Компания «Инфосистемы Джет» представила результаты исследования уровня ИИ-зрелости крупного бизнеса в России, проведенного совместно со Smart Ranking. В его рамках были изучены подходы отечественных компаний внедрению больших языковых моделей (LLM) и ИИ-агентов, а также выявлены барьеры для запуска и масштабирования проектов.

«Можно констатировать, что российский бизнес довольно активно использует в процессах ИИ. Несмотря на попытки технологической изоляции, компании инновационно развиваются», – подчеркнул Максим Андрианов, директор по разработке и внедрению ПО компании «Инфосистемы Джет». Согласно данным исследования, 86% организаций используют в своей работе большие языковые модели. 25% работают с автономными ИИ-агентами, 59% – с полуавтономными, а 23% уже внедряют мультиагентные системы. В силу регуляторных ограничений в подавляющем большинстве случаев речь идет об отечественных моделях, а также зарубежных, развернутых внутри компании.

Следует отметить, что несмотря на большое количество экспериментов и пилотов, только 42% компаний удалось довести использование LLM до промышленной эксплуатации. Для внедрения автономных агентов, подразумевающих большую сложность, эта доля еще ниже.

Однако массовое освоение генеративного ИИ и эксперименты с автономными решениями пока не привели к буму ИИ-агентов в корпоративном секторе. По результатам исследования, чем больше автономности требуют агентные решения, тем реже они встречаются в промышленной эксплуатации. Так, например, полуавтономные агенты полноценно работают у 15% компаний, а автономные и мультиагентные системы – у 8%.

Риски ощутимее преимуществ

Среди главных выделяются стоимость оборудования, юридические риски, а также человеческий фактор – многие доверяют людям гораздо больше. Кроме того, тормозят такие проекты ограничения инвестиционных бюджетов и дефицит экспертов.

Как признал Андрианов, дороговизна «железа» для реализации проектов действительно является ключевым фактором, хотя в этой области наметилась позитивная динамика. Требования моделей к вычислительным мощностям за последний год снизились примерно в полтора раза – производительность LLM существенно выросла. Кроме того, в технологическую гонку с Nvidia включились китайские производители GPU.

Однако у отказа компаний от проектов есть и внутренняя причина: у 44% ИТ-ландшафт просто не готов для внедрения ИИ-агентов. Сюда относятся незрелые процессы, неготовность инфраструктуры данных и сложности интеграции искусственного интеллекта с корпоративными системами.

Добавляют скептицизма и неуверенность в потенциальных результатах. 46% российских компаний, реализовавших ИИ-проекты, не видят устойчивого экономического эффекта от них. Отсутствие финансовой отдачи от ИИ – общемировая проблема. Для сравнения, McKinsey сообщает, что только 39% организаций видит влияние ИИ на доходы. По мнению Андрианова, результат российских компаний лучше, чем в среднем по миру, поскольку они очень избирательно подходят к выбору процессов для внедрения ИИ. Кроме того, 40% респондентов не могут масштабировать пилоты из-за отсутствия владельца продукта или процесса и нестабильного качества ИИ-решений, в том числе галлюцинаций.

Быстрее всего ИИ приживается там, где уже есть цифровой след, операции повторяются, а результат измерим и его можно проверить. Ожидаемо среди главных направлений использования ИИ лидируют контакт-центры и поддержка, аналитикf и BI, а также ИТ-службы и сервис-дески.

Самую заметную отдачу компании видят в работе с корпоративными знаниями на основе поиска с дополненной генерацией (RAG) – этот сценарий назвали 63%. Далее идут поддержка клиентов и сотрудников и анализ обращений и заявок.

Направления развития

У компании «Инфосистемы Джем» есть и собственный показательный ИИ-кейс – автоматизация обработки платежных документов для бухгалтерии. Из-за этого процесса дежурные бухгалтеры были вынуждены ночевать в офисе, работая посменно. За счет внедрения ИИ-агентов удалось снизить объем ручного труда и исключить авралы.

«Мы два года ходили по бизнес-функциям и предлагали свою помощь, но это подход прошлого века. Сотрудники должны сами рассказывать ИИ о своих проблемах. Щупальца ИИ должны быть максимально широко раскинуты внутри бизнес-систем и инфраструктуры, а ИИ-модели должны сами помогать в решении проблем бизнеса», – резюмировал Андрианов.

Ощутимый интерес к ИИ-агентам уже сформировался: по результатам опроса более 60% компаний изучают автономные и мультиагентные системы. При этом почти половина организаций планирует увеличить инвестиции в искусственный интеллект. Однако в ближайшие несколько лет развитие корпоративного ИИ будут определять сценарии с понятной экономикой. ИИ-агенты требуют большего, чем просто доступ к моделям: им нужны данные, интеграции, контроль, доверие, владелец процесса и доказанный эффект для бизнеса.