и агентным ИИ, а объем новых заказов в этих направлениях достиг $5,9 млрд. Эти показатели не описывают весь рынок, но показывают, что корпоративное внедрение ИИ становится самостоятельной крупной категорией услуг.
Инфраструктура против консультантов
Для такой модели внедрения нужны вычислительные мощности, базовая ИИ-модель, доступ к данным и понимание бизнес-процессов. Исторически консультанты были сильнее всего в последнем: они умели находить причины неэффективности, оценивать эффект и проектировать целевой процесс.
У технологических компаний есть ИИ-модели, платформы и инженерные команды, но часто не хватает глубокого понимания бизнеса. Пока компетенции были разделены, консультанты определяли, что менять, а интеграторы реализовывали решение. ИИ делает это разделение менее устойчивым.
При этом престиж остается важным преимуществом традиционных консалтинговых фирм. В актуальном рейтинге Vault лидируют McKinsey, Bain и BCG: сильный бренд открывает двери к первым лицам компаний, снижает риск выбора подрядчика и притягивает лучших специалистов.
Но люди мобильны. Технологическая компания может нанять бывших партнеров и руководителей проектов из консалтинга, получив навыки диагностики, разработки оптимальных решений, переговоров и управления изменениями. Консалтинговой фирме гораздо труднее столь же быстро построить вычислительную инфраструктуру, создать конкурентоспособную ИИ-модель и встроиться в ежедневные потоки данных и бизнес-процессы клиента.
Граница, впрочем, пройдет не только между двумя лагерями. Среди инвесторов Deployment Company уже есть Bain, Capgemini и McKinsey. Поэтому часть рынка может развиваться через альянсы, в которых консультанты отвечают за бизнес-дизайн и управление изменениями, а поставщики ИИ-моделей и платформ — за технологическую основу.
Эффективность в обмен на зависимость
Хороший пример — отношения Palantir с Национальной службой здравоохранения (NHS) Англии. Консорциум во главе с Palantir, в который вошли Accenture и PwC, получил контракт в 2023 году. Его максимальный срок составляет семь лет, а предельная стоимость за весь период — £330 млн. Платформа рассчитана на подключение до 240 организаций NHS.
Заказчик принимает риск зависимости не только ради технологии, но и ради измеримого операционного эффекта. В одном из ранних кейсов NHS число госпитализаций длительностью 21 день и более сократилось на 36%, хотя число поступивших пациентов выросло на 7,7%. В Дорсете система планирования создала потенциальную возможность проводить дополнительно около 2,5 тыс. хирургических процедур в год. Это результаты отдельных внедрений, а не доказательство эффекта всей платформы, но они показывают, почему организация готова глубоко интегрировать поставщика в ежедневные процессы.
Контракт вызвал споры о конфиденциальности, технологическом суверенитете и зависимости от одного поставщика. Но именно эти споры показывают масштаб перемены: обсуждается уже не качество отчета, а возможность заменить систему, встроенную в повседневную работу здравоохранения.
От классического консультанта сравнительно легко отказаться. Отчет остается у клиента, рекомендации можно пересмотреть, а для следующего проекта пригласить другую компанию. С платформой все устроено иначе. Ее замена требует переноса данных, переписывания интеграций, тестирования и обучения сотрудников. Чем больше процессов от нее зависит, тем дороже переход к конкуренту. Возникает накопительный эффект: каждый новый агент снижает стоимость следующего внедрения и одновременно повышает барьер для конкурентов. Поставщик получает не только выручку от текущего решения, но и преимущество в борьбе за следующую задачу клиента.
Показательно, что NHS предусмотрела контрактные механизмы против привязки к одному поставщику: поэтапное продление, планы выхода, миграцию сервисов и сохранение прав на разработанные для системы компоненты. Такие условия не отменяют риска зависимости, а подтверждают, насколько существенным его считает сам заказчик.
Что останется консультантам
Технологические компании не уничтожат консалтинг. Их подход к внедрению требует больших затрат и индивидуальной разработки, а также создает риски: ошибки ИИ-моделей, утечки данных, непрозрачность решений и зависимость от поставщика.
Кроме того, владелец платформы не может быть полностью независимым советником: он естественным образом предлагает решения на собственной инфраструктуре. Когда компании нужно сравнить несколько технологий, оценить сделку или разрешить конфликт между акционерами и менеджментом, дистанция консультанта сохраняет ценность. Но независимые рекомендации и стратегии — более узкий рынок, чем многолетняя трансформация бизнеса клиента. Если консультанты ограничатся этой ролью, масштаб их бизнеса, вероятно, сократится. Чтобы сохранить его, им придется либо вступать в партнерства с владельцами технологической инфраструктуры и отказываться от части независимости, либо делать крупные опережающие инвестиции в собственные платформы — без гарантии успеха.
Один путь — партнерства с поставщиками ИИ-моделей и платформ. Консультанты могут стать архитекторами нескольких решений, помогать клиенту избежать зависимости от одного поставщика и отвечать за бизнес-дизайн трансформации. Другой путь — сосредоточиться на работе с первыми лицами: на стратегии, крупных сделках, сценариях будущего, креативных решениях и задачах, для которых нельзя заранее построить стандартный алгоритм. Здесь останутся переговоры, убеждение и управление изменениями — работа, которую нельзя свести к анализу данных.
Престиж может сохраниться, но прежний масштаб бизнеса — не обязательно. Человеческая экспертиза может стать верхним слоем над чужой технологической инфраструктурой.
Российский маршрут
Если говорить о российском пути, то такая модель внедрения ИИ быстрее всего может получить масштабное распространение в финансовом секторе. У крупных банков есть сочетание ресурсов, которого обычно нет у стратегических консультантов: длительные отношения с корпоративными клиентами, собственные технологические команды, капитал, опыт работы с данными и сложными регулируемыми процессами, а также качественная инфраструктура, созданная для внутренних нужд, но имеющая запас мощности, который можно использовать в сервисах для клиентов.
Финансовые организации уже прошли значительную часть пути от экспериментов к регулярному применению ИИ. По опросу Банка России, проведенному в 2025 году среди 252 организаций, 35% использовали ИИ на постоянной основе, а еще 29% тестировали пилотные проекты. Основные направления — клиентские сервисы, аналитика, прогнозирование, антифрод и риск-менеджмент.
Масштаб внутренних возможностей показывает Сбербанк. По оценке самой кредитной организации, в 2025 году в ее процессах работали более 900 ИИ-агентов, которые автономно обрабатывали 70% киберинцидентов. Совокупный положительный экономический эффект от внедрения ИИ компания оценила в 475 млрд руб. Это корпоративная оценка, а не независимый аудит, но она демонстрирует накопленную компетенцию в промышленном внедрении.
Банки уже присутствуют в повседневной жизни бизнеса — обслуживают расчеты, кредитование, ликвидность и риски. Следующим шагом может стать автоматизация закупок, ценообразования, прогнозирования спроса, а также процессов продаж и маркетинга у корпоративных клиентов.
Чтобы превратить это преимущество в новый консалтинг, им придется добавить отраслевые команды, способные находить причины неэффективности, перепроектировать процессы и отвечать за экономический результат. Эту компетенцию можно получить через найм и партнерства.
Главное ограничение — доверие. Данные, полученные в рамках финансовых отношений, не могут автоматически становиться ресурсом для других сервисов. Если банки сумеют соединить инфраструктуру и отраслевую экспертизу с прозрачными правилами работы с информацией, они смогут выйти далеко за пределы традиционных услуг и стать для своих клиентов не только финансовым, но и технологическим партнером.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.