Интересное
От разрозненности к системе. Что мешает ИИ-трансформации российского бизнеса
Содержание:
Год назад генеративный искусственный интеллект был модной темой для обсуждений. Сегодня крупные компании переходят от пилотов к подсчёту реальной экономической отдачи. Однако процесс масштабирования сталкивается с системными ограничениями: от устаревшей инфраструктуры до подготовки сотрудников. Почему попытки «прикрутить» ИИ к старым процессам проваливаются? Какие проекты уже приносят миллиардную экономию? С чего начинать трансформацию, чтобы избежать ошибок на старте?
О барьерах внедрения ИИ и способах их преодоления рассуждают управляющий директор Axenix, руководитель практики «Данные и прикладной искусственный интеллект» Лариса Малькова и сооснователь холдинга «ЭР-Телеком» (торговая марка «Дом.ру») Дом.ру Михаил Воробьёв.
Подкаст «Цифра в деле: как искусственный интеллект меняет корпоративный бизнес» — во втором сезоне проекта СберПро вместе с экспертами и управленцами из разных отраслей разбираемся в генеративном ИИ — его перспективах и реальном влиянии на бизнес. Первый сезон был посвящён вопросам цифровой трансформации.
Слушать на платформах:
Мультиагентный ИИ: пример, который стоит изучить
2025 год стал переломным для российского бизнеса: компании массово перешли от обсуждения возможностей ИИ к реальным экспериментам, считает Лариса Малькова. Эксперт отмечает, что для крупных корпораций одного года недостаточно, чтобы снять все барьеры и выработать универсальные подходы.
Она предлагает ориентироваться на вектор развития, заданный глобальными игроками и приводит пример китайской интернет-компании, которая в сезон скидок работала с покупателями с помощью мультиагентной сети. Агент-продавец формировал индивидуальную скидку для каждого покупателя в реальном времени, агент-цензор отслеживал влияние на общий P&L бизнеса, а агент-арбитр находил между ними компромисс. Результат — компания сэкономила 7% маржи на колоссальных объёмах продаж.
По словам Ларисы Мальковой, внедрение мультиагентных архитектур требует последовательной подготовки — необходимо выстроить систему управления данными и бизнес-процессами. Российские компании уже вступили этот путь. Этому способствовало импортозамещение и обретение технологической устойчивости. Сейчас, когда базовая стабильность обеспечена, у российских компаний появилось «окно возможностей» для системной ИИ-трансформации, — подчёркивает Малькова.
Лариса Малькова
Управляющий директор практики «Данные и прикладной искусственный интеллект» компании Axenix
Большинство компаний пришли к гибридному сценарию. С точки зрения больших языковых моделей мы используем российское у себя в закрытом контуре, чтобы работать с собственными данными. Но имеем возможность получить знания, исследования. А когда нужно поговорить с умным спарринг-партнёром, у сотрудников есть возможность обращаться к мировым лидерам.
Почему ИИ не стоит «прикручивать» к старым процессам
Михаил Воробьёв указывает на фундаментальную проблему, с которой сталкиваются компании при реализации ИИ-проектов. Часто они пытаются механически добавить технологию к старым бизнес-процессам, повторяя ошибку времён электрификации. «То же самое происходило, когда появлялось электричество вместо паровых двигателей. Победили стратегически мыслящие игроки — не те, кто просто стал закупать электричество, а те, кто внедрил его во всю сквозную цепочку процессов», — рассказывает Михаил Воробьёв.
Эксперт поясняет, что для получения экономического эффекта необходимо менять корневые функции бизнеса. «Инвестиции появляются, когда компания на инвестиционном комитете видит, что она потратит средства и получит экономический эффект. Когда эффект не виден, деньги идут в понятные проекты — станки, здания, больницы», — говорит Воробьёв. При этом, по его наблюдениям, автоматизация исключительно вспомогательных функций пока не даёт существенного влияния на общую экономику предприятия.
Сопротивление изменениям со стороны сотрудников, по её опыту, преодолимо: достаточно двух месяцев, чтобы у людей сформировалась привычка работать по-новому.
Как не превратить данные в препятствие
Эксперты сходятся во мнении, что самые значимые барьеры на пути к ИИ-трансформации — качество данных и цифровой инфраструктуры.
По словам Михаила Воробьёва, никогда раньше перед компаниями не стояла задача накапливать и структурировать данные в таких объёмах. Поэтому сейчас между функциональными подразделениями часто отсутствует сквозная интеграция. Такую ситуацию он характеризует как «зоопарк систем и решений» — один из главных барьеров на пути к внедрению ИИ.
Лариса Малькова конкретизирует: для работы ИИ-агентов необходимо, чтобы внутренние знания компании — нормативные документы, методики, инструкции — были подготовлены для работы больших языковых моделей. В большинстве компаний до сих пор этого не происходило из-за отсутствия прямого экономического эффекта и сжатых сроков внедрения. Компании начинают приходить к необходимости подготовки данных инфраструктуры только сейчас, констатирует она.
Работать с данными, по мнению Михаила Воробьёва, поможет регулярная цифровая гигиена. «Это оцифровка процессов, структурирование данных, каталогизация, размечивание данных. Это в любом случае необходимо для повышения качества принятия решений, для более лёгкой интеграции с любыми внешними, более эффективными решениями», — говорит он.
Как ускорить внедрение ИИ без доработки моделей «с нуля»
Большие языковые модели решают задачи клиентского сервиса и маркетинга. Однако для многих компаний барьером остаётся подготовка данных и интеграция ИИ в корпоративные процессы. Корпоративная платформа для создания ИИ-агентов ГигаЧат для Бизнеса работает с внутренними документами, инструкциями и нормативной базой. Модель можно адаптировать под отраслевую специфику без дорогостоящего дообучения, а встроенные инструменты для создания ИИ-агентов позволяют автоматизировать рутинные задачи и масштабировать успешные сценарии.
Подробнее о продукте рассказываем здесь.
Быстрые победы и новые модели управления: опыт российских компаний
Несмотря на системные барьеры, российский бизнес успешно внедряет ИИ и получает оперативный результат. Лариса Малькова приводит в пример функцию закупок и снабжения. «Появляется новая номенклатура, нужно найти минимальную цену на рынке, а у разных поставщиков одно и то же называется по-разному. Раньше специалист тратил часы, сверяя это глазами. Сейчас обычная большая языковая модель делает это за минуты — ничего дообучать не требуется», — рассказывает она. По словам эксперта, аналогичные быстрые проекты реализуются и в клиентском сервисе, и в маркетинге.
Такой результат становится возможным не только благодаря технологиям, но и сдвигам в управленческих моделях. По мнению Воробьёва, проникновению ИИ в практику способствует переход от классической иерархической модели к децентрализованным рыночным юнитам.
Михаил Воробьёв
Сооснователь холдинга «ЭР-Телеком» (торговая марка «Дом.ру»)
Когда ты декомпозируешь бизнес на набор функций и помещаешь их в рыночную среду, у них появляется мотивация внедрять самые современные инструменты. В классическом бизнесе человека увольняют за ошибку. В венчурных компаниях увольняют за то, что не сделал ни одной ошибки.
Роль человека в новом мире
По словам Михаила Воробьёва, людям придётся переосмыслить профессиональные роли, которые они играли в бизнесе. Лариса Малькова считает, что по мере автоматизации рутины ключевым навыком управленца станет экспертная интуиция и стратегическое видение.
«Чем больше мы будем отдавать на откуп искусственному интеллекту, тем больше человек будет становиться над процессом. Он будет его стратегией, дирижёром и так далее. Это будет мир нечеловеческих скоростей, но им всё равно нужно будет рулить — ощущать, всё ли в порядке. Как ты будешь это делать на таких скоростях? Только с помощью интуиции», — говорит Лариса Малькова.
Чек-лист для руководителя: с чего начать ИИ-трансформацию
Российский бизнес переходит от пилотов к промышленному использованию нейросетей, но сталкивается с барьерами при масштабировании из-за качества данных и инфраструктуры. Успех требует не только автоматизации вспомогательных задач, но и перестройки бизнес-функций.
Что это значит для бизнеса
Редакция СберПро
Автор