Как компании адаптируются к ИИ в условиях цифровой революции

Согласно отчету McKinsey, долгосрочный потенциал искусственного интеллекта (ИИ) велик, но краткосрочные результаты остаются неясными. В ближайшие три года 92% компаний планируют увеличить свои инвестиции в ИИ. Однако лишь 1% руководителей называет свои компании зрелыми в этом направлении, то есть такими, где ИИ полностью интегрирован в рабочие процессы и обеспечивает значительные бизнес-результаты. Это связано как с отсутствием понимания технологий, так и с недостаточной зрелостью бизнес-процессов. О проблемах и трендах в области искусственного интеллекта рассказал продуктовый менеджер по ML и AI в VK Cloud Николай Барышников.

Клиенты приходят без четкого понимания задач

Николай, в своем выступлении на Digital Almaty 2025 вы упомянули, что к вам часто приходят клиенты, которые не до конца понимают, чего именно хотят. Это характерно больше для средних компаний или аналогичная ситуация встречается и в крупных?

На самом деле, и те, и другие сталкиваются с такими проблемами, но по-разному. У средних компаний основная трудность связана с нехваткой компетенций и опыта работы с данными. Им нужно показать, как правильно выстроить процессы, объяснить, какие решения можно принимать на основе данных, и научить зарабатывать на этом.

Крупные компании уже умеют зарабатывать и имеют ресурсы, но часто работают на устаревших системах, которые сложно обновить. Плюс у них есть серьезные задачи по обеспечению безопасности данных. Масштаб их проблем гораздо больше. Им нужно выстроить методологию работы с ИИ так, чтобы минимизировать риски.

Мы говорим о цифровой безопасности, правильно? Например, о защите данных и их хранении?

Да, именно. Пример – генеративный ИИ. Если он подключен к внутренним системам компании, например, к данным о сотрудниках или оборотах и процесс плохо организован, такие данные могут стать доступными не только пользователям, но и злоумышленникам. Это абсолютно недопустимо.

Еще одна проблема касается облачных решений. Многие крупные компании не могут использовать публичное облако из-за повышенных требованиях безопасности к хранению данных на собственных серверах в собственном дата-центре. Возможные решения здесь – развертывание приватного облака или анонимизация данных для их безопасной обработки.

Можете выделить топ-3 проблем, с которыми приходят к вам компании среднего и крупного бизнеса?

Конечно. Для среднего бизнеса это:

1. Низкая цифровая зрелость. Компании не умеют работать с данными, не видят в них ценности и не понимают, как принимать на их основе решения.

2. Некорректное использование моделей. Если данные на входе модели некачественные, то и результат будет таким же. Компании часто не отслеживают, как и с какими данными работает модель.

3. Отсутствие понимания ценности ИИ. Компании не всегда знают, зачем им ИИ и как измерять успех его внедрения.

Для крупного бизнеса главный вызов – безопасность. Вторая проблема – работа с данными. Не все компании могут передавать свои данные в облако. Третья – четкость целей и задач. Без этого использование ИИ может оказаться неэффективным.

Разница между машинным обучением (ML) и генеративным ИИ

В чем основное различие между традиционным машинным обучением и генеративными моделями?

Машинное обучение (ML) требует точных структурированных данных. Процесс обучения и внедрения модели может занимать до шести месяцев. При этом ML дает стабильные и точные результаты.

Генеративный ИИ может работать с неструктурированными данными и быстрее адаптироваться к новым задачам. Например, если нужно прогнозировать спрос на продукт, можно просто задать вопрос модели на естественном языке. Она сможет выдать результат даже без предварительного обучения. Однако такие модели менее точны и могут ошибаться в неожиданных местах.

Какие тренды в ИИ стоит оседлать компаниям для роста?

Главное – не тренды, а способность компании быстро адаптироваться к изменениям. Важно сосредоточиться на трех аспектах:

1. Процессы работы с данными. Налаженные процессы сбора и анализа данных – основа для внедрения ИИ.

2. Фокус на основном бизнесе. Не стоит пытаться развивать все направления сразу – это долго и дорого.

3. Работа с партнерами. Интеграцию ИИ-процессов лучше доверить опытным партнерам.

Компании должны выстраивать процессы, которые позволят быстро реагировать на изменения.

Какие сотрудники должны уметь использовать ИИ в своей работе?

В идеале – все, вне зависимости от уровня и специализации. Однако на практике можно выделить несколько приоритетных групп.

1. ​Поддерживающие функции: бухгалтерия, юристы, финансисты. Эти сотрудники часто выполняют рутинные задачи, связанные с обработкой документов, проверкой данных и расчетами. Искусственный интеллект может автоматизировать такие процессы, что сократит количество ошибок и ускорит работу.

2. ​Креативные функции: маркетинг, дизайн, производство контента. В этих направлениях ИИ помогает анализировать тренды, генерировать идеи и находить новые решения. Он работает в симбиозе с человеком, усиливая его творческие возможности.

3. ​Продажи и клиентский сервис: ИИ эффективно используется в технической поддержке, консультациях и взаимодействии с клиентами. Он может анализировать запросы, адаптировать знания и предлагать персонализированные рекомендации, улучшая клиентский опыт.

Таким образом, ключевые сотрудники, работающие с данными, клиентами и креативными задачами, могут значительно выиграть от внедрения ИИ. Это помогает как автоматизировать рутину, так и повысить эффективность взаимодействия с клиентами.

С чего можно начать и каковы минимальные затраты на внедрение ИИ для средних компаний?

Затраты сильно зависят от того, насколько компания понимает свои задачи и процессы. Если компания четко знает, чего хочет достичь, стартовые затраты на внедрение ML могут составить около 120 000 тенге в месяц.

Это может включать начальные этапы настройки процессов и использование базовых моделей для анализа данных. Однако если у компании уже есть цифровые системы и партнеры по облачным решениям, стоимость интеграции может быть минимальной.

Генеративные модели при умеренных нагрузках также остаются доступными. Например, если модель используется для обработки 200 клиентских диалогов в месяц, это может стоить порядка 90 000 тенге. Если объемы выше – например, 350 больших диалогов, – затраты могут составить около 210 000 тенге в месяц.

Компании, которые уже используют облачные сервисы и цифровые технологии, могут значительно сократить затраты на внедрение ИИ. Все зависит от объема задач и уровня подготовки инфраструктуры.

Искусственный интеллект становится частью повседневной жизни бизнеса. Однако успех его внедрения зависит от того, насколько грамотно компании подходят к цифровой трансформации. Основные аспекты успешного внедрения ИИ:

1. Понимание задач и целей. Компании должны четко знать, какие проблемы они хотят решить с помощью ИИ.

2. Работа с данными. Необходимы налаженные процессы сбора, анализа и использования данных.

3. Адаптация к изменениям. Важно строить процессы, которые позволят быстро реагировать на новые технологические тренды и требования рынка.

Компании, которые смогут интегрировать ИИ в свои процессы, получат значительное конкурентное преимущество. Машины не заменят людей, но могут стать их мощным инструментом для роста и развития бизнеса.