Светлана Захарова, директор по развитию бизнеса Just AI, — о барьерах внедрения генеративного искусственного интеллекта, стратегиях внедрения, доказавших свою эффективность, факторах выбора и подводных камнях, понимание которых позволит избежать ненужных затрат и провалов.
— Каковы основные стоп-факторы внедрения генеративных технологий в бизнес-процессы?
С. Захарова: Существуют несколько проблем, которые препятствуют популяризации ИИ-технологий внутри компаний. Во-первых, это вопрос безопасности, связанный с отсутствием на рынке четких правил и понимания того, что именно необходимо защищать.
Во-вторых, есть определенные технические ограничения по установке решений on-premise, поскольку вопросы безопасности обычно решаются путем развертывания систем в инфраструктуре заказчика, чтобы данные не покидали пределы контура компании.
Отсюда вытекает следующая проблема: большинство используемых на рынке моделей LLM (Large Language Models) — либо иностранного производства, либо являются разработками крупных российских игроков, таких как Сбер и Яндекс. Не все эти модели можно интегрировать в свой контур, либо установка может потребовать значительных финансовых затрат.
Таким образом, третий блокирующий фактор — отсутствие бюджетов для полноценного внедрения технологии внутри компании.
Четвертым фактором является ощутимая нехватка экспертизы на рынке. Недостаточно специалистов, которые умеют работать с такими технологиями, понимают их необходимость, могут выбрать стратегию для конкретной компании и оценить потенциальные риски и выгоды от использования LLM.
Пятый барьер менее очевиден — речь идет о регуляторных инициативах государства. Как только стало известно о первых кейсах использования генеративного ИИ, многие крупные компании получили информационные письма от Банка России с рекомендацией быть крайне осторожными при их внедрении и по возможности избегать использования иностранных LLM. Такие ситуации создают дополнительные риски, так как в любой момент могут быть введены штрафы. Это особенно актуально для крупных компаний, где штрафы зависят от оборота, что вынуждает их избегать даже минимального внедрения таких технологий.
Кроме того, компании долгое время не понимали, как LLM может помочь их бизнесу на стратегическом уровне. Это приводило к тому, что они не были готовы инвестировать в эти технологии, пока на рынке не появятся успешные примеры внедрения от других компаний, которые смогли бы продемонстрировать, как они использовали LLM, сколько это стоило и как это отразилось на KPI.
— Остались ли еще на рынке примеры «неосознанного» внедрения, приведшего к провалам?
С. Захарова: Такие истории были типичны в 2023–24 годах, сейчас уровень осознанности значительно повысился. Это обусловлено тем, что за прошедшие годы компании, включившие в свои стратегии внедрение генеративных технологий, вложили значительные ресурсы в изучение этой области, провели всесторонний анализ для понимания целей и способов интеграции. На старте команды цифровизации и инноваций очень часто получали указания от руководства компаний: «внедряйте генеративные технологии как хотите и куда хотите, но они должны работать везде», что напоминало запуск ракеты в космос с минимальным бюджетом на тестирование. В условиях жестких дедлайнов команды начинали с малого: собирали Open Source модели, интегрировали их в свои системы, пытались их адаптировать и находили внутри компании людей с базовыми знаниями о генеративных технологиях для создания внутренней лаборатории. Однако эта стратегия не оправдала себя, так как без четкого понимания целей и задач проекты заходили в тупик.
В 2025 году тренд на внедрение ради внедрения практически сошел на нет. Компании смогли выделить бюджеты на полноценные пилотные проекты и PoC. Многие крупные организации обратились к консалтинговым специалистам, которые помогли разработать стратегию и прописать тактические шаги по внедрению, что позволило минимизировать риски неэффективного расходования средств.
Кроме того, сейчас на рынке есть достаточное количество информации о новых технологиях и примерах их успешного внедрения. Также появились специалисты, способные разработать обучающие программы и выстроить пошаговую стратегию внедрения.
— По вашим оценкам, чем будет примечателен 2025 год для гИИ?
С. Захарова: Не стоит ожидать всплеска реализованных проектов. Компании будут расширять воронки, искать новые кейсы, обучать сотрудников использовать гИИ в решении своих рутинных задач. Так что полагаю, что 2025 год будет годом тестирования гипотез, запусков MVP и PoC и популяризации внедрения гИИ в бизнес-процессы.
— Какие стратегии внедрения гИИ вы считаете наиболее эффективными?
С. Захарова: Мы в компании выделяем четыре основные стратегии, доказавшие свою эффективность.
Во-первых, это стратегия «GenAI для всех», которая предполагает предоставление доступа к технологиям всем сотрудникам компании. Из этой стратегии возникли наши вендорские продукты, и мы транслировали наш опыт нескольким крупным компаниям-партнерам. Например, Московская биржа еще в 2024 году заявила, что будет масштабировать эту практику внутри своей организации, предоставляя доступ не только разработчикам, но и другим департаментам, которым необходимо повышать знания о технологиях и использовать их в своих бизнес-процессах. Эту стратегию также выбрали несколько крупных банков. Цель данной стратегии — создать продуктовый стек внутри компании, чтобы любой сотрудник мог поручить ИИ выполнение рутинной части задач.
Вторая стратегия — создание амбассадоров GenAI. Ее реализация более сложная, так как на начальном этапе необходимо создать внутреннее пространство для генерации идей и изучения бизнес-процессов и продуктов. Эта стратегия подходит для компаний, у которых есть время, большой штат и решимость работать с генеративным ИИ на постоянной основе.
При выборе этой стратегии мы рекомендуем начать с формирования группы людей для валидации идеи на факультативной основе, которые потом станут ядром команды амбассадоров. Из этой группы формируется не только лаборатория генеративного ИИ, но и полноценный бизнес-блок. Это хороший вариант, особенно если он сочетается с первой стратегией, в противном случае компания может потратить много времени на поиск людей, готовых использовать генеративный ИИ.
Третья стратегия — точечные внедрения, но она будет работать только при наличии в компании блока цифровизации/внедрения инноваций. Команда определяет, с какими кейсами стоит начать работу. Возможны несколько вариантов:
— кейсы, влияющие на стратегию компании. Этот выбор можно сделать при наличии четкого понимания целей развития и тактических шагов для их достижения;
— работа над самыми сложными и операционно дорогими задачами, чтобы уже на первом этапе увидеть результаты (такие, как, например, экономия средств или увеличение прибыли компании);
— выбор кейсов с возможностью продемонстрировать KPI. Многие компании, только начинающие использовать генеративные технологии, сталкиваются с вопросом: «Как эта технология может нам помочь?» После получения результатов и фидбэка принимается решение о выделении бюджета и ресурсов для популяризации технологии внутри компании.
На мой взгляд, при выборе данной стратегии целесообразно начинать с самого простого и понятного кейса либо адаптации существующих на рынке кейсов под свои процессы, чтобы убедить руководство в перспективности дальнейших внедрений.
Четвертая стратегия — привлечение консалтинговых компаний. Это могут быть как классические консалтинговые фирмы, так и компании, для которых консалтинг является частью бизнес-процесса. Основная идея заключается в том, чтобы специалисты могли прийти в компанию, погрузиться в ее деятельность, собрать обратную связь от сотрудников и провести несколько дней в офисе, наблюдая за работой изнутри. На основе этого анализа формируется стратегия развития компании. Например, если выявляется, что у сотрудников возникают трудности с выполнением задач, которые можно решить с помощью технологий, то именно с этого и стоит начать. Такой подход предполагает изучение ситуации изнутри, когда внимание сначала уделяется повседневной работе сотрудников, а затем формируется видение, как технологии могут улучшить их работу. После этого предложения представляются руководству компании.
Эти четыре стратегии считаются наиболее эффективными на данный момент. Важно отметить, что компании могут использовать несколько стратегий одновременно. То есть, начав с одной, они могут постепенно внедрять другие, адаптируя их под различные направления и задачи бизнеса.
— Вы упомянули возможный «подводный камень» при выборе второй стратегии. Что насчет остальных, к чему стоит быть готовыми?
С. Захарова: При выборе четвертой стратегии нужно очень осторожно выбирать консалтинговую фирму: компаний, разбирающихся в нюансах использования гИИ, на рынке пока очень мало, — по моему опыту, их максимум четыре. Важно определить, кто действительно изучает технологию, вкладывает в это усилия и понимает, как применять генеративный ИИ с учетом его ограничений и возможностей, а не просто использует существующие на рынке решения.
Стратегия точечных внедрений также связана с некоторыми рисками. Например, если компания решает автоматизировать самые сложные или дорогие кейсы, это может привести к неожиданным результатам: внедрение может оказаться слишком затратным или потребовать изменения бизнес-процессов. Так, создание базы знаний может показаться простой задачей, но если в компании нет четкого регламента по созданию и обновлению документов, это может привести к хаосу. В результате данные могут оказаться противоречивыми, что станет причиной галлюцинаций гИИ и, как следствие, — критических ошибок.
Когда точечные внедрения не оправдывают ожиданий, компании могут считать, что технология не работает, хотя на самом деле проблема может заключаться в подходах и внутренних бизнес-процессах.
— От чего зависит выбор стратегии — от масштаба бизнеса, квалификации сотрудников, от каких-то конкретных бизнес-задач?
С. Захарова: Я бы выделила два ключевых фактора: наличие бюджета для тестирования и запуска и заинтересованность компании в интеграции генеративных технологий в стратегию. Если компания решает активно развивать это направление, она может выбрать стратегию «GenAI для всех». Однако если руководитель лишь проявляет интерес и предлагает осторожно изучать рынок, наблюдая за конкурентами и ожидая первых результатов, процесс может сильно затянуться, компании потребуется больше времени и этапов, чтобы руководство решилось на активные действия — выделение бюджетов, поиск специалистов и подготовку к изменениям.
— Какие подходы сейчас лучше работают — вендор или in-house, облако или on-premise?
С. Захарова: В крупных компаниях есть успешные примеры сочетания обоих подходов. Практика показывает, что существуют бизнес-процессы, которые невозможно изменить с помощью внешних подрядчиков. Это может быть дорого, долго и болезненно, особенно если речь идет о работе с внутренними данными, суперконфиденциальной информацией и корневыми процессами, на которых строится весь бизнес компании. Для таких задач лучше формировать внутренние команды и готовить амбассадоров, понимающих специфику компании и ее цели.
Для внешних процессов и взаимодействия с внешними пользователями можно спокойно привлекать вендоров, поскольку, во-первых, они обладают отраслевой экспертизой, во-вторых, могут предложить готовые продукты, что экономит ресурсы компании. Вендоры также более гибки и быстрее адаптируются к изменениям на рынке, новым технологиям и инструментам.
Таким образом, для крупных компаний оптимальной стратегией является сочетание внутренней разработки и сотрудничества с внешними экспертами.
Что касается использования «облака и контура», отличным вариантом также является гибридный подход. Внутренние серверы могут использоваться для работы с конфиденциальной информацией, а облачные решения — для менее критичных задач. Облачные LLM, например, обновляются быстрее и дешевле, предоставляя больше возможностей.
— Какие направления применения LLM представляются вам наиболее перспективными?
С. Захарова: Я бы выделила четыре наиболее значимые области применения LLM:
— клиентский сервис, который всегда находится в фокусе компаний и под который есть готовые команды и датасеты для работы;
— задачи программистов — на этом направлении уже накоплен значительный опыт и реализованы успешные кейсы на рынке;
— пиар и маркетинг;
— аналитика, требующая обработки больших объемов данных.
В заключение отмечу, что в 2025 году перед компаниями уже не стоит вопрос, зачем внедрять генеративные технологии, — акцент теперь делается на том, как правильно их внедрить, не потеряв время на бесполезные попытки в силу недостатка внутренней экспертизы, и где их можно применить, чтобы получить максимальный эффект в кратчайшие сроки.
Источник: http://futurebanking.ru/post/4162
Вам также может понравиться
