Об эксперте: Сергей Крылов, вице-президент по развитию технологического бизнеса «Сбера»
Новый взгляд бизнеса на искусственный интеллект
— Как изменилось отношение российского бизнеса к AI за последний год?
— Стала четко видна разница между компаниями, которые активно внедряют генеративный AI, и теми, кто остается в позиции скептиков, считая эту технологию очередным хайпом. Компании-лидеры уже сформировали необходимые внутренние структуры, определили архитектуру внедрения AI и начали применять его в конкретных бизнес-задачах. У них есть четкие планы и цели по достижению эффекта. По исследованиям мы видим, что уже более 50% российских компаний внедрили GenAI хотя бы в одну свою функцию.
В то же время есть компании, которые придерживаются позиции «30 лет жили без генеративного искусственного интеллекта и еще столько же проживем». Но процесс трансформации необратим, хотя глобальные сдвиги пока не стали всем очевидны.
— Какие большие языковые модели (LLM) выбирают российские компании при внедрении AI? Есть ли интерес к отечественным разработкам?
— Компаниям важна не LLM как технология, а конкретный бизнес-эффект, который она может принести. Поэтому при выборе решений они руководствуются именно этим критерием.
Мы наблюдаем высокий интерес к GigaChat, в том числе из-за вопросов работы с русским языком, «понимания» российского контекста и безопасности данных. За последние полгода число бизнес-клиентов GigaChat выросло с 9 тыс. до 15 тыс. Когда речь идет о внедрении AI в критически важные бизнес-процессы, где обрабатывается конфиденциальная информация, компании чаще выбирают отечественные решения.
При этом и по качеству российские модели если и уступают лучшим мировым разработкам, то не сильно. Например, мы недавно представили линейку моделей GigaChat 2.0. По данным российского бенчмарка MERA, GigaChat 2 MAX в топе AI-моделей. А по результатам проведенных нами тестов в международных бенчмарках GigaChat 2.0 по ряду параметров превосходит GPT4o, DeepSeek-V3, LLaMA 70B и Qwen2.5.
— Компании применяют несколько разных моделей или останавливаются на одной?
Компании тестируют разные модели, чтобы понять их возможности и ограничения. На этапе пилотных проектов они часто экспериментируют с open source решениями. Когда речь идет о внедрении в реальные бизнес-процессы, обычно используют два-три LLM.
Компании вряд ли будут применять отдельную LLM под каждую задачу — это усложняет управление. Но и одной универсальной модели может быть недостаточно: разные процессы требуют разных подходов. Так, для поддержки разработчиков нужны инструменты, которые дают быстрый ответ. Например, у нас есть такой AI-ассистент для разработчиков — GigaCode. Это специализированное решение, использующее малую LLM-модель, которое позволяет ускорить написание программного кода.
Трансформация индустрий и процессов
— Какие сферы бизнеса сегодня можно назвать лидерами по внедрению генеративного AI?
— C большим отрывом в вопросах внедрения технологий традиционно лидируют IТ и финансы — более 70% компаний либо уже пилотируют, либо активно используют генеративный AI в своих бизнес-процессах. Далее идут такие индустрии, как e-com, телеком, сервисные индустрии, где проникновение технологии превышает 60%. В целом это те индустрии, в которых наиболее важно взаимодействие с людьми и выше конкуренция. Здесь искусственный интеллект уже проник в ключевые процессы.
— Что это за процессы?
— Например, банки много общаются со своими клиентами: на сайтах, в приложениях, в отделениях и по телефону. Это большая зона применения искусственного интеллекта. Он активно используется для взаимодействия с клиентами: это и чат-боты, роботы на телефонных линиях, системы поддержки операторов и клиентских менеджеров, а также инструменты для персонализированного подбора продуктов.
В крупных организациях, например в «Сбере», где спектр предложений велик, AI помогает клиентам быстро ориентироваться в их многообразии и предлагает индивидуальные решения. Кстати, похожим образом работают инструменты на базе искусственного интеллекта в электронной коммерции: они анализируют предпочтения пользователя и на их основе составляют персонализированные подборки товаров. Такие технологии улучшают клиентский опыт, а значит, влияют и на финансовые результаты компании.
Еще один яркий пример процессов, активно затронутых AI, — массовый подбор персонала. Это задача, с которой сталкиваются компании, нанимающие тысячи сотрудников в год. AI помогает специалистам по рекрутингу анализировать резюме, что значительно ускоряет процесс отбора кандидатов. Также AI используется для генерации контента — пресс-релизов, сообщений и других материалов.
Стоит упомянуть и о разработке. Многие большие организации активно инвестируют в свои команды инженеров, чтобы быстрее адаптировать и внедрять новые технологии. В России это уже распространенная практика среди крупных банков, и она играет ключевую роль в цифровизации бизнеса.
— Участвует ли AI в разработке и выводе на рынок новых продуктов?
— Да, но его влияние зависит от конкретного этапа их создания. Если мы говорим о креативной части — создании идей, концепций, текстов, дизайна, — то AI может значительно ускорить процесс. В частности, он способен генерировать множество вариантов названий, слоганов или дизайнерских решений, из которых можно выбрать наиболее подходящие. Благодаря ему предприниматели могут быстрее преодолеть этап «чистого листа» и сосредоточиться на проработке наиболее перспективных идей.
Например, один из наших клиентов использовал GigaChat, чтобы разработать рецепты и дизайн этикеток для газированных напитков. Команда технологов подготовила массив данных с рецептами и пищевыми картами, на их основе дообучили нейросетевую модель. Далее GigaChat предложил новую рецептуру, а на основе промптов с информацией о вкусах AI создал дизайн этикеток.
Но все же в процессе вывода продукта на рынок AI играет скорее вспомогательную роль. Он может оптимизировать отдельные этапы, но преодолеть организационные и бюрократические аспекты, которые влияют на срок выхода новых продуктов, AI пока не может.
— Как обстоят дела с внедрением искусственного интеллекта в более консервативных отраслях, например в производстве?
— В них тоже все активнее применяются GenAI, хотя и с определенными ограничениями.
Дело в том, что AI лучше всего справляется с задачами, которые хорошо формализованы, но при этом требуют определенного человеческого суждения. Например, анализ нескольких документов, извлечение из них ключевой информации и генерация на ее основе какого-то решения. Раньше для таких задач нельзя было прописать жесткий алгоритм, но сегодня AI с этим справляется.
Еще один важный факт — современные генеративные модели не заточены на точное повторение одних и тех же операций, как это требуется на конвейерном производстве или в нефтехимии. Если вы зададите AI один и тот же вопрос несколько раз, он, скорее всего, даст разные ответы, пусть и похожие по смыслу.
Поэтому в отраслях, где конкурентное преимущество строится на неизменном выполнении последовательных операций, применение генеративных моделей пока ограничено. Вместо них используются более традиционные подходы к автоматизации. Тем не менее и в тяжелой промышленности AI находит свое место.
— Какие функции он выполняет в таких отраслях?
— Активно идет внедрение технологий во вспомогательных процессах — HR, взаимодействии с клиентами, разработке кода и других областях.
Хотя уже есть примеры, где технологии приближаются к ключевым процессам. Например, вместе с компанией «Сибур» и группой компаний ЦРТ мы разрабатываем AI-помощника на базе GigaChat для оптимизации диагностики промышленного оборудования. Он сможет вести диалог с инженерами-диагностами, выдвигать гипотезы, выявлять причины и давать рекомендации по устранению неисправностей. Это решение близко к основным процессам, так как техническое обслуживание и ремонт оборудования критически важны для производственных компаний.
В тех ключевых задачах, которые описывают физические или химические формулы, достаточно просто следовать алгоритмам. При этом есть большой потенциал в комбинации робототехники и AI-моделей. Он реализуется, когда роботы, оснащенные AI, смогут принимать решения в реальном времени. Это уже происходит, например, в индустрии беспилотных автомобилей. Причем роботы необязательно будут человекоподобными.
Практические вызовы внедрения AI
— Какие барьеры мешают компаниям внедрять AI-модели?
— Не хватает инфраструктуры и компетенций. Многие компании, особенно крупные, раньше не инвестировали в AI-технологии. Плюс к этому не хватает специалистов, которые могли бы разворачивать, поддерживать и эффективно использовать эти модели.
Кроме того, пока сложно защитить идеи внутри компании, даже если находится визионер, готовый продвигать AI.
Эти вызовы требуют комплексного подхода, начиная с вложений в обучение персонала и заканчивая разработкой стратегии интеграции AI в бизнес-процессы. Только так компании смогут преодолеть разрыв между потенциалом технологий и их реальной эффективностью.
— Однозначно рассчитать финансовую выгоду от внедрения AI-решений непросто. Как компании могут оценить экономический эффект от инвестиций в AI?
— В некоторых базовых сценариях результат действительно сложно измерить напрямую. Например, то, что сотрудники используют функцию «умного» поиска и быстрее находят нужную информацию, практически невозможно перевести в рубли. То же самое с суммаризацией документов: это полезно, экономит время, но не имеет прямого влияния на финансовые показатели.
Экономический эффект становится заметным, если AI интегрируется в более специфические бизнес-процессы.
— Какие примеры можно привести?
Например, в e-commerce или банковской сфере, где применяются персонализированные предложения, можно провести А/Б-тестирование. Вы сравниваете, как работают стандартные предложения и те, что адаптированы с помощью AI под конкретного клиента. Разница в количестве откликов или покупок — это измеримый показатель эффективности.
Еще один пример — подготовка предложения для клиента по типовому продукту. Часто для этого нужно собрать информацию из большого числа плохо структурированных источников. Если вы с помощью AI смогли подготовить предложение за минуты и были первыми, кто предложил продукт клиенту, вы получаете конкурентное преимущество.
Или на производстве сотрудник, который обслуживает сложное оборудование, сталкивается с нестандартной ситуацией (например, загорается кнопка, которая обычно неактивна). AI может быстро проанализировать инструкции и дать ответ о причине поломки. Это снижает количество аварийных простоев, минимизирует ошибки и, как следствие, имеет прямую финансовую выгоду.
Будущее AI в бизнесе
— С учетом барьеров, о которых говорили выше, когда AI может совершить революцию в бизнесе?
— Я считаю, что она произойдет в ближайшие несколько лет. В это время AI начнет трансформировать не только b2c-индустрии, такие как финансы и e-com, но и другие отрасли.
— Как понять, что переломный момент уже наступил?
— О нем можно будет говорить, когда значительное число организаций сделает AI-технологии неотъемлемой частью своих процессов. На пути к такой трансформации компаниям предстоит решить вопросы с кадрами, инфраструктурой и осознать пользу искусственного интеллекта для себя.
— Какие тренды в развитии GenAI больше всего повлияют на бизнес?
— Очевидный тренд: чем больше ресурсов вкладывается, тем умнее становятся модели. Они будут лучше рассуждать, точнее отвечать и меньше «галлюцинировать» — то есть выдавать информацию, которая похожа на правду, но ею не является. Также будет снижаться стоимость использования моделей.
Количество сценариев использования AI будет расти. Речь идет не только о самих LLM, но и об агентных системах, построенных на их основе. В ближайшем будущем мы увидим, как все больше специалистов в компаниях получат своего copilot — помощника, который будет автоматизировать или, точнее, «автономизировать» процессы. Если сейчас AI в ответ выдает картинку или текст, то следующий шаг — выполнение комплексных задач. Например, полная обработка интервью: от транскрибации до готовой статьи. Необходимые для этого технологии уже существуют.
— Станет ли AI главным фактором, влияющим на конкурентоспособность компаний?
— Это зависит от специфики индустрии. В тех секторах, где важно взаимодействие с человеком, AI станет ключевым критерием, который отличает успешные компании от аутсайдеров. Именно поэтому финансы, телекоммуникации и e-commerce стремятся все активнее использовать генеративный искусственный интеллект.
В более консервативных индустриях, таких как добыча нефти, производство или металлургия, процесс внедрения AI-моделей будет более длительным и в ближайшее время их влияние будет не столь заметно. Но в долгосрочной перспективе AI станет важным фактором конкурентоспособности и в таких сферах.
История показывает, что прорывные технологии, например интернет, в итоге затрагивают практически все отрасли. Думаю, что GenAI не станет исключением.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.
