Искусственный интеллект становится новым центром корпоративной IT-архитектуры бизнеса. Чтобы получить реальную отдачу от внедрения, компаниям придется перестроить под ИИ ключевые процессы и сервисы, говорят эксперты
Фото: Shutterstock
Искусственный интеллект (ИИ) переходит из категории экспериментальных технологий в класс критически важных бизнес-активов. Согласно исследованию IT-холдинга Т1, в 2025 году спрос на ИИ-технологии в России увеличился на 12%, а в 2026-м — вырастет на 16%. Рынок ИИ растет почти вдвое быстрее остального IT-сектора. Аналитики из Onside и Just AI отмечают, что в 2025 году 55% проектов на российском рынке генеративного ИИ находились на этапе пилота, 30% — на этапе масштабирования и лишь 15% — в промышленной эксплуатации.
Однако быстрый рост рынка не означает, что бизнес уже достиг зрелого уровня внедрения. По данным Strategy Partners, 97% крупных российских компаний уже внедряют или планируют внедрять ИИ, но только 26% имеют формализованную стратегию его развития. Именно с возможностями встроить ИИ в основные процессы и сервисные контуры эксперты связывают перспективы дальнейшего эффективного применения технологий.
Как внедрение ИИ выходит на новую стадию
На текущем уровне ИИ-зрелости наиболее распространенный подход для большинства крупных организаций в России — внедрение искусственного интеллекта как «точечной надстройки», говорит менеджер Data & AI Strategy компании Axenix Полина Сорокина.
При этом и в мировой, и в отечественной практике обозначились границы постепенного перехода к новому этапу — модели AI Native. В зарубежных исследованиях этим понятием обозначают организации, в которых ИИ встроен в ядро бизнес-модели, продуктов, данных и операционной архитектуры. Так, согласно исследованию McKinsey, в 2025 году около трети компаний в мире, использующих ИИ, начали масштабирование этих технологий на уровне всей организации. В целом 88% компаний регулярно используют ИИ хотя бы в одной бизнес-функции против 78% в 2024-м.
Максимальную отдачу от использования ИИ получают те компании, для которых ИИ становится основой бизнес-трансформации, — так объясняют необходимость перехода к модели AI Native эксперты PwC. По их оценке, если у компании выстроена надежная база для внедрения ИИ, эффект от масштабирования технологий почти удваивается, наиболее подготовленные к работе с ИИ компании показывают результаты в 7,2 раза выше, чем остальные.
В России же доля компаний, которые уже получают ощутимый экономический эффект от внедрения ИИ, пока составляет лишь около 6%, рассказал руководитель направления Т1 «Искусственный интеллект» Сергей Голицын на «Т1 Форуме» в марте.
Какие отрасли уже получают отдачу от ИИ
Максимальную отдачу от инвестиций в ИИ получат отрасли, в которых технологии оказывают непосредственное влияние на ключевые бизнес-процессы и модели монетизации, согласно исследованию «Яндекса» и «Яков и партнеры». По данным отчета, более 70% российских компаний уже интегрировали решения на базе генеративного ИИ хотя бы в один бизнес-процесс своей организации. По этому показателю лидируют такие отрасли, как IT и технологии (95%), автомобильная промышленность (92%), телеком и медиа (90%).
Ретейл также является одним из показательных примеров прикладного использования ИИ, считает начальник управления по работе с предприятиями в сферах торговли, фармацевтики и продуктов питания «Т1 Интеграция» Денис Вешта: «23,6% российских компаний этого сектора уже используют такие технологии, опережая промышленность, транспорт и сферу услуг».
Крупная промышленность внедряет искусственный интеллект, чтобы извлекать пользу из массивов производственных данных. Коммерческий директор ООО «Газпромнефть-ЦР» Роман Ожик отмечает: «Успех нефтяного бизнеса сегодня определяется не только доступом к ресурсам, но и скоростью внедрения технологий, которые позволяют эффективно работать со сложными запасами и создавать рентабельные продукты». По его словам, нейросети уже анализируют геологические данные в шесть раз быстрее человека, сокращают затраты на логистику в Арктике на 12% и уменьшают сроки создания новых продуктов с двух лет до трех месяцев.
Наибольшую отдачу сегодня дают решения на базе компьютерного зрения, используемые для контроля качества работы и охраны труда, системы предиктивного обслуживания оборудования, а также оптимизационные модели управления технологическими процессами, рассказал директор по развитию ИИ «Евраза» Максим Феопентов. При этом, по его словам, технологии на базе больших языковых моделей пока в основном применяются в бэк-офисе и корпоративном IT, не затрагивая основное производство.
Экономический эффект от цифровых проектов «Евраза» в 2025 году составил 3,5 млрд руб., отмечает Максим Феопентов: «Основная проблема — экономическая целесообразность: непросто найти проект, затраты на реализацию которого окупаются хотя бы в течение года».
Операционный директор IT Lenta tech (Группа «Лента») Денис Коровин рассказал об ускорении тестирования кода, написания технических заданий и поддержки бизнес-аналитики с помощью ИИ.
Как перейти к новому этапу AI Native
Эксперты Т1 прогнозируют, что до 2030 года ИИ может стать базовой технологией управления бизнес-процессами и госуслугами. К этому времени компании перейдут от автоматизации отдельных функций к построению цифровых экосистем на базе ИИ, говорят в компании.
Отдельный драйвер роста — массовое внедрение ИИ-агентов, включая финансовый сектор, индустрию, медицину, транспорт. Только в банкинге доля автономных (от общего объема повторяющихся изо дня в день) ИИ-операций может превысить 15% в ближайшие годы, а к 2028 году 90% b2b-сделок будут осуществляться через посредничество ИИ-агентов.
Согласно исследованию SimpleOne, переход от классических чат-ботов к генеративным ИИ-платформам позволяет автоматизировать до 90% рутинных операций и сократить расходы на поддержку в среднем более чем на 23 млн руб. в год.
Однако для перехода на AI Native компаниям предстоит преодолеть в том числе технологические проблемы, говорят эксперты. Лишь 9% организаций в России полностью обеспечены вычислительной инфраструктурой для ИИ, показало исследование «Рынок ИИ-ускорителей: GPU, серверы, ПАКи, облачные сервисы и не только», представленное на «Т1 Форуме»: 51% отечественных компаний нуждаются в наращивании вычислительных ресурсов.
Поэтому следующий этап внедрения ИИ неизбежно связан с перестройкой технологической базы, говорит лидер направления ИИ и комплексных решений Yadro Глеб Маркевич. По словам эксперта, классическая IT-инфраструктура меняется: вместо отдельных серверов, сетей и хранилищ создается единая интегрированная система, а бизнесу нужен новый слой данных, который даст ИИ-агентам и моделям доступ к связанной корпоративной информации.
Коммерческий директор GreenData Сергей Лебедев отмечает: «Недостаточно лишь добавить ИИ поверх старой архитектуры, регламентов или разрозненных данных. В таком случае проект застрянет на пилоте: ИИ в чем-то упростит работу сотрудников, но не станет источником операционного преимущества». По его словам, успешная практика заключается в том, что компания переосмысляет с точки зрения AI Native не только сами сценарии применения ИИ, но и интеграционный слой, общую IT-архитектуру и подход к данным.
Выходом при недостатке мощностей может стать использование компанией готовых облачных решений, особенно для пилотов и тестирования бизнес-гипотез — это быстрее и дешевле, говорит начальник управления технологических проектов Альфа-банка Виктория Белоусова.
Как изменится роль человека
На новой стадии AI Native человек перестает быть исполнителем и превращается в предметного эксперта, владеющего тонкими нюансами бизнес-процессов, которые недоступны большим языковым моделям (LLM) из общих баз знаний и контекста, считает Полина Сорокина. По ее словам, задача сотрудника — корректировать ИИ там, где он не смог разобраться в силу глубокой специфики процесса.
В США спрос на умение управлять ИИ-инструментами вырос почти в семь раз с 2023 года к середине 2025-го, согласно исследованию McKinsey. Основатель и генеральный директор WMT Group Игорь Никитин говорит, что ИИ не заменит человека, но он «выедает ядро профессии», поэтому руководителю будущего необходимо научиться сочетать человеческие и ИИ-функции.
По данным отчета Project NANDA Массачусетского технологического института (MIT), одна из ключевых проблем большинства ИИ-пилотов заключается в слабой корпоративной интеграции: универсальные инструменты хорошо работают у отдельных сотрудников, но не на уровне компаний, поскольку не обучаются на реальных рабочих процессах и не адаптируются к ним.
Чтобы удовлетворить растущую потребность в специалистах по искусственному интеллекту в России, «Газпром нефть», например, по словам Романа Ожика, с 2025 года совместно с Университетом ИТМО запустила программу базового высшего образования в сфере ИИ. Программа является частью нацпроекта «Экономика данных и цифровая трансформация государства», который к 2030 году обеспечит подготовку 10 тыс. специалистов топ-уровня по ИИ и 3,5 тыс. продвинутых IT-разработчиков.
Заместитель руководителя департамента анализа данных и моделирования, вице-президент банка ВТБ Денис Суржко говорит, что их компания уже является AI Native, разработала и внедрила в работу более 1500 ИИ-моделей. По его словам, в рамках этой концепции при внедрении ИИ требуется системный подход, включающий три направления: платформа (инфраструктура для 1500+ постоянно меняющихся моделей), конвейер (выстроенный процесс от аналитики до внедрения) и масштаб (внедрение на огромное количество пользователей, что требует высокой точности).
В результате главный вопрос для бизнеса сегодня не в том, нужно ли внедрять ИИ, а когда компания будет готова перестроить под него основные операции. По мнению экспертов рынка, точечное внедрение дает ограниченный эффект, тогда как наибольшую отдачу получают те компании, которые начинают проектировать процессы, сервисы и продукты вокруг ИИ как нового технологического ядра.
