Константин Алёшин из IBS объясняет, какие решения становятся востребованными, за счёт чего компании рассчитывают окупать инвестиции и что может задержать получение эффекта.
Российский рынок генеративного искусственного интеллекта переходит от экспериментов к корпоративным внедрениям. Основной спрос формируют компании, которым необходимо ускорить анализ документов, автоматизировать клиентские коммуникации и повысить производительность интеллектуального труда. Об этом пишет Константин Алёшин, старший аналитик группы генеративного искусственного интеллекта IBS.
От языковых моделей к мультиагентным платформам
По оценке эксперта, развитие корпоративного ИИ связано с переходом от отдельных чат-ботов и поиска по внутренним базам знаний к агентным системам. Несколько ИИ-агентов могут распределять между собой этапы работы: собирать информацию, анализировать данные и готовить итоговые документы.
Для бизнеса ключевым становится не только качество языковой модели, но и её интеграция с корпоративными системами, рабочими процессами и средствами информационной безопасности. Поэтому одним из направлений развития становятся мультиагентные платформы, развёрнутые внутри ИТ-контура компании.
Куда направляются инвестиции в генеративный ИИ
Среди приоритетов корпоративных заказчиков эксперт выделяет собственную вычислительную инфраструктуру, мощности на графических процессорах, обучение больших языковых моделей и закрытые платформы управления знаниями. Выбор архитектуры во многом зависит от требований к локализации данных и информационной безопасности.
Потенциальный экономический эффект связан с автоматизацией обработки корпоративных документов, подготовки отчётов, анализа информации и разработки программного кода. При этом результат зависит от конкретной задачи и исходного состояния процессов. По оценке Алёшина, новые проекты могут давать более заметный эффект, чем попытки внедрить генеративный ИИ для работы с унаследованным кодом сложных корпоративных систем.
За счёт чего окупаются ИИ-проекты
Основной источник возврата инвестиций – сокращение операционных издержек и ускорение бизнес-процессов. Генеративный ИИ может помогать при сверке документов, подготовке типовых отчётов и обработке обращений клиентов. Высвобождённое время сотрудников позволяет сосредоточиться на задачах, требующих профессиональной оценки и принятия решений.
Дополнительная возможность – создание новых продуктов и сервисов на основе ИИ. Однако экономический эффект необходимо оценивать отдельно для каждого проекта, сопоставляя затраты на разработку, вычислительные ресурсы, интеграцию и сопровождение с измеримыми результатами.
Главные риски инвестиций в генеративный ИИ
По мнению эксперта IBS, существенный риск связан с завышенными ожиданиями бизнеса. Компании могут рассчитывать на быстрый результат, не выделяя достаточно ресурсов на предпроектную аналитику, подготовку данных и проектирование архитектуры решения.
Недостаточная интеграция с корпоративными системами и недооценка ограничений моделей способны увеличить сроки внедрения и отодвинуть окупаемость. Поэтому до начала проекта важно определить измеримые показатели эффективности, проверить качество доступных данных и оценить, насколько выбранная технология подходит для конкретного процесса.
Что важно учитывать при выборе стратегии
- Начинать с бизнес-задачи и критериев измерения результата, а не с выбора популярной модели.
- Оценивать качество данных и готовность корпоративных систем к интеграции.
- Заранее учитывать расходы на инфраструктуру, безопасность, сопровождение и обновление решения.
- Проверять результаты на ограниченном сценарии перед масштабированием на другие процессы.
Таким образом, инвестиции в генеративный ИИ требуют не только выбора технологической платформы, но и изменения подхода к проектированию корпоративных процессов. Именно качество подготовки и системной интеграции во многом определяет, удастся ли превратить потенциал технологии в измеримый экономический эффект.
Источник
IBS – «Российский рынок генеративного ИИ: инвестиции и основные риски»