Демократизация искусственного интеллекта набирает обороты — ИИ-инструменты становятся доступны множеству сотрудников различных специальностей и уровней управления. На какие выгоды от демократизации ИИ могут рассчитывать компании? Какие направления инвестиций в корпоративные ИИ-средства дадут наибольший эффект? И как обеспечить их максимальную окупаемость — как распределить инвестиции, чтобы добиться максимальных результатов для бизнеса? Эти вопросы займут центральное место на ближайшем форуме «Данные+ИИ ― 2025». Предваряя намечаемую дискуссию, мы попросили ответить на эти вопросы наших экспертов.

Ключевые выгоды и направления масштабирования ИИ в компаниях

В целом эксперты выделяют среди выгод повышение производительности труда сотрудников, снижение трудозатрат на рутинные операции, а также получение более качественных результатов бизнес-аналитики. Вопрос в том, кто и какие именно выгоды сможет получить.

Николай Тржаскал: «Демократизация ИИ позволяет российскому бизнесу использовать локальные разработки и платформы, обеспечивающие стратегическую автономность и конкурентоспособность»

«В производственном секторе востребованы решения на базе компьютерного зрения — они применяются для контроля качества продукции, мониторинга оборудования, автоматизации складских операций и обеспечения безопасности на производстве, — делится своими наблюдениями Николай Тржаскал, директор по продуктам «Преферентум» компании SL Soft. — Сектор торговли активно использует предиктивную аналитику для прогнозирования спроса и управления цепочками поставок. В сфере обслуживания популярность набирают интеллектуальные чат-боты, позволяющие снижать затраты на поддержку и повышать уровень удовлетворенности клиентов».

«Демократизация позволяет снизить технологические требования для использования ИИ в компаниях, которые не могут расширять свой штат, нанимая высококвалифицированных специалистов по данным, разработчиков, и увеличивать ресурсы на поддержку ИТ, — добавляет Григорий Шершуков, директор по продуктам компании «Наносемантика». — Вместо этого можно использовать готовые продукты и облачные решения: чат-боты, инструменты для анализа данных и пр. Эти ИИ-инструменты особенно полезны для малого и среднего бизнеса».

Никита Ильин: «Ожидаем, что в сфере BI использование ИИ скоро будет обеспечивать до 50% экономии времени специалистов»

Никита Ильин, архитектор Visiology, не сомневается в том, что в большинстве корпоративных процессов ИИ способен принести серьезную пользу — при условии, что будет найдена правильная точка его приложения: «Например, использование LLM-моделей в бизнес-аналитике помогает готовить запросы на популярных языках, таких, как DAX, для реализации сложных схем анализа данных и генерировать на Python скрипты для их загрузки. По нашим оценкам, эта практика позволяет экономить до 20% времени аналитиков. Кроме того, она снижает “порог входа” для бизнес-пользователей. Бурно развиваются и многие другие сферы применения ИИ: автоматическое применение дизайна, модернизация визуализации в соответствии с инструкциями на естественном языке, проверка данных на наличие дубликатов и их очистка, автоматизация процессов ETL, настройка уведомлений и оповещений, ускоренный анализ системных журналов и так далее. Ожидаем, что в сфере BI использование ИИ скоро будет обеспечивать до 50% экономии времени специалистов».

Дмитрий Демидов, руководитель Лаборатории инноваций НОРБИТ, предлагает сначала уточнить терминологию: «Под демократизацией ИИ я понимаю процесс, когда ИИ-сервисы благодаря своей дешевизне и удобству становятся доступны практически каждому сотруднику, и поэтому ими начинают пользоваться постоянно, например, в направлениях, связанных с творчеством и созданием контента. Демократизация ИИ создает потенциал для серьезной экономии благодаря привлечению специалистов, выполняющих работу с помощью ИИ-инструментов в разы быстрее и в совокупности дешевле. Руководителям и экспертам демократизация дает возможность “подумать об ИИ” — поработать с этой технологией как с помощником и получить рекомендации, которые могут навести на правильные мысли и решения. В целом применяющие ИИ-инструменты сотрудники становятся эффективнее, производительнее, и, главное, могут выбрать из ответов, предложенных ИИ, именно те, что подходят для решения конкретных задач».

Олег Гиацинтов: «Применение ИИ ускоряет рутинные процессы и позволяет сосредоточиться на более сложных задачах»

«В первую очередь применение ИИ ускоряет рутинные процессы и дает возможность сосредоточиться на более сложных задачах, — продолжает Олег Гиацинтов, технический директор DIS Group. — Результатом становится снижение затрат и ускорение бизнес-процессов».

С коллегами соглашается Вера Краевская, генеральный директор «ВижнСервис»: «Демократизация ИИ открывает широкие возможности для оптимизации корпоративных процессов. Одна из ярких выгод — экономия времени. Например, автоматизация обработки записей онлайн-встреч позволяет на 40% ускорить распознавание речи и формулирование основных выводов. ИИ также активно используется в HR-службах для автоматизации подбора персонала, анализа вовлеченности сотрудников и оценки их эффективности. Для топ-менеджеров это не просто инструменты повышения продуктивности, но и возможность перераспределения специалистов на более важные задачи».

Александр Ефимов: «Благодаря демократизации ИИ компании получили доступ к передовым технологиям, прежде доступным лишь узкому кругу игроков»

Александр Ефимов, исполнительный директор практики продвинутой аналитики GlowByte, уже подводит первые итоги демократизации ИИ: «Во-первых, компании получили доступ к передовым технологиям, прежде доступным лишь узкому кругу игроков. Для использования ИИ уже необязательно владеть глубокими знаниями в ИТ — многие задачи решаются с помощью платформ Low-Code/No-Code или облачных сервисов. Более того, формируется привычка использования ИИ в повседневных задачах. Во-вторых, открываются огромные перспективы для оптимизации бизнес-процессов: рутинные задачи автоматизируются быстрее, повышается эффективность, сокращаются издержки. ИИ становится незаменимым инструментом для принятия решений на основе данных и прогнозов. Например, ИИ-ассистенты активно применяются в HR-процессах. В частности, в компании “МегаФон” ИИ-бот “МегаКоллега” отвечает на вопросы по более чем 150 направлениям HR. Бот высвободил от рутины порядка 50 кадровых специалистов, благодаря чему у них вырос объем более интеллектуальных задач. Третье направление демократизации ИИ — это персонализация: компании могут предложить клиентам более релевантные продукты и услуги, что повышает их лояльность и увеличивает доходы».

Михаил Комаров, директор по развитию бизнеса в области работы с данными и искусственным интеллектом дата-кластера компании «Ростелеком», наблюдает существенный эффект масштаба в результате демократизации ИИ: «Более широкое использование ИИ внутри компании будет обеспечивать больший результат. Пример — генеративный ИИ для бэк-офиса: сегодня в “Ростелекоме” более 20 тыс. сотрудников используют ИИ в ежедневной работе благодаря разработанному нами порталу с нейросетями “Нейрошлюз”. В том же управлении данными есть много рутинных операций, которые можно автоматизировать с помощью ИИ»

Светлана Кабалина: «Нейросети помогают справляться с творческим кризисом и преодолевать страх “белого листа”»

Светлана Кабалина, ИИ-специалист и аналитик ГК Webit, считает, что нейросети помогают справляться с творческим кризисом и преодолевать страх «белого листа»: «Например, при создании презентаций нейросеть может сгенерировать черновик, который станет отправной точкой для решения конкретных задач. Такой подход не всегда ускоряет процесс в целом, но зато снимает напряжение, связанное с началом работы. ИИ существенно упрощает начальный этап анализа данных, ускоряя выявление основных тенденций, аномалий и взаимосвязей — это особенно ценно для широкого круга сотрудников, которые не имеют глубоких знаний в области машинного обучения и статистики, но нуждаются в качественном анализе данных для принятия решений. ИИ кардинально меняет подход к разработке цифровых решений: ИИ-инструменты предоставляют компаниям возможность создавать специализированные сервисы, не привлекая для их разработки дополнительных специалистов».

Антон Балагаев, директор по консалтингу Arenadata, также связывает большие изменения с демократизацией именно генеративного ИИ: «Примерно с середины 2024 года, когда появились средства обеспечения структурированных ответов больших языковых моделей, некоторые компании стали конструировать вокруг LLM/VLM программные обвязки, интегрируя их в RPA-процессы как элементы принятия решений, перевода текстов и терминов, распознавания структур в данных. Благодаря этому уже начали появляться ИИ-агенты по продажам, ИИ-юристы, виртуальные казначеи. Мы, в свою очередь, делаем агента-помощника администратора СУБД. Открылось огромное неизведанное поле возможностей, это воодушевляет».

Дмитрий Гольцов: «Основная польза демократизации ИИ заключается в сокращении трудозатрат»

По мнению Дмитрия Гольцова, заместителя генерального директора компании «Мегапьютер», наибольшие выгоды достигаются за счет передачи инструментов ИИ в руки бизнес-заказчиков: «Владельцы данных могут самостоятельно применять готовые модели, не привлекая квалифицированных ИТ-специалистов. Так, на пике популярности сейчас находится генеративный ИИ, создающий маркетинговые тексты и изображения. Кроме того, бизнес может самостоятельно обучать собственные модели (например, с помощью средств Low-Code) и готовить на базе имеющихся данных предиктивные модели для прогнозирования спроса и персонализации предложений для клиентов. Таким образом, основная польза заключается в сокращении трудозатрат».

Александр Борисов, руководитель направления Data Science RAMAX Group, выделяет две группы выгод: «Первая связана с повышением производительности труда, эффективности бизнес-процессов и с раскрытием творческого потенциала сотрудников за счет уменьшения рутины. Эта группа выгод относится к повышающим ценность (value-added), она является основной по числу кейсов, масштабам внедрения и экономической эффективности. Вторую группу составляют новые возможности, появившиеся благодаря ИИ, — например, рекомендательные онлайн-системы, автономные офлайн-агрегаты и оснащенные компьютерным зрением производственные системы. Эта группа относится к создающим ценность (value-created), она перспективна с точки зрения получения конкурентных преимуществ. Так или иначе, прежде чем заявлять об экономической эффективности этих проектов, ее нужно тщательно анализировать».

Дмитрий Дорофеев: «ИИ-средства для анализа данных упрощают понимание информации, содержащейся в больших массивах данных»

Дмитрий Дорофеев, главный конструктор ГК Luxms, отмечает следующие выгоды от демократизации ИИ: «Во-первых, это повышение эффективности отделов продаж, маркетинга и обслуживания клиентов: ИИ-инструменты позволяют находить нужные материалы зачастую одним нажатием кнопки. Во-вторых, помощь в принятии решений на основе данных: ИИ-инструменты и платформы для анализа и визуализации данных упрощают понимание информации, содержащейся в больших и сложных массивах данных, и ее использование для принятия решений. Например, мы экспериментально встроили GigaChat от Сбера в платформу Luxms BI — это позволило в диалоговом режиме обсуждать, что отображено на дашборде, и готовить текстовые отчеты, объясняющие данные на графиках. В-третьих, автоматизация рутинных задач: например, чат-боты на базе ИИ помогают автоматизировать обслуживание и поддержку клиентов. Наконец, в четвертых, создание контента с помощью ИИ: оно позволяет значительно сократить расходы и ускорить подготовку материалов».

Максим Иванов, директор по развитию компании Modus, усматривает следующие основные выгоды от демократизации ИИ: «Во-первых, снижение барьеров для внедрения ИИ в компаниях: практически любой сотрудник, обладающий инструментами ИИ, может решать базовые задачи из разных сфер, используя обычные текстовые запросы. Кто-то при этом ограничивается поиском ответов на вопросы, а кто-то строит системы, ускоряющие и оптимизирующие бизнес-процессы. Во-вторых, рост производительности сотрудников: ИИ-механизмы предоставляют широкие возможности для избавления от рутины. Например, если раньше программистам приходилось писать код для решения новой, нетиповой задачи “с нуля”, то теперь фактуру кода можно получить с помощью ИИ, после чего сотруднику останется только доработать код и его проверить. В-третьих, ускорение принятия решений: ИИ заменяет ручной труд в процессах, сопутствующих принятию решений, включая сравнительный анализ данных, поиск закономерностей, ошибок и т.п. ИИ может выполнить такую работу в десятки раз быстрее и точнее, чем сотрудник, следовательно, руководитель сможет раньше получить выводы и оперативно принять решение».

Сергей Галеев: «ИИ повышает эффективность работы путем автоматизации рутинных процессов»

Сергей Галеев, руководитель отдела backend-разработки компании SimbirSoft, к выгодам от демократизации ИИ причисляет, прежде всего, повышение эффективности работы благодаря автоматизации рутинных процессов: «Например, системы на базе ИИ могут анализировать массивы данных, выявлять скрытые закономерности и предоставлять ценную информацию для принятия решений. Но прежде, чем это станет возможным, модели нужно обучить, причем на достаточно большом количестве данных. Благодаря доступности облачных сервисов и открытых платформ ИИ-инструменты все шире применяются в малом и среднем бизнесе — они используются для создания новых продуктов и услуг, внедрения и развития инноваций, выстраивания более точного соответствия потребностям клиентов. Сегодня 20% российских компаний используют генеративный ИИ для анализа поведения клиентов и разработки стратегий продвижения».

Александр Костюков, менеджер продукта Easy Report компании Sapiens solutions, также обращает внимание на возможности ИИ для избавления от рутины: «Демократизация ИИ предполагает увеличение количества решений на рынке, позволяющих повышать производительность труда за счет автоматизации рутинных задач, связанных с поиском информации, ее систематизацией, созданием отчетов, получением выводов и рекомендаций. В плане работы с данными доступность ИИ закрывает экспертные потребности, давая возможность анализировать огромные массивы информации и определять аномальные зоны (так называемые слабые сигналы), поиск и выявление которых заняли бы у специалистов недели и месяцы».

Федор Медведев: «Демократизация ИИ усиливает в компаниях культуру инноваций»

Федор Медведев, директор департамента проектных решений и поисковых систем компании Naumen, также подчеркивает доступность аналитики как одну из ключевых выгод демократизации ИИ: «Технологии ИИ, такие как Naumen Enterprise Search, позволяют эффективно анализировать большие объемы текстовых данных, улучшая процессы принятия решений и стратегического планирования. Кроме того, ИИ способствует кросс-функциональному сотрудничеству, объединяя данные и знания различных подразделений и формируя единую информационную среду, укрепляющую взаимопонимание между отделами. И, конечно, демократизация ИИ усиливает в компаниях культуру инноваций, побуждая сотрудников всех уровней искать новые способы применения технологий».

Константин Саратцев, директор по продукту компании Insight, рассматривает процесс демократизации ИИ как часть глобальной тенденции упрощения опыта пользователя при взаимодействии с ИТ-решениями: «Став более доступной и универсальной, технология ИИ продемонстрировала заметный экономический эффект ― об этом говорят результаты исследования PwC: более 50% руководителей подтвердили, что персонал стал выполнять работу более оперативно, при этом более 30% топ-менеджеров отметили рост выручки на 32% и прибыли ― на 34%. По прогнозам Gartner, к 2026 году более чем 80% компаний в той или иной степени внедрят технологию ИИ для решения рутинных задач, возлагавшихся на сотрудников». Из возможных сценариев Саратцев выделяет применение генеративного ИИ для работы с BI-системами: «Формулирование запросов на естественном языке ускоряет процесс сбора и анализа данных, а также подготовку аналитических отчетов и прогнозных сценариев для принятия решений. А, например, автоматизация мониторинга среды позволяет генерировать в реальном времени ценные выводы и рекомендации».

Распределение инвестиций в масштабирование ИИ

Наши эксперты разошлись во мнениях относительно распределения инвестиций между оборудованием, ПО, инфраструктурными и прикладными сервисами, а также компетенциями сотрудников.

«Все зависит от текущих задач организации и наличия процессов, которые могут быть автоматизированы с помощью ИИ. Естественно, наилучший результат дает сбалансированное развитие всех направлений. В обычной ситуации я бы предложил вкладываться сначала в компетенции и сервисы, а затем в оборудование и ПО», — такое мнение высказывает Гиацинтов.

Александр Борисов: «На разных этапах развития ИИ в компании размеры инвестиций и их доли будут меняться»

Согласно замечанию Борисова, в общем случае пропорции инвестиций зависят от целей внедрения и развития ИИ, а также от уровня зрелости бизнес-архитектуры и ИТ-архитектуры: «Чтобы минимизировать риски, можно предложить сначала сконцентрироваться на развитии сотрудников и их компетенций в команде внедрения ИИ, затем инвестировать в ПО и прикладные сервисы, после чего перейти к модернизации оборудования и развитию инфраструктуры. Таким образом, на разных этапах развития ИИ в компании размеры инвестиций и их доли будут меняться».

С точки зрения Дорофеева, универсального рецепта здесь быть не может: «Инвестиции в оборудование и ПО могут быть предпочтительны при низкой ключевой ставке, наличии сильной внутренней команды для обслуживания и поддержки ИТ-инфраструктуры, достаточных финансовых ресурсах и возможности приобретать оборудование на выгодных условиях. Стоит учитывать, что через четыре-пять лет парк оборудования придется обновлять. Арендовать ИТ-ресурсы в облаке стоит, если компания развивает сервисы с высокой пиковой производительностью или неравномерной нагрузкой. Инвестиции в компетенции важны, но распространение и доступность ИИ технологий смещает акценты: растет спрос именно на высококвалифицированных специалистов, которые способны не только пользоваться ИИ, но еще и быстро и качественно оценивать результаты работы ИИ».

Григорий Шершуков: «Вместо того, чтобы вести собственные исследования и разработки на базе ИИ, можно использовать готовые продукты и облачные решения»

Шершуков отмечает, что каждая ситуация уникальна, но в самом усредненном варианте можно предложить около 30% средств закладывать на инфраструктуру и оборудование, а оставшиеся 70% ‒ на прикладные сервисы и сотрудников, работающих с этими сервисами.

«Распределение ресурсов зависит от отрасли, масштаба бизнеса и текущего уровня цифровизации, но можно выделить универсальные принципы, — продолжает Тржаскал. — Для компаний среднего бизнеса, развертывающих решения локально, распределение выглядит примерно так. На оборудование и инфраструктуру следует выделить 35-40% бюджета проекта, поскольку в условиях ограниченного доступа к зарубежным поставщикам оборудование для ИИ становится стратегическим активом. На программное обеспечение и сервисы стоит заложить 40-50% бюджета, отдавая при этом предпочтение готовым программным продуктам с высокой степенью кастомизации и сосредоточившись на ключевых бизнес-задачах и платформах, позволяющих охватить сразу несколько потребностей. На обучение сотрудников разумно потратить 10-15% бюджета. Компетенции — это долгосрочная инвестиция, позволяющая извлечь максимум из внедряемых технологий».

Константин Саратцев: «Стратегия инвестиций во внедрение ИИ зависит от специфики компании и текущего положения ее на рынке»

Саратцев поддерживает коллег в том, что стратегия инвестиций во внедрение ИИ зависит от специфики компании и текущего положения ее на рынке. «Если опираться на личный опыт, то большая доля финансирования (40%) должна покрывать расходы на обучение и развитие сотрудников компании, на втором месте по объему доли — прикладные сервисы и ПО (30%), затем идет облачная или локальная инфраструктура (20%), еще 10% направляется на аппаратное обеспечение и специализированные ускорители, — добавляет Саратцев. — Успех внедрения во многом зависит от готовности менеджмента инвестировать в постоянные исследования, тестирование гипотез и новых разработок, что не всегда может давать ожидаемые результаты. Технология ИИ, действительно, упрощается и становится доступной, но в полной мере ее внедрять, поддерживая высокий уровень безопасности, способны только опытные компании с сильной технологической экспертизой».

Максим Иванов: «Рост интенсивности использования ИИ должен происходить эволюционно, а не революционно»

По наблюдениям Иванова, на возможности инвестирования влияют сотни факторов: от масштабов бизнеса компаний до общего состояния мировой экономики: «Начинать следует с публичных сервисов, нет смысла сразу разворачивать дорогостоящие системы на собственных мощностях. При этом важно найти сотрудника, который будет заниматься в компании вопросами развития культуры использования ИИ: интегрировать его в бизнес-процессы, обучать сотрудников безопасной работе, помогать в освоении конкретных сервисов. На этом этапе инвестиции минимальны — в компетенции ответственного сотрудника и оплату подписок на сервисы. Дальнейшее финансирование ИИ-проектов будет зависеть от потребностей бизнеса. В любом случае рост интенсивности использования ИИ должен происходить эволюционно, а не революционно».

Галеев предлагает распределить бюджет таким образом: «Чтобы эффективно воспользоваться преимуществами ИИ и минимизировать сопутствующие риски, нужно развивать технические компетенции сотрудников, инвестируя в это до 40% бюджета. Не менее 20% следует направлять на обучение специалистов и получение экспертизы в области кибербезопасности, поскольку понимание потенциальных рисков и способов их предотвращения значительно снижает вероятность инцидентов. Оставшиеся 40% можно распределить между инфраструктурой и ПО».

Вера Краевская: «Те, кто только приступает к внедрению ИИ, могут сосредоточиться на прикладных сервисах»

Согласно рекомендации Краевской, 50% бюджета следует вложить в инфраструктуру, включая локальные серверы, гибридные облака и нейросети, 30% — в прикладные сервисы, такие как MAX, которые сразу приносят ощутимую пользу бизнесу, и 20% — в развитие компетенций сотрудников и привлечение внешних экспертов. «Эти пропорции основаны на практике успешных ИИ-проектов: сначала компании выстраивают технологическую базу, затем начинают использовать прикладные решения и инвестируют в повышение квалификации сотрудников. — поясняет Краевская. — В зависимости от уровня зрелости бизнеса пропорции могут меняться: те, кто только приступает к внедрению ИИ, могут сосредоточиться на прикладных сервисах, тогда как более зрелые компании больше инвестируют в инфраструктуру».

Оптимальное распределение инвестиций при внедрении ИИ сильно зависит от масштабов бизнеса, его специфики и текущей инфраструктуры, подтверждает Кабалина: «Малым компаниям нецелесообразно инвестировать в разработку собственных языковых моделей — она требует огромных ресурсов. — Крупным компаниям с большими объемами данных может оказаться выгоднее разрабатывать собственные решения, так как стоимость использования сторонних сервисов при больших объемах запросов может быть значительной. Средним компаниям стоит рассмотреть гибридный подход — использовать готовые сервисы и постепенно развивать собственные решения для критически важных направлений бизнеса. В целом начинать следует с минимальных инвестиций в каждое направление, внимательно отслеживать эффективность и масштабировать успешные инициативы».

В достаточно крупных компаниях, по оценкам Кабалиной, структура затрат может быть следующей: «Около 15% — инвестиции в дополнительное оборудование, в том числе отвечающее требованиям регуляторов к безопасности или обработки данных на местах. Инфраструктурные и прикладные сервисы — это 20% затрат: многие готовые ИИ-сервисы относительно доступны по цене. Доля ПО — 15%: если в штате компании уже есть программисты и аналитики, готовые заниматься ИИ, можно попытаться сэкономить, разработав собственные ИИ-решения для конкретных задач, при этом часть бюджета можно направить на обучение этих специалистов работе с ИИ. И, наконец, 50% — вложения в компетенции сотрудников, в том числе в ознакомление с ИИ-инструментами, развитие навыков критической оценки результатов, погружение в безопасность данных».

В равных долях советует распределить бюджет Ильин: «50% — в инфраструктуру и сервисы, а 50% — в людей. В крупных корпорациях речь идет о развитии своих LLM-моделей на собственном оборудовании, в небольших — о подключении к проверенным, надежным, безопасным ИИ-сервисам. Паритет 50/50 позволяет одновременно развивать техническую составляющую и освоение новых решений сотрудниками».

Дмитрий Демидов: «Главное — научить сотрудников тому, как можно и как нельзя работать с ИИ»

Демидов на первое место ставит развитие компетенций: «ИИ-инструменты в основном доступны в виде интернет-сервисов, инвестиции в оборудование не требуются. Стоимость подписок на них обычно очень низкая, сравнимая с бытовыми расходами. Главное — научить сотрудников тому, как можно и как нельзя работать с ИИ: как корректно обращаться с ИИ-инструментами, как перепроверять результаты, как делать правильные выводы, как соблюдать правила цифровой гигиены и прочее».

Александр Костюков: «Необходимо инвестировать, прежде всего, в компетенции сотрудников, которые будут заниматься развитием нового класса решений»

Костюков также предлагает в первую очередь инвестировать в сотрудников и их компетенции (40% бюджета). Доля вложений на ПО и сервисы может составлять 30%, на инфраструктуру и оборудование — еще 30%.

Ефимов разделяет мнение о 40-процентной доле затрат на сотрудников и поясняет: «Инвестиции в компетенции должны включать не только затраты на обучение собственных специалистов, но и на привлечение внешних. По мере повышения уровня зрелости в области ИИ будут расти затраты на инфраструктурное оборудование и ПО, а также облачные сервисы, доля инвестиций в эти категории может достигать 50%. Оставшиеся 10% стоит направить на управление изменениями и риск-менеджмент — эта область критически важна для успеха внедрения ИИ-решений». Ефимов особо подчеркивает важность подхода Test & Learn — постепенного тестирования гипотез через небольшие пилотные проекты: «Такой подход может потребовать до 20% от всех инвестиций в ИИ в организации, но зато позволит минимизировать риски и понять, как ИИ может применяться в конкретных задачах бизнеса. И следует помнить, что внедрение ИИ — это марафон: важно выстраивать устойчивую систему, которая будет приносить долгосрочную выгоду бизнесу».

Антон Балагаев: «Можно вообще не заниматься ИИ-разработкой и опираться только на сторонние ИИ-сервисы»

Балагаев рассуждает так: «Если не передавать в ИИ-сервисы конфиденциальные данные, то работа с ИИ для вас будет легкой прогулкой. Дешевые API-интерфейсы LLM предоставляют многие провайдеры. Остается только найти людей с горящими глазами, которые хотят разобраться в новой области, и поставить нескольких опытных сотрудников разумно контролировать качество создаваемых продуктов. Можно вообще не заниматься ИИ-разработкой и опираться только на сторонние ИИ-сервисы. Если есть необходимость заботиться о безопасности своих данных, то придется предусмотреть расходы на довольно дорогое оборудование для локального развертывания ИИ-модели с учетом длины последовательности, которую планируется обрабатывать, количества параллельных сессий работы с моделью, ее объема и свойств. Инфраструктурное ПО для работы больших языковых и визуально-языковых моделей, если не ошибаюсь, сейчас есть только с открытым кодом, поскольку ни у кого из заметных вендоров, кроме Nvidia, не видно поддержки сред инференса. Чаще всего корпоративный сегмент выбирает быстрый и сравнительно стабильный vLLM».

Затраты на оборудование могут составить 50% в первый год и 20% в последующие; на обслуживание инфраструктуры и сопутствующего ПО — 10% в первый и 20% в следующие годы; расходы на штатных ИИ-разработчиков — 30% в первый год и 20%, начиная со второго; наконец, затраты на сервисы или работы третьих лиц — 10% в первый год и 40% во второй и последующие. «На второй год у вас уже будет опыт внутренней команды, понимание требований к ИИ-решениям и ощущение рынка ИИ-разработок — оно поможет привлекать специалистов для решения ваших задач, не пытаясь все сделать самостоятельно, — поясняет Балагаев. — Оборудование можно будет наращивать более плавно, в том числе за счет аренды облачных мощностей, закупая локальные мощности, когда чек за облака станет соизмерим со стоимостью покупки и обслуживания “железа”».

Михаил Комаров: «В ИИ-проектах действует простой подход — затраты и получаемые выгоды»

«В ИИ-проектах действует простой подход — затраты и получаемые выгоды. Если эффект значительный и превышает затраты, то инвестировать стоит, — резюмирует Комаров. — Многие задачи можно решить более дешевыми способами — без ИИ, но в некоторых кейсах ИИ дает действительно хорошие результаты, несмотря на высокие затраты».

Итак, чтобы выбрать оптимальную структуру инвестиций в проекты демократизации ИИ, нужно учесть множество факторов, причем технические имеют далеко не доминирующее значение. Очень важно при этом тщательно отслеживать и взвешивать выгоды и затраты — их соотношение будет определять общий эффект от инвестиций.