Еще недавно применение искусственного интеллекта в промышленности ассоциировалось с аналитикой, классификацией и построением прогнозов. Сегодня все большую актуальность приобретает генеративный ИИ (GenAI) на основе больших языковых моделей (LLM), который меняет саму логику управления, производства и взаимодействия с данными. По сути, в мире стартовала масштабная гонка по внедрению ИИ «второй стадии». Она идет циклически неравномерно, однако, по мнению ИТ-специалистов, именно она в перспективе будет определять конкурентоспособность компаний.
Россия также в глобальном тренде: крупнейшие отечественные разработчики LLM (GigaChat, MTS Cotype, Т-Pro) уже предлагают решения, сопоставимые с зарубежными аналогами. Однако сегодня даже небольшое промедление может создать уже в краткосрочной перспективе риск отставания. Своевременный переход, напротив, открывает стратегические возможности и шанс занять лидерские позиции в ряде отраслей.
Внедрение GenAI сулит российской экономике значительные макроэффекты. Согласно оценкам Ассоциации больших данных, совокупный прирост ВВП России от массового применения технологий искусственного интеллекта может достигнуть к 2030 году 11,2 трлн. рублей. Российская промышленность уже получила дополнительный доход в размере 0,5 трлн. рублей за счет внедрения решений на базе ИИ (в основном классического).
Особенно впечатляет потенциал в нефтегазовом секторе. Независимый отраслевой консультант, специализирующийся на поддержке российского ТЭК «Выгон Консалтинг» оценивает суммарный отраслевой эффект от экономии ресурсов при активном применении генеративного ИИ более чем в 300 млрд. рублей в год. В свою очередь Минэнерго России прогнозирует, что накопленный эффект для отрасли в период 2025–2040 годов составит порядка 5,4 трлн. рублей.
При этом, по данным НИУ ВШЭ, 80% использовавшихся в производстве ИИ-решений созданы в России или значительно модифицированы отечественными разработчиками. Последнее закономерно, учитывая, что Россию отличает стратегический фокус на технологический суверенитет, в отличие от западной модели, ориентированной на максимизацию прибыли и стандарты ESG.
Интерес к ИИ особенно заметен в отраслях с высоким уровнем рутинных операций и значительной долей фонда оплаты труда в структуре операционных расходов (ритейл, банки). Также GenAI хорошо заходит туда, где:
Проблемные для внедрения генеративного ИИ сегменты демонстрируют обратные характеристики. В их числе:
Эксперты также считают барьерами консерватизм индустриального бизнеса, недостаточное число финансовых стимулов, дефицит кооперации при обмене данными.
Компании входят в фазу стратегических развилок. Задача — не просто внедрить технологию, а выбрать логику, которая соответствует корпоративной культуре и скорости принятия решений.
| Развилка: | Полюса выбора: |
| Суть ИИ | Инструмент или глубинная трансформация бизнеса |
| Внедрение | Централизованно или через горизонтальные уровни |
| Архитектура | Облако или on-premise |
| Экономика | Быстрые результаты или стратегический подход |
Успешная интеграция GenAI — это стратегический выбор, а не тактический ход. Как отмечают эксперты, фундаментальная ставка должна делаться на долгосрочное развитие процессов на основе GenAI-трансформации. Технология закладывается в основу бизнес-модели, а не надстраивается сверху.
Отрасль перемещается в сторону экосистем, где ИИ позволяет принимать решения и управлять процессами с учетом комплексной картины. Принцип «не внедряем ИИ в хаос» требует последовательных шагов: описание процесса → формирование требований → прототип (PoC) → тестирование → масштабирование.
Ключевая проблема состоит в том, что генеративный ИИ является не единым продуктом, а набором контекстных технологических инструментов, ценность которых рождается на местах. Децентрализованное появление кейсов, зависимость от пользователей (промпт-дизайн, обратная связь) и неустойчивость классического ROI формируют новую логику — «управляемая децентрализация».
Поэтому необходимо предоставить бизнес-подразделениям возможность реализовывать ИИ-решения при единых стандартах и безопасности.
На практике GenAI-агенты уже демонстрируют измеримые эффекты. Об этом свидетельствуют результаты решений Сбер Бизнес Софт на базе нейросети GigaChat:
| ИИ-агент:
|
Эффект для бизнеса:
|
| На основе Базы Знаний | Поиск информации ускоряется с 60 минут до 5 минут. Автоматизация текстовых каналов — до 100% |
| Для продаж или поддержки | Подготовка коммерческого предложения сокращается
с 120 до 10 минут. Автоматизация частотных сделок 60–80% |
| Для отдела закупок | Подготовка ТЗ ускоряется с 60 до 5 минут. Подготовка
Закупки сокращается с 1 месяца до 1 дня |
| Для юриста | Подготовка документов ускоряется с 40 до 5 минут.
Подготовка юридического заключения сокращается с 60 до 15 минут |
| Для разработчиков | Скорость разработки увеличивается +25–50%.
Снижение ошибок — 40% |
Инструментарий агентов включает Agentic RAG, Text-to-SQL, поиск в интернете, API (CRM, ERP, 1C), ML/ASR/CV-модели.
По оценкам специалистов, 70% проблем внедрения ИИ носят организационный, а не технический характер. Поэтому умение взаимодействовать с генеративным ИИ становится одним из самых важных навыков для сотрудников производственных и бизнес-подразделений. Его значение тем более велико, если учесть, что российская экономика испытывает дефицит специалистов с междисциплинарными компетенциями на стыке профильного производства и цифровых технологий.
Чтобы достичь успеха необходимы:
GenAI меняет не просто процессы, он изменяет то, как мы думаем, как справляемся с рутиной, как принимаем решения на основе данных. Однако механически встраивать технологию в действующие цепочки производства или менеджмента малопродуктивно. Глубокая отраслевая экспертиза, полный набор технологических инструментов и сильная команда — вот обязательные элементы успеха.
Крупному бизнесу как заказчику и компаниям-разработчикам ИИ требуется взаимная адаптация. ИT-подрядчики (за исключением компаний с полным технологическим циклом) часто оказываются не готовы к работе с промышленными корпорациями.
Каждый кейс уникален, и в каждом случае, планируя использовать генеративный искусственный интеллект, предстоит решить по какому пути вы пойдете.
Будете строить свою систему применения ИИ, опираясь на уникальные корпоративные данные?
Предпочтете купить готовые программы, если в приоритете скорость и соответствие стандартам?
Остановитесь на сотрудничестве с технологическим партнером для разделения рисков, доступа к ноу-хау и инфраструктуре?
Выбор за вами. И каким бы он ни был, без ИТ-экспертизы и навыков системной интеграции не обойтись. Хотите узнать больше – пишите contact@DBI.ru.
Наш менеджер свяжется в течение 2х часов
