25 июля 2025 г.

Андрей Мальков

Искусственный интеллект — наша новая реальность. Для большого количества компаний вопрос сейчас звучит уже не «внедрять или не внедрять», а «как это делать правильно?» Рекомендациями о том, как начать внедрение этого инструмента, делится Андрей Мальков, эксперт по генеративному ИИ компании Axenix.

Несмотря на свою футуристическую ауру, польза ИИ носит предельно прикладной характер. Грамотное внедрение этого инструмента позволяет не только оптимизировать самые разные внутренние процессы, но и получить конкурентное преимущество на рынке. Компании, применяющие ИИ, задают новые стандарты эффективности и инноваций.

Согласно исследованию McKinsey, чаще всего бизнес сейчас применяет ИИ в работе таких функций, как ИТ, маркетинг и продажи, обслуживание клиентов, управление персоналом, менеджмент знаний. При этом сфера применения охватывает самые разные отрасли: ритейл, фармацевтику, финансовый сектор, энергетику, добывающую промышленность, производство строительных, химических материалов, упаковки и др. Что касается эффектов от внедрения ИИ, компании фиксируют не только снижение операционных затрат, но и рост прибыли.

На основе практики внедрения инструментов ИИ силами нашей компании поделюсь несколькими рекомендациями, как лучше выстроить этот процесс.

1. Развивайте системный подход к ИИ

Внедрение искусственного интеллекта — не разовая инициатива, не история в жанре «попробовали и забыли». Это стратегическая задача, связанная с глубокой трансформацией процессов, ролей, инструментов и культуры внутри компании. Именно поэтому первый и главный шаг в этом направлении должен заключаться в выстраивании системного подхода.

Такой подход начинается с разработки комплексной стратегии, основанной на анализе текущего состояния компании. Первостепенная задача — провести аудит существующих операций, выявив области, где ИИ может принести максимальную пользу. Затем сформулировать сценарии его применения с оценкой потенциального влияния на бизнес-модель, оценить затраты и ожидаемые эффекты.

Далее в рамках выработанной стратегии запускают отдельные направления внедрения, которые должны пройти 4 этапа.

На первом этапе запускаются единичные эксперименты, на втором — пилотные проекты. Пилотный проект можно начать, например, с одного департамента, предварительно проведя серию глубинных интервью с ключевыми участниками процессов для детального анализа и последующей оптимизации рабочих потоков.

Третий этап включает в себя тиражирование успешных решений, а на четвертом, наконец, происходит масштабное промышленное внедрение. Пропускать хотя бы одно звено этой цепочки — значит усиливать риски недополучением нужных бизнесу результатов.

Эксперимент, не переведенный в пилот, не дает понимания масштабируемости. Пилот без тиража превращается в красивую витрину, а масштабирование без подготовки инфраструктуры и персонала — в дорогостоящую имитацию. Обязательно двигайтесь по этой цепочке последовательно. Только так ИИ получает шанс стать не модной инициативой, а полноценным инструментом конкурентного преимущества.

2. Создавайте новые роли

Возможно, стоит переосмыслить роли внутри компании: уже сегодня появляются директора и подразделения по внедрению ИИ, продуктовые команды, работающие с ML-инструментами. Это происходит как ответ на потребность в системности.

Точно так же в свое время появились директора по данным, UX-стратеги и другие новые роли, без которых сегодня сложно представить цифровой бизнес. Создавать новые роли в своей структуре с учетом ИИ-реалий нужно уже сейчас, поскольку ИИ развивается еще быстрее, чем это может показаться со стороны. Ориентироваться здесь можно на примеры лидеров рынка.

Если смотреть на их практики, то, возможно, стоит подумать о создании в вашей организации структуры, которая будет выступать как акселератор внедрения ИИ в бизнес-процессы. Если вам кажется, что сейчас еще слишком рано, но ваши конкуренты это уже делают, то завтра может быть слишком поздно.

Важно понимать, что внедрение ИИ-решений потребует не только технологических изменений, но и трансформации корпоративной культуры. Даже при наличии передовых инструментов и выделенных команд сотрудники часто остаются приверженными привычным методам работы. Чтобы преодолеть эту инерцию, необходимо целенаправленно формировать культуру, ориентированную на данные и автоматизацию.

3. Интегрируйте ИИ в уже существующие в организации системы и бизнес-процессы

Ищите возможности применения ИИ в рамках текущих продуктов и процессов, а не рассматривайте его как совершенно отдельный элемент бизнеса. Многие компании воспринимают ИИ как принципиально новый механизм, который должен существовать изолированно. Однако важно интегрировать ИИ с уже имеющимися ИТ-системами и бизнес-процессами.

Пример из сферы промышленности. Допустим, на заводе необходимо автоматически отслеживать с помощью системы компьютерного зрения, как трубы движутся по конвейеру, чтобы считать их количество или проверять качество сварки. Раньше, чтобы сделать разметку для обучения системы, требовалось много человеческого труда. Теперь с помощью ИИ делать ту же разметку можно во много раз быстрее и затрачивая меньше ресурсов. Не обязательно придумывать какой-то новый процесс, стоит подумать, как улучшить уже действующий.

Пробуйте внедрять ИИ даже в самых простых существующих задачах для того, чтобы «набить руку», привыкнуть работать с технологией, сформировать ключевые компетенции и поменять культуру в компании, сделав ее «ИИ-зрелой».

4. Вступайте в партнерства, используйте готовые решения

Существуют несколько основных подходов к внедрению ИИ, каждый из которых имеет свои особенности.

Наиболее ресурсоемкий путь — создание собственного решения с нуля. Однако далеко не всем компаниям нужно создавать собственные ИИ-модели, собирать команды ML-инженеров и становиться вендорами. Разработка собственной платформы требует значительных временных и финансовых ресурсов, а также наличия квалифицированных специалистов, которых сейчас не хватает.

Второй вариант — разработка на основе готовых популярных ИИ-моделей через API или адаптацию open-source решений (LLaMA, Mistral, DeepSeek). Этот вариант проще, но также потребует труда команды технических специалистов.

Для большинства гораздо эффективнее — ориентироваться на готовые решения, которые уже подтвердили свою жизнеспособность. Наиболее доступный вариант здесь — B2B-платформы со встроенным ИИ. На рынке представлено уже большое количество платформ с разной функциональностью (клиентская поддержка, аналитика, разработка и др.) Это решение, не требующее глубоких технических знаний, хотя и ограниченное возможностями платформы. Также можно обратиться к партнерам с соответствующими компетенциями. Сотрудничество позволит запустить ИИ-проект быстро, безопасно и без неоправданных издержек.

5. Не забудьте про безопасность данных

Это особенно актуально для банков, госсектора, медицины, где требования к хранению и защите данных остаются максимально жесткими. Обеспечение безопасности требуется при работе с чувствительными данными, такими как персональная информация, финансы и другие конфиденциальные сведения.

Рекомендую применять модули маскирования, которые позволяют скрыть конфиденциальную информацию, сохраняя при этом возможность работы с данными, или размещать инфраструктуру на собственных серверах, чтобы избежать утечек.

6. Обратите внимание на ИИ-агентов уже сейчас

Все более очевидным становится следующий этап развития ИИ-отрасли. На смену ИИ-ассистентам, которые сейчас помогают сотрудникам, выполняя роль «второго пилота», начали приходить полноценные ИИ-агенты.

Это иной формат ИИ, чем общая LLM или чат-боты: агентов отличает такое важное свойство, как автономность. Они способны действовать независимо, принимать решения без участия человека, взаимодействовать с другими системами и людьми. ИИ-агенты умеют прогнозировать, адаптироваться к меняющимся условиям, работать с внешними API и планировать действия на несколько шагов вперед.

Глава Nvidia Дженсен Хуанг в начале 2025 года назвал ИИ-агентов «новой цифровой рабочей силой», которая изменит то, как люди взаимодействуют с технологиями. Аналитики Gartner прогнозируют, что к 2028 году треть корпоративного ПО будет включать ИИ-агентов. Они будут вести до 20% цифровых взаимодействий с клиентами и принимать до 15% решений без участия человека. Это не фантастика, а новый стандарт, к которому бизнесу стоит готовиться уже сейчас.

Ясно видна перспектива мультиагентных систем: команд ИИ-агентов, работающих вместе над комплексными задачами. Уже сейчас обсуждаются сценарии, где ИИ ведут переговоры друг с другом, анализируют рынок, согласовывают сделки и принимают решения без участия людей. Один агент анализирует спрос, другой следит за конкурентами, третий — за соблюдением KPI. Между ними в схеме располагается диспетчер, который координирует действия, как в настоящей команде.

В июне этого года Сбер опубликовал большое исследование, посвященное ИИ-агентам и мультиагентным системам, в котором, в частности, даются рекомендации по их внедрению — как для бизнеса, так и для технологических команд. За более подробной информацией отсылаю к нему.

***

Одна из ключевых задач бизнеса во все времена — делать все необходимое, чтобы быть полноценным участником очередного шага эволюции технологий и не оказаться в роли вымершего вида. Для этого стоит, по мере доступности ресурсов, вовлекаться в ИИ-проекты, погружаться, разбираться, меняться и адаптировать все необходимые технологии и подходы на практике.

Источник: Андрей Мальков, эксперт по генеративному ИИ компании Axenix