Российский бизнес внедряет ИИ, но не все видят выгоду

На развитие искусственного интеллекта в России в 2024–2026 годах направляется свыше 15 млрд рублей в рамках Национальной стратегии до 2030 года и федерального проекта «Искусственный интеллект». Сейчас до 70% отечественных компаний применяют ИИ, в основном для экономии времени и ресурсов. Однако внедрению мешают многочисленные стоп-факторы, включая не только санкции и экономическую ситуацию, но и частое непонимание руководителями потенциальных преимуществ.

Участники круглого стола, организованного «Фонтанкой», подробно рассказали о текущих тенденциях интеграции ИИ в бизнес.

Ускорить, сократить, оптимизировать

Бизнес сегодня в основном запрашивает решения с понятной экономикой внедрения. Как отметил Александр Жуков, директор по развитию компании «Формат кода», речь часто идет о тривиальных задачах, позволяющих сократить численность персонала или высвободить часть рабочего времени сотрудников для более полезной деятельности.

«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. Еще один вариант — знаменитые чат-боты. Я к ним отношусь скептически, потому что там, где человек ждет сочувствия, его встречает «железный болван». Это вызывает долгосрочные негативные эффекты для брендов и раздражение клиентов, но, тем не менее, экономический эффект там тоже прямой».

Жуков подчеркнул, что крупные компании редко удовлетворяются готовыми решениями из-за их «сырости». Интеграция даже простых инструментов в сложные бизнес-процессы потребует доработки или создания кастомных продуктов.

Георгий Ефименко, генеральный директор компании «Вайблаб», указал на тренд внедрения больших языковых моделей (LLM), которые помогают в написании кода, поддержке и других процессах. «Они сейчас внедряются либо на высоком уровне, не очень глубоко уходя в процессы, либо интегрируются. Такие модели, например, помогают выставить цену на тот или иной товар, делают ранжировку на маркетплейсах», — пояснил он.

Выбор между готовой платформой и собственным решением сильно зависит от масштабов компании, что требует соотнесения затрат на разработку и ожидаемого профита, добавил Ефименко.

В медицине, по словам Виктора Провоторова, руководителя маркетингового агентства VSignal, ИИ всегда будет индивидуальной историей под клиента из-за закрытого контура и сложившихся систем. «Готовый продукт просто не сможет в этом контуре решать нужные задачи, так что это всегда трудоёмкий процесс интеграции и адаптации», — отметил он.

В строительном секторе, как сообщила Татьяна Файнблит, директор внедрения цифровых сервисов ГК «А101», использование ИИ растет медленнее, чем в других отраслях. Согласно опросу «Сколково», только 34% российских строительных компаний применяют ИИ-инструменты.

Файнблит выделила ключевые направления применения ИИ в её компании:

• Аналитика при подготовке смет и расчетов.
• Речевая аналитика в клиентских центрах.
• Консультирование клиентов с помощью агентов, запоминающих историю обращений.

Алексей Рыбаков, генеральный директор «КВС-АйТи», пояснил, что российские компании и госструктуры используют как готовые платформы, так и собственные разработки. «Для малого и среднего бизнеса чаще подходят готовые решения, тогда как крупные компании и госструктуры инвестируют в создание собственных ИИ-систем и LLM-моделей», — сказал он.

Как измерить экономию

Максимальный эффект, по словам Алексея Рыбакова, дает сочетание ИИ с Big Data. Наиболее заметный бизнес-результат технологии приносят в маркетинге, финансах, ритейле и логистике.

Александр Жуков сравнил текущую ситуацию с началом 1990-х, когда компьютеры появлялись в бухгалтериях без ясного понимания их пользы. Он отметил, что чат-боты-ассистенты часто не повышают экономическую эффективность, так как сотрудники тратят время на их «обучение» вместо основной работы.

В качестве примера он привел строительство, где акты выполненных работ — это огромные таблицы, сложные для сопоставления. Автоматизация их обработки может предотвратить штрафы и срывы сроков.

«Риски использования ИИ кто-то должен оценить в деньгах, но пока это не очень получается», — констатировал Жуков. Прямую экономию можно увидеть, например, при сокращении числа сотрудников в колл-центрах.

Георгий Ефименко считает, что ИИ-инструменты принесут наибольшую пользу там, где требуется замена человека в повторяющихся рутинных задачах.

Виктор Провоторов рассказал о нестандартном опыте внедрения голосовой нейросети в медицине, которая должна была классифицировать пациентов. «Школьники быстро поняли, что общаются именно с нейросетью, а не с линейным чат-ботом, и модель может не только общаться на заданную тему, но и писать им сочинения», — привел он забавный пример.

Среди практических преимуществ ИИ в медицине эксперт назвал быстрые консультации по внутренней документации и помощь в контроле за назначением лекарств.

Не все отечественное, что так называется

Георгий Ефименко назвал отечественные языковые модели достаточно хорошими, но отметил, что их развитие продиктовано текущей ситуацией. «Понятно, что сейчас идет импортозамещение, но в целом нормально, когда берут какие-то готовые наработки, у себя их улучшают», — пояснил он.

Российские модели часто применяются как вынужденная мера в госсекторе и медицине из-за закона о трансграничной передаче данных и недоступности зарубежных вычислительных ресурсов.

Александр Жуков отметил, что в закрытых контурах бизнеса часто используются opensource-модели, в основном китайские, но есть и российские. «Какая разница, что там будет стоять, если всё равно ты этот процесс разворачиваешь у себя и контролируешь», — сказал он.

Татьяна Файнблит подчеркнула, что выбор модели определяется двумя критериями: в ней не должны использоваться персональные данные, и она не должна быть дорогой.

Проблемы и решения

Основными преградами Георгий Ефименко назвал затрудненный доступ к новейшим зарубежным технологиям и оборудованию, а также общий экономический кризис, сдерживающий инвестиции.

Виктор Провоторов видит решение в появлении стандартизированных «полуфабрикатов» — готовых серверов с локальными моделями, которые упростят старт для компаний без глубокой технической экспертизы.

Александр Жуков считает ключевой проблемой непонимание руководством компаний реального потенциала ИИ. «Руководство не видит, что где-то может уволить 200 человек, потому что ему показывают весёлых чат-ботов и прочую странную катавасию, которая в экономический эффект не укладывается», — заявил он.

Эксперт также указал на ретроградность многих IT-отделов, которые могут сопротивляться изменениям.

Провоторов привел пример неудачного внедрения чат-бота в одной петербургской организации, где после закупки дорогого оборудования бот терял контекст диалога, что разочаровало руководство.

Татьяна Файнблит полагает, что инициатива по внедрению должна исходить снизу, от сотрудников, которые увидят в этом облегчение труда, а не угрозу увольнения. При этом руководитель должен четко видеть окупаемость инвестиций.