ИИ без сопротивления: внедрить, чтобы работало
По данным McKinsey, лишь 7% компаний внедрили ИИ на корпоративном уровне , большая часть проектов не выходит за рамки пилотных запусков и экспериментальных внедрений. Как показывает российская практика, современный бизнес не располагает временем для длительной подготовки, а экономика требует стремительных и эффективных решений — топ-менеджмент ожидает конкретного измеримого результата. И в этом контексте к ИИ-сервисам сохраняется много вопросов. Можно ли утверждать, что время долгих тестирований уходит в прошлое? И как сегодня выглядит процесс имплементации ИИ-стратегий в российских компаниях?
Согласно исследованию BCG, в 2026 году компании рассчитывают удвоить инвестиции на внедрение ИИ в бизнес-процессы и даже при отсутствии быстрой окупаемости сокращать вложения средств не планируют. Стоит добавить, что в масштабах оборотов бизнеса траты на ИИ-проекты пока не так существенны: 2% от дохода выделяют компании из сферы финансов, а промышленный сектор и недвижимость — не более 1%.
МТС Web Services делает технические продукты, которые легко встраиваются в ИТ-контур. Все решения и платформы изначально компания тестирует в масштабе собственной инфраструктуры и на собственных бизнес-процессах, только после предлагает их внешнему рынку. Согласно бизнес-целям, компания приняла стратегию использовать ИИ в двух операционных направлениях: приоритетно повышать с помощью ИИ эффективность производства и ускорять продажи. Эта же стратегия применима ко многим предприятиям, вне зависимости от сферы и масштабов бизнеса. Задача большинства руководителей сегодня — повышать выручку при ограниченном ресурсе, ИИ хорошо встраивается в эту концепцию.
Если раньше бизнес был готов длительно тестировать решения, проверять гипотезы и смотреть эффект на масштабе, то сегодня все ищут проверенный и доказанный по своей эффективности сценарий. Например, в B2C-сегменте использование ИИ чаще всего позволяет экономить на массовых продажах и обслуживании, в колл-центрах флагманским продуктом выступает речевая аналитика, в сфере банков и финансов ИИ доверяют выявление потенциальных рисков, работу с клиентами в чат-ботах и первичный антифрод мониторинг. Все, что можно безопасно отдать ИИ, бизнес с удовольствием старается делегировать, экономя при этом до 4 трлн рублей в год в масштабах страны.
Сценарии внедрения ИИ отличаются в зависимости от объемов бизнеса. Небольшие компании сегодня чаще выбирают западные открытые нейросети и экспериментируют с их возможностями, подбирая методом проб и ошибок процессы для оптимизации. Однако этот метод не так безопасен для критичной бизнес-информации — согласно исследованию TechRadar, 58% сотрудников используют неутвержденные ИИ-инструменты, а значительная часть передает в них рабочие данные.
Крупные предприятия имеют больше обязательств и ответственности, в том числе в сфере информационной безопасности, поэтому использование открытых систем зачастую недопустимо. Каждый выбирает свой путь развития: кто-то старается разрабатывать решения на основе ИИ самостоятельно, кто-то обращается к вендорским моделям от российских производителей и адаптирует их под себя. Оба решения возможны, но коммерчески каждый случай необходимо рассматривать отдельно.
Еще одна важная часть процесса, с которой сталкивается практически каждая компания при внедрении ИИ-стратегии — это качественная подготовка кадров и обоснование необходимости внедрения. Пока чаще происходит ситуация, когда внутренние сотрудники не понимают технологию и саботируют применение ИИ в процессах. Поэтому большинство ИИ-инициатив буксует не из-за технологической незрелости решений, а из-за «человеческого фактора». Это подтверждают исследования, согласно которым до 80% сотрудников не доверяют ИИ.
В этом случае бизнесу важно иметь аргументированный и последовательный подход. Для этого привлекают внешнюю экспертизу, нанимают директоров по ИИ (Chief AI Officer). Специалист формирует карту ИИ-трансформации, которая проходит через все уровни и процессы бизнеса. Программа делится на этапы внедрения и в зависимости от имеющихся ресурсов бизнес последовательно внедряет продукты, сокращая расходы в соответствии со стратегией.
Из-за дефицита кадровых ресурсов многие компании растят экспертизу самостоятельно, либо привлекают вендоров для точечных внедрений. Или не выбирают какое-то одно решение, а стараются внедрять лучшую модель ИИ для каждого направления исходя из запроса. Если предложенное вендором решение с открытым кодом позволяет решать задачи маркетинга, аналитики или первичной работы с документами — используют то, что доступно, не изобретая новое.
Однако если бизнес связан с персональными данными и должен соблюдать требования законодательства по хранению данных на территории России, то встает вопрос закупки серверов. В результате расходы на содержание подобных ИИ-инициатив могут кратно превосходить эффективность их использования.
Также большое внимание при внедрении ИИ в бизнес стоит уделять тестированию сценариев обслуживания клиентов: то, что подходит для отдельных компаний в формате собственной разработки, не подойдет для крупного бизнеса, следовательно, потребуется также привлекать вендора и экспертизу с рынка.
«Каждый сценарий использования ИИ нужно серьезно проверять на корректность взаимодействия с конечными клиентами, потребителями, сотрудниками. Если внутренние коллеги могут простить какие-то галлюцинации ИИ-ассистентов, то неправильно подобранный ответ от ИИ, транслируемый клиенту, может привести к серьезным репутационных рискам. Тестирование алгоритмов работы ИИ и постоянное обучение нейросети также становится одной из важных статей расходов при внедрении»
Самый частый вопрос бизнеса при переходе к ИИ-трансформации связан с вопросом безопасности. Компании несут полную юридическую ответственность за соблюдение законодательных норм, что делаем контроль над контентом, обрабатываемым ИИ-системами, критически важной задачей. Нейросети не обладают врожденным пониманием того, что собой представляет экстремистский контент или ненормативная лексика, однако риск появления таких элементов существует — и он связан с действиями людей, взаимодействующих с технологиями. Для бизнеса такие сбои представляют серьезную угрозу репутации в процесс интеграции ИИ-решений.
Не менее злободневной считается тема постоянного роста стоимости владения ИИ-решениями из-за увеличения объемов данных. Бизнес пилотирует ИИ-решения на малых объемах, но постепенно памяти требуется больше, себестоимость закупки оборудования растет.
«Всего за год объемы российского рынка серверов и систем хранения данных увеличился почти вдвое до 280 млрд рублей — это также подтверждает интерес бизнеса к ИИ»
На первый взгляд, эффективность внедрения ИИ оценивают за счет сокращения рутинных бизнес-процессов и повышения эффективности труда. Но при ближайшем рассмотрении помимо роста стоимости серверов и объемов потребления памяти на конечный расчет влияет стоимость токена или минимальной единицы текста. Также стоит учесть стоимость самих специалистов по работе с ИИ-системами, которых уже называют новой ИТ-элитой. Происходит переориентация рынка и 67% работодателей считают обязательным умение пользоваться ИИ для решения бизнес-задач, эти компетенции значительно повышают зарплату, по статистике hh.ru.
В итоге ИИ демонстрирует эффективность далеко не в каждом случае. Ключевую роль играет масштаб проекта, когда компания должна просчитать все детали внедрения, оценить риски и стоимость каждого бизнес-процесса. Несмотря на то, что финансовые параметры ИИ-проектов прорабатываются на этапе пилота, некоторые нюансы проявляются лишь в процессе эксплуатации. Яркий пример — резкий скачок цен на серверное оборудование. В результате даже тщательно просчитанный проект может не окупиться из-за непредвиденного роста операционных расходов.
Скорректировать экономику проекта бизнес способен разными способами: отказом от ресурсоемких алгоритмов или работой с неполными массивами данных. Финансовая модель в таком случае станет более сбалансированной, но практическая польза окажется под вопросом. Эйфория от внедрения ИИ сегодня доступна не всем. В мировом масштабе лидерство по внедрению технологии удерживают Китай и США. В России только несколько Big Tech компаний могут себе позволить экспериментировать с ИИ — остальные рискуют упустить рынок. Сегодня эта сфера напоминает гонку с постоянно меняющейся трассой: выиграет тот, кто первым создаст доступные и работающие ИИ-продукты не только для крупного заказчика, но и для массового рынка.
Этот материал опубликован на платформе бизнес-сообщества Forbes Экспертиза
Бездумные внедрения — в прошлом
Согласно исследованию BCG, в 2026 году компании рассчитывают удвоить инвестиции на внедрение ИИ в бизнес-процессы и даже при отсутствии быстрой окупаемости сокращать вложения средств не планируют. Стоит добавить, что в масштабах оборотов бизнеса траты на ИИ-проекты пока не так существенны: 2% от дохода выделяют компании из сферы финансов, а промышленный сектор и недвижимость — не более 1%.
МТС Web Services делает технические продукты, которые легко встраиваются в ИТ-контур. Все решения и платформы изначально компания тестирует в масштабе собственной инфраструктуры и на собственных бизнес-процессах, только после предлагает их внешнему рынку. Согласно бизнес-целям, компания приняла стратегию использовать ИИ в двух операционных направлениях: приоритетно повышать с помощью ИИ эффективность производства и ускорять продажи. Эта же стратегия применима ко многим предприятиям, вне зависимости от сферы и масштабов бизнеса. Задача большинства руководителей сегодня — повышать выручку при ограниченном ресурсе, ИИ хорошо встраивается в эту концепцию.
Если раньше бизнес был готов длительно тестировать решения, проверять гипотезы и смотреть эффект на масштабе, то сегодня все ищут проверенный и доказанный по своей эффективности сценарий. Например, в B2C-сегменте использование ИИ чаще всего позволяет экономить на массовых продажах и обслуживании, в колл-центрах флагманским продуктом выступает речевая аналитика, в сфере банков и финансов ИИ доверяют выявление потенциальных рисков, работу с клиентами в чат-ботах и первичный антифрод мониторинг. Все, что можно безопасно отдать ИИ, бизнес с удовольствием старается делегировать, экономя при этом до 4 трлн рублей в год в масштабах страны.
Сценарии внедрения: что действительно можно доверить ИИ
Сценарии внедрения ИИ отличаются в зависимости от объемов бизнеса. Небольшие компании сегодня чаще выбирают западные открытые нейросети и экспериментируют с их возможностями, подбирая методом проб и ошибок процессы для оптимизации. Однако этот метод не так безопасен для критичной бизнес-информации — согласно исследованию TechRadar, 58% сотрудников используют неутвержденные ИИ-инструменты, а значительная часть передает в них рабочие данные.
Крупные предприятия имеют больше обязательств и ответственности, в том числе в сфере информационной безопасности, поэтому использование открытых систем зачастую недопустимо. Каждый выбирает свой путь развития: кто-то старается разрабатывать решения на основе ИИ самостоятельно, кто-то обращается к вендорским моделям от российских производителей и адаптирует их под себя. Оба решения возможны, но коммерчески каждый случай необходимо рассматривать отдельно.
Еще одна важная часть процесса, с которой сталкивается практически каждая компания при внедрении ИИ-стратегии — это качественная подготовка кадров и обоснование необходимости внедрения. Пока чаще происходит ситуация, когда внутренние сотрудники не понимают технологию и саботируют применение ИИ в процессах. Поэтому большинство ИИ-инициатив буксует не из-за технологической незрелости решений, а из-за «человеческого фактора». Это подтверждают исследования, согласно которым до 80% сотрудников не доверяют ИИ.
В этом случае бизнесу важно иметь аргументированный и последовательный подход. Для этого привлекают внешнюю экспертизу, нанимают директоров по ИИ (Chief AI Officer). Специалист формирует карту ИИ-трансформации, которая проходит через все уровни и процессы бизнеса. Программа делится на этапы внедрения и в зависимости от имеющихся ресурсов бизнес последовательно внедряет продукты, сокращая расходы в соответствии со стратегией.
Купи, сделай сам и протестируй
Из-за дефицита кадровых ресурсов многие компании растят экспертизу самостоятельно, либо привлекают вендоров для точечных внедрений. Или не выбирают какое-то одно решение, а стараются внедрять лучшую модель ИИ для каждого направления исходя из запроса. Если предложенное вендором решение с открытым кодом позволяет решать задачи маркетинга, аналитики или первичной работы с документами — используют то, что доступно, не изобретая новое.
Однако если бизнес связан с персональными данными и должен соблюдать требования законодательства по хранению данных на территории России, то встает вопрос закупки серверов. В результате расходы на содержание подобных ИИ-инициатив могут кратно превосходить эффективность их использования.
Также большое внимание при внедрении ИИ в бизнес стоит уделять тестированию сценариев обслуживания клиентов: то, что подходит для отдельных компаний в формате собственной разработки, не подойдет для крупного бизнеса, следовательно, потребуется также привлекать вендора и экспертизу с рынка.
«Каждый сценарий использования ИИ нужно серьезно проверять на корректность взаимодействия с конечными клиентами, потребителями, сотрудниками. Если внутренние коллеги могут простить какие-то галлюцинации ИИ-ассистентов, то неправильно подобранный ответ от ИИ, транслируемый клиенту, может привести к серьезным репутационных рискам. Тестирование алгоритмов работы ИИ и постоянное обучение нейросети также становится одной из важных статей расходов при внедрении»
Самый частый вопрос бизнеса при переходе к ИИ-трансформации связан с вопросом безопасности. Компании несут полную юридическую ответственность за соблюдение законодательных норм, что делаем контроль над контентом, обрабатываемым ИИ-системами, критически важной задачей. Нейросети не обладают врожденным пониманием того, что собой представляет экстремистский контент или ненормативная лексика, однако риск появления таких элементов существует — и он связан с действиями людей, взаимодействующих с технологиями. Для бизнеса такие сбои представляют серьезную угрозу репутации в процесс интеграции ИИ-решений.
Себестоимость перемен — выгодно не всем
Не менее злободневной считается тема постоянного роста стоимости владения ИИ-решениями из-за увеличения объемов данных. Бизнес пилотирует ИИ-решения на малых объемах, но постепенно памяти требуется больше, себестоимость закупки оборудования растет.
«Всего за год объемы российского рынка серверов и систем хранения данных увеличился почти вдвое до 280 млрд рублей — это также подтверждает интерес бизнеса к ИИ»
На первый взгляд, эффективность внедрения ИИ оценивают за счет сокращения рутинных бизнес-процессов и повышения эффективности труда. Но при ближайшем рассмотрении помимо роста стоимости серверов и объемов потребления памяти на конечный расчет влияет стоимость токена или минимальной единицы текста. Также стоит учесть стоимость самих специалистов по работе с ИИ-системами, которых уже называют новой ИТ-элитой. Происходит переориентация рынка и 67% работодателей считают обязательным умение пользоваться ИИ для решения бизнес-задач, эти компетенции значительно повышают зарплату, по статистике hh.ru.
В итоге ИИ демонстрирует эффективность далеко не в каждом случае. Ключевую роль играет масштаб проекта, когда компания должна просчитать все детали внедрения, оценить риски и стоимость каждого бизнес-процесса. Несмотря на то, что финансовые параметры ИИ-проектов прорабатываются на этапе пилота, некоторые нюансы проявляются лишь в процессе эксплуатации. Яркий пример — резкий скачок цен на серверное оборудование. В результате даже тщательно просчитанный проект может не окупиться из-за непредвиденного роста операционных расходов.
Скорректировать экономику проекта бизнес способен разными способами: отказом от ресурсоемких алгоритмов или работой с неполными массивами данных. Финансовая модель в таком случае станет более сбалансированной, но практическая польза окажется под вопросом. Эйфория от внедрения ИИ сегодня доступна не всем. В мировом масштабе лидерство по внедрению технологии удерживают Китай и США. В России только несколько Big Tech компаний могут себе позволить экспериментировать с ИИ — остальные рискуют упустить рынок. Сегодня эта сфера напоминает гонку с постоянно меняющейся трассой: выиграет тот, кто первым создаст доступные и работающие ИИ-продукты не только для крупного заказчика, но и для массового рынка.