Насколько оправдан медийный ажиотаж вокруг генеративного ИИ, с какими вызовами сталкивается бизнес при внедрении технологий и куда движется рынок в России и мире, обсудили академический директор программ Digital Shift, «CPO: управление продуктовой стратегией», директор программ по цифровой трансформации Школы управления СКОЛКОВО Николай Верховский и co-CEO и член совета директоров red_mad_robot, кандидат экономических наук Илья Самофеев.
По прогнозам red_mad_robot, среднегодовой темп увеличения рынка генеративного ИИ в 2024–2030 годах составит 46,48%, а его объем вырастет почти в 10 раз — до $356,1 млрд. Такой бурный рост происходит благодаря инвестициям крупных технологических компаний, таких как OpenAI, Google DeepMind, Anthropic и других.
При этом большинство кейсов внедрения генеративного ИИ пока остаются экспериментальными — компании тестируют различные сценарии, но не всегда получают ожидаемые результаты. Долгосрочные выгоды и ROI (возврат инвестиций) все еще сложно предсказать.
Ключевые тренды и перспективы
В мире
Согласно прогнозам, ближайший год может стать поворотным — когда ИИ перестанет быть просто помощником, выполняющим рутинные задачи, и начнет заменять человека в более сложных бизнес-процессах.
От копайлотов к автономным агентам
Копайлоты — инструменты на основе генеративного ИИ — уже помогают автоматизировать рутинные задачи, такие как написание кода или подготовка аналитических отчетов. Ожидается, что в будущем ИИ-агенты станут полностью автономными и начнут выполнять более сложные функции, частично или полностью заменяя человека в отдельных бизнес-процессах.
В мультиагентных системах несколько ИИ-агентов работают вместе, выполняя разные задачи — последовательные, параллельные или конфликтующие (когда агенты рассуждают, как сделать лучше). Например, в юридической сфере один агент анализирует документы, другой готовит проект ответа, третий форматирует текст, а четвертый оценивает риски. Человек подключается только на финальном этапе, чтобы принять решение. Такие решения уже тестируются в пилотных проектах, и их внедрение в промышленную эксплуатацию — вопрос времени.
Стоит отметить и UI-агентов, которые могут взаимодействовать с интерфейсами, как это делает человек. Например, OpenAI представила решение Operator, где ИИ-агент выполняет действия в браузере, имитируя поведение пользователя. Это открывает новые возможности для автоматизации рутинных задач, таких как заполнение форм или поиск информации.
Композитный ИИ: интеграция разных технологий
Компании интегрируют генеративные модели с классическими алгоритмами и экспертными системами, что позволяет повысить точность и снизить затраты. Например, DeepSeek использует генеративный ИИ в связке с традиционными аналитическими инструментами, эффективно распределяя задачи между различными системами.
RAG: работа с корпоративными знаниями
Набирает популярность технология Retrieval-Augmented Generation (RAG), позволяющая интегрировать ИИ с корпоративными базами данных. Это существенно повышает точность и снижает риски ошибок, решая проблему недостаточной релевантности ответов. RAG уже используется для автоматизации юридических задач, создания интеллектуальных справочников и обработки документов с точностью до 95–97%.
Малые языковые модели (SLM)
Малые языковые модели (SLM) — это легкие и эффективные инструменты, адаптированные для выполнения узких задач и требующие минимальных вычислительных ресурсов. В отличие от масштабных моделей вроде GPT-4, они не нуждаются в мощных суперкомпьютерах и могут работать на локальных устройствах. Эти модели идеально подходят для тех, кто хочет внедрить ИИ, но не готов инвестировать в ресурсоемкие решения.
Примеры применения малых языковых моделей:
- Финансовый сектор: автоматический аудит и прогнозирование.
- Металлургия: анализ специфических данных, которые требуют точности и скорости.
- Производство: контроль качества на заводах, минимизация ошибок.
- Медицина: интерпретация лабораторных исследований, анализ снимков, персонализированные рекомендации.
- Юридическая сфера: подготовка документов, оценка рисков, повышение точности.
Трансформация профессий
Генеративный ИИ уже сейчас меняет рынок труда и стимулирует возникновение новых профессий:
- ИИ-директор — отвечает за стратегию внедрения ИИ в компании.
- Куратор данных — занимается разметкой и подготовкой данных.
- Промт-инженер — разрабатывает эффективные запросы к ИИ-моделям.
Более традиционные профессии также претерпят изменения:
- Младшие разработчики и аналитики будут работать в связке с ИИ-инструментами;
- Руководители должны будут научиться управлять гибридными человеко-машинными командами;
- Компании начнут активно инвестировать в обучение сотрудников новым ИИ-компетенциям.
Отказ от обучения моделей в пользу готовых продуктов
Малому и среднему бизнесу вместо обучения моделей стоит использовать готовые продукты и создавать RAG-системы, которые не требуют огромных объемов данных и мощных серверов. Появление таких моделей, как DeepSeek, показало, что оптимизация алгоритмов делает обучение нейронных сетей более доступным даже при ограниченных ресурсах.
ИИ-грамотность как новый базовый навык
ИИ-сервисы становятся таким же базовым инструментом, как когда-то текстовый редактор Word. В ближайшие годы владение навыками работы с ИИ станет обязательным для всех — от студентов до топ-менеджеров. Без умения формулировать запросы, анализировать данные и взаимодействовать с новыми инструментами эффективно работать в любой сфере будет проблематично.
В России
Развитие ИИ в России идет по своему пути, формируя уникальную экосистему технологий и решений. Среди основных тенденций:
- Локальные разработки. Компании создают и используют российские решения — «МТС», Yandex GPT или GigaChat от «Сбера». Это стимулирует развитие отечественных технологий и разработку специализированных моделей.
- Эксперименты с различными моделями. Компании тестируют и внедряют различные ИИ-модели, что позволяет находить наилучшие решения для повышения эффективности бизнес-процессов и адаптации под меняющиеся условия рынка.
- Активное обсуждение темы AI governance. Появление платформ для регулирования использования ИИ в компаниях особенно важно в условиях растущих рисков, связанных с безопасностью данных и этическими аспектами внедрения технологий. Реальных разработок или полноценных платформ в этой области пока в России нет, либо они не получили широкого освещения. Однако вопрос уже стоит на повестке, и его актуальность будет только расти.
- Интеграция ИИ в государственные и корпоративные сервисы. Проникновение ИИ в государственные и внутренние корпоративные услуги открывает новые возможности для автоматизации процессов и улучшения качества обслуживания.
Вызовы рынка и преодоление барьеров
В мире
Несмотря на огромный потенциал ИИ, компании сталкиваются с рядом значительных вызовов, которые мешают его бесшовному внедрению и развитию. Среди них:
Недостаточная организационная зрелость
Многие компании, заинтересованные в технологиях, начинают внедрять ИИ, но забывают про его интеграцию в текущие бизнес-процессы. В результате даже самые продвинутые решения не приносят ожидаемой пользы.
Юридические и этические вопросы
С развитием ИИ возникает ряд юридических и этических вопросов, которые требуют особого внимания. Они касаются:
- Авторских прав на сгенерированный контент,
- Достоверности информации,
- Защиты корпоративных данных при использовании ИИ-инструментов.
Безопасность и регулирование
Языковые модели могут быть использованы для создания фальшивых или вредоносных материалов, что может привести к распространению фейков или манипуляциям массовым сознанием. На международном уровне уже ведется активная работа по созданию эффективных механизмов регулирования и мониторинга применения ИИ.
В России
Рынок генеративного ИИ в России развивается активно, но сталкивается с дополнительными проблемами:
- Ограничения на использование импортных решений, которые приводят к проблемам с доступом к передовым процессорам и необходимости создавать отечественные языковые модели.
- Дефицит кадров. В России пока мало специалистов, умеющих внедрять и управлять генеративными ИИ-решениями.
Резюме
К 2030 году генеративный ИИ обещает радикально изменить многие аспекты бизнеса и технологий. Ожидается, что:
- Бизнес сосредоточится на реальном применении ИИ, а не на экспериментах.
- Композитный ИИ и RAG станут стандартами в корпоративных решениях.
- Российский рынок и дальше будет развивать собственные технологии, компенсируя нехватку зарубежных решений.
- ИИ будет активно регулироваться, хотя на данный момент окончательные юридические нормы не сформированы.
- Будут появляться новые профессии, поэтому важно адаптироваться к реалиям.
Генеративный ИИ давно выходит за пределы обсуждений и становится рабочим инструментом. Главное для бизнеса — не просто следить за трендами, а учиться адаптировать их к задачам своей компании.
Еще материалы по теме в спецпроекте:
