AI Readiness Assessment: методика для бизнеса Казахстана
Семь измерений готовности к ИИ, адаптированных под закон РК №230-VIII, и первый казахстанский бенчмарк из опроса 17 индустриальных компаний.
Обсудить диагностику- 7
- измерений готовности бизнеса к ИИ
- 17
- индустриальных компаний в казахстанском бенчмарке
- №230-VIII
- закон РК, учтённый в локальной методике
Срез рынка
Два источника, разные выборки. Показатели не объединены в единый индекс.
банков Казахстана уже используют ИИ. RISE Research, январь 2026.
финансовых организаций применяют генеративный ИИ. RISE Research, январь 2026.
инициатив остались на стадии пилота. Опрос 17 индустриальных компаний, июнь 2026.
01 · Локальная рамка
Методика JBS: семь измерений для Казахстана
Закон Республики Казахстан «Об искусственном интеллекте» №230-VIII действует с 18.01.2026: классификация систем по риску и автономности, обязательная маркировка синтетического контента, управление рисками с ежегодным пересмотром, добровольный аудит для реестра доверенных систем. По данным RISE Research, 75% банков Казахстана уже используют ИИ, 52% финансовых организаций применяют генеративный ИИ. Вопрос для большинства компаний уже не «нужен ли ИИ», а «с чего начать и как не попасть на регуляторный или репутационный риск».
Взят конвергентный костяк мировых методик (6 измерений) плюс седьмое, специфичное для рынка КЗ: регуляторное соответствие и локализация данных по закону №230-VIII, которого нет ни у одной изученной зарубежной фирмы, потому что ни одна не работает под казахстанским законом.
Стратегия и use cases
Согласованное видение первых лиц и приоритизированный список сценариев с оценкой эффекта и сложности.
Данные
Доступность, точность, разметка, права доступа. Главный источник провалов по всем изученным мировым методикам.
Инфраструктура и технологии
Стек, интеграции (1С, банковские API, CRM), возможность безопасно подключить модель.
Таланты и навыки
Люди, способные эксплуатировать и поддерживать ИИ-решения, включая базовую ИИ-грамотность рядовых сотрудников.
Культура и операционная модель
Готовность перестраивать процессы под ИИ, а не добавлять инструмент поверх старой работы.
Управление и риски
Ответственный за ИИ, процесс управления рисками, мониторинг инцидентов.
Регуляторное соответствие и локализация данных
КЗ-специфика: классификация по риску и автономности, 7 запрещённых практик, маркировка синтетического контента, локализация данных по закону №230-VIII.
02 · Оценка
Шкала зрелости
Балл 0-100 считается как среднее по семи измерениям, каждое оценивается отдельно. Разбивка по пилларам важнее итоговой цифры: видно, где именно разрыв.
| Балл | Уровень | Что это значит |
|---|---|---|
| 0-29 | Не готов | Минимальная осведомлённость, разовые эксперименты. |
| 30-48 | Осведомлён | Знают про ИИ, пробуют точечно, нет связной стратегии. |
| 49-66 | Внедряет | Отдельные сценарии в проде, но неровно. |
| 67-83 | Продвинутый | Измеримый эффект на бизнес, governance выстроен. |
| 84-100 | Лидер рынка | ИИ в стратегии, операциях и культуре целиком. |
03 · Казахстанский срез
Первый казахстанский бенчмарк
В августе 2026 British Chamber of Commerce in Kazakhstan (AI in Business Working Group) при участии Narxoz University и KBTU опросили 17 руководителей индустриальных компаний Казахстана (энергетика, горнодобыча, обработка, химия, логистика, машиностроение). Выборка качественная, не статистически репрезентативная, но это первый найденный источник с реальными казахстанскими цифрами, не только глобальными.
Ограничение выборки
Не полный scorecard методики JBS
Источник охватывает шесть сопоставимых измерений. Он не оценивает отдельно седьмой пиллар JBS: регуляторное соответствие и локализацию данных.
17 компаний, только индустриальный сектор, самоотчёт без независимой проверки.
| Измерение | Балл из 5 | Из 100 |
|---|---|---|
| Стратегия и use cases | 2,2 | 44 |
| Данные | 2,3 | 46 |
| Инфраструктура и технологии | 2,5 | 50 |
| Таланты и навыки | 2,6 | 52 |
| Культура (поддержка руководства) | 3,9 | 78 |
| Управление и риски (Chief AI Officer) | 2,35 | 47 |
Поддержка руководства (3,9) заметно опережает институциональную готовность (2,1-2,6 по остальным измерениям): это отдельный красный флаг, отчёт называет его прямо.
Разрыв 0,83 балла между воспринимаемой пользой ИИ (3,24) и измеримым финансовым эффектом (2,41) означает отсутствие у большинства компаний стандартизированной методологии оценки ROI.
Барьеры внедрения (чем выше, тем острее)
| Барьер | Балл из 5 |
|---|---|
| Дефицит кадров и экспертизы | 3,71 |
| Стоимость внедрения | 3,53 |
| Сопротивление изменениям | 3,53 |
| Кибербезопасность и регуляторные ограничения | 3,35 |
| Недостаток данных | 3,24 |
| Неясный ROI | 3,06 |
Дефицит кадров и экспертизы (3,71) острее самой стоимости внедрения (3,53). 100% участников назвали ИИ приоритетной технологией, но 58,8% инициатив застряли на стадии пилота, 0% достигли промышленного масштаба.
88% респондентов не могут оценить качество потенциального поставщика ИИ-решений и получить достоверные референс-кейсы, полагаются на личные связи вместо независимой проверки. Отчёт рекомендует формализованный, документированный процесс due diligence поставщика: проверку референсов, независимую оценку информационной безопасности и управления данными, демонстрацию прототипа на реальных операционных данных заказчика, а не на синтетике поставщика.
04 · Сопоставление
Что делают семь мировых методик
Мы сравнили фреймворки PwC, Gartner, McKinsey, BCG, Deloitte, Accenture/CMU SEI и Microsoft. Большинство сходится на 5-7 измерениях, различаются глубиной и акцентом:
| Фирма | Пилларов | Акцент |
|---|---|---|
| BCG | 5 | правило 10-20-70: 70% успеха от людей и процессов, 20% от данных, 10% от алгоритмов |
| Gartner, Microsoft | 7 | Microsoft добавляет пиллар «управление моделями» |
| Deloitte | 7 | смещён к доверию и этике (Trustworthy AI) |
| Accenture / CMU SEI | 8 | инженерная строгость и жизненный цикл разработки |
| PwC | 12 | самая детализированная модель, ловит расхождение CEO и CTO |
Общий вывод источников: данные (data readiness) почти везде названы самым слабым звеном и основной причиной провала после стадии пилота.
05 · Следствие
Что с этим делать
Барьеры организационные, не технологические: кадры, оценка поставщиков, управление пилотами, готовность данных, дифференцированная стратегия под размер компании, метрики результата. Разбор по семи измерениям выше даёт конкретный список разрывов и порядок, в котором их закрывать, вместо интуитивного решения «внедрять/не внедрять».
Узнать свой балл
Диагностика по семи измерениям с конкретными находками и дорожной картой на 30/90/180 дней, с учётом требований закона №230-VIII. Независимая проверка: JBS не строит ИИ-решения тем, кому их же и проверяет.
06 · Основание
Источники
- PwC AI Readiness Assessment: pwc.com
- Gartner AI Maturity Model Toolkit: gartner.com
- BCG, Ready for A(I)nything: bcg.com
- McKinsey, The State of AI: Global Survey 2025: mckinsey.com
- Accenture + CMU SEI, AI Adoption Maturity Model: accenture.com
- Deloitte, State of AI in the Nordics 2026: deloitte.com
- Microsoft, Securing the AI-Powered Enterprise: microsoft.com
- Закон Республики Казахстан «Об искусственном интеллекте» №230-VIII от 17.11.2025: adilet.zan.kz
- «Внедрение искусственного интеллекта и поиск технологических решений в индустриальных компаниях Казахстана», British Chamber of Commerce in Kazakhstan, Narxoz University, KBTU, опрос июнь 2026, публикация август 2026 (получен напрямую, без публичной ссылки на дату публикации страницы).
- Kazakhstan AI Country Report, RISE Research, январь 2026.
Выборка казахстанского бенчмарка (17 компаний) качественная, не статистически репрезентативная, ограничена индустриальным сектором, самоотчёт не проверялся независимо. Используйте как ориентир настроений decision-makers, не как точную оценку рынка.