2 марта 2026 г.
Заинтересованность российского рынка в решениях на базе искусственного интеллекта очевидна — хотя складывается впечатление, что она не столь высока, как на Западе или в КНР.
Бот в помощь?
По свидетельству Даниила Летина, руководителя дирекции по развитию бизнеса IBS, российский рынок ИИ развивается активно: «Появляются собственные
«Развитие ИИ-разработки для бизнеса перспективно, — рассуждает Денис Воденеев, директор отделения функционального тестирования IBS, — но заказчикам требуется ответить на ключевые вопросы: точно ли в конкретной задаче нужен ИИ, чего требуется достичь, каков ожидаемый бизнесом результат? Чёткое понимание задачи поможет увидеть, что, возможно, для её решения эффективнее и экономичнее будет применить традиционное ПО, без использования ИИ. Ограничения в технологиях препятствуют развитию ИИ в бизнесе: если иностранным заказчикам доступны такие модели, как OpenAI, DeepSeek, Grok, , то российский рынок больше нацелен на решения, которые могут работать в закрытом контуре. А это ограничивает возможности ИИ-разработок или увеличивает стоимость их обслуживания. Качество прикладных ИИ-решений требует профессиональной оценки — начиная от анализа соответствия полученного результата ожиданиям и заканчивая проблемами, связанными с корректным обучением модели и её способностью выдерживать заданную нагрузку».
Артём Шиляев, руководитель международного направления Simpl Group, уверен, что российский сегмент ИИ безусловно будет расти, — но не в темпе западного или китайского рынка: «Основные ограничения — это дефицит чипов, ограниченный доступ к качественным данным для обучения моделей и другие технологические факторы. С точки зрения качества прикладных ИИ-решений для бизнеса рынок ещё находится на стадии активного роста».
В пресс-службе «Труконф» отмечают, что интерес российского бизнеса к ИИ носит специфический, более осторожный характер по сравнению с рынками Запада и КНР: «Это не отсутствие интереса, а следствие иных приоритетов и требований. Главное отличие — абсолютный приоритет безопасности и контроля над данными. Крупные корпоративные заказчики в России, в отличие от западных компаний, которые десятилетиями работали с облачными сервисами, крайне неохотно выносят данные за периметр. Они не просто „не хотят“ гонять данные через облака, — это часто является обязательным требованием информационной безопасности».
Дмитрий Исаев, СЕО компании «Стахановец», видит даже определённые преимущества в том, что за рубежом скорость распространения продуктов на базе ИИ гораздо выше, чем у нас: «Это даёт нам возможность переиспользовать лучшие зарубежные практики в российских реалиях. Увидеть наглядно, где применение ИИ даёт рост эффективности и производительности, а где оно пока неоправданно».
«Мы действительно немного отстаём от КНР и Запада, — признаёт Антон Щичко, коммерческий лидер нетелеком-направления Bercut, — но это касается не только ИИ, а применения ИТ в целом. За исключением банковской сферы: тут российские компании даже превосходят западные или китайские. Восприятие ИИ меняется: раньше все были им очарованы; казалось, он может решать любые задачи. Сейчас компании лучше понимают, для чего подходят и не подходят те или иные инструменты. Использование нейросетей более актуально для направлений, где ценится вариативность, — например, в продажах и маркетинге; и менее применим там, где важны консистентные ответы, — в юридических задачах и бухгалтерии. Что же касается потенциальной небезопасности контента, здесь важно разделять две модели применения и обучения ИИ: на данных внутри организации и на общедоступных данных. В первом случае нет риска столкнуться с небезопасным контентом, зато актуален вопрос конфиденциальности. Обучение ИИ внутри организации без управления политиками доступа может привести к утечке информации, что необходимо учитывать в разработке. Cобрать данные из разных ИТ-систем для обучения ИИ с учётом требований конфиденциальности и прав доступа можно с помощью дополнительных интеграционных решений, таких как ESB и API Gateway. Небезопасный контент — это, скорее, про второй случай. Однако сейчас даже в таких моделях есть встроенные алгоритмы, которые определяют, безопасный контент или нет».
Руслан Шарипов, исполнительный директор SimpleOne, корпорация ITG, считает, что в бизнесе искусственный интеллект — не конкурент традиционным платформам, а возможность для их развития: «ИИ будет вторым пилотом поверх надёжного алгоритмического фундамента. Компании не хотят заменять свои проверенные системы на непредсказуемые генеративные модели — они хотят усилить эти системы интеллектом там, где он даст измеримый эффект. Структурированные данные и чёткие процессы делают ИИ безопасным и полезным для бизнеса. Без этого фундамента генеративные модели остаются игрушкой — красиво генерируют текст, но не решают бизнес-задачи».
Как отмечает Сергей Артемов, директора по развитию супераппа для бизнеса eXpress, заказчики пока по большей части присматриваются к ИИ: «По нашим наблюдениям, у заказчиков пока больше вопросов, как можно „прикрутить“ ту или иную систему искусственного интеллекта к их существующим бизнес-процессам. И те компании, кто нашёл для себя ответ на этот вопрос, несомненно, выйдут в лидеры, потому что правильное использование ИИ даёт существенный эффект — не на бумаге, а вполне реальный».
«Наибольший потенциал ИИ, — свидетельствует Олег Сажин, советник генерального директора Content AI, — раскрывается в автоматизации рутинных операций, где ИИ выступает помощником для традиционных алгоритмов. Речь идёт об обработке и анализе огромных массивов неструктурированных данных: например, решений для проверки юридических документов на предмет рисков. Другое важнейшее направление для применения ИИ — повышение эффективности сквозных бизнес-процессов. Здесь ИИ выступает как мощный оптимизатор, будь то предиктивная аналитика для логистики, предотвращающая простои, или динамическое ценообразование в ритейле, реагирующее на спрос в реальном времени. Жёсткая логика классических алгоритмов остаётся незаменимой в системах, где недопустима даже малейшая погрешность — в финансовых операциях, управлении критической инфраструктурой. ИИ же берёт на себя те области, где правила невозможно чётко прописать, — задачи распознавания образов, понимания естественного языка и прогнозирования в условиях неопределённости. В результате мы всё чаще видим гибридные системы, где, к примеру, традиционный модуль рассчитывает базовые параметры, а ИИ-компонент оценивает контекстные взаимосвязи».
Данила Трусов, директор продукта «Инферит ИТМен» (кластер «СФ Тех» ГК Softline), солидарен с той точкой зрения, что отечественный ИИ пока уступает по зрелости и масштабу западным и азиатским решениям: «Но темпы его развития впечатляют. Последние полтора года стали переломными — мы видим устойчивый тренд на внедрение ИИ-инструментов в уже привычные продукты и платформы. Формируется культура умных решений после простых шагов: где ИИ не заменяет человека, а усиливает его действия. Да, до уровня конкурирующих и партнерских стран нам ещё далеко — от качества моделей до инфраструктуры обучения. Но у российских команд есть главное преимущество — способность быстро адаптировать технологии под локальные задачи и отраслевую специфику. Поэтому сомнений нет: у отечественного ИИ есть и чем удивлять сегодня, и чем побеждать завтра».
Как подчёркивает Савелий Батурин, руководитель отдела ML компании Postgres Professional, классические алгоритмические и ИИ-подходы имеют собственные области применимости: «Но зачастую именно вместе они могут помочь создать по-настоящему востребованные продукты. ИИ, особенно с роботизацией и бесконечными оптимизациями, только набирает обороты в прикладных задачах; следовательно, и в России это тоже будет заметно, хоть и не сразу».
Юрий Воеводко, руководитель центра компетенций по искусственному интеллекту «Рексофт», говорит о двух уровнях развития технологий ИИ: «Когда мы говорим „искусственный интеллект“, часто имеем в виду именно генеративный ИИ. Но в более широком смысле ИИ — это и решения на базе машинного обучения, например, компьютерное зрение или прогнозирование. Этот рынок в России достаточно сложился: его объём примерно в
«Российский рынок сейчас находится на этапе активного роста в ИИ, — констатирует Марина Тарасова, руководитель отдела в направлении QA в ИТ-компании SimbirSoft. — Бизнес смотрит на ИИ как на инструмент решения реальных задач. Заказчикам интересно, снизятся ли риски, ускорятся ли процессы, сколько времени это сэкономит. Особенно востребованы решения, которые работают локально, независимо от зарубежных API и с учётом требований к безопасности. По качеству отечественные ИИ-решения уже сопоставимы с зарубежными. В прикладных сценариях используются узкоспециализированные модели, обученные на внутренних данных компании и решающие конкретную задачу. Галлюцинации, фильтрация и прочие тонкости — процесс управляемый. Бизнес научился применять строгую валидацию, доменные ограничения, RAG-подходы».
Михаил Шрайбман, генеральный директор OSMI IT полагает, что спрос со стороны бизнеса на отечественные ИИ-решения будет расти не из-за «вау-эффекта», а из-за понятных выгод: «Быстрее обрабатывать заявки и документы, точнее отвечать клиентам, быстрее обучать сотрудников, сокращать ручную рутину. Плюс — возможность запускать решения в закрытом контуре и на отечественных моделях, что снижает риски и упрощает соответствие требованиям безопасности. Поэтому в ближайшие
Интерес к ИИ-решениям среди российских компаний устойчиво растёт, — об этом говорит и Полина Ефремова, директор по развитию направления «Заказная разработка» ГК «КОРУС Консалтинг»: «Бизнес ищет инструменты для повышения эффективности — от извлечения знаний и интеллектуальной аналитики до персонализации клиентского опыта. Однако темпы внедрения пока сдержаны: игроки рынка ждут, когда появятся доказательства бизнес-выгоды и понятные модели экономической окупаемости. При грамотном подходе (Proof of Value → MVP → масштабирование) отечественный ИИ-сегмент способен быстро достичь необходимой зрелости и стать полноценной частью корпоративных ИТ-ландшафтов. С нашей точки зрения, лучший путь — гибридный: сохранить проверенную бизнес-логику на традиционных решениях и „добавлять“ ИИ-модули там, где они дают явное экономическое или операционное преимущество: с чёткой метрикой окупаемости, обязательным мониторингом и верификацией результатов».
Российский рынок решений на базе ИИ развивается быстрее, чем может показаться на первый взгляд, — так считает Сергей Карпвович, заместитель руководителя направления Т1 ИИ: «Основной спрос сейчас формируют крупные компании: банки, промышленность, телеком и ритейл. То есть все те структуры, где ИИ уже решает конкретные прикладные задачи, такие как анализ клиентских данных, прогнозирование спроса, автоматизация документооборота и безопасность. Интерес активно растёт и в госсекторе, особенно в проектах, связанных с анализом больших массивов данных и управлением инфраструктурой. Современные российские ИИ-решения сопоставимы с зарубежными; отечественные разработчики фокусируются на нишах со специфическими данными и жёсткими требованиями. Например, в ритейле ИИ предсказывает спрос с точностью до 90%, а в банках — распознает мошенничество с меньшими ложными срабатываниями. Почему это работает? Потому что модели тренируются на локальных данных, снижая риск „галлюцинаций“ в контексте российской реальности — от налогового законодательства до культурных нюансов».
Марсель Ямаев,
Решения на базе ИИ не всегда могут составить конкуренцию аналитическим решениям, — об этом напоминает Вадим Сабашный, генеральный директор ЛАНИТ-ТЕРКОМ (входит в группу компаний ЛАНИТ): «Особенно там, где решение может быть одно, и его точность является основным параметром. Для задач, допускающих вариативность, технологии на основе ИИ не только составят конкуренцию аналитическим решениям, но и значительно опередят их по функционалу. Что ещё более важно: потенциально стоимость и срок разработки решений с элементами ИИ будет ниже, чем подобные решения на аналитических моделях, и в дальнейшем их будет проще менять и дорабатывать. Однако всё же нужно подходить к этим решениям, учитывая человеческий фактор. Как ИИ способен допускать неточности, так и сотрудник может по ошибке включить в отчёт совсем не те данные — или вообще забыть его подготовить. Если смотреть на систему как на ещё одного сотрудника, учитывая риск неточностей, принимая меры к их своевременному выявлению и коррекции, то область применения будет большой».
По мнению Ивана Мельникова, директора по развитию продуктов ROBIN компании SL Soft FabricaONE.AI (акционер — ГК Softline), российский рынок подходит к ИИ очень прагматично: «У нас большой спрос на готовые прикладные решения на базе ИИ, особенно на те, которые ускоряют обработку обращений и автоматизируют поиск и подготовку ответов, полностью автоматизируют документооборот и на многие другие отраслевые решения. При этом российский рынок скорее расценивает ИИ не как конкурента классической автоматизации, а как её эволюцию: ИИ становиться не заменой, а способом „прокачать“ существующие системы. Что касается рисков, связанных с возможными галлюцинациями, важно правильно внедрять ИИ в корпоративную культуру — не как замену человеку, а как индивидуального помощника (Human-in-the-loop). В таком случае у каждого сотрудника есть персонализированный чат-интерфейс с ИИ, который связан с базами знаний компании и является единым окном для запуска различных автоматизаций. При этом решения по процессу всегда принимает человек, что минимизирует риски».
Окончание следует
Источник: Максим Белоус, IT Channel News
