Андрей Рыковзаместитель генерального директора по ИТ и инновациям «ОБИТ» Искусственный интеллект (ИИ) — это не волшебная таблетка и не черный ящик, а обычный инструмент, который помогает решать конкретные задачи. Важно осознавать четкую грань, где заканчиваются прикладные задачи для отдельного пользователя и начинается использование ИИ на уровне корпораций
Ряд собственников, поглощенные текущим хайпом, рассматривают ИИ в первую очередь как возможность для роста капитализации компании, видя, как успешно котируются акции таких гигантов, как NVIDIA или OpenAI. Это создает эффект «массового успеха», из-за чего они обращаются к менеджменту с вопросом: «А что у нас с искусственным интеллектом?» И, чаще всего, наш российский менеджмент сталкивается с отсутствием четкой картины применения ИИ в реальных бизнес-кейсах. В материале заместитель генерального директора по ИТ и инновациям «ОБИТ» Андрей Рыков расскажет о ключевых аспектах и стратегических принципах интеграции инструментов на базе ИИ в бизнес-процессы и перспективах предметного развития технологии.
Содержание:
Смена парадигмы: из экспериментов в сторону пилотных проектов
Генеративный ИИ — это то, о чем сейчас идет активная речь в корпоративном сегменте, и именно этот вид ИИ в ближайшее время получит широкое распространение в России в виде пилотных проектов. Среди ключевых аспектов, которые нужно учесть на пути внедрения генеративного ИИ — определение его реальных возможностей и практик применения, выбор модели развертывания, интеграция в информационные системы.
Реальные возможности генеративного ИИ
Сегодня применительно к российской бизнес-практике уже вырисовывается класс задач, где ИИ хорошо себя проявляет. Одной из самых распространенных задач является работа с базой знаний. В каждой компании накоплен огромный массив информации, но она часто сегментирована, разнородна и распределена по разным источникам — корпоративным порталам, внутренним википедиям или вовсе регламентам и инструкциям в бумажном виде. Задача внедрения ИИ-базы знаний — обеспечить простой вход сотрудникам компании к данным с помощью языковой модели в диалоговом режиме через удобный нативный интерфейс. Например, сотрудник может получить ответ на вопрос о наличии товара на складе и тут же через диалоговое окно оформить поставку, без необходимости проведения нескольких манипуляций вручную через различные информационные системы.
Другой распространенной задачей является классификация запросов. Например, ИИ может классифицировать поступающие запросы, разделяя их на запросы на услуги, инциденты, обращения по техническим вопросам и так далее. В зависимости от классификации ИИ может либо самостоятельно закрыть запрос, либо может маршрутизировать его на живого человека.
Еще одно ответвление — функция ИИ-суфлера. Он применим в сферах, где требуется быстрое принятие решений, соответствие регламентам и работа с большим объёмом информации. В банковской сфере, ритейле или документообороте такой инструмент, обученный на базе знаний с помощью вышеупомянутой технологии RAG, помогает оперативно находить нужные данные и подсказывает оптимальные варианты ответа на основе анализа контекста.
Цифровые тренажеры хорошо используются в качестве инструмента для обучения и адаптации сотрудников, например тех, кто работает с клиентами. Тренажеры моделируют различные сценарии общения, имитируя поведение реального клиента в чате согласно заданной «легенде». Взаимодействуя с тренажером, сотрудник быстрее осваивает практические навыки и будет увереннее чувствовать себя себя в «полевых» коммуникациях. Различные интеллектуальные помощники подобного типа, заточенные под конкретную специализацию, в 2025 году будут только набирать обороты.
Выбор модели развертывания
Использование ИИ требует значительных вычислительных мощностей, видеокарт от той же NVIDIA или специализированных вычислительных карт — вариантов несколько, и каждый сопряжен с немалыми инвестициями. Дорогое оборудование становится барьером для тех, кто не готов вкладываться в инфраструктуру. Однако этому есть альтернатива — использование облачных генеративных сетей, например, больших языковых моделей (LLM) ChatGPT, DeepSeek, Яндекс GPT, GigaChat. По сути это готовый сервис, но его архитектура позволяет использовать облачную модель для внутренних корпоративных задач. Для этого применяется технология RAG (Retrieval Augmented Generation), которая «подмешивает» данные из внутренних источников компании в языковую модель. При этом знания недоступны другим пользователям языковой модели, но вопрос безопасности при передаче этих данных в облако и тем более куда-то на зарубежные серверы, говоря про корпоративный сегмент, является острым, поскольку, как правило, это чувствительная или закрытая информация.
Тут и возникает дилемма — использовать готовое облачное решение или инвестировать в создание локальной инфраструктуры для работы с ИИ. Выход из дилеммы существует и он подразумевают развертывание локальных языковых моделей и аренду, а не покупку, мощностей. На рынке существуют open-source языковые модели, которые можно развернуть внутри закрытого периметра компании. Примером таких моделей является Llama от компании Meta, Qwen от компании Alibaba и недавний DeepSeek, который интересен тем, что распространяется под лицензией MIT, которая позволяет его коммерческое использование. Это означает, что вы можете развернуть эту модель, обучить ее для определенных сценариев и использовать ее не только для своих целей, но и в коммерческих сервисах, предлагая их сторонним организациям.
DeepSeek интересен еще и тем, что открыл «ящик Пандоры» в вопросе того, как создать такую архитектуру моделей, чтобы не требовалось много «железа» и соответственно больших вложений. Но этот вопрос пока открыт, и нас ожидают интересные открытия в области оптимизации нейросетевых архитектур и методов их обучения.
Интеграция в информационные системы
Зрелость российских информационных систем является не меньшим препятствием при внедрении ИИ. Для того, чтобы повысить эффективность любого процесса, последнее, на чтоит делать ставку — это ставить ИИ во главу угла и думать, что он решит все проблемы. Первоначально необходимо пересмотреть и улучшить сами бизнес-процессы: развернуть, спрямить, убрать лишние этапы и понять, за счет каких управленческих решений, решений по автоматизации, решений, связанных с производственными технологиями и решений на базе ИИ эти процессы можно ускорить.
Проблема большинства наших компаний состоит в том, что их информационные системы сильно разрознены и плохо интегрированы между собой. Возникает вопрос — что же делать с ландшафтом, сложившимся во многих предприятиях, а как правило это «зоопарк», и надо ли вкладываться в ИИ, когда условно говоря на базовом уровне все тяжело. С одной стороны, перевнедрение любой информационной системы долго и сопряжено с инвестициями, к этому процессу прибегают, когда компания переживает определенную трансформацию и коренным образом меняет свои бизнес-процессы. С другой стороны, чтобы не накладывать ИИ на «кривую» систему, стоит рассмотреть альтернативные инструменты. Так в свое время применялась технология RPA (технология, которая использует программных роботов для автоматизации процессов), она позволила, с одной стороны, не уходить в долгие проекты внедрения и оптимизации бизнес-процессов, но при этом получить нужный профит в тех процессах, где это возможно сделать безболезненно в условиях технологических препятствий.
Стратегический подход к внедрению ИИ
Фреймворк по разработке результативного ИИ-проекта базируется на проработке следующих блоков.
определение бизнес-задачи, ключевых метрик для оценки эффективности (количественные и качественные показатели);
формирование цифрового актива (инфраструктура и стек технологий);
формирование новой цифровой культуры (реорганизация внутренних процессов и компетенций для полноценного освоения и эксплуатации технологии)
Многие фокусируются исключительно на технологиях, упуская из виду остальные элементы. Стек технологий, наоборот, определяется уже с учетом организационной готовности, целей бизнеса и культурной готовности сотрудников воспринимать и внедрять эти технологии.
Окно возможностей: что откроет ИИ для бизнеса
В 2025 году главным и рынкообразующим трендом станет переход к агентскому ИИ. Автономные агенты собственной специализацией способны решать многоступенчатые сложные задачи, принимая решения без постоянного контроля человека. Но по-настоящему интересно то, что они могут объединяться в мультиагентные системы (MAS) — самоорганизующиеся системы, состоящие из множества ИИ-агентов, которые могут создавать собственные рабочие процессы без заранее заданных сценариев.
Еще одна важная тенденция касается развития унифицированной архитектуры для систем с ИИ. В реальных бизнес-процессах одной модели уже недостаточно: компании пробуют разные решения и с увеличением их количества приходят к непониманию того, как внутри контура будет одинаково эффективно работать «зоопарк» из ML, NLP, анализа данных, компьютерного зрения, RPA и нескольких языковых моделей. Композитный ИИ позволит устранить эти ограничения и будет действовать как «оркестратор», интегрируя различные технологии в единую структуру для получения максимального эффекта от их использования.
Параллельно с развитием больших моделей будет усиливаться тренд на малые языковые модели (SLM) и «дистилляцию» (сужение большой языковой модели до конкретных бизнес-функций и доменных областей). Это компактные нейросети, которые специализируются на конкретных бизнес-задачах. Но, в отличие от LLM, они проще, быстрее, дешевле в обучении и могут стать главным инструментом для внедрения ИИ в узкоспециализированные отраслевые процессы. Читайте также
Топ-10 изменений в сфере регулирования ИС, «цифры» и ИТ В 2024 году в сфере регулирования интеллектуальной собственности, цифровых технологий и ИТ произошли значительные изменения. Был легализован майнинг, введено его налогообложение и создан «МайнингРеестр» для регистрации участников. Физическим лицам разрешено майнить без регистрации при соблюдении лимита потребления электроэнергии. При этом реклама цифровых валют и некоторых финансовых активов запрещена, а цифровая валюта признана имуществом, облагаемым налогом. Введен механизм использования «сиротских» произведений через аккредитованные организации, а также установлены правила бесплатного использования «Произведений Победы» для мероприятий, посвященных памятным датам ВОВ.
***
Внедрение ИИ в настоящий ландшафт российского корпоративного сектора завязано на комплексном подходе, который включает в себя как технические, так и организационные изменения. К этому готовы далеко не все. ИИ сам по себе не решит все проблемы, но он дан нам как дополнительный кирпичик в череду возможностей, которые у нас уже были до этого, чтобы сделать процессы в организации эффективнее и по-новому решать привычные задачи.