Практики, превратившие ИИ в работающий инструмент
В природе чистый элемент – это редкость. Чаще всего его мощь можно раскрыть, грамотно соединив его с другими. С искусственным интеллектом происходит то же самое: по отдельности он остается лишь лабораторным реактивом на слайдах презентаций, но стоит встроить модель в живой бизнес-процесс – и начинается настоящая химия.
Реальная ценность того или иного ИИ-инструмента становится видна не на презентации, а внутри бизнес-процесса – когда меняются выручка, затраты, срок ремонта, количество ошибок или качество услуги. В 2025–2026 гг. представители бизнеса все чаще говорят об экономическом эффекте, доле автоматизированных операций, числе активных пользователей или приросте производительности.
Массовое знакомство с технологией в самом разгаре. Согласно новому исследованию «Инфосистемы джет» и Smart Ranking, 53% крупных российских компаний уже ввели решения на базе генеративного ИИ в промышленную эксплуатацию. Полуавтономные ИИ-агенты, требующие участия и контроля человека в процессе работы, работают в 15% компаний, автономные и мультиагентные системы – в 8%.
В электронной торговле ИИ обслуживает объемы операций, которые невозможно масштабировать ручным трудом. Ozon автоматически проводит первичную проверку более 96% карточек товаров и оценивает эффект ИИ в работе с контентом в 9 млрд руб. за 2026–2027 гг. Улучшение поиска дало прирост заказанных товаров на 11,5% в день. RWB использует более 200 моделей в поиске, рекомендациях и модерации. Генеративные инструменты постепенно переходят от подготовки описаний и изображений к взаимодействию с покупателем.
В промышленности эффект часто дают не самые заметные генеративные сервисы, а компьютерное зрение, прогнозирование ремонтов и управление агрегатами. «Северсталь» сообщала примерно об 1 млрд руб. экономического эффекта от ИИ в 2025 г. Более 100 решений находятся в эксплуатации, преимущественно на производстве. В «Норникеле» предиктивное управление 30-тонной мельницей для руды позволило исключить человека из управления агрегатом и, по данным компании, дает экономический эффект около 4 млрд руб. в год. РМК, «Сибур» и «Газпром нефть» масштабируют модели для обогащения, контроля качества, ремонта и цифровых двойников.
Государство тоже становится большим испытательным полигоном. Москва использует более 130 ИИ-решений и за 2025 г. запустила свыше 20 новых проектов. Верховный суд предполагает, что к 2030 г. ИИ будет готовить 30–50% проектов процессуальных документов и не менее 90% протоколов заседаний. Такие системы сразу проверяют и технологию, и правила: нужно определить допустимую ошибку, обязательность человеческой проверки и право оспорить машинный вывод.
Не все идет гладко, и главным препятствием становится не качество модели. После пилота 46% крупных компаний не видят устойчивого экономического эффекта, по 40% сталкиваются с отсутствием владельца процесса и нестабильным качеством. ИИ хорошо автоматизирует уже описанную работу, но редко способен самостоятельно разобраться в бизнес-процессе, который существует в виде множества переписок, устных договоренностей и нескольких противоречащих друг другу таблиц.
Перестроить себя и найти новую ценность становится необходимым шагом, чтобы обрести свое место в будущем. Поэтому в эту номинацию вошли руководители, которые смогли превратить ИИ в работающий производственный актив.