90% российских компаний считают, что уровень развития искусственного интеллекта в России не уступает зарубежному. Такое мнение неслучайно: бизнес внедряет ИИ-решения и видит быстрый эффект. Однако в России есть и ряд проблем, которые мешают росту ИИ-технологий. В статье разбираемся, как на самом деле обстоят дела с развитием ИИ на уровне всей страны.
Краткая сводка: цифры рынка ИИ в России
Российский рынок искусственного интеллекта быстро растет и опережает экономику страны. На конец 2024 года рынок ИИ оценили в 1,15 трлн ₽. За год он вырос на 28%, а рост ВВП России в тот же период был на уровне 4,3%.
В России активно развиваются ИИ-стартапы. В 2024 году на российском венчурном рынке ИИ прошло 38 инвестиционных сделок на сумму $39 млн. Для сравнения: в 2023 году — около $10 млн. Дополнительно еще $33 млн пришлись на сделки M&A — финансовые сделки, в которых одна компания покупает другую или объединяется с ней. В первом полугодии 2025 года рынок сохранил темп — состоялась 21 сделка на $29 млн.
Чем отличаются разные модели нейросетей. И что это вообще такое Более 70% крупных российских компаний уже используют генеративный ИИ хотя бы в одном бизнес-процессе. Одни просто экспериментируют с новыми технологиями, другие целенаправленно внедряют в маркетинг, продажи, клиентский сервис, внутренние коммуникации.
Лидеры по объему внедрения искусственного интеллекта:
- Финансовый сектор — около 28% рынка. Используют ИИ для скоринга, антифрода, персонализации и автоматизации клиентских операций.
- Телеком и медиа — около 18% рынка. Используют ИИ в работе с трафиком, контентом и поддержке клиентов.
- Ритейл и e-commerce — около 15% рынка. Используют ИИ в рекомендательных системах, динамическом ценообразовании, логистике.
- Промышленность — около 12% рынка. Используют ИИ для компьютерного зрения, контроля качества, предиктивного обслуживания оборудования.
В среднем компании инвестируют в ИИ около 11% бюджета. Лидеры отрасли — 13–17%. А в 2026 году организации хотят увеличить инвестиции в генеративный искусственный интеллект в среднем на 25%.
Как устроен рынок искусственного интеллекта в России
Российский рынок искусственного интеллекта меняется на глазах. Собрали самые интересные факты из отчета Центра компетенции НТИ «Искусственный интеллект» и исследования МТС Web Services.
Обработка естественного языка (NLP). В 2023 году обработка естественного языка занимала долю рынка в 61,3%. В 2025 году доля упала до 9%. NLP внедряли в чат-боты, клиентскую поддержку, маркетинг и анализ текстов. Теперь обработка языка стала базовой инфраструктурой, которая встроена во все остальные ИИ-решения. Например, NLP есть в рекомендательных системах, генеративном контенте, инструментах аналитики данных, платформах для автоматизации процессов и корпоративных сервисах.
Технология NLP позволяет компьютерам понимать, интерпретировать человеческую речь и отвечать на нее. Сюда входит всё: от чат-ботов и голосовых помощников до автоматической работы с документами и анализа тональности отзывов в интернете.
Секрет востребованности решений на базе NLP и анализа данных прост: они выполняют конкретные, измеримые бизнес-задачи здесь и сейчас. Это автоматизация службы поддержки, извлечение информации из тысяч документов (включая сканы и фото), предиктивная аналитика для снижения рисков, персонализация коммуникаций. Результат — ощутимая разница в затратах и выручке в пользу прибыли.
В 2025 году, по данным Mordor Intelligence — компании, специализирующейся на рыночной аналитике, рынок обработки естественного языка в мире составил 39,37 млрд долларов США, а к 2030 году прогнозируется, что он достигнет 115,29 млрд долларов США.
NLP и анализ данных активно используют в России по 2 причинам:
- Это наиболее зрелые направления в целом. Многие компании в России с ними уже давно работают и это подтверждает исследование «Яков и Партнёры» и «Яндекса» и здесь уже срабатывает чисто статистика.
- Это направление, которое показывает реальные результаты. Многие компании внедряют чат-ботов, голосовых помощников, автообзвон и т. д. Подобные боты экономят кучу времени специалистам и разгружают отделы поддержки. У нас сейчас кризис и то, что помогает экономить деньги — обязательно находит применение.
Компьютерное зрение (CV). В 2023 году технология занимала всего 1,26% рынка. В 2025 она выросла в 27 раз, теперь CV занимает треть рынка (34%). Технологию применяют для:
- автоматизации визуального контроля качества на производстве;
- систем безопасности и видеоаналитики;
- оптимизации процессов в логистике, ритейле и инфраструктуре.
Есть несколько причин такого роста. Во-первых, из-за импортозамещения в промышленности компании начали быстрее автоматизировать процессы — особенно контроль качества, где без ИИ уже сложно обойтись. Во-вторых, бизнес увидел, что искусственный интеллект экономит деньги, ускоряет работу и быстро окупается.
Анализ данных — наиболее прагматичная часть искусственного интеллекта. Во время цифровой трансформации компании стараются перейти на управление на данных, что естественно. Потому есть спрос на технологии автоматизации работы с данными, обработку больших данных, а, главное, принятие решений в условиях неопределенности и неполноты данных. Раньше для этих задач использовали классическую статистику, но статистики радеют о «чистоте веры» — их аппарат применяется только при выполнении множества ограничений и требует значимых объемов выборок. В то время как ИИ здесь имитирует мышление эксперта, который сочетает данные со своим опытом, и может выносить интуитивные, но релевантные решения, даже когда данных мало.
Современный NLP очень сложно отделить от генеративного ИИ и больших языковых моделей. Пожалуй, единственная отдельно стоящая технология — анализ и синтез речи — не имеет значимого влияния на экономику, т. к. сама по себе создает ограниченную стоимость ( на автоматизации колл-центров много не заработаешь). Еще можно рассматривать NLP как предобработку для методов анализа данных, но это несамостоятельная роль — и тоже сейчас перешедшая под LLM.
Важно, что последние несколько лет существенный вклад в рынок ИИ вносит другое направление — компьютерное зрение (CV). В отличие от NLP тут гораздо шире и потребности, и область применения. Все просто: количество употребимых в мире языков невелико, а вот вариантов графических изображений существует невероятное количество. Потому и возникают задачи от распознавания лиц на фото — до поисков микротрещин на рентгене автомобильного двигателя. Как следствие, универсальных решений нет, а спрос — есть.
ИИ-агенты. В 2023 году они не существовали как отдельный сегмент. А в 2025 году стали занимать второе место на рынке (доля 29%). ИИ-агенты — это автономные системы, которые:
- самостоятельно планируют последовательность действий;
- выполняют многошаговые задачи без участия человека;
- интегрируются с корпоративными системами, базами данных и внешними API;
- принимают решения и совершают действия для достижения цели.
Анализ данных. В 2023 году он занимал 33,6% рынка и был вторым по величине сегментом. В 2025 году его удалили из классификации. К анализу данных относится прогнозирование спроса, антифрод, финансовая аналитика, оптимизация процессов. Это стало настолько базовой функцией ИИ-систем, что перестало считаться отдельным продуктом.
Генеративный ИИ (GenAI). В 2023 году он занимал совсем малую долю рынка — 0,19%. А в 2025 году его больше не рассматривают как отдельный сегмент. Он стал базовой платформой, которая интегрируется во все остальные технологии:
- компьютерное зрение использует генеративные модели для улучшения качества изображений;
- ИИ-агенты построены на больших языковых моделях;
- NLP-решения работают на базе генеративных архитектур.
До 25 года генеративный ИИ хоть и был хорош, но реальные кейсы решить с ним все же было сложно. Теперь все изменилось.
В плане текстов языковые модели научились понимать контекст, держать логику на длинных дистанциях и адаптироваться под стиль. Раньше приходилось переписывать половину сгенерированного, теперь можно получить готовый черновик, который требует минимальной редактуры.
Если говорить про аудио, то актуальные модели отлично озвучивают любой текст, точно передают интонации, делают паузы и добавляют эмоциональную окраску. Теперь можно озвучивать что угодно и делать это достаточно дешево.
С картинками и видео все тоже хорошо. Можно быстро создавать референсы, прототипы рекламы и делать кучу креативов. Это сильно ускоряет работу и экономит деньги на дизайнерах, художниках, съемочных группах и т. д.
Генеративный ИИ — это методический подход, который появился еще задолго до бума ChatGPT. И его активно используют и для NLP, и для CV, и для анализа данных. Часто GenAI работает гораздо лучше, чем классические методы. Однако его внедрение связано с рядом проблем.
Во-первых, задачи для генеративного ИИ требуют серьезных вычислительных ресурсов, которых зачастую не хватает у конечного потребителя. Во-вторых, не все разработчики умеют создавать новые продукты с элементами GenAI. А поделку на основе классических NLP и СV может создать даже студент-первокурсник. Оказалось, что и потребители еще не готовы ставить задачи, которые требуют полноты генеративного ИИ. Кого сейчас можно удивить грошовым запросом типа «напиши за меня справку» или «что кратко сказано в этом тексте»? А вот тех, кому генеративный ИИ создает проекты зданий или технологические карты для производства — можно пока пересчитать на пальцах.
Современный генеративный ИИ — это, по сути, наиболее сложное и комплексное применение технологий NLP и анализа данных. Сейчас он находится на естественном этапе эволюции рынка: с ростом технических возможностей и освоения моделей бизнес переходит от экспериментов к внедрению в ключевые процессы. Генеративные нейросети перестают быть простым развлечением для пользователей — акцент смещается на ценность и выгоду для компаний. Мы переходим от вопроса «Что он умеет» к «Как его можно использовать для повышения эффективности и окупаемости бизнес-процессов?».
Основные барьеры развития рынка генеративного ИИ — высокий порог входа, связанный с созданием эксклюзивных цифровых активов под ключ, а не массового производства, а также низкий контроль безопасности данных, если они хранятся и обрабатываются на публичных серверах или облаках. Самый жизнеспособный ответ на эти вызовы — развертывание комплексных кастомизированных ИИ-продуктов на закрытых ИТ-мощностях компании, которые работают внутри экосистемы заказчика и учатся на его прикладных данных.
Например, к нам в Студию часто обращаются с запросом на автоматизацию многих процессов, связанных с документооборотом. Мы разработали ИИ-анализатор проектной документации с точностью 99,2% и экономией 12 000+ человеко-часов в год. Создали ИИ-систему для сбора показателей рынка с площадок агрегаторов и сайтов конкурентов, с которым чек прибыли заказчика вырос на 5,17% быстрее, чем за полгода. Представили интеллектуальный поисковик документов в строительстве, сократив поиск с 2–5 часов в неделю до 2–5 минут — и это только несколько примеров. Большая часть решений работает локально на серверах клиентов, а при разработке облачных решений мы уделяем особое внимание безопасности данных и шифрованию при необходимости.
Кем работать в мире нейросетей: должности и специализации Заказная разработка ПО. Занимает долю рынка в 12%. Кастомизированные решения под разные задачи бизнеса. Сюда переместилась значительная часть бывших NLP и аналитических проектов.
ИИ-консалтинг. Занимает долю в 7%. Стратегическое планирование внедрения ИИ. Компании поняли, что технология требует не просто покупки софта, а перестройки процессов.
Технологии, оставшиеся в нише:
- робототехника: 0,24% (2023);
- распознавание речи: 0,16% (2023) — интегрировано в NLP.
В 2023 году российский рынок ИИ был сосредоточен на анализе — обработке текстов и данных. Искусственный интеллект читал, анализировал, рекомендовал. К 2025 году фокус сместился на действия: компьютерное зрение позволяет ИИ видеть физический мир, а ИИ-агенты дают ему возможность действовать автономно.
Как государство поддерживает развитие искусственного интеллекта
С 2021 по 2024 год в России действовал федеральный проект «Искусственный интеллект». За 4 года государство выделило на него 26,5 млрд ₽. Вот основные результаты программы:
- Создали 12 исследовательских центров по ИИ. Например, «Университет Иннополис»: ИИ в виде отраслевых продуктов и фреймворков для приоритетных отраслей экономики. НИУ ВШЭ: Технологии ИИ для применения в науке, бизнес, социальной сфере и так далее.
- Опубликовали 590 статей российских специалистов по теме ИИ.
- Обучили более 100 тысяч школьников компетенциям в сфере ИИ.
- Помогли 15 тысячам студентам получить высшее образование по профилю ИИ.
В «Иннополисе» разработали систему ультразвуковой томографии. Теперь промышленные компании смогут находить внутренние дефекты на 30% быстрее и повышать чувствительность контроля на 20%.
В 2025 году искусственный интеллект сделали одним из главных приоритетов национального проекта «Экономика данных и цифровая трансформация государства». Его бюджет в первый год составил около 150 млрд ₽, а к 2028 году должен вырасти почти до 184 млрд ₽. Часть средств направят на развитие и внедрение ИИ-решений в госсекторе и бизнесе.
Компании и стартапы могут получить гранты на разработку и внедрение ИИ-решений. Например, в 2025 году на это выделили около 2 млрд ₽.
Действуют налоговые льготы для организаций, которые выбирают отечественные ИИ-решения. Допустим, можно получать налоговый вычет на всю сумму расходов по установке, тестированию, адаптации, программ и баз данных.
А еще государство прорабатывает законодательное право центров обработки данных напрямую подключаться к магистральной энергетической сети (ЕНЭС). Это может снижать стоимость энергопотребления и улучшать условия для масштабных ИИ-инфраструктур.
Государственные инвестиции в ИИ создают научную базу, поддерживают стартапы и компании через гранты и льготы. Развивают инфраструктуру и внедрение современных инструментов в госсектор и бизнес. Это ускоряет отечественный рост инноваций и снижает зависимость от зарубежных технологий.
Реальные кейсы: что делают лидеры рынка
За 2024 год 150 крупнейших компаний в отрасли ИИ заработали 1 486 млрд ₽. Причем 95% выручки получила первая пятерка лидеров. Данные привело аналитическое агентство Smart RanKing. Рассмотрим поближе топовые компании и их достижения.
Яндекс: упрощает повседневные дела и помогает бизнесу экономить
Яндекс находится на первой строке по выручке. Компания использует ИИ повсюду: в поиске, рекламе, рекомендациях, голосовых интерфейсах и даже в «умных» колонках. Обычным людям Яндекс помогает генерировать котиков, а бизнесу — оптимизировать рекламу и писать тексты.
Вот значимые достижения Яндекса за последние два года:
Прорыв в речевом ИИ: нейросети понимают команды даже в шуме. В 2025 году разработчики Яндекса представили технологию, которая распознает голос даже при шуме воды, пылесоса, музыки. Теперь не нужно останавливать работу приборов или повышать голос, чтобы отдать команду нейросети. Технология уже работает в умных устройствах Яндекса. Воспользоваться инновацией могут и другие компании по всему миру.
ИИ-агенты в «Алиса AI». Они способны выполнять целые цепочки действий. Например, агент «Найти дешевле» самостоятельно ищет выгодные предложения в магазинах, а режим «Исследовать» анализирует большие объемы информации и формирует аналитические отчеты.
«Алиса» в ушах: новые наушники Яндекса. В 2025 году Яндекс анонсировал первые носимые ИИ‑устройства с искусственным интеллектом — беспроводные наушники «Яндекс Дропс», которые должны выйти в первом квартале 2026 года. Пользователи смогут в любой момент обратиться к нейросети, не доставая телефон. Специальная функция «Моя память» позволит голосом записывать заметки, планы, идеи и возвращаться к ним позже через чат с «Алисой».
Yandex AI Studio для создания ИИ-агентов без навыков программирования. Агенты берут на себя рутинные задачи и могут автоматизировать работу бухгалтерии, юридических отделов, HR и техподдержки. Конкретные кейсы:
- Московский метрополитен внедрил ИИ-помощника «Александра», который обрабатывает более 585 тысяч запросов ежемесячно. Это сократило количество письменных обращений на 35%.
- Яндекс Недвижимость использует ИИ-агентов для анализа 100% звонков риелторов, что улучшило конверсию.
- Компания «Лемана ПРО» снизила стоимость создания карточки товара на 95% благодаря YandexGPT.
Обзор GigaChat — бесплатной нейросети от Сбера Сбер: создает ИИ-решения для обычных людей, бизнеса и государства
Самый популярный продукт Сбера — GigaChat. Это генеративная нейросеть, в которой можно писать тексты, работать с документами, искать информацию в сети. В 2025 году на платформе появился маркетплейс ИИ-агентов для разных задач. Например, Mind Map создает интеллектуальную карту на основе информации из чата. «Турист» помогает запланировать поездку и дает рекомендации. Сейчас доступно 4 агента, и еще 4 должны скоро появиться.
Какие еще новости у Сбера:
Союз Министерства финансов и Сбера. Они объединились, чтобы внедрить ИИ в бюджетный процесс. Представители будут изучать, как искусственный интеллект может управлять федеральными деньгами, анализировать расходы и следить за исполнением бюджета. Главный инструмент-помощник в этом — система на базе GigaChat, которая автоматически готовит и проверяет данные. В пилотном проекте уже удалось снизить нагрузку на сотрудников до 70%.
ИИ выходит с экрана в физический мир. В 2025 году Сбер представил антропоморфного робота «Грина», который работает на базе нейросети GigaChat. Робот может ходить, взаимодействовать с предметами. Сбер планирует адаптировать его под работу на складах, в логистике и в других прикладных задачах.
ИИ в работе инкассаторов. Сбер внедрил мультиагентные ИИ‑системы в операционные процессы инкассаторских служб. Алгоритмы анализируют дорожную ситуацию, планируют маршрут, прогнозируют риски, контролируют подготовку персонала. Искусственный интеллект сокращает время обработки заявок и позволяет быстрее реагировать на чрезвычайные ситуации.
Достижения других лидеров
Вконтакте фокусируется на том, чтобы сделать жизнь пользователей проще и интереснее. Искусственный интеллект помогает находить нужный контент, создавать новые тексты, анализировать видео и вести сообщества. Результат: вовлеченность пользователей выросла на 7%.
Например, VK Видео научился понимать ролики: что на них происходит, какие объекты и сцены показываются, о чем контент. Система подбирает рекомендации под интересы конкретных пользователей. А администраторы сообществ ВК получили умные инструменты: автоматическую модерацию, анализ активности участников и генерацию текстов для постов с помощью ИИ.
МТС делает ставку на собственную экосистему ИИ — от языковых моделей до облачных платформ и голосовых технологий. Например, у МТС есть собственное семейство больших языковых моделей Cotype. В 2024–2025 годах компания выпустила несколько поколений, которые помогают писать тексты, анализировать документы и создавать ИИ-агентов для бизнеса.
«Лаборатории Касперского» опережает киберпреступников. Главная новинка — ИИ-ассистент KIRA, который помогает специалистам по безопасности работать быстрее. KIRA умеет составлять отчеты по проблемам безопасности, оценивать уровень риска и снимать нагрузку с ИБ-специалистов.
Что в России мешает искусственному интеллекту развиваться
В России есть несколько факторов, которые замедляют внедрение технологий и усложняют конкуренцию с мировыми лидерами:
Ограниченный доступ к современным вычислительным ресурсам. Для обучения современных ИИ‑моделей нужны мощные графические процессоры (GPU). Практически весь рынок GPU для ИИ-моделей контролирует NVIDIA. При этом первыми чипы скупают крупнейшие компании вроде Meta и Microsoft. А поставка GPU в Россию в принципе затруднена. Отечественная микроэлектроника недостаточно развита, чтобы заменить зарубежные технологии на нужном уровне.
Развитие ИИ в России затрудняет 2 фактора:
Нехватка оборудования. Сейчас в мире нехватка оперативной памяти. Цены на все комплектующие растут, и это происходит из-за того, что компании строят заводы под спрос, который еще также не сформировался. И планируют разворачивать дата-центры с потреблением мощностей, которых еще также нет.
И вся эта тенденция продолжится просто потому, что в какой-то степени мы находимся в пузыре, и этот пузырь будет дальше раздуваться. И пока он будет раздуваться, у нас все так же не будет хватать оборудования. Оно будет дорогим, и не все смогут позволить себе достаточной мощности для обучения ИИ.
Нехватка денег. Создание той самой инфраструктуры для развития ИИ требует огромных денег на обучение персонала, перестройку процессов и банально строительство дата-центров. Плюс, большая часть денег инвестируется частными компаниями по типу Яндекса и Сбера, а у них просто физически может не хватить денег на необходимое развитие.
Дефицит квалифицированных кадров. В 2025 году потребность российской экономики в ИИ-специалистах увеличилась на 18% по сравнению с 2024 годом. В России нужны профессионалы с глубокой экспертизой в ИИ‑технологиях: от исследователей в области машинного обучения до инженеров по развертыванию моделей.
Среди самых востребованных специалистов:
- Тестировщики (31%).
- Backend-разработчики (27%).
- Продакт-менеджеры (24%).
- Руководители групп разработки (21%).
- Специалисты по информационной безопасности (19%).
Эксперты отмечают, что рынку не хватает узкопрофильных специалистов с глубоким погружением в конкретные предметные области — медицинскую аннотацию данных, оптимизацию логистики, промышленную автоматизацию.
Если расставлять приоритеты, то прежде всего ощущается нехватка специалистов, разговаривающих в равной степени на языке технологий и на языке бизнеса — продакт-менеджеров и стратегов. Эти люди способны не только разбираться в технологиях, но и с помощью ИИ переизобрести бизнес-процесс, обосновать его экономику и практическую ценность, рассчитать KPI, спланировать и провести внедрение.
Рынок также остро нуждается в MLOps-инженерах — специалистах по промышленной эксплуатации машинного обучения (Machine Learning Operations). Их знания необходимы для любого ИИ-проекта в реальном бизнесе. Они обеспечивают работоспособность ИИ-моделей, предотвращают и устраняют сбои, настраивают самообучение и актуализацию на новых данных, а также следят, чтобы процессы, связанные с ИИ, были безопасными, отслеживаемыми и не ломали работающую систему.
На рынке сейчас не хватает самых главных людей — квалифицированных заказчиков в сфере ИИ. То есть предметных специалистов, которые понимают возможности разных технологий и имеют достаточную насмотренность, чтобы излагать новые идеи, как правильно применять ИИ в своей области.
Квалифицированный заказчик — это предметный (недо)архитектор отраслевого ИИ. Он должен уметь квалифицированно формулировать технические требования к задаче. И потом столь же квалифицированно принимать эту работу, понимая, как ее будут внедрять.
К сожалению, сейчас таких специалистов не учат нигде. Общие курсы по ИИ в вузах, как правило, направлены на повышение личной эффективности и не создают компетенций заказчика. Те, кто сейчас выступают в этой роли — это стихийно сформировавшиеся самоучки, или ИТ-специалисты, получившие многолетний предметный опыт в отрасли. А между тем если такие люди не появятся массово, то внедрение ИИ в экономику остановится в силу ограниченности фантазии заказчиков.
Ограниченная интеграция в мировые ИТ-сети. Российским компаниям сложнее использовать мировые облачные платформы, инструменты из-за требований по безопасности данных.
Скудные возможности для международного обмена знаниями и участия в глобальных проектах замедляет развитие технологий. Чтобы компенсировать это, создают новые форматы сотрудничества. Например, в рамках БРИКС проходит BRICS+ AI Success Hub — международная платформа для обмена реальными кейсами внедрения ИИ.
Проблемы коммерциализации и отсутствие стратегий внедрения. По данным МТС Web Services, у 74% российских компаний нет стратегии развития искусственного интеллекта. Их отсутствие приводит к разрозненным проектам, потере бюджета и разочарованию.
Уровень зрелости стратегий в области ИИ ниже, чем в других направлениях. Например, стратегии по облачным технологиям внедрены в 44% компаний, а в сфере кибербезопасности — в 42%. Получается, в большинстве организаций ИИ рассматривают как экспериментальный ИТ-инструмент, а не как часть системной работы бизнеса.
Работа с искусственным интеллектом определяется профессиональными ролями. И для создания и внедрения систем ИИ нужны специалисты разных ролей. В РФ сейчас принята компетентностно-ролевая модель из 11 ролей. Она построена так, что можно стыковать ИИ-компетенции с предметными компетенциями в 12 отраслях экономики: обрабатывающая промышленность, транспорт, телеком, и пр. В этой ситуации компетенции включают в себя как инструментальные (связанные с методами машинного обучения), так и предметные. Последние связаны не с инструментами, а с решением характерных задач. Например, в промышленности это задача предиктивной аналитики оборудования, а в финансовой сфере — кредитный скоринг.
Специалистам, которые хотят работать на стыке бизнеса и искусственного интеллекта, необходимо развивать следующие навыки:
- глубокое понимание работы ИИ — не обязательно уметь создавать нейросети с нуля, но важно знать принципы их работы и технологии, лежащие в основе;
- фундаментальная экспертиза в самой отрасли — например, финансах, ритейле, маркетинге и других, включая ее болевые точки;
- критическое мышление — чтобы отличать действительно работающее решение от обыкновенного модного тренда;
- аналитический подход — умение формулировать задачу в терминах бизнес-метрик и измеримых KPI;
- внимание к безопасности данных — конфиденциальной информации, к которой относятся финансовые показатели, коммерческие тайны и персональные сведения.
Для меня главный скилл в работе с нейронками — умение правильно ставить задачу и создавать рабочее окружение. Вместо того, чтобы искать ту самую связку слов, нужно правильно доносить свою мысль. А чтобы это сделать, нужно:
- Понимать свою цель и что ты хочешь получить.
- Уметь интерпретировать результат и видеть, почему нейросеть сделала не так.
- Подготавливать документы с контекстом, описанием проекта, своими предпочтениями.
- Загружать их в нейросеть и работать на этой основе.
- Дорабатывать свои документы, а не писать бесконечные уточнения в чате.
Если кратко, то всем заинтересованным понадобятся навыки управления проектами. Без этого не сработает ни один промпт и не получится создать ни один проект.
Что дальше: как будет развиваться искусственный интеллект в России
Аналитики выделяют несколько возможных сценариев развития ИИ к 2027 году:
- Базовый сценарий: рост примерно 40% в год и объем рынка около $5,8 млрд.
- Оптимистичный сценарий: рост порядка 50% в год с объёмом до $7,1 млрд.
- Пессимистичный сценарий: рост около 25% в год и объём около $4,1 млрд.
Специалисты склоняются к базовому сценарию, но и оптимистичный возможен, если удастся преодолеть кадровые и технологические проблемы. А вот при их усилении, замедлении инвестиций — вероятен пессимистичный сценарий.
В ближайшие 3–5 лет роль ИИ в бизнесе изменится от обыкновенного помощника до агента — цепей ИИ-модулей, которые автоматически распределяют задачи между собой и самостоятельно принимают оперативные решения в рамках делегированных полномочий при минимальном вмешательстве человека.
Если сейчас ИИ способен в реактивном режиме написать текст или проанализировать документ, то в ближайшем будущем мы сможем доверить ему создание сложных отчетов по продажам или успеваемости сотрудников, проактивное прогнозирование в разных областях, всестороннюю оценку рисков.
ИИ-моделирование будет набирать обороты: агенты смогут предлагать возможные сценарии развития по сложным запросам — при заданном описании готовящегося продукта или проекта и предполагаемыми сроками реализации оценить потенциальную прибыль с учетом рыночных прогнозов и активности конкурентов.
Тестирование гипотез приобретет принципиально новую точность: вместо формата, где пользователь вручную вводит гипотезы по очереди, агенты будут самостоятельно генерировать теории и параллельно запускать десятки экспериментов, мгновенно анализировать их в реальном времени, корректировать параметры и масштабировать только те варианты, которые доказали эффективность.
В нейронках все очень быстро развивается. Еще 2 года назад сгенерированный Уилл Смит не мог нормально съесть лапшу, теперь он ее и сварит на видео, и по одной спаггетине на вилку намотает.
Поэтому я бы оценил горизонт в год. Думаю, в 2026 году мы увидим еще больше ИИ-агентов и решать они смогут куда больше задач. Возможно, часть задач они научатся выполнять так хорошо, что их даже не придется контролировать. Например, всякие оценки общения с клиентами, саммаризация, заполнение отчетов по готовым данным или даже подготовка части контента.
Второе предположение — мы можем двигаться в сторону инфраструктуры. Грубо говоря, нейронки будут встраиваться во все процессы и забирать на себя какую-то их часть. Как когда-то часть вычислений перенесли в эксель.
Надеюсь, что через 3-5 лет ИИ будет мультиагентным и отраслевым. Сейчас многие организации создают своих ИИ-агентов для автоматизации отдельных ролей. Однако управлять парой-тройкой агентов вполне может человек. А вот если их сотни и тысячи? Поэтому прямо сейчас в РФ развиваются технологии, которые могут автоматизировать коллективную работу агентов, учить их развиваться и договариваться друг с другом, чтобы совместно решать задачи пользователя.
Полагаю, что развитие такой технологии породит как минимум отраслевые рынки агентов, возможно, устроенные на принципах проката видеокассет в 90-х. Компании смогут выставлять своих агентов, обученных для разных задач на общую витрину, и взамен — безвозмездно пользоваться чужими агентами. Возможно, толчок в развитии, заданный такой схемой, окажется в итоге гораздо интереснее, чем простая продажа агентов по лицензии, как обычного ПО.
По нашему мнению, искусственный интеллект продолжит активно развиваться. Государство видит в нем потенциал для экономики, бизнес — быструю окупаемость. Крупные компании не просто внедряют новые технологии, но и инвестируют в них. Поэтому несмотря на все ограничения, в России появляются собственные разработки — некоторые не уступают западным. Однако для полноценной конкуренции, России еще нужно преодолеть ряд проблем. Когда это случится, уверены, наша страна займет долю мирового ИИ-рынка побольше, чем 1%, как сейчас.