Российские компании осваивают ИИ, но не видят выгоды
На реализацию Национальной стратегии развития искусственного интеллекта до 2030 года и федерального проекта «Искусственный интеллект» в 2024–2026 годах планируется выделить из бюджета свыше 15 миллиардов рублей. Согласно различным оценкам, до 70% российских компаний уже применяют ИИ-технологии, в основном для экономии времени и ресурсов. Однако процесс внедрения тормозят такие факторы, как санкции, экономическая ситуация, а часто — простое непонимание руководителями потенциальных выгод.
Участники круглого стола, организованного «Фонтанкой», подробно обсудили текущую ситуацию с интеграцией искусственного интеллекта в бизнес-процессы.
Ускорить, сократить, оптимизировать
Со стороны бизнеса сегодня преобладает запрос на решения с прозрачной экономикой внедрения. Как отметил Александр Жуков, директор по развитию компании «Формат кода», чаще всего речь идёт о тривиальных задачах, позволяющих сократить численность персонала или высвободить его время для более полезной деятельности. ИИ-решения могут либо экономить часы работы сотрудников, либо положительно влиять на оборотный капитал.
«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 пример — чат-боты, к которым Жуков относится скептически из-за возможного негативного эффекта для бренда, но признаёт их прямой экономический результат.
Чем крупнее бизнес, тем менее его устраивают готовые решения из-за их «сырости», подчеркнул Жуков. Интеграция даже простых инструментов в сложные процессы требует доработки или создания кастомных продуктов. «Платформенных, мультиагентных, автономных корпоративных решений сейчас мало, — добавил он. — То есть решение всегда будет гибридным: готовый продукт плюс достаточно серьезная кастомизация».
Георгий Ефименко, генеральный директор «Вайблаб», указал на тренд внедрения больших языковых моделей (LLM), которые помогают в написании кода, поддержке и других процессах. Такие модели применяются для ценообразования, ранжирования товаров на маркетплейсах и прогнозирования выручки.
Выбор между готовой платформой и собственным решением сильно зависит от масштаба компании, пояснил Ефименко. Необходимо соотносить затраты на разработку с ожидаемой выгодой. Для малых компаний создание собственного ИИ часто слишком дорого, тогда как крупные могут опираться на готовые фреймворки.
В медицине, по словам Виктора Провоторова из агентства VSignal, ИИ всегда будет закрытым контуром и индивидуальной историей под конкретного клиента. Готовые продукты не способны решать задачи в сложившихся системах, таких как CRM или медицинские информационные системы, что требует трудоёмкой интеграции.
В строительном секторе использование ИИ растёт медленнее, чем в других отраслях, сообщила Татьяна Файнблит, директор по внедрению цифровых сервисов ГК «А101». Согласно опросу «Сколково», только 34% российских строительных компаний применяют ИИ в виде агентов или языковых моделей.
Файнблит отметила, что ИИ широко применяется в аналитике, например, при подготовке смет, где модели быстро обрабатывают данные. Также используются речевая аналитика в колл-центрах и агенты для консультирования клиентов, которые запоминают историю обращений.
Алексей Рыбаков, генеральный директор «КВС-АйТи», пояснил, что российские компании и госструктуры используют как готовые платформы, так и собственные разработки. Малый и средний бизнес чаще выбирает готовые решения, а крупные компании инвестируют в кастомные системы, особенно когда требуется глубокая адаптация.
Как измерить экономию
Максимальный эффект, по словам Алексея Рыбакова, даёт сочетание ИИ с Big Data, поскольку эти технологии уже неразделимы. Наибольший бизнес-эффект наблюдается в маркетинге, финансах, ритейле, e-commerce, логистике и транспорте, где ИИ повышает точность прогнозов и операционную эффективность.
Александр Жуков сравнил текущую ситуацию с началом 1990-х, когда компьютеры массово появлялись в бухгалтериях без ясного понимания их пользы. Он также привёл исследование, показывающее, что чат-боты-ассистенты не повышают экономическую эффективность, так как сотрудники тратят время на их «обучение». Основной эффект ИИ, по его мнению, — замена людей в рутинных объёмных процессах.
В качестве примера Жуков привёл строительство, где акты выполненных работ — это огромные таблицы, сложные для сопоставления со сметами. Автоматизация их чтения и сравнения может помочь избежать штрафов и сдать объекты вовремя, хотя измерить этот эффект в деньгах сложно.
Риски использования ИИ должны оцениваться финансово, но пока это удаётся не всегда, отметил эксперт. Экономия может быть прямой — за счёт сокращения персонала, или косвенной — через высвобождение оборотного капитала.
Георгий Ефименко подчеркнул, что ИИ эффективен для замены рутинных задач разной сложности. Мультимодальные языковые модели могут работать с текстом, изображениями и видео, сортируя и проверяя их.
Виктор Провоторов рассказал о нестандартном использовании чат-ботов в медицине, например, для классификации пациентов. Однако при расширении семантики диалога возникли забавные последствия: школьники обнаружили, что нейросеть может писать сочинения.
Преимущества ИИ в медицине включают быструю консультацию по внутренней документации и борьбу с назначением неэффективных лекарств. Провоторов привёл пример внедрения агента, который подсказывает врачам заменять «фуфломицин» на препараты с доказанным действием.
Не все отечественное, что так называется
Георгий Ефименко назвал отечественные языковые модели достаточно хорошими, но отметил, что их развитие продиктовано текущей ситуацией импортозамещения. Многие компании берут зарубежные наработки, дорабатывают их и обучают на русских текстах, после чего представляют как российские решения.
По его словам, российские модели часто применяются как вынужденная мера в госсекторе и медицине из-за закона о трансграничной передаче данных и недоступности зарубежных вычислительных ресурсов. Конкурировать с открытыми иностранными моделями, доступными локально, бессмысленно.
Александр Жуков заявил, что в закрытых контурах больших компаний используются в основном opensource-модели, часто китайские, но есть и российские. «Можно с тем же успехом спрашивать, отечественный бетон на стройке или западный — какая разница?» — сказал он.
Татьяна Файнблит отметила, что клиентские данные не могут обрабатываться зарубежными моделями, а персональные данные должны оставаться в закрытом контуре. Поэтому выбор языковых моделей или агентов основывается на двух критериях: отсутствие использования персональных данных и низкая стоимость.
Проблемы и решения
Основными преградами для развития ИИ в России Георгий Ефименко считает затруднённый доступ к новейшим зарубежным технологиям и оборудованию, включая санкционное железо для локальных моделей. Это накладывается на общий кризис и нежелание руководителей инвестировать в непонятные технологии.
Виктор Провоторов указал на сложности с железом, администрированием и обучением моделей. Он предложил создавать «полуфабрикаты» — готовые решения, которые дадут компаниям быстрый старт, например, серверы с предустановленными локальными моделями.
Александр Жуков видит главную проблему в том, что руководство компаний не понимает, что может дать ИИ. «Это прорывная инновация, которая в первый раз за всю историю человечества позволяет заменить людей», — сказал он. По его мнению, IT-отделы часто сопротивляются изменениям, будучи заинтересованными в сохранении статус-кво.
Провоторов привёл пример неудачного внедрения чат-бота в одной петербургской организации: после закупки дорогих видеокарт бот потерял контекст на третьем диалоге, что разочаровало руководство. Это свидетельствует об отсутствии чёткой стратегии и определения задач перед внедрением.
Татьяна Файнблит считает, что инициатива внедрения ИИ должна идти снизу, от сотрудников, но только в благоприятной атмосфере, где люди не боятся увольнения. С другой стороны, руководителям нужны наглядные кейсы, показывающие конкретный экономический эффект.
Она рассказала о предложении одной компании внедрить агента за долю от будущей экономии, но такой подход пока кажется нереалистичным. По её мнению, когда появятся чёткие модели, демонстрирующие окупаемость, тогда можно будет эффективно продвигать ИИ-инициативы.
