Сегодня поговорим про актуальную тему — искусственный интеллект. Посмотрим на текущий статус внедрения, ожидаемый финансовый эффект от внедрения ИИ и что нас ждет в будущем. Данный пост основан на исследовании Яндекс и Яков и Партнеры (в основе исследования лежат результаты опросов и глубинных интервью).
Проникновение ИИ
Внедрение искусственного интеллекта происходит неравномерно. В одних отраслях он уже стал ключевым фактором роста и повышения эффективности, в других все еще остается инструментом для точечного улучшения отдельных бизнес-процессов.
• Активнее всего ИИ применяют компании из пяти отраслей: ИТ, телеком, e-Commerce, банки и страхование. В этих отраслях уже перешли от пилотных проектов к системному применению ИИ в бизнес-задачах. Продвинутость отраслей в ИИ отражается в трех ключевых факторах — уровне инвестиций в технологии, эффекте от их внедрения и источниках этого эффекта.
• Компании из передовых отраслей за последний год направили на развитие решений на базе ИИ от 13 до 17% годового ИТ-бюджета. В целом по рынку этот показатель ниже — порядка 11%. Больше всего бизнесы инвестируют в генеративный ИИ, и в следующем году планируют увеличить эту статью расходов на 25%.
• Подавляющее большинство опрошенных технических директоров и вендоров — около 90% — полагают, что уровень развития и внедрения ИИ в России выше среднего по миру или сопоставим с уровнем стран-лидеров. При этом уровень развития ИИ-решений оценивают более высоко, чем уровень их внедрения.
Экономический эффект
В отраслях, где системно применяют ИИ, экономический эффект от его внедрения оценивают в размере до 8% EBITDA компании. ИИ позволяет сократить затраты и получить новые источники выручки за счет продуктовых инноваций и трансформации бизнес-моделей.
• 78% компаний отметили, что получают экономический эффект от внедрения искусственного интеллекта. При этом уже почти каждая десятая компания фиксирует его на уровне 5% EBITDA — два года назад такие случаи были единичны.
• Компании из передовых отраслей оценивают совокупный экономический эффект от ИИ в размере до 8% EBITDA — и прогнозируют, что в 2026 г. он составит от 13 до 21% EBITDA. В прочих отраслях ожидания ограничиваются диапазоном 5–10% EBITDA.
• 90% респондентов отмечают, что финансовый эффект от ИИ обусловлен в первую очередь сокращением операционных и других затрат. 25% также отмечают рост выручки вследствие создания новых сервисов и продуктов. В передовых отраслях эта доля гораздо выше — 70%.
• Ожидаемый экономический эффект от ИИ к 2030 г. оценивается в 8–13 трлн руб. в год, что составляет до 5.5% от прогнозируемого ВВП. Он будет обусловлен не только оптимизацией затрат, но и выручкой от продуктовых инноваций и трансформации бизнес-моделей. Наибольший вклад из всех ИИ-технологий внесет генеративный ИИ — от 1.6 до 2.7 трлн руб.
• Компьютерное зрение остается одним из ключевых драйверов экономического эффекта (17% совокупного эффекта) благодаря автоматизации визуального контроля, безопасности и операций в физических процессах, прежде всего в производстве.
Технологии
Большинство компаний использует готовые решения от внешних подрядчиков по облачной и гибридной моделям. В сфере генеративного ИИ чаще всего выбирают опенсорсные модели и донастраивают их под себя без существенных изменений архитектуры.
• 78% компаний используют готовые ИИ-решения от внешних партнеров. Около половины респондентов при этом отмечают, что адаптируют эти решения под свои бизнес-процессы вместе с подрядчиком. Собственную разработку ИИ-решений ведут лишь 17% компаний.
• Самый распространенная модель поставки — облачная: ее используют 40% респондентов. 29% выбирают гибридную модель. Ситуация зависит от отрасли: так, в банковской сфере с повышенными требованиями к безопасности данных 90% компаний применяют on-premises (метод работы с ПО на собственных серверах компании).
• Компании, работающие с генеративным ИИ, используют в основном опенсорсные модели. Это ускоряет вывод решений на рынок, снижает барьеры и способствует массовому внедрению ИИ. 71% компаний вместо полного цикла обучения выбирают донастройку готовых моделей под свои задачи без кардинальных изменений.
Тенденции
Генеративный ИИ дополняет и усиливает другие технологии, например рекомендации. Список сценариев его применения постоянно расширяется за счет развития мультимодальных моделей и ИИ-агентов, а также внедрения в роботов и умные устройства.
• Происходит переход от множества узкоспециализированных моделей к foundation-моделям общего назначения: если раньше для каждой задачи требовалась своя модель (диалог, анализ изображений, рекомендации), то теперь одна базовая модель, дополненная инструментами и данными, покрывает широкий набор сценариев использования. Именно это и определяет ключевые структурные сдвиги ближайших лет.
• Генеративный ИИ усиливает другие ИИ-решения, в том числе рекомендательные системы (RecSys), компьютерное зрение (CV) и речевые технологии (NLP) (генеративный ИИ — не четвертая вертикаль, а горизонтальная платформа, которая интегрируется в оставшиеся три области изнутри.). Например, он позволяет не только повысить качество рекомендаций, но и сделать коммуникацию с пользователями более персонализированной.
• Искусственный интеллект постепенно переходит в физический мир, интегрируясь в роботов и носимые устройства, такие как наушники или диктофоны. Это позволяет системам воспринимать свое окружение, принимать решения и действовать сообразно обстановке.
• В совокупности данные показывают: российская ИИ-экосистема вступила в фазу масштабирования, где зрелые технологии — CV, RecSys, NLP и речевые технологии — обеспечивают предсказуемый эффект, а генеративный ИИ и агентские системы становятся ускорителем новых продуктов и бизнес-моделей. В масштабах страны достижение эффекта от ИИ возможно лишь при плотном взаимодействии образовательных организаций, государства и частных компаний.
