Внедрение искусственного интеллекта — главный технологический тренд последних лет. Его применение должно привести к росту производительности труда, упрощению множества процессов, снижению непроизводительных затрат. Государство выделяет немалые средства на поддержку ИИ-проектов. Однако пока ИИ-решения внедряются точечно и не всегда приносят ожидаемый эффект. О перспективах технологии говорили участники организованной CNews Conferences конференции «Технологии искусственного интеллекта 2025».
Государство и искусственный интеллект
Конференция «Технологии искусственного интеллекта 2025» началась с выступления модератора Надежды Суровой, директора Центра компетенций «Цифровая экономика», члена Совета по цифровой экономике Совета Федерации. Она рассказала о мерах поддержки, на которые могут рассчитывать компании, разрабатывающие или внедряющие решения на базе искусственного интеллекта (ИИ). На настоящий момент определены 7 приоритетных направлений научно-технического развития и 28 технологий, на развитие которых выделяются государственные субсидии. Во многих проектах заложены деньги на развитие ИИ.
Кроме того, значительные средства предусмотрены и на подготовку специалистов. А значит, можно включить свои технологии в учебные программы учебных заведений и получать деньги за их использование. И, конечно, деньги на развитие ИИ заложены в национальном проекте «Экономика данных». Надежда Сурова посоветовала не упускать возможность получить государственное финансирование ИИ-проектов.
Национальные проекты технологического лидерства
Продолжил тему государственной поддержки развития ИИ Андрей Свинцов, заместитель председателя комитета Государственной Думы по информационной политике, информационным технологиям и связи. «Законодательство в области искусственного интеллекта в нашей стране отсутствует», — отметил он и рассказал, что организовал рабочую группу, которая займется его созданием. На первом этапе предполагается разработать базовый закон об ИИ, прописать в нем, что это такое, как ИИ можно использовать и коммерциализировать. «Бездумное использование ИИ-моделей и баз данных, на которых они обучаются, может в будущем привести к большим проблемам», — предостерег Андрей Свинцов.
Ксения Таракановская, эксперт ВЦИОМ, поделилась результатами исследования отношения россиян к ИИ. За последние 3 года доля граждан, которые знают и могут объяснить, что такое ИИ, увеличилась с 32% до 50%, а тех, кто впервые слышат о нем, сократилась с 18% до 6%. 52% опрошенных доверяют ИИ, не доверяют — 38%.
Причины недоверия ИИ
Граждане России считают, что благодаря ИИ уменьшатся затраты времени на рутину, повысится производительность труда, освободится время от рутинной и однообразной работы, повысится комфорт жизни и вырастет ее безопасность. В списке негативных последствий — ИИ можно использовать в корыстных целях, ИИ собирает данные, которые могут быть похищены, ИИ может принимать неправильные решения, за его решения никто не отвечает и их невозможно отменить. Также 40% респондентов опасается, что ИИ оставит их без работы.
Арутюн Аветисян, директор ИСП РАН, академик РАН, напомнил, что ИИ уже окружает нас везде. Он становится все дешевле и умнее, а значит, будет все активнее распространяться и влиять на нашу жизнь. Одна из ключевых проблем ИИ – проблема доверия. Доверенность должна быть обеспечена с двух сторон — со стороны кибербезопасности и с социогуманитарной стороны. А для этого необходимо создавать собственные инструменты и методы разработки.
Надежда Сурова, директор Центра компетенций «Цифровая экономика», член Совета по цифровой экономике Совета Федерации, модератор конференции: На настоящий момент определены 7 приоритетных направлений научно-технического развития и 28 технологий, на развитие которых выделяются государственные субсидии. Во многих проектах заложены деньги на развитие ИИ
Андрей Свинцов, заместитель председателя комитета Государственной Думы по информационной политике, информационным технологиям и связи: Законодательство в области искусственного интеллекта в нашей стране отсутствует
Ксения Таракановская, эксперт ВЦИОМ: 40% респондентов опасается, что ИИ оставит их без работы
Арутюн Аветисян, директор ИСП РАН, академик РАН: ИИ уже окружает нас везде
Илья Петухов, руководитель направления развития бизнеса Directum: Искусственный интеллект можно внедрять для того, чтобы больше зарабатывать, или для того, чтобы меньше тратить
Михаил Граденко, директор департамента технологий искусственного интеллекта «Русал»: Мы часто забываем прописную истину, что бизнесу нужны “забитые гвозди”, а не “молоток”
Игорь Бархатов, директор Управления моделирования КИБ и СМБ Департамента анализа данных и моделирования ВТБ: Проблема заключается в том, что все рассчитывают заработать с помощью ИИ деньги, но это получается далеко не всегда
Олеся Колосовская, руководитель Лаборатории генеративного искусственного интеллекта НЛМК: С ChatGPT и генеративным ИИ связывают большие надежды, например, рост прибыли на 30-40%
Владислав Беляев, сооснователь и исполнительный директор AutoFAQ: Цифровая трансформация сама по себе не приносит финансовой выгоды. Чтобы получить экономический эффект, надо внедрять технологии в конкретные процессы
Максим Иванов, директор по искусственному интеллекту «Сбер Бизнес Софт»: Можно внедрить HR-бота для поиска резюме и утверждать, что компания использует ИИ
В 2024 г. при поддержке Минцифры создан Консорциум для исследований безопасности технологий искусственного интеллекта. Сейчас в него входят НТЦ ЦК, Академия криптографии и ИСП РАН, присоединяются компании и вузы. Его цель — создание технологий доверенного ИИ, разработка криптографических методов его защиты, работы по анонимизации данных. «Внедрение ИИ остановить нельзя. Но можно обеспечить его безопасность, научить нас доверять этим технологиям. Для этого нужно уделять доверенному ИИ все больше внимания, создать соответствующую научно- технологическую базу для формирования регуляторики и разработки инструментов обеспечения доверия», — говорит Арутюн Аветисян.
Зачем компаниям искусственный интеллект
Внедрение искусственного интеллекта — безусловный тренд последних лет. Однако, зачем он бизнесу? Илья Петухов, руководитель направления развития бизнеса Directum, поделился результатами исследований. 84% пользователей знают и пробовали использовать ИИ, 53% компаний используют ИИ, 73% компаний выделяют бюджеты на внедрение ИИ. Технологий ИИ много — это генеративный ИИ, рекомендательные системы, обработка естественного языка, компьютерное зрение, распознавание и синтез речи. «Искусственный интеллект можно внедрять для того, чтобы больше зарабатывать, или для того, чтобы меньше тратить», — говорит Илья Петухов.
Развитие технологии
Он поделился примерами проектов, которые приносят реальный экономический эффект. Например, при использовании распознавания, классификации и маршрутизации по ответственным удалось в 2 раза сократить затраты на работу с обращениями граждан в одном из регионов. В Systeme Electric распознавание документов сократило в 3 раза время на работу с входящей корреспонденцией. Благодаря этому высвободилось до 200 часов в месяц на другие задачи. В «Татспиртпром» за счет распознавания и классификации при помощи ИИ обработка и передача документов в цифровой финансовый архив происходит в 2 раза быстрее. «Пока ИИ слепо выполняет поставленную перед ним задачу, как обучишь — так и будет работать. Однако не за горами время, когда он сможет выполнять интеллектуальные функции человека», — уверен Илья Петухов.
«Мы часто забываем прописную истину, что бизнесу нужны “забитые гвозди”, а не “молоток”. Но из-за технологического хайпа наше внимание фиксируется “молотке” — на технологиях и инструментах, таких как ML (включая AI), Business Intelligence, Big Data Analysis. Мы забываем о назначении этих инструментов, о том, что это всего лишь средства преобразования данных в ценность или как сейчас говорят средства Data Intelligence», — начал свое выступление Михаил Граденко, директор департамента технологий искусственного интеллекта «Русал».
В «Русале» существует собственная DSML-платформа, которая объединяет инфраструктуру, среду для разработки и эксплуатации, технические руководства и процессы разработки, административные регламенты и процессы менеджмента. Михаил Граденко подробно рассказал, что она из себя представляет. По его мнению, Data Intelligence платформы становятся местом кристаллизации экспертизы работы с данными. Именно вокруг них формируются индустриальные практики, которые обеспечат повсеместный успех преобразования данных в ценность. Одновременно при разработке ПО на основе DevOps-практик в компании начинают проникать Dev Platform Engineering. Вместе они становятся основой для создания настоящих Intelligent Products.
«Проблема заключается в том, что все рассчитывают заработать с помощью ИИ деньги, но это получается далеко не всегда», — говорит Игорь Бархатов, директор Управления моделирования КИБ и СМБ Департамента анализа данных и моделирования ВТБ. Представим, что компания потратила немалые деньги на внедрение ИИ. После этого наступает момент, когда надо пользоваться его рекомендациями. Но готов ли к этому руководитель? Дело в том, что человек принимает решения, основываясь на своей системе ценностей. Поэтому полностью положиться на мнение ИИ ему очень сложно.
В качестве примера Игорь Бархатов предложил участникам конференции ответить на пару вопросов. Большинство из них признались, что если бы им предложили открыть вклад под -20%, они бы отказались, но если бы ИИ предсказал, что их бизнес принесет убыток в 20%, продолжили бы им заниматься.
Александр Бочкин, генеральный директор «Инфомаксимум»: Компании уже автоматизировали большинство бизнес-процессов, однако ручного труда еще предостаточно
Павел Миронов, главный архитектор ЕПЦС СМП, Центр отраслевой архитектуры и интеграции «Гринатома»: На судне ведется журнал, где фиксируются все события — это ценный источник данных для анализа и прогнозирования
Антон Берестень, ведущий специалист Департамента анализа данных и AI «АТОЛЛис»: Мы решили создать интеллектуального диспетчера
Илья Фомичев, руководитель направления искусственного интеллекта SimbirSoft: ИИ помог сократить время на проверку документации в 5 раз. Количество пропущенных ошибок снизилось на 80%
Татьяна Мосендз, эксперт НТИ «Нейронет», куратор направления «Корпоративное обучение» Русской школы управления: На первый план выходит монетизация обучения. Компании тщательно просчитывают возврат инвестиций
Дмитрий Муравьев, руководитель группы математического моделирования и продвинутой аналитики «ММК – Информсервис»: Сегодня черная металлургия находится на этапе перехода от эпизодического использования ИИ к выработке полноценной ИИ-стратегии
Дмитрий Еремеев, Data Scientist компании «Росгосстрах»: Страховая компания использует ИИ для моделирования рисков в КАСКО и ОСАГО, моделирования спроса
Фрэнк Шихалиев, куратор ИИ проектов компании «Росгосстрах»: Использование ИИ приносит компании около 300 млн руб. в год
Евгений Спорыхин, системный аналитик MPSTATS: Сегодня многие компании внедряют ИИ, потому что это в тренде, и для этого ищут готовые решения, покупают на рынке экспертизу, нанимают команду или делают все собственными руками
С ChatGPT и генеративным ИИ связывают большие надежды, например, рост прибыли на 30-40%, говорит Олеся Колосовская, руководитель Лаборатории генеративного искусственного интеллекта НЛМК. В НЛМК существует Централизованная лаборатория GenAI — акселератор инноваций, цель которого: формирование потока инициатив, ускорение запуска проектов, снижение инфраструктурных и проектных затрат. Олеся Колосовская поделилась опытом взаимодействия с бизнесом. К настоящему времени запущено уже 10 проектов с использованием GenAI, его также используют разработчики.
Олеся Колосовская рассказала, как научиться извлекать прибыль из GenAI, сформировать команду для разработки и внедрения моделей, обеспечить информационную безопасность. Начать работу с GenAI можно, запустив on-prem песочницу. Для нее достаточно 5 GPU, 3 высокопроизводительных сервера.
«Цифровая трансформация сама по себе не приносит финансовой выгоды. Чтобы получить экономический эффект, надо внедрять технологии в конкретные процессы», — уверен Владислав Беляев, сооснователь и исполнительный директор AutoFAQ. С помощью GenAI создаются подсказки операторам поддержки, чат-боты, происходит обучение сотрудников. На производстве генеративный ИИ контролирует качеств на основе отзывов, оценивает изменения параметров оборудования, занимается предиктивной аналитикой, мониторингом безопасности, оптимизацией процессов и планирования. Он может помочь в написании кода или автоматически его документировать, использоваться в платформах по управлению ИТ-процессами. С помощью GenAI может быть создан цифровой продавец.
Основное применение GenAI от AutoFAQ Xplain в бизнес-процессах
Ассистенты на основе AutoFAQ Xplain приносят более 5 млн руб. экономии в год на каждый 10 сотрудников, которые ими пользуются, говорит Владислав Беляев.
Как можно использовать ИИ
Мировой рынок ИИ растет быстрее, чем ожидалось. Еще недавно предполагалось, что темпы роста составят 35-40%, а сейчас речь идет о 60-85%. В России до сих пор во многих отраслях ИИ-решения используются точечно. «Опросы, использует ли ваша компания ИИ, не показательны. Можно внедрить HR-бота для поиска резюме и утверждать, что компания использует ИИ», — говорит Максим Иванов, директор по искусственному интеллекту «Сбер Бизнес Софт».
Карты рынка ИИ-продуктов России (в ключевых отраслях)
Сейчас на российском рынке представлено достаточно много отраслевых решений на базе ИИ, но, как правило, они закрывают очень ограниченный список задач. Есть также универсальные решения, применимые в разных отраслях. По словам Максима Иванова, у ИИ большое будущее — технология будет развиваться в сторону решения широкого спектра заранее не определенных задач, отсутствия необходимости сбора данных для решения этих задач, удобного речевого управления и самостоятельного дообучения.
Александр Бочкин, генеральный директор «Инфомаксимум», рассказал, что в предлагаемой его компанией системе Proceset появился новый модуль — «Цифровой сотрудник». Компании уже автоматизировали большинство бизнес-процессов, однако ручного труда еще предостаточно. Технология Task Mining в системе Proceset автоматически анализирует бизнес-операции, которые регулярно выполняют сотрудники, и воссоздает реальную последовательность их выполнения. После этого появляется возможность передать часть из них ИИ.
Этапы проекта полного цикла
ИИ способен проанализировать документы, извлечь данные, адаптироваться к контексту и принять решение, что делать дальше. Он может непосредственно взаимодействовать с информационными системами. Цифровой сотрудник наиболее эффективен там, где сотрудники выполняют рутинные задачи, например, при обработке запросов регуляторов, взаимодействии с контрагентами и клиентами.
Павел Миронов, главный архитектор ЕПЦС СМП, Центр отраслевой архитектуры и интеграции «Гринатома», рассказал о Единой платформе цифровых сервисов (ЕПЦС) Северного морского пути — она планирует маршруты, отслеживает ледовые условия, управляет портами и обеспечивает безопасное судоходство. В основе ЕПЦС СМП лежит платформа АТОЛЛ. В ходе плавания судно постоянно обменивается информацией с диспетчером. На судне ведется журнал, где фиксируются все события — это ценный источник данных для анализа и прогнозирования.
«Мы решили создать интеллектуального диспетчера, и сразу столкнулись со сложностями», — говорит Антон Берестень, ведущий специалист Департамента анализа данных и AI «АТОЛЛис». Например, заранее неизвестен тип события, сообщения отправляются на разных языках или транслитом, в них может быть личная информация, единицы измерения значений в сообщениях могут отличаться, трактовка содержимого может зависеть от типа события.
Единая платформа цифровых сервисов Северного морского пути
Антон Берестень рассказал, как удалось преодолеть эти сложности. Были созданы нейросетевые модели фильтрации сообщений и фильтрации контента, нейросетевой экстрактор значений, детектор типа сообщений, декодер аварий на судах, детектор языка сообщений, интеллектуальный унификатор значений. Всего было реализовано 9 ИИ-моделей.
Илья Фомичев, руководитель направления искусственного интеллекта SimbirSoft, поделился опытом реализации проекта для Европейской компании, создающей техническую документацию в строительстве. Заказчику необходимо было соответствующее стандарту ISO/IEC/IEEE29148 решение, способное ускорить проверку и корректировку технической документации, минимизировать влияние человеческого фактора. Специалисты SimbirSoft разработали систему анализа технической документации с использованием технологии искусственного интеллекта (машинного обучения или LLM).
Функциональность и ключевые компоненты системы
В результате время на проверку документации сократилось в 5 раз. Количество пропущенных ошибок снизилось на 80%. Документация соответствует стандарту ISO/IEC/IEEE29148 и внутренним стандартам компании на 99%.
Илья Фомичев подчеркнул, что это решение можно использовать для аудита внутренних и внешних регламентов (корпоративные политики, соглашения, контракты), проверки документов на качество, полноту и соответствие требованиям законодательства, контроля технического соответствия в сложных инженерных проектах в телекоме, автомобиле- и авиастроении, обработка документации в медицинских и фармацевтических компаниях, где также строгие нормативы.
К 2030 г. по прогнозу Министерства труда и социальной защиты РФ дефицит квалифицированных кадров может составить 3,1 млн человек, напомнила Татьяна Мосендз, эксперт НТИ «Нейронет», куратор направления «Корпоративное обучение» Русской школы управления. Сейчас приоритет отдается таргетному обучению — в тренде курсы, которые дают результат уже через 3-5 мес. «На первый план выходит монетизация обучения. Компании тщательно просчитывают возврат инвестиций», — говорит Татьяна Мосендз. А значит, надо тщательно планировать и оценивать эффективность образовательных программ.
Татьяна Мосендз привела примеры использования ИИ в обучении и развитии персонала. Это может быть ИИ-ассистент преподавателя для подготовки образовательного контента и персонализации учебных программ с учетом анализа прогресса студентов и их интересов. Для автоматизации процесса тестирования знаний сотрудников и формирования индивидуальных планов развития используется система дистанционного обучения на базе ИИ. ИИ помогает также адаптировать образовательные траектории сотрудников к их потребностям и карьерным целям, оценивать компетенции и подбирать подходящие тренинги.
Сегодня черная металлургия находится на этапе перехода от эпизодического использования ИИ к выработке полноценной ИИ-стратегии. Внедрение ИИ в металлургии позволяет сократить сроки выполнения процессов и принятия решений, улучшить потребительские характеристики продуктов и сервисов, клиентский опыт, сократить количество ошибок и просчётов, которые связаны с человеческим фактором, формировать индивидуальные предложения и траектории, говорит Дмитрий Муравьев, руководитель группы математического моделирования и продвинутой аналитики «ММК – Информсервис».
В ММК создан Центр компетенций по искусственному интеллекту. В компании реализовано более 70 проектов, и они приносят более 30 млрд руб. в год. Кейсы для реализации проектов тщательно отбираются, затем тщательно анализируются на стадии pre-MVP на предмет достижения KPI. Если они не достигают запланированных показателей, то проект не получает продолжения.
Дмитрий Еремеев, Data Scientist компании «Росгосстрах», рассказал, страховая компания использует ИИ для моделирования рисков в КАСКО и ОСАГО, моделирования спроса. В ходе обучения ИИ-модели постепенно усложняются, к ним подключаются нейросети.
Продолжил список Фрэнк Шихалиев, куратор ИИ проектов компании «Росгосстрах». Он поделился опытом использования LLM в работе колл-центра для обработки вызовов, ИИ для обработки звука, OCR, распознавания повреждений. По его словам, использование ИИ приносит компании около 300 млн руб. в год. В будущем компания планирует внедрять мультимодальные модели в периметре компании, корпоративные платформы чат-ботов, новые подходы борьбы с мошенничеством на базе ИИ, корпоративные системы работы с различными внешними моделями и пр.
«Сегодня многие компании внедряют ИИ, потому что это в тренде, и для этого ищут готовые решения, покупают на рынке экспертизу, нанимают команду или делают все собственными руками», — говорит Евгений Спорыхин, системный аналитик MPStats. Его компания решила использовать Open Source и low-code, в частности n8n. Это гибкое визуальное решение, а значит, не нужно знать код, чтобы сделать рабочий продукт. n8n содержит сотни готовых интеграций, его можно использовать бесплатно.
Теперь MPStats быстро собирает прототипы, легко адаптирует логику в случае изменений, сократила затраты на разработку, поддержку и внедрение ИИ-решений. Евгений Спорыхин рассказал, как с помощью n8n в компании создают умных ассистентов, они узнают потребности пользователя, формируют запросы к базе данных, получают данные и готовят ответ. Точность рекомендаций составляет 80%. В списке сервисов — оценка качества звонков, ИИ-ассистент техподдержки.