Как бизнес превращает ИИ из статьи расходов в инструмент решения задач

Мировые расходы на решения на основе искусственного интеллекта (ИИ) увеличатся с $307 млрд в 2025 г. более чем до $631 млрд в 2028 г., подсчитала консалтинговая компания IDC. Они помогают компаниям обрабатывать огромные массивы данных, планировать задачи и принимать решения.

По мнению руководителя проектов по ИИ ассоциации «Финтех» Антона Тамаровича, «глобальный прогресс западных и китайских публичных ИИ-моделей, таких как ChatGPT, Gemini или Claude, создал в России «эталон ожиданий», подпитывая технологическую эйфорию и запрос на мгновенную гиперавтоматизацию».

Однако реальность такова: доля России в мировых затратах на ИИ-решения не превышает 1%, согласно расчетам IDC. Это соответствует данным, которые озвучил заместитель председателя правительства Дмитрий Григоренко: объем инвестиций российского бизнеса в ИИ-решения в 2025 г. составил 257 млрд руб.

Способность понимать и рассуждать у российских и зарубежных моделей также отличается. «Если сравнивать глобальные и российские модели по международным бенчмаркам – тестам, которые показывают, насколько хорошо модель справляется со сложными заданиями, – разрыв пока заметен», – отмечает технический директор N3.Tech Александр Чиченин.

Во многом это обусловлено инфраструктурными ограничениями. Доступ к современным вычислительным мощностям (GPU) затруднен, а разработка собственных аналогов требует времени и колоссальных инвестиций, говорит ведущий инженер-аналитик лаборатории технологий ИИ аналитического центра кибербезопасности компании «Газинформсервис» Ирина Меженева.

Уникальной ситуацию на российском рынке делают и регуляторные инициативы: Минцифры разрабатывает законопроект о регулировании ИИ, направленный на обеспечение технологического суверенитета в сфере нейросетей, их сертификацию и безопасное использование. Предполагается, что он вступит в силу в сентябре 2027 г.

«Законопроект о суверенном ИИ закрепляет национальную стратегию в нормативном поле: реестр доверенных моделей, требования к локализации обучения, ограничения на иностранные решения», – говорит Чиченин.

Несмотря на то что с точки зрения безопасности это нужная инициатива, она сдерживает разработку решений, полагают опрошенные «Ведомости. Инновациями и технологиями» эксперты. «Бизнес рассуждает так: не будем торопиться с внедрением ИИ-моделей, потому что пока не ясно, какие из них можно будет использовать. Для крупных компаний это может обернуться риском вложиться в платформу, подключить ее к данным и процессам, а потом переделывать архитектуру», – подчеркивает старший партнер ІТ-интегратора «Энсайн» Алексей Постригайло.

Менеджер технологической практики Kept Елена Первышина считает, что развитие ИИ-технологии в России похоже на китайскую модель, где в приоритете суверенный контур, жесткий контроль над данными и интеграция технологии в национальные и инфраструктурные рамки. «Основной фокус России, таким образом, состоит в том, чтобы максимально эффективно использовать доступные технологии, дообучать их под российские условия и превращать в инфраструктуру для конкретных государственных и бизнес‑задач», – говорит эксперт.

Конкуренция в нише

Препятствия, с которыми сталкивается отрасль, одновременно являются и стимулами для ее развития, говорят собеседники «Ведомости. Инноваций и технологий». Требования регуляторов к объектам критической информационной инфраструктуры послужили главным драйвером on-premises внедрений, когда программное обеспечение (ПO) устанавливается и работает на оборудовании, серверах или в дата-центрах самой компании, говорит технический директор ИИ-стартапа Veai Владислав Кудинов. Российские компании используют открытые модели, дообучают их на собственных данных и встраивают в реальные операции, объясняет он.

Директор центра развития ИИ-продуктов IT-экосистемы «Лукоморье» Денис Романов указывает, что такой подход становится трендом и на глобальном рынке. «Компании отходят от гонки за универсальными моделями к узкоспециализированным инструментам, встроенным в конкретные бизнес-процессы», – говорит он.

Это видно по эволюции продуктов от глобальных лидеров рынка, добавляет технический директор компании Bercut Алексей Чистяков. Продукты, которые позволяют настраивать ИИ-агенты для выполнения конкретных задач, уже есть у OpenAI, Anthropic и Microsoft.

«Все пришли к одному: голая модель бизнесу не нужна, ему нужна архитектура, в которой агенты живут внутри корпоративного контура и взаимодействуют с системами и людьми. В России мы шли к правильной стратегии изначально», – делает вывод Чистяков.

Модели отечественных компаний адаптированы под российский контекст, работу с русскоязычными документами и отраслевой спецификой, говорит руководитель «Т1 ИИ» Сергей Голицын. Например, GigaChat 3 – единственная модель в мировом топе, которая нативно понимает русский контекст, технические задания на кириллице и специфику работы таких систем, как 1С и «Битрикс», показывают данные N3.Tech.

А если компания работает с критической информационной инфраструктурой, то западные решения она не может использовать по закону и российские модели становятся единственным легальным выбором, говорит генеральный директор IT-компании Modus Кирилл Кузнецов.

Чтобы избежать регуляторных рисков и зависимости от зарубежных вендоров, компании выбирают связку «отечественная большая языковая модель плюс дообучение на собственных данных», говорит представитель аналитического центра «Круги Громова». Окупаемость инвестиций дают узкие сценарии использования ИИ с высоким объемом операций и измеримой стоимостью ошибки, рассказывает директор АЦ «Круги Громова» Виктория Рамейкина. Так, применение технологии в работе контакт-центров ведет к сокращению времени обработки обращения на 25–40%, отмечает она.

В сегменте крупных промышленных и технологических компаний важным фактором, определяющим картину рынка, будет внедрение ИИ-решений в контуре компании, считает руководитель направления ИИ в VK Tech Роман Стятюгин. «На этапе пилотов проекты допустимо проводить с использованием облачных инструментов, но при переходе к промышленному использованию на первый план выходят требования по безопасности и защите данных, что формирует запрос на качественные сопровождаемые решения, которые могут быть внедрены внутри корпораций».

Семь раз проверь

Проведенный консалтинговой компанией «Интеллектуальная аналитика» опрос показал: 80–90% компаний демонстрируют культуру использования ИИ-инструментов, но реальная интеграция в бизнес-процессы составляет лишь 5–10%. Типичные пилотные проекты с бюджетом 5–15 млн руб. зачастую так и не переходят в промышленную эксплуатацию, поскольку половина менеджеров откладывает этот шаг на неопределенный срок.

Причина кроется в отсутствии работы с данными и проблемах с интеграцией в процессы и инфраструктуру, полагают собеседники «Ведомости. Инноваций и технологий». «Для этого часто приходится менять процессы, а менять то, что годами работало, сложно и не хочется», – говорит директор IT-компании Nord Clan Алексей Артамонов.

А если перед внедрением ИИ не пересмотреть данные и процедуры, то никакого положительного эффекта технология не даст. Патентный поверенный разработчика ПО UserGate Александр Киселев в пример приводит обучение модели на устаревшей базе документов или скриптах, которые не соответствуют ожиданиям клиентов. «Формально производительность растет, но качество решений не меняется», – отмечает он.

В фокусе сейчас инженерная дисциплина. Представитель «Лукоморья» указывает на исследования, согласно которым организации, игнорирующие инженерный контур, регулярно сталкиваются с нежелательными действиями ИИ-агентов, утечками конфиденциальной информации и ошибками маршрутизации запросов. «ИИ бессилен, если в базах хаос», – говорит руководитель направления Data Science разработчика технологий ИИ «Наносемантика» Егор Кириллов.

С этим согласен Стятюгин. «Ключ к настоящему прагматичному ИИ – не в погоне за самыми большими моделями, а в инженерной дисциплине и построении защищенной корпоративной среды. Когда агенты работают в изолированных контурах с четко заданными правами доступа, механизмами контроля качества и возможностью переиспользования компонентов, компании получают возможность не только соответствовать требованиям суверенитета и безопасности, но и реально масштабировать решения», – говорит эксперт. Он считает, что успешный пилот перестает быть разовым экспериментом – он становится фундаментом для тиражирования на десятки процессов с предсказуемым эффектом на уровне прибыли и убытков, что отражает эффективность проекта.