Фото: пресс-служба
ИТ‑рынок переживает революционные изменения и развивается под влиянием нескольких ключевых драйверов: рост облачных вычислений, повсеместное внедрение IoT-устройств, экспоненциальное увеличение объема данных и развитие генеративного искусственного интеллекта (Gen AI).
За два года технология Gen AI превратилась из экспериментальной в прикладную и стала необходимым инструментом для бизнеса. Рынок Gen AI вырастет с $40 млрд в 2022 году до $1,3 трлн к 2032 году, прогнозирует Bloomberg Intelligence. Уже 75% компаний, как отмечает McKinsey, применяют решения на основе генеративного ИИ для автоматизации контента и аналитики. В России объем сегмента больших данных и ИИ по итогам 2024 года составил около 320 млрд руб., по данным Ассоциации больших данных.
Чтобы оценить развитие применения ИИ в бизнес-ландшафте, стоит понимать, что все ИИ-решения можно разделить на две категории: одни основаны на машинном обучении и аналитике, другие — на базе генеративного ИИ и языковых моделей.
Россия уже прошла путь от начальных этапов освоения ИИ до активной коммерческой эксплуатации в разных сферах бизнеса. Широту этого процесса в полной мере отражает рейтинг искусственного интеллекта, составленный «Билайн Big Data & AI» на основе данных Brand Analytics. В этом году в него вошли 531 компания, 69 федеральных органов исполнительной власти (ФОИВ), 85 регионов и 42 персоналии. Уже традиционно наша нейросеть рассматривала вузы, научные институты, промышленные компании, банки, ретейл. И впервые — разработчиков ИИ-решений для медицины, кибербезопасности и личный вклад отдельных людей.
Реальные кейсы применения Gen AI в России начали появляться не так давно, но эта технология тоже быстро развивается: от генерации программного кода, конспектирования встреч и звонков до интерактивных рекомендательных систем и появления ИИ-агентов. Автономные интеллектуальные системы выполняют определенные задачи в том числе в области маркетинга, продаж, обслуживания клиентов. Дальнейшее расширение внедрения ИИ будет связано с развитием генеративных и языковых моделей, а также их комбинаций и с партнерством компаний-разработчиков в этой сфере.
Чтобы получить максимальную пользу от внедрения ИИ-инструментов, собственникам бизнеса нужно определиться, чего они ждут от ИИ. Наш опыт показывает, что эти технологии помогают прежде всего достичь роста производительности и повышения качества работы команд и отдельных сотрудников за счет делегирования ИИ-агентам рутинных и более сложных задач.
Мы сделали первые шаги в сфере ИИ и машинного обучения еще десять лет назад. С тех пор эти технологии стали неотъемлемой частью развития бизнеса. Сегодня ИИ управляет около 150 тыс. базовых станций компании по всей стране: информирует нас о 70% сбоях за два дня до того, как их заметят клиенты, выявляет мошеннические атаки в режиме реального времени и помогает операторам call-центров лучше коммуницировать с клиентами.
Также на основе ИИ мы разрабатываем продукты для разных направлений бизнеса и госуправления: наши решения помогают банкам оценивать кредитоспособность заемщиков, городским властям — планировать транспортную инфраструктуру, а предприятиям — контролировать безопасность с помощью видеоаналитики. Совместно с Сеченовским университетом мы разработали несколько ИИ-моделей, использование которых повысит точность диагностики до 98% и высвободит время врача от рутинной работы. Например, в классификации клеток рака почки, ранней диагностики рака желудка и оценки отторжения пересаженной почки.
Активно развивается сегмент ИИ-агентов для бизнеса. Для b2b-сферы — это цифровизация следующего поколения. Ключевая задача — выстраивать мультиагентные системы, где наравне с сотрудниками между собой взаимодействуют ИИ-агенты. Они способны забрать на себя часть исполнительских задач и функций среднего менеджерского уровня: это позволяет снизить количество ручных операций и ускорить рост бизнеса. Развитие таких технологий в России поможет снизить фундаментальное ограничение роста экономики — нехватку рабочей силы для наращивания производства.
Мы намерены помочь этому процессу: компания создает систему умных помощников, каждый из которых встроен в конкретный рабочий процесс — с учетом специфики задач и роли специалиста. Например, ИИ-агенты для маркетинга и PR будут создавать визуалы, адаптировать контент под брендбук и извлекать нужную информацию из внутренних баз данных. А ИИ-агенты для продаж — помогать продавцам вести коммуникацию с учетом «портрета» клиента и его настроения. Готовятся к релизу новые версии ИИ-агентов для клиентского сервиса, административных задач, разработчиков и других направлений.
При этом ИИ-агент — не простое коробочное решение, а виртуальный или цифровой работник. Ему необходимо предоставить рабочее место, дать инструменты и интерфейсы взаимодействия с системами, другими работниками и функциями внутри организации. Для этого IT-ландшафт и процессы в организации должны быть практически полностью автоматизированы: мы называем этот подход «все как код» (Everything As A Code — EaaC). Интеграция ИИ-агента в действующие полуавтоматические процессы и IT-системы несет за собой дополнительные затраты времени и бюджета.
Причем крупные компании будут медленнее внедрять ИИ-инструменты. В накопленный ими за последние 10–20 лет уже устаревающий IT-ландшафт ИИ-агентов можно встроить лишь с высокими интеграционными издержками. Молодым компаниям, которые изначально развивают IT-ландшафт в облаке и в более гибкой архитектуре, намного проще внедрить ИИ-решения.
Например, IT-ландшафт нашей компании можно сравнить со слоеным пирогом, где сочетаются решения разных лет. Но мы нашли способ его пошагового обновления: некоторые системы переводим в облако, активно используем концепцию «все как код». Это позволяет практически бесшовно встраивать ИИ-агентов в процессы. Более того, пройденный путь помог разработать продукты для быстрой адаптации IT-ландшафта к внедрению технологий ИИ для внешнего рынка.
В качестве одного из первых шагов собственникам и топ-менеджерам можно порекомендовать разделить процессы и задачи в компании «по корзинам»: одни полностью выполнять с помощью ИИ-агентов, другие — только людьми, а некоторые — совместными усилиями человека и нейроассистентов. Такой подход поможет сфокусироваться на направлениях, где результат от внедрения ИИ- инструментов будет максимальным.
Например, такой гибридной стратегии придерживается медиахолдинг «Маер». Компания развивает направление ИИ-ассистированной обработки данных о транспортных потоках: информация интегрируется в единую аналитическую платформу и служит одним из верификаторов медиаметрических показателей для клиентов и партнеров медиахолдинга.
ИИ становится новой операционной системой бизнеса и дает тактическое конкурентное преимущество. Неслучайно по темпам внедрения ИИ лидируют банки и ретейл, которые входят в топ-10 компаний из нашего рейтинга ИИ. Потребители ожидают продуктов и услуг, адаптированных под их уникальные потребности. Внедрение инструментов ИИ для гиперперсонализации увеличивает число повторных покупок в среднем на 30%, снижает отток клиентов на 15%, повышает средний чек и способствует росту прибыли в среднем на 25%, по данным профильного ресурса DASLE. На финалистов рейтинга следует равняться остальным участникам рынка, иначе придется догонять — но благодаря облачным технологиям и агентным платформам это будет проще, чем пять лет назад.
About The Author
