ИИ в бизнесе: между экономией и непониманием

На развитие искусственного интеллекта в России в 2024–2026 годах из бюджета выделяется более 15 млрд рублей. Сейчас до 70% отечественных компаний используют ИИ, прежде всего для экономии времени и ресурсов. Однако внедрение тормозят многочисленные стоп-факторы, включая санкции, экономическую ситуацию и частое непонимание руководителями практической пользы.

Участники круглого стола подробно обсудили, как бизнес внедряет искусственный интеллект.

Со стороны бизнеса основной запрос — на решения с понятной экономикой внедрения. Как пояснил Александр Жуков, директор по развитию компании «Формат кода», это чаще всего тривиальные задачи, которые позволяют сократить число сотрудников или высвободить их время 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 крупный бизнес редко устраивают готовые решения из-за их сырости. Внедрение даже простых инструментов в сложные процессы требует доработки или создания кастомных продуктов.

— Платформенных, мультиагентных, автономных корпоративных решений сейчас мало, — добавил он. — То есть решение всегда будет гибридным: готовый продукт плюс достаточно серьезная кастомизация. Потому что всегда дешевле изменить платформу, чем сложившиеся бизнес-процессы крупной корпорации.

Георгий Ефименко, генеральный директор компании «Вайблаб», отметил тренд на внедрение больших языковых моделей. Они помогают в различных задачах, от написания кода до поддержки клиентов, и используются для ценообразования, ранжирования на маркетплейсах и расчёта выручки.

Выбор между готовой платформой и собственным решением зависит от размера компании, объяснил эксперт. Малому бизнесу разработка может быть не по карману, а крупные компании часто создают свои системы на основе готовых фреймворков.

В медицине, по словам Виктора Провоторова, руководителя маркетингового агентства VSignal, ИИ всегда будет закрытым контуром и индивидуальным решением под клиента. Готовые продукты не всегда могут интегрироваться в сложные системы, такие как CRM, 1С или медицинские информационные системы.

В строительном секторе, как отмечает Татьяна Файнблит, директор внедрения цифровых сервисов ГК «А101», использование ИИ растёт медленнее, чем в других отраслях. Согласно опросу фонда «Сколково», только 34% строительных компаний применяют ИИ, чаще всего в виде агентов или простых языковых моделей.

— Я считаю, создание и использование агентов в большей части зависит от инициативы внутри, — говорит Файнблит. — Мы выбираем решения, которые позволяют оптимизировать внутренние бизнес-процессы.

Она привела примеры применения ИИ в аналитике, например, для подготовки смет, а также в речевой аналитике в колл-центрах и для консультирования клиентов с помощью агентов, запоминающих историю запросов.

Алексей Рыбаков, генеральный директор «КВС-АйТи», пояснил, что российские компании используют как готовые платформы, так и собственные разработки, в зависимости от масштаба бизнеса и задач. Его компания работает в гибридной модели, сочетая отечественные ИИ-платформы с собственными наработками.

Алексей Рыбаков отметил, что максимальный эффект даёт сочетание ИИ с большими данными, поскольку эти технологии уже неразделимы. По его словам, наибольший бизнес-эффект ИИ приносит в маркетинге, финансах, ритейле, e-commerce, логистике и транспорте.

Александр Жуков сравнил текущую ситуацию с началом 1990-х, когда компьютеры появились в бухгалтериях, но не все понимали, зачем. Он также привёл исследование, показывающее, что чат-боты-ассистенты не повышают экономическую эффективность, так как сотрудники тратят время на их обучение вместо основной работы.

— Основные эффекты — это замена людей в рутинных объемных процессах, — сказал Жуков. Он привёл пример из строительства, где акты выполненных работ — это огромные таблицы, которые сложно сопоставлять со сметами. Автоматизация этого процесса могла бы предотвратить штрафы и задержки.

По словам эксперта, риски использования ИИ нужно оценивать в деньгах, но пока это сложно. Экономию можно увидеть в сокращении оборотного капитала или прямом сокращении числа сотрудников.

— Дешевых сотрудников из колл-центров заменяют ещё более дешёвые, но еще и глупые ИИ-агенты, — добавил он. — Поэтому я здесь стою на стороне сотрудников. Их лучше снабжать какими-то ассистентами, которые могут реально увеличить эффективность и контролировать, что сотрудник соблюдает скрипт, а не чай пьет, например.

Георгий Ефименко подчеркнул, что ИИ полезен для замены рутинных задач разной сложности. Мультимодальные языковые модели могут работать с текстом, изображениями и видео, сортируя и проверяя их.

— Поэтому везде, где мы видим действительно повторяющуюся не очень сложную работу, которая просто требует человека, и где его пока никак не заменить классическими алгоритмами, можно попробовать внедрять новые ИИ-инструменты. Там они могут принести хороший результат, — считает он.

Виктор Провоторов рассказал о нестандартном использовании чат-ботов в медицине. Нейросеть, внедрённая для общения с пациентами, иногда использовалась школьниками для написания сочинений.

— Конкретно для медицины преимущества ИИ — в возможность выгрузить локально всю внутреннюю документацию, в том числе требования Минздрава и Росздрава, и получить быструю консультацию по ним, — пояснил он.

Также, по его словам, ИИ может помогать врачам избегать назначения сомнительных лекарств, предлагая замену на препараты с доказанной эффективностью.

Георгий Ефименко назвал отечественные языковые модели достаточно хорошими, но отметил, что их развитие продиктовано текущей ситуацией импортозамещения. Многие компании берут зарубежные наработки, дорабатывают их и обучают на русских текстах.

— Большинство компаний сегодня поступает именно так, и эти модели действительно довольно хорошие, — пояснил он.

По его словам, российские модели часто применяются как вынужденная мера в госсекторе и медицине из-за закона о трансграничной передаче данных и недоступности зарубежных вычислительных ресурсов. Конкурировать с китайскими и американскими opensource-моделями, доступными локально, бессмысленно.

— Локально доступно все многообразие иностранных моделей, но своих, реально сопоставимых по уровню с ними, я не знаю, — добавил он.

Александр Жуков сравнил ИИ-модели с бетоном: неважно, отечественный он или западный, главное — инфраструктура. Он отметил тренд на уменьшение размеров моделей, которые теперь можно запускать на бытовом оборудовании.

— В наших случаях, в основном, это китайские модели, но есть и какие-то российские решения. Но в целом нас устраивают локальные модели, потому что мы сидим в закрытых контурах, — сказал он.

Татьяна Файнблит подчеркнула, что вопрос не в самих моделях, а в созданных на их основе агентах. Для неё важны два критерия: отсутствие использования персональных данных и низкая стоимость.

— Во-первых, клиентские данные не могут быть использованы зарубежными моделями, — говорит она. — В-вторых, обработка персональных данных у нас происходит только в закрытом контуре — никакие финансовые показатели или персональные данные не могут утекать вовне.

Георгий Ефименко видит основную преграду в затруднённом доступе к новейшим зарубежным технологиям и оборудованию, которое часто попадает под санкции. Это тормозит развитие ИИ, как и общий кризис, снижающий инвестиции.

— Но до сих пор все, что есть даже на мировом рынке, а в России тем более, — это всё пробы, и они продолжатся, — добавил эксперт. — И 2026 год тоже будет осторожным.

Виктор Провоторов считает, что нужно упрощать внедрение, создавая «полуфабрикаты» — готовые решения, которые компании могли бы быстро запускать. Это позволило бы людям без технической грамотности использовать ИИ для рутинных задач.

— Это позволит дать условным домохозяйкам — то есть людям без особой технической грамотности — утилитарный инструмент, отсекая все сложности, — сказал он.

Александр Жуков обратил внимание на то, что руководство компаний часто не понимает, что может дать ИИ. По его мнению, основная проблема — ретроградность IT-отделов, которые могут сопротивляться изменениям.

— Айтишники — зачастую не та область бизнеса, которая готова к инновациям, — подчеркнул Жуков.

Виктор Провоторов привёл пример неудачного внедрения чат-бота в одной петербургской организации, где бот терял контекст, а для его улучшения требовалась дорогая видеокарта. Это, по его словам, показывает отсутствие стратегии и чёткого определения задач.

— Поэтому единственное решение, которое видит эксперт, — это появление на рынке производителей решений, способных убедить именно руководителей, а не IT-отделы.

Татьяна Файнблит считает, что инициатива должна идти снизу, но в благоприятной атмосфере, где сотрудники не боятся увольнения. Также руководителям нужно показывать чёткие кейсы с измеримым эффектом.

— Когда будут четкие модели, которые покажут, что за потраченные деньги вы сможете получить такой эффект, тогда с ними можно идти к руководителю компании и продвигать эти инициативы через него, — заключила она.