Где бизнес проводит границу доверия к искусственному интеллекту

Искусственный интеллект (ИИ) стал массовым инструментом для бизнеса. Если раньше основные дискуссии, связанные с использованием новых технологий, строились вокруг сообщений о возможных сокращениях из-за распространения ИИ, то сейчас в фокусе – инструменты для роста продуктивности сотрудников. Согласно исследованию McKinsey State of AI 2025, 88% организаций уже применяют ИИ хотя бы в одной из своих задач – от анализа данных и обслуживания клиентов до внутренних операций. В России, по данным ООО «Яков и партнеры», 71% компаний уже интегрировали решения на базе генеративного ИИ хотя бы в один бизнес-процесс.

Рабочий инструмент

Последние прогнозы свидетельствуют о том, что компании продолжат активно внедрять ИИ-инструменты в ближайшие годы. По оценке американской технологической компании в сфере ИИ Anthropic, нейросети могут увеличить ежегодный рост производительности труда в США на 1,8%. По данным Microsoft, в 70% крупнейших мировых компаний из списка Fortune 500 используется ИИ-помощник Microsoft Copilot, созданный для автоматизации рутинных задач. ИИ-решения активно интегрируются в полноценное офисное ПО. В 2025 г. большинство обновлений для Cloud Office уже включают AI по умолчанию.

В российском финтехе ИИ уже используют повсеместно и офисные сотрудники, и представители операционных специальностей (сотрудники поддержки и представители), и топ-менеджмент. Например, более 90% сотрудников Т-Банка используют внутренние ИИ-инструменты ежедневно. LLM (Large Language Model – большая языковая модель. – «Ведомости. Инновации и технологии») T-Pro, умный поиск по документам и суммаризатор встреч и диалогов почти на четверть сокращают время на поиск и подготовку материалов, а также проверку гипотез. Эти инструменты позволяют ускорить работу младших и новых сотрудников примерно на 30–40%.

Одними из первых применять ИИ начали разработчики и инженеры. Нейропомощники помогают им работать оперативнее, например, GitHub Copilot, по данным самой платформы, помогает разработчикам писать код на 55% быстрее. Сейчас в Т-Банке более трети всего кода пишет ИИ. Внедрены процессы проверки и анализа кода нейросетями, генерации тестов ИИ, создания алгоритмами черновиков описаний и комментариев, а также автоматического описания изменений. Поверх ассистентов работает ИИ-агент, который подсказывает части кода и выполняет последовательность действий по заданию инженера, взаимодействуя с внутренними системами.

В поддержке суммарный экономический эффект от применения Т-Банком собственных технологий машинного обучения (ML-решений) привел к снижению операционных затрат примерно на 25% по итогам 2025 г. при росте клиентской базы на 13% год к году. При этом метрики качества сохранились на высоком уровне: 80% клиентов оценивают качество сервиса на пять из пяти баллов.

Кроме того, модели машинного обучения дают возможность с большей точностью, чем раньше, прогнозировать поломки оборудования и вовремя устранять их.

Исполнитель, но не стратег

Согласно данным международной консалтинговой компании BСG, 75% руководителей применяют генеративные модели несколько раз в неделю. Для стратегических решений существует два ключевых направления: Decision intelligence, которое предусматривает внедрение интегрированной архитектуры принятия решений и объединяет аналитику, ИИ и стратегическое управление, и Causal Machine Learning, сочетающее машинное обучение с причинно-следственным анализом, что помогает, в частности, продумывать сценарии «что, если». Но, несмотря на активное использование ИИ-инструментов, они сегодня лишь помощники руководителей. Принятие стратегических решений остается прерогативой человека, опыт и другие компетенции которого нейросети пока не могут заменить.

Именно поиск баланса между технологиями и человеческой экспертизой, синхронизация их работы – центральные задачи для бизнеса сегодня. Этот процесс требует постоянного диалога внутри инженерного и экспертного сообщества, для которого создаются, например, такие площадки, как конференция T-Sync Conf, которая пройдет седьмого февраля в Москве и соберет более 2000 специалистов по ИИ, данным и разработке.

При этом наши руководители, как и другие офисные работники, активно используют сервисы «умной» аналитики. Это распределение задач, суммаризация встреч, продуктовая аналитика, касающаяся взаимодействия клиентов с компанией. По нашим оценкам, только внутренний сервис – суммаризатор встреч – экономит до четырех недель рабочего времени в год.

От использования ИИ многие ждут эффектов «завтрашнего дня», но они уже очевидны и в настоящем. Раньше всего алгоритмы начали использовать в разработке, и мы увидели не только рост объемов написанного ИИ- кода, но и увеличение скорости запуска и качества новых продуктов. Хотя многие ИИ-инструменты, которые мы внедряем, еще не достигли того уровня распространения, когда можно точно предсказывать, какие эффекты мы получим на выходе, но рост продуктивности во многих направлениях работы в Т-Банке составил 20–40%. Основной эффект от использования ИИ-инструментов заключается в ускорении и «умном» апсайклинге команд. Нейросети становятся интеллектуальными ассистентами, которые берут на себя обработку данных и генерацию первичных гипотез, что позволяет экспертам фокусироваться на верификации, интерпретации и принятии решений, где критически важен их опыт и понимание контекста.