Тема внедрения искусственного интеллекта (ИИ) уже несколько лет на слуху. Она сопровождается большим ажиотажем и высокими ожиданиями. Однако успешными оказываются далеко не все проекты. Почему так происходит? Как сделать проект работающим и приносящим эффект?
- 1. Введение
- 2. Опыт нескольких удачных проектов
- 3. Условия гарантированного провала
- 4. Стоит ли людям бояться ИИ?
- 5. Выводы
Введение
Внедрение ИИ, да и в целом продвинутой аналитики, находится на контроле первых лиц в компаниях. Кое-где такие внедрения существенно влияют на показатели эффективности (KPI).
В итоге ни одно мероприятие в сфере ИТ и ИБ, которое проходило за последние 8 лет, не обходится без этой темы. Там так или иначе поднимается вопрос внедрения ИИ, в том числе практические аспекты. А на технологических конференциях при анонсе новых продуктов или сервисов всячески подчёркивается, как и где применяется ИИ и как он помогает покупателям и заказчикам внедрять свои решения на его основе.
Однако есть и неудачные проекты внедрения ИИ. Причём это касается не только небольших компаний или тех из крупных, кто не достиг достаточного уровня зрелости ИТ. Довольно много не слишком удачного опыта накопилось и в корпорациях, которые значительно продвинулись в реализации других цифровых проектов. Впрочем, как показывает международная практика, две трети любых ИТ-проектов не укладываются в первоначально заданные сроки и бюджеты и, следовательно, не могут считаться в полной мере успешными.
О причинах неуспеха говорят реже, но в последнее время, когда ажиотаж вокруг «модной» темы начал спадать, этот вопрос обсуждается всё активнее. Это ценно, поскольку важен любой опыт, в том числе отрицательный. Тем более что компании, как оказалось, допускают в целом типовые ошибки.
С другой стороны, положительный опыт тоже начинают систематизировать. Это важно, поскольку, несмотря на внешние различия, общего в таких проектах оказывается значительно больше, чем кажется.
Опыт нескольких удачных проектов
На технологическом форуме облачного провайдера «Рег.Облако», который прошёл 16 апреля, тема ИИ была одной из центральных. Там компания объявила о запуске — пока в тестовом режиме — платформы для развёртывания сервисов ИИ. Причём, в отличие от многих других решений, вычисления происходят на стороне провайдера, а данные хранятся локально.
Как подчеркнул директор по информационным технологиям «Рег.Облака» Евгений Мартынов, представляя новую платформу, внедрение ИИ является залогом сохранения конкурентоспособности практически для любого бизнеса. Те, кто не сделает это в течение ближайших 2–3 лет, рискуют безнадёжно отстать от конкурентов — по крайней мере, так предупреждают многие аналитики.
Завершило мероприятие круглое обсуждение «ИИ не для разговоров, а для задач. Кейсы от ИТ-директоров» (рис. 1), где специалисты-практики поделились успешным опытом внедрения ИИ. Как подчеркнул модератор дискуссии, заместитель генерального директора по технологиям группы «Рунити» Антон Ивахненко, этот опыт показывает, каковы границы и сферы применения ИИ в реальной практике.
Рисунок 1. Участники дискуссии «ИИ не для разговоров, а для задач. Кейсы от ИТ-директоров»
Наиболее очевидный эффект приносит автоматизация технической работы при вводе текста. Так, владелец продукта направления искусственного интеллекта в РБК Иван Звягин поделился трёхлетним опытом применения ИИ в редакции. Начали там с расшифровки аудио- и видеоинтервью.
Качество в первое время было не идеальным, однако плюсы перевешивали минусы. Мой личный опыт также оказался не вполне однозначным. К примеру, при тестировании одного из сервисов, появившегося в 2025 году и уже успевшего сменить название, оказалось, что он ни разу не воспроизвёл правильно имена спикеров, названия продуктов и компаний. С другой стороны, он позволял сэкономить массу времени, которое ушло бы на прослушивание или просмотр материалов в разных форматах, в том числе на иностранных языках.
В РБК, как подчеркнул Иван Звягин, выгода от внедрения составляет не менее 10 млн рублей в год. Только автоматизация процесса ввода текста позволяет экономить сотрудникам редакции до 1 часа за рабочий день.
Причём перечень сервисов с ИИ постоянно растёт. Среди них есть, например, сервис, детектирующий упоминания о тех, кто признан иноагентами. Если не указывать наличие данного статуса у определённого человека, это влечёт штраф, и здесь внедрение также даёт прямую экономию. Недавно запущен ещё один сервис, отслеживающий потенциальные инфоповоды из различных источников, а также автоматическое протоколирование рабочих совещаний.
Директор департамента развития общебанковских систем банка «Синара» Владислав Кондратьев поделился опытом автоматизации обработки нотариальных запросов. Их поступает в банк около 100 тыс. Это печатные документы в свободной форме, что затрудняет их обработку. Точность автоматизированного анализа без использования ИИ не превышала 60 %.
Уже первые эксперименты с большими языковыми моделями подняли точность до 90 %. После тонкой настройки этот показатель удалось довести до 96 %. Причём главным сдерживающим фактором являются не недостатки нейросетей, а качество оригиналов или огрехи сканирования.
Ещё более значительного успеха достигла неназванная частная клиника. Проект представлял руководитель проектов и продуктовой разработки компании Raft Илья Чувашов. Заказчик с помощью интегратора решил задачу автоматизации такой трудоёмкой задачи, как проверка корректности заполнения 500 тыс. медицинских карт ежемесячно. При традиционном подходе удавалось обработать не более 100 за смену, причём люди допускали много ошибок, что было чревато дополнительными проблемами в виде угрозы штрафов от контролирующих органов. Плюс ко всему аудиторов приходилось отвлекать от выполнения основных обязанностей.
Внедрение системы автоматической проверки данных карт позволило проводить процесс без участия людей и сократить количество ошибок до минимума. Плюс ко всему врачи-специалисты вернулись к исполнению своих прямых обязанностей.
Без внедрения ИИ сегодня не обходятся очень многие системы. Среди них, в частности, практически все скоринговые платформы, используемые в банках и страховых компаниях, решения для проверки контрагентов и защиты от фрода — как внешнего, так и внутреннего. ИИ в антифрод-системах, как подчеркнул технологический лидер Центра компетенций ИИ «ВкусВилла» Александр Абрамов, помогает оперативно выявлять целый ряд сценариев, которые раньше долгое время оставались незамеченными. Среди них, в частности, реализация многих схем, связанных со злоупотреблениями в сфере закупок или корпоративной коррупцией.
В других сферах ИИ также помогает выявлять злоупотребления, например связанные с выводом средств из компаний или с поведением лиц с игровой зависимостью. А ещё в середине 2010-х это было практически невозможно сделать на ранних стадиях: в итоге злоупотребления со стороны внутренних мошенников или тот факт, что заёмщик потратил кредит в нелегальном казино, обнаруживались уже постфактум, когда ущерб, часто крупный, был уже нанесён.
Условия гарантированного провала
Классик говорил, что все счастливые семьи похожи друг на друга, а каждая несчастливая несчастна по-своему. В случае с проваленными проектами внедрения ИИ причины неудач всё же схожи:
- Неправильно выстроенный процесс сбора и обработки данных.
- Плохо просчитанная экономика проектов.
- Неоптимальная инфраструктура.
Впрочем, эти причины довольно тесно между собой переплетены. Также сказываются и издержки самой технологии, например так называемые галлюцинации ИИ. Впрочем, их появление связано с недостатком необходимых данных, которые модель пытается «додумать» самостоятельно. Результат, как правило, плачевный.
Когда нет порядка с данными
По оценке генерального директора New Level Business Ирины Поповой, которую она озвучила в ходе дискуссии «О дивный новый 2026: эффективность без усложнения» на 4-й конференции R-EVOlution, именно отсутствие порядка с данными является основной сложностью при реализации проектов внедрения ИИ. Аналогичный вывод сделали авторы исследования «Искусственный интеллект в России: тренды и перспективы», проведённого компанией «Яков и партнёры». Причём такие проекты вызывают завышенные ожидания у руководства компаний, чему способствует то, что представители вендоров и интеграторов, демонстрируя свои продукты с ИИ, используют специально подготовленные наборы данных.
В результате, как пришли к выводу участники дискуссий как на R-EVOlution, так и на форуме «Рег.Облака», ожидания от проекта внедрения ИИ на основе реальных данных, особенно если они «грязные», могут оказаться очень далеки от реальности. Чтобы всё работало корректно, как подчеркнула Ирина Попова, необходимо превратить данные в знания, что требует значительных усилий и времени.
Плюс ко всему, как уже было сказано выше, недостаток или низкое качество данных приводят к предвзятым или недостоверным результатам. Среди них — и галлюцинации: ссылки на несуществующие факты или документы. Однако, как отметил Илья Чувашов, при использовании в ходе проекта технологии поиска, дополненного генерацией (RAG), вместо большой языковой модели рисков, связанных с галлюцинациями, удаётся избежать. В частности, в проекте по проверке медицинских карт в Raft пошли именно по этому пути.
Кроме того, отсутствие порядка с данными, как пришли к выводу участники дискуссии на форуме «Рег.Облака», приводит к серьёзным сложностям при масштабировании проектов. Пилотная фаза при этом может быть вполне успешной, но дальнейшее развитие проекта оказывается не таким, как ожидалось. Корректировка же приводит к существенному увеличению затрат и необходимости исправлять выявленные ошибки, что, в свою очередь, вызывает рост стоимости и закономерное недовольство бизнес-руководства.
Плохо просчитанная экономика
Второй по значимости проблемой при реализации проектов внедрения ИИ в последнее время, когда ИТ-бюджеты снижаются, стала экономика. По данным международного агентства PricewaterhouseCoopers, в глобальном масштабе лишь 12 % компаний достигают значимого эффекта от внедрения ИИ. При этом используют ИИ в мире 78 % организаций. В России уровень проникновения ИИ, по данным компании «Яков и партнёры», несколько ниже, но незначительно (рис. 2).
Рисунок 2. Уровень проникновения ИИ в российских компаниях ряда отраслей
В итоге, как пришли к выводу участники обеих дискуссий, если не удаётся подсчитать сроки возврата инвестиций (ROI) или экономический эффект неочевиден, к таким проектам лучше вообще не приступать. Иван Звягин назвал порогом успешности проекта внедрения ИИ ситуацию, при которой прямой выигрыш в 2 раза, а лучше в 3 раза выше, чем возможный уровень затрат.
С другой стороны, при реализации проектов всегда есть место для оптимизации. Так, Илья Чувашов в своём выступлении о проекте по автоматизации проверки медицинских карт поделился опытом того, как удалось снизить расходы более чем на порядок. В частности, как уже было сказано выше, за счёт отказа от использования больших языковых моделей, которые, по мнению целого ряда специалистов, в русскоязычной среде являются просто дорогой игрушкой, в пользу RAG.
Также, по оценке участников дискуссии на форуме «Рег.Облака», значительно снизить затраты позволяет использование облачной или гибридной инфраструктуры. Особенно в нынешних условиях, когда цены на электронные компоненты, применяемые для построения инфраструктуры для развёртывания ИИ-сервисов, резко выросли.
Неправильно подобранная инфраструктура
В целом данное направление является прямым продолжением экономики проектов. Однако здесь накладываются и другие факторы — от регуляторики до специфики отечественного менталитета, который проявляется в стремлении всё контролировать.
С другой стороны, стоимость оборудования с осени прошлого года бьёт один рекорд за другим. И ситуация в мире не улучшается: к проблемам у южнокорейских и тайваньских вендоров добавляются последствия боевых действий на Ближнем Востоке, в том числе риск блокады Ормузского пролива, что ведёт к перебоям с поставками энергетических ресурсов и необходимых материалов (брома, гелия), значительная часть которых поступала из стран данного региона.
По подсчётам участников дискуссии «ИИ не для разговоров, а для задач. Кейсы от ИТ-директоров», стоимость аппаратного комплекса для развёртывания ИИ-сервиса локально начинается от 30 млн рублей. Чтобы этот комплекс работал эффективно, его утилизация должна быть не менее 80 %. Однако на практике этот показатель редко превышает 40 %. Это означает, что оборудование используется неэффективно.
Кроме того, качество работы даже одной и той же модели в облаке и в локальной инфраструктуре, как обратил внимание Владислав Кондратьев, отличается — причём в пользу облачного решения. Причина очевидна: ресурсов у облачной платформы заведомо больше. К тому же они разнородные и подстраиваются под разные виды нагрузок. А вот сайзинг локальной платформы — задача очень непростая: под разные типы ИИ-моделей нужно подбирать разные процессоры, причём не всегда серверные. Так, для некоторых моделей лучше использовать процессоры с более высокой тактовой частотой, например старшие модели AMD Ryzen.
С другой стороны, действительно существует риск утечек данных при использовании общедоступных ИИ-моделей. Причём статистика довольно тревожная: за 2025 год объёмы данных, которые таким образом оказались вне корпоративного периметра, выросли в России в 30 раз. Речь идёт о конфиденциальных данных, в том числе тех, оборот которых жёстко регламентируется, например содержащих банковскую, врачебную, налоговую тайну или персональные данные.
Однако, по мнению участников круглого стола «ИИ не для разговоров, а для задач. Кейсы от ИТ-директоров», можно применять локальную платформу только для обработки конфиденциальных данных, а для всех остальных — облачную. Плюс ко всему появляется всё больше облачных сервисов, которые предоставляют только вычислительную платформу, тогда как данные не покидают корпоративный периметр.
Стоит ли людям бояться ИИ?
Вместе с тем любой технический прогресс вызывает опасения у людей. Одними из первых дошедших до нас письменных произведений, где высказывалась тревога по поводу возможных последствий развития технологий, стали стихи древнегреческого поэта Гесиода, который жил в VIII веке до н. э. Проявлениями таких опасений были и движение луддитов в начале XIX века, и протесты против конвейеров в начале XX века, и страхи массовых сокращений на волне компьютеризации в 1990-е годы.
Согласно данным опросов, каждый восьмой россиянин опасается сокращений из-за внедрения ИИ. Прецеденты таких увольнений также есть, хотя таким работникам всё же удаётся вернуть себе рабочее место.
За рубежом ещё с конца минувшей осени компании начали массово возвращать сотрудников, уволенных из-за внедрения ИИ. В текущем году эта тенденция усилилась. Аналитики связывают этот процесс с тем, что ИИ до сих пор не может полностью выполнять роль, которую выполняют люди, ограничиваясь лишь отдельными функциями. Плюс ко всему при внедрении ИИ бизнес не учитывает всех необходимых затрат. В среднем они оказываются на 27 % выше ожиданий. В условиях резкого роста цен на оборудование эта величина рискует вырасти ещё больше.
Однако на фоне внедрения ИИ опасения за сохранность рабочих мест могут усиливаться. Это, в свою очередь, может способствовать сопротивлению таким проектам, вплоть до открытого саботажа.
Как отметили участники дискуссии «ИИ не для разговоров, а для задач. Кейсы от ИТ-директоров», наиболее велик этот риск в проектах, которые инициируются «сверху». Иван Звягин призвал в ходе внедрения ИИ опираться на так называемых чемпионов, которые могли бы донести пользу проектов и развеять страхи. К слову, участники дискуссии не припомнили случаев, чтобы внедрение ИИ напрямую приводило к сокращениям. Однако ситуации, когда одни люди заменяют других, встречаются нередко.
Поэтому, как подчеркнул Александр Абрамов, большое значение имеет обучение сотрудников работе с ИИ. А для вновь принимаемых сотрудников наличие соответствующих навыков уже практически обязательно — по крайней мере, для офисных специальностей.
Выводы
Условий для успеха проекта внедрения ИИ, по большому счёту, два. Первым и самым главным условием является работающая инфраструктура сбора и первичной обработки данных, необходимых для работы таких систем. Именно отсутствие качественных данных является главной причиной того, что проекты затягиваются.
Вторым условием успеха является измеримость результатов, что позволяет рассчитать экономику проекта. Это можно оценить как напрямую, так и через потенциальную экономию рабочего времени. Причём возможная выгода должна превышать затраты минимум в 2 раза, а лучше — в 3 раза.
Имеет значение и то, какая инфраструктура используется. Из-за регуляторных ограничений и опасений утечек данных в последнее время всё больше проектов пытаются использовать локальную инфраструктуру, но это в нынешних условиях высоких цен на комплектующие крайне затратно. Это оправдано лишь тогда, когда такая платформа будет работать безостановочно и с утилизацией не менее 80 %. Если же нагрузка меньше, то это нерационально с экономической точки зрения.
