← Главная новостей | Торговый зал
2026-11-03 · Источник:虎嗅·中继

Аналитики Huxhиu посетили McDonald's, Cotti, Dingdong и другие площадки: критерии оценки корпоративного ИИ смещаются от нарратива о возможностях к проверке результатов
Критерии оценки промышленного ИИ меняют курс. Рейтинг Huxiu «Большие киты 2026» переименовал многолетнюю номинацию «Сильнейшая компания по внедрению» в «Сильнейший внедрённый кейс», а лозунг отбора бьёт в боль: без сравнения параметров — только проверка результатов, без оценки шумихи — только взгляд на месте. Компании волнует уже не «что может ИИ», а «что он реально изменил в бизнесе».
За прошлый год аналитики Huxiu побывали на множестве реальных бизнес-площадок: в штаб-квартире McDonald's наблюдали за работой клиентского ИИ-агента, вместе с Tongyi разбирали логику ИИ-обхода магазинов в Cotti Coffee, на фронтовых складах DingdongMaicai разбирали ИИ-сортировку, а также следили за примерами livestream-магазина Jiaogepengyou, магазинов Umа с применением «Fat-модернизации» и сотрудничеством Wangyi Cloud Commerce с группой I.T. Чем глубже в бизнес, тем острее дефицит доказательств «что же реально внедрено».
За этой сменой курса стоит неизбежный итог перехода всего рынка ИИ-вычислений и приложений от нарратива к рационализации закупок. Последние два года корпоративные ИИ-бюджеты в основном следовали за «гонкой параметров»: длиннее контекстное окно моделей, выше позиции в рейтингах инференса, крупнее кластеры вычислительных мощностей — и закупочные решения строились вокруг презентаций вендоров. Но когда бюджетные ограничения ужесточились, а финансовые директора начали спрашивать про ROI, заказчики стали требовать совсем другие показатели: действительно ли клиентский агент заменил человеко-часы, снизил ли ИИ-обход магазинов уровень потерь, сократил ли модель сортировки издержки фулфилмента фронтовых складов. Смена формата рейтинга с «компаний» на «кейсы» по сути сообщает всем ИИ-поставщикам: клиенты больше не платят за ваши возможности — только за ваши результаты.
Полевые исследования выявили два разрыва. Первый: одна косметическая бренд-компания с 2023 года занималась ИИ и за два года внедрила 735 приложений, снизив маркетинговые расходы в три-четыре раза, но в конце 2025 года при подведении итогов руководство и бизнес «ничего не почувствовали» и直接 отвергли ценность проекта; на закрытой встрече по ИИ-агентам в consumer retail в июне этот разбор заставил нескольких CIO заказчиков невольно кивнуть — тысячи разрозненных мелких ИИ-функций остаются лишь инструментами личного удобства и не вызывают реальных корпоративных изменений. Второй разрыв — из производственной сферы: на летней закрытой встрече по производственным цепочкам поставок общими проблемами стали откуда брать данные, как обеспечить безопасность и возможно ли внедрение в ключевой бизнес; пропасть между вендорскими большими моделями и внутренними системами заказчика оказалась слишком глубока, а кросс-сравнение кейсов дало почти одинаковый вывод — «снаружи жарко, на производственной линии холодно».
Оба разрыва — предостережение и для покупателей ИИ-вычислений. Для заказчиков из consumer retail урок 735 приложений говорит: закупки вычислительных мощностей должны служить перестройке бизнес-процессов, а не накоплению инструментов уровня отделов; разрозненные малые модели и малые внедрения кажутся распылёнными вложениями с низким риском, но фактически не дают проверяемого улучшения показателей и в итоге отвергаются целиком на годовом подведении итогов. Для производственных заказчиков «жарко снаружи, холодно на линии» означает: due diligence перед инвестициями в вычислительные мощности должен доходить до OT-стороны — архитектура безопасности данных при приватном развёртывании, стоимость интеграции с системами MES/ERP, выдерживает ли задержка инференса такт производственной линии — всё это определяет успех проекта куда больше, чем прайс-лист на универсальные мощности. В закупочных критериях покупателям рекомендуется включать в контракт «оговорки о проверяемой ценности» — принимать работы и поэтапные платежи по бизнес-KPI вроде процента ложных отбраковок на контроле качества, экономии при диспетчеризации энергопотребления, снижении издержек фулфилмента, переносить центр оценки с параметрических таблиц вендоров на живые испытания POC и в первую очередь опираться на независимые полевые исследования и закрытые разборы коллег, а не на самоаттестацию вендоров.
В этом году отбор разделён на три «площадки». Офисная площадка фокусируется на перестройке корпоративных операций ИИ-агентами, превращая ИИ из используемого инструмента в цифрового сотрудника с должностными обязанностями: финансы, HR, юридический комплаенс, ChatBI и другие сценарии. Производственная площадка требует от ИИ перехода от советов к результатам с прямой ответственностью за качество, эффективность и издержки: промышленные большие модели, ИИ-контроль качества, планирование производства и диспетчеризация энергопотребления, предиктивное обслуживание. Площадка роста ищет кейсы движения от точечной генерации контента к Agentic-циклу «инсайт — производство — размещение — атрибуция — оптимизация». В Huxiu отметили: по всем трём площадкам реальные примеры уже есть, но всё ещё нужен ответ на вопрос, где ИИ по-настоящему стал частью бизнес-процесса и создаёт проверяемую ценность.
【Реальные рыночные данные】
Отметим, что реальная конъюнктура вычислительных мощностей в средах развёртывания, затронутых рейтингом, также попала в поле зрения покупателей. Однако по данным системного канала котировок: по данной модели сейчас нет данных о ценах в продаже.
Для закупщиков «отсутствие цен в продаже» — само по себе сигнал: когда у класса оборудования или решений нет публичного сопоставимого рыночного якоря, разброс котировок огромен, и тем важнее вернуться к логике проверки кейсов, используя аналогичные внедрённые проекты, подтверждённые третьей стороной на месте, как ориентир для переговоров и приёмки, чтобы не платить за нарративную премию в условиях информационной асимметрии.
От «сильнейшей компании по внедрению» к «сильнейшему внедрённому кейсу» — смена одного слова очерчивает следующий водораздел корпоративного ИИ: умеющие рассказывать истории продолжат существовать, но бюджет 2026 года получат те, кто предъявит проверяемые результаты.
В: Чем закончился ИИ-проект косметического бренда?
О: Компания с 2023 года занималась ИИ и за два года внедрила 735 приложений, снизив маркетинговые расходы в три-четыре раза, но поскольку руководство и бизнес «ничего не почувствовали», в конце 2025 года ценность проекта была напрямую отвергнута.
В: На какие три «площадки» разделён отбор рейтинга «Большие киты 2026»?
О: Офисная, производственная и площадка роста — соответственно фокус на перестройке операций ИИ-агентами, на прямой ответственности ИИ за качество, эффективность и издержки, а также на Agentic-цикле «инсайт — производство — размещение — атрибуция — оптимизация».
Теги: AI Agent · Enterprise AI · McDonald's · Tongyi · Cotti Coffee · Dingdong Maicai
萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал