Российские компании осваивают ИИ, но польза не всегда ясна

На Национальную стратегию развития искусственного интеллекта до 2030 года и федеральный проект «Искусственный интеллект» в 2024–2026 годах выделяется более 15 млрд рублей из бюджета. Сейчас технологии ИИ применяют до 70% отечественных компаний, преимущественно для экономии времени и ресурсов. Однако процесс замедляют различные стоп-факторы, включая санкции, экономическую ситуацию и частое непонимание руководителями потенциальных выгод.

Александр Жуков, директор по развитию компании «Формат кода», отметил, что основной запрос бизнеса — решения с понятной экономикой внедрения. Речь идёт в первую очередь о тривиальных задачах, позволяющих сократить численность персонала или высвободить его время для более полезной деятельности. ИИ-решения могут дать положительный экономический эффект, например, за счёт высвобождения оборотного капитала.

«Типичная ситуация — это ускорение процессов подготовки финансовых документов, — говорит эксперт. — Здесь очень часто происходят существенные потери, потому что подписание какого-нибудь акта на большую сумму может занимать месяцы. Ещё один вариант — знаменитые чат-боты. Я к ним отношусь скептически, потому что там, где человек ждет сочувствия, его встречает «железный болван». Это вызывает долгосрочные негативные эффекты для брендов и раздражение клиентов, но, тем не менее, экономический эффект там тоже прямой».

Жуков подчеркнул, что крупный бизнес редко устраивают готовые решения из-за их «сырости». Внедрение даже простых инструментов в сложные процессы требует доработки или создания кастомных продуктов. «Решение всегда будет гибридным: готовый продукт плюс достаточно серьезная кастомизация. Потому что всегда дешевле изменить платформу, чем сложившиеся бизнес-процессы крупной корпорации», — добавил он.

Генеральный директор компании «Вайблаб» Георгий Ефименко рассказал о тренде на внедрение больших языковых моделей, которые помогают в написании кода, поддержке, установке цен и ранжировании на маркетплейсах. «Они сейчас внедряются либо на высоком уровне, не очень глубоко уходя в процессы, либо интегрируются», — пояснил он.

Выбор между готовой платформой и собственным решением сильно зависит от масштаба компании, отметил Ефименко. Малому и среднему бизнесу разработка может быть слишком дорогой, тогда как крупные компании часто уходят в собственную разработку, опираясь на готовые фреймворки.

Руководитель маркетингового агентства VSignal Виктор Провоторов привёл пример из медицины, где ИИ всегда требует индивидуального подхода из-за сложившихся систем вроде CRM и медицинских информационных систем. Интеграция сталкивается с техническими сложностями, например, отсутствием полноценного API или недостаточным бэкграундом у техотдела для поддержки сервера.

В строительном секторе использование ИИ растет медленнее, чем в других отраслях. Как отметила директор внедрения цифровых сервисов ГК «А101» Татьяна Файнблит, по данным опроса фонда «Сколково», только 34% российских строительных компаний применяют ИИ в виде агентов или простых языковых моделей.

Файнблит привела примеры применения ИИ в аналитике, например, для подготовки смет и расчётов, что позволяет не зависеть от конкретных сотрудников. Также компания использует речевую аналитику в клиентских центрах и агентов для консультирования, которые запоминают предыдущие запросы клиентов. «Это полная замена человека: не нужно ждать, когда он выйдет из отпуска или проснётся в 9 утра, чтобы быстро проанализировать документы. Это и есть оптимизация», — сказала она.

Генеральный директор «КВС-АйТи» Алексей Рыбаков пояснил, что российские компании и госструктуры используют как готовые ИИ-платформы, так и собственные разработки. Крупные организации часто инвестируют в кастомные системы, особенно когда требуется глубокая адаптация.

Рыбаков также отметил, что максимальный эффект даёт сочетание ИИ с Big Data. Наиболее заметные результаты внедрение приносит в маркетинге, рекламе, финансовом секторе, ритейле, e-commerce, логистике и транспорте.

Александр Жуков сравнил текущую ситуацию с началом 1990-х, когда компьютеры появились в бухгалтериях без чёткого понимания их пользы. Он также указал, что чат-боты-ассистенты часто не повышают экономическую эффективность, поскольку сотрудники тратят время на общение с ними вместо основной работы.

В строительстве, например, акты выполненных работ — это огромные таблицы, которые сложно сопоставлять со сметами. Автоматическое чтение и сравнение могло бы предотвратить задержки и штрафы, но оценить эффект заранее трудно. «В чем здесь оценить эффект? — продолжил Жуков. — В том, что мы не получим штрафов в конце стройки или вовремя сдадим объект? Сказать сложно».

По словам эксперта, риски использования ИИ нужно оценивать в деньгах — например, через экономию оборотного капитала или прямую экономию на персонале. «Дешевых сотрудников из колл-центров заменяют ещё более дешёвые, но еще и глупые ИИ-агенты, — добавил он. — Поэтому я здесь стою на стороне сотрудников. Их лучше снабжать какими-то ассистентами, которые могут реально увеличить эффективность».

Георгий Ефименко подчеркнул, что ИИ-инструменты стоит внедрять для замены повторяющейся рутинной работы. Мультимодальные языковые модели могут работать с текстом, изображениями и видео, сортировать и проверять их.

Виктор Провоторов рассказал о нестандартном использовании чат-ботов в медицине, где нейросеть должна была общаться с пациентами. «Но в процессе постоянного расширения семантики диалога с пользователем это привело к забавным последствиям. Например, школьники быстро поняли, что общаются именно с нейросетью, а не с линейным чат-ботом, и модель может не только общаться на заданную тему, но и писать им сочинения».

Для медицины преимущества ИИ включают быструю консультацию по внутренней документации и контроль за назначениями. Провоторов привёл пример внедрения агента, который следит, чтобы врачи не прописывали сомнительные лекарства, заменяя их на препараты с доказанным эффектом.

Об отечественных языковых моделях Георгий Ефименко сказал, что они достаточно хороши, но их развитие продиктовано текущей ситуацией. «Понятно, что сейчас идет импортозамещение, но в целом нормально, когда берут какие-то готовые наработки, у себя их улучшают, обучают на русских текстах», — пояснил он.

Применение российских моделей часто вынужденное, особенно в госсекторе и медицине, из-за закона о трансграничной передаче данных и недоступности зарубежных вычислительных ресурсов. Конкурировать с opensource-моделями из Китая и США локально бессмысленно, считает эксперт.

Александр Жуков сравнил ИИ-модели с инфраструктурой: «Можно с тем же успехом спрашивать, отечественный бетон на стройке или западный — какая разница? Это инфраструктурная история». Для закрытых контуров подходят локальные модели, часто китайские или российские.

Татьяна Файнблит отметила, что в российских моделях важен не столько их источник, сколько созданные агенты. Ключевые требования: не использовать персональные данные и быть недорогими. Сотрудники имеют доступ к моделям вроде DeepSeek и Giga-чат, но всё проверяется службой информационной безопасности.

Среди проблем Георгий Ефименко назвал затруднённый доступ к новейшим зарубежным технологиям и оборудованию, а также общий кризис, тормозящий инвестиции. «Но до сих пор все, что есть даже на мировом рынке, а в России тем более, — это всё пробы, и они продолжатся», — добавил он.

Виктор Провоторов предложил упрощение через стандарты и «полуфабрикаты» — серверы с предустановленными моделями, которые позволят быстро начать работу даже неспециалистам. Это могло бы привести к появлению полезных агентов для бытовых задач.

Александр Жуков считает основной проблемой непонимание руководством компаний потенциала ИИ. «Руководство не видит, что где-то может уволить 200 человек, потому что ему показывают весёлых чат-ботов и прочую странную катавасию, которая в экономический эффект не укладывается», — отметил он.

Провоторов привёл пример неудачного внедрения чат-бота в одной петербургской организации. После затрат на оборудование бот терял контекст на третьем диалоге, что разочаровало руководство. Это показало отсутствие стратегии и чётких задач перед внедрением.

Татьяна Файнблит полагает, что внедрение должно идти снизу, при благоприятной атмосфере, где сотрудники не боятся увольнения. Также нужны чёткие кейсы, демонстрирующие эффект для руководителей. Она привела пример предложения внедрить агента за долю от экономии, но пока такие модели кажутся нереалистичными.