Генеративный ИИ в России: что мешает превратить пилоты в результат

По данным исследования СберПро и TAdviser, 80% опрошенных компаний планируют расширять применение генеративного ИИ. При этом 67% сталкивались с пилотами, которые так и не дошли до промышленной эксплуатации. Что мешает перспективным разработкам стать рабочими инструментами и что помогает получить измеримый эффект? Разбираем главные выводы исследования: где ИИ уже приносит пользу, почему выбор модели перестаёт быть решающим и что компаниям предстоит изменить, прежде чем доверить агентам самостоятельные действия.

Содержание:

• Чем Россия отличается от мирового рынка
• От пилотов к промышленному использованию
• Что определяет успех: конкуренция переместилась в «обвязку»
• Смена парадигмы: как меняются пилоты и оценка ROI
• Агентные системы: следующий этап эволюции
• Организационный контур: управление, компетенции и теневой ИИ
• Главное по тексту

Чем Россия отличается от мирового рынка

В 2025 году объём глобального рынка генеративного ИИ превысил 100 млрд долларов, а более 70% международных компаний внедрили технологию хотя бы в одной бизнес-функции.

При этом российский рынок развивается в особых условиях, и это влияет не только на выбор технологий, но и на подход компаний к их внедрению:

• государство одновременно выступает регулятором, крупным заказчиком и ключевым соинвестором;
• рынок разработки сосредоточен вокруг трёх-четырёх крупных экосистем, а не большого числа независимых стартапов;
• инфраструктура в первую очередь строится вокруг on-premise-развёртывания — на собственных серверах компании и в защищённом контуре;
• открытый исходный код (open-source) стал одним из основных способов получить доступ к современным архитектурам ИИ;
• ограниченный венчурный рынок заставляет компании чаще опираться на собственные исследования и разработки (research and development, R&D).

Наконец, бизнес рассчитывает на сравнительно быструю окупаемость (return on investment, ROI). В условиях высокой ключевой ставки проекты обычно должны возвращать инвестиции за 12–18 месяцев.

Эти особенности заметно меняют экономику внедрения. Задача, которую на зарубежном рынке можно решить готовым коннектором, в России нередко превращается в полноценный интеграционный проект. Поэтому масштабные R&D-разработки сегодня в основном ведут лидеры рынка: банки, телеком-операторы, ИТ-компании и платформы электронной коммерции. Остальные отрасли чаще идут по пути точечного и постепенного масштабирования.

От пилотов к промышленному использованию

До полноценного масштабирования российскому рынку генеративного ИИ ещё предстоит пройти путь. Сейчас 43% опрошенных компаний экспериментируют с технологией и проводят пилоты, а 31% уже используют решения в регулярной эксплуатации. По оценке интеграторов, полномасштабные продуктивные внедрения есть лишь у 10–15% крупных холдингов.

При этом реальная структура применения ИИ заметно отличается от наиболее заметных публичных кейсов. В лидерах — задачи, где результат можно относительно легко проверить:

• разработка и эксплуатация ПО;
• аналитика данных и подготовка отчётности;
• маркетинговые коммуникации и генерация контента.

Клиентский сервис и контакт-центры, которые долго оставались главным публичным сценарием применения генеративного ИИ, назвали только 22% респондентов.

В мультимодальных сценариях компании пока чаще всего используют две связки: «речь + текст» и «документ + текст». Распознавание и генерация видео или изображений в основном остаются на стадии пилотов.

В каких процессах российский бизнес уже применяет технологии генеративного ИИ

Источник: исследование «Генеративный ИИ в России: особенности, проблемы, тренды», СберПро и TAdviser

Что определяет успех: конкуренция переместилась в «обвязку»

Выбор базовых моделей постепенно перестаёт быть главным вопросом. Разрыв между ведущими коммерческими и открытыми LLM (от англ. large language model — большая языковая модель) сократился до менее чем 3%. Для стандартных бизнес-задач разница между GigaChat, YandexGPT и решениями с открытым исходным кодом невелика. При большой нагрузке на первый план выходит уже стоимость токена. Конкуренция перемещается в инженерную «обвязку»: системную маршрутизацию запросов, трассировку, контроль качества и затрат.

Это хорошо видно по причинам, из-за которых ИИ-проекты останавливаются. У небольших и средних компаний на первом месте по-прежнему несовершенство моделей, так ответили 62% респондентов. Крупный бизнес чаще сталкивается с другой проблемой — качеством корпоративных данных, — которую назвали ограничением 83% организаций.

За проблемами с данными часто стоят более глубокие вопросы: неготовая инфраструктура (43%) и требования информационной безопасности (42%). При этом нехватка компетенций остаётся общим ограничением для компаний разного масштаба. Более трети организаций пока вообще не обучают сотрудников работе с ИИ.

Смена парадигмы: как меняются пилоты и оценка ROI

Этап бессистемных экспериментов постепенно заканчивается. С 2025 года финансовые подразделения всё чаще требуют оценивать полную стоимость владения (total cost of ownership, TCO) и потенциальный бизнес-результат ещё до запуска проекта. При этом единого подхода к измерению эффекта от ИИ на рынке пока нет.

Почти две трети компаний (67%) сталкивались с пилотами, которые так и не дошли до промышленной эксплуатации. Для зрелой организации сама по себе остановка пилота не обязательно означает провал. Вовремя закрытый проект позволяет не тратить ресурсы на решение, которое не даёт нужного эффекта. Главными причинами закрытия проектов респонденты называют отсутствие чёткого управленческого решения и нежелание владельцев бизнес-процессов менять привычные регламенты.

Пока компании чаще всего получают от генеративного ИИ прирост скорости и производительности, оба эффекта отметили по 75% респондентов. На рост выручки или конверсии напрямую указывают только 15% организаций.

Агентные системы: следующий этап эволюции

Российский рынок постепенно переходит от диалоговых чат-ботов, которые ищут информацию в корпоративных базах, к ИИ-агентам, способным самостоятельно выполнять действия. От мирового рынка этот переход пока отстаёт примерно на один-два года.

При этом компании передают агентам полномочия осторожно:

• 55% используют агентов как рекомендательные системы;
• 45% допускают выполнение действий по заранее заданным алгоритмам;
• только 5% доверяют агентам полную автономию в отдельных операциях.

Пока ИИ остаётся ассистентом, сквозной прирост производительности процесса составляет около 10%. Более заметный эффект появляется, когда меняется сам процесс и человек перестаёт участвовать в каждом отдельном действии, контролируя систему на уровне всего цикла. Один из примеров — агентное управление карьерной техникой в добывающей промышленности. Но такие проекты требуют уже не просто внедрения новой технологии, а серьёзных организационных изменений. Подходы и стандарты для них только начинают формироваться.

Какие типы ИИ-агентов внедряет российский бизнес

Источник: исследование «Генеративный ИИ в России: особенности, проблемы, тренды», СберПро и TAdviser

Организационный контур: управление, компетенции и теневой ИИ

Управление ИИ-агентами

Когда ИИ-агент получает доступ к корпоративным ИТ-системам, он становится по сути новым типом цифрового исполнителя. Для таких систем пока не везде существуют привычные правила — нужно определить границы полномочий, порядок аудита действий и ответственность за ошибки.

В мире число «нечеловеческих» учётных записей, связанных с использованием агентов, уже выросло на 76%. Российские компании пока только начинают сталкиваться с масштабным распространением таких систем. Это даёт возможность сразу заложить правила их администрирования, а не выстраивать их задним числом для десятков уже работающих сервисов.

Трансформация ролей и компетенций

Влияние ИИ на кадровую структуру уже отмечают 59% компаний. В первую очередь меняются требования к профессиональным навыкам, об этом говорят 69% респондентов. Далее идут должностные позиции (47%) и функциональные обязанности сотрудников (41%).

При этом 85% компаний допускают, что в будущем отдельные рутинные функции будут оптимизированы. Сегодня же основной эффект от ИИ связан с ростом производительности труда.

Легализация ИИ

Сотрудники всё чаще используют личные нейросети и сторонние ИИ-сервисы для рабочих задач. Полностью запретить такую практику сложно, поэтому компании ищут другой подход: предлагают безопасные корпоративные альтернативы, которые работают внутри защищённого контура.

Интерес к генеративному ИИ при этом остаётся высоким: 80% компаний собираются расширять его применение, ещё 7% сохранят текущий масштаб. Приостановить проекты планируют только 3%.

Дмитрий Исламов

Автор

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в канале в Max. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.