ИИ - трансформация бизнеса ― 2026 : практики и условия успеха

osp.ru · Feb 23, 2026 · Collected from GDELT

Full Article

Какие практики ИИ-трансформации бизнеса зарекомендовали себя в России наиболее успешно в области и какие ключевые аспекты необходимо учесть, чтобы ИИ-проекты одобрил бизнес. Какие практики применения ИИ уже доказали свою эффективность в российских компаниях? В каких областях и при каких условиях они дают максимальную выгоду? Какие факторы в наибольшей степени необходимо учитывать, чтобы добиться успеха? На эти и другие вопросы мы попросили ответить экспертов, планирующих принять участие в очередном форуме «Данные+ИИ». Резюме статьи Основная тема: текущее состояние и перспективы внедрения ИИ в российском бизнесе, а также успешные практики применения ИИ и условия, необходимые для эффективного внедрения этих технологий. Подробности: Отрасли-лидеры по внедрению ИИ Основные направления применения ИИ Итоги успешных кейсов Важные условия успеха Основные выводы Какие ИИ-практики зарекомендовали себя как успешные Российский бизнес активно экспериментирует с искусственным интеллектом: он встраивает технологии ИИ в самые разные процессы и операции, однако ощутимые выгоды от ИИ-проектов получает далеко не всегда. Лидерами по освоению ИИ среди отраслей стали, по единодушному мнению экспертов, финансовый сектор, ретейл и маркетпейсы, промышленность и сельское хозяйство, телеком. Большой интерес к пилотным проектам проявляют также медицина и здравоохранение, строительная отрасль, госсектор и бюджетные учреждения, а также ряд других. В каких именно направлениях ИИ-технологии зарекомендовали себя как наиболее успешные? Артем Евдаков: «В целом для бизнеса перспективным выглядит развитие собственных малых и средних узкоспециализированных ИИ-решений» «В банковской сфере ИИ помогает оценивать кредитоспособность клиентов, предлагать персональные финансовые рекомендации, анализировать транзакции и выявлять мошенничество, — поясняет Артем Евдаков, руководитель направления по работе с альянсами и ассоциациями компании Fplus. — В торговле искусственный интеллект помогает точнее прогнозировать спрос и персонализировать рекомендации. Маркетплейсы анализируют поведение покупателей, чтобы улучшать рекомендации и увеличивать конверсию до 40%. С помощью прогнозных моделей ИИ оптимизируются маршруты доставки грузов. В промышленности ИИ помогает предсказывать износ и выход из строя оборудования, управлять качеством и повышать эффективность процессов. В целом для бизнеса перспективным выглядит развитие собственных малых и средних узкоспециализированных ИИ-решений, поскольку большие модели требуют серьезных вычислительных мощностей и инвестиций». Максим Андрианов, директор по разработке и внедрению ПО «Инфосистемы Джет», продолжает: «Одно из наиболее распространенных применений ИИ — умные помощники в клиентском сервисе, в том числе в чатах поддержки банковских приложений, сервисов доставки и пр. В 2025 году на смену сценарным чат-ботам пришли GPT-инструменты, более интеллектуальные и человекоподобные. Умных помощников сегодня используют более 70% крупных компаний: ИИ улучшает качество клиентского сервиса без расширения штата, а компании снижают затраты на первую линию поддержки. Еще одна популярная практика применения ИИ — цифровые советники на производстве: они анализируют десятки показателей из смежных систем и выдают рекомендации по оптимизации производственного процесса, сокращения издержек и улучшения качества продукции. Относительно новый тренд — внедрение больших языковых моделей (LLM) в госсекторе: ИИ частично автоматизирует обработку обращений граждан, работу с документами, поиск информации и многое другое. Уже сейчас ИИ помогает высвободить ресурсы, занятые рутинными операциями, и на 15–20% ускорить процессы». Илья Петухов: «ИИ-проекты требуют серьезных начальных инвестиций, посчитать окупаемость которых непросто» Илья Петухов, руководитель проектов развития ИИ-решений компании Directum, в целом соглашается с коллегами: «Ощутимые выгоды дает использование ИИ-ботов в сфере клиентской поддержки, машинное обучение в АПК и промышленности, персонализация маркетинга и рекомендаций с помощью ИИ в ритейле и маркетплейсах. В частности, рост доходности рекламных кампаний за счет применения ИИ может достигать 15-20%. Однако ряд барьеров на пути успеха ИИ пока остается: недостаточная готовность внутренней инфраструктуры, нехватка квалифицированных специалистов, слабо развитая культура инноваций, освоения и принятия технологий. К тому же ИИ-проекты требуют серьезных начальных инвестиций, посчитать окупаемость которых непросто. Так или иначе, успешные ИИ-проекты есть, и крупные компании их демонстрируют». Евгений Осьминин, директор по развитию и цифровой трансформации компании РДТЕХ, выделяет три группы операций и процессов, где ИИ дает заметный эффект: «Первая — эффективность которых уже доказана и вошла в широкую практику: кредитный скоринг и прогнозирование дефолта заемщика, оптимизация маркетинговых стратегий и гиперперсонализация контента, распознавание текста, графики, видео- и аудиофайлов, контроль за работой персонала и планирование организации труда, общение с клиентами через текстовые и голосовые чат-боты, инвестиционные инструменты, антифрод и информационная безопасность. Вторая группа практик — эффективность которых подтверждена, но экономика и оценка рисков не полностью сформированы: расширенный анализ данных и прогнозирование тенденций, разработка стратегии развития бизнеса, полная автоматизация инвестиционной деятельности, взаимодействие с регуляторами, оценка клиента на склонность к покупкам и влияние мошенников, решение простых проблем клиентов (через текстовые и голосовые чат-боты), предотвращение мошенничества и генерация программного кода. И третья группа — эффективность которых тестируется в рамках отдельных пилотных проектов и точечных внедрений: автоматизация платежных операций и расчетов, клиентские сервисы на основе биометрических данных, решение сложных проблем клиентов, их персональное консультирование в совокупности с виртуальными голосовыми или видео-ассистентами, геймификация и метавселенные, управление стратегиями кибербезопасности, разработка приложений и сервисов». Сергей Карпович: «ИИ уже приносит прибыль в задачах предиктивной аналитики и прогнозирования, а также в алгоритмах динамического ценообразования» Как отмечает Сергей Карпович, заместитель руководителя компании Т1 ИИ (холдинг Т1), ИИ уже приносит прибыль в задачах предиктивной аналитики и прогнозирования на основе исторических данных, а также в алгоритмах динамического ценообразования, которые адаптируют цены в реальном времени. И добавляет: «Все больше применений находят технологии компьютерного зрения, решающие широкий круг задач — от распознавания дефектов на производстве до запуска беспилотного транспорта. Технологии генеративного ИИ применяются также в “классических” RPA-роботах, виртуальных ассистентах и продуктах, автоматизирующих работу с документами». По наблюдениям Михаила Кузнецова, заместителя генерального директора компании N3.Tech, в России продолжает формироваться пул ИИ-практик с доказанными, стабильными и измеримыми эффектами: «Например, ИИ хорошо проявляет себя в процессах, где основной вклад в результат обеспечивают сотрудники, выполняющие интеллектуальные, но типовые задачи. В частности, в нашей платформе “N3.Туристический налог” ИИ ежедневно агрегирует и обрабатывает большие массивы слабо структурированных данных об объектах размещения (гостиницы, хостелы, гостевые дома и т.п), представленных в широком перечне открытых источников, избавляя специалистов от этой рутины. Есть хорошие примеры в промышленности: системы компьютерного зрения помогают контролировать качество металла, обнаруживая микроскопические дефекты поверхности, не всегда заметные человеческому глазу. Внедрение таких систем на прокатных станах позволяет повысить эффективность контроля качества продукции на 20-30%, сокращая в итоге издержки производства. В финтехе и ритейле вырос уровень автоматизации аналитики для прогнозирования поведения клиентов, динамического ценообразования, выявления аномалий, операционного скоринга — эти инвестиции показывают высокую окупаемость. В целом выгода появляется там, где есть большие объемы данных, повторяемые процессы и высокая зависимость от трудозатрат». Дарья Кагарлицкая: «Потенциал ИИ можно раскрыть в любой области, если есть достаточный объем качественных данных» Дарья Кагарлицкая, технический директор компании Navicon, считает, что наибольший эффект наблюдается в практиках, связанных с предиктивной аналитикой, прогнозированием и распознаванием: «Благодаря накопленным данным и опыту применения компании готовы использовать их в полной мере. Полагаю, потенциал ИИ можно раскрыть в любой области, если, конечно, имеется достаточный объем качественных данных». Главные принципы успешных ИИ-кейсов Разумеется, далеко не всякий кейс по внедрению ИИ будет успешным. Тем не менее, есть ряд принципов и факторов, соблюдение которых в значительной степени способствует успеху проекта. Михаил Кузнецов: «Успешные кейсы, в том числе с ИИ, начинаются с четкого понимания цели: зачем мы это делаем?» «Успешные кейсы, в том числе с использованием ИИ, начинаются с четкого понимания цели: зачем мы это делаем? — напоминает Кузнецов. — Ответ на этот вопрос должен содержать измеримые, одинаково трактуемые и признаваемые всеми сторонами результаты. Важно, чтобы предложенные решения опирались и на техническую экспертизу, и на ясное понимание области или процесса. Также необходимо провести коммуникационную работу с сотрудниками, охваченными проектом, чтобы предотвратить противодействие внедрению. Исследование Claude показало, что порядка 27% задач, выполненных с помощью ИИ, — это задачи, которые никогда бы не сделали вручную и которые без автоматизации были бы нерентабельны. Кроме того, критично наличие культуры работы с данными в компании, включая наличие “единых источников правды”, MDM, озера данных, культуры поддержания “живучести” данных. Для успешного масштабирования ИИ-кейсов необходимо освоение подхода AIOps, в том числе правильного выбора моделей, стабильных