Новости

Одним из самых популярных направлений использования ИИ является создание и редактирование текстов. 48% генерят рабочие объявления, поздравления и стандартные рассылки. 33% опрошенных применяют ИИ для написания статей, подготовки отчетов и проверки грамматики. 27% отвечают с помощью искусственного интеллекта на письма по работе, а 21% — используют для адаптации резюме.

Еще одно направление – анализ данных. 29% участников исследования сгружают этот функционал в ChatGPT и отмечают, что тратят считанные минуты на то, что делали часами. Причем из них 17% перешли на долгосрочное планирование по итогам такого анализа.

23% используют ИИ для генерации изображений и видео, а также монтажа. Популярными стали фотосессии с помощью ИИ и создание мини-клипов – их делают 22% опрошенных. 7% опрошенных применяют алгоритмы, заданные ИИ, для решения экономических задач и консультирования клиентов.

Курсы по обучению работе с ИИ прошли 37% опрошенных. 42% собираются сделать это в ближайшее время.

Респонденты отмечают, что технология позволяет решать до 100% рутинных задач. Более 50% участников исследования отметили, что передали ИИ 40-60% функционала, который не требует излишнего человеческого контроля или эмоциональной оценки. При этом 20% опрошенных утверждают, что смогли «делегировать» выполнение только до четверти рутинных процессов, так как боятся ошибок со стороны ИИ.

Высоким качество работы с искусственным интеллектом считают 48% россиян. В числе плюсов отмечают ускорение процессов, возможность высвободить время на креатив, экспериментировать с новыми форматами и не перегружать себя.

Видят опрошенные и риски. 22% убеждены, что повальное использование ИИ приведет к сокращению количества рабочих мест, а 19% опасаются потери качества работы из-за несовершенства оценки данных. 16% уверены, что без эмоциональной составляющей большинство рабочих процессов просто неосуществимы. А 15% считают, что ИИ – путь к деградации трудовых и интеллектуальных функций человека.

При этом 46% отмечают важность использования ИИ в профессиональной деятельности именно потому, чтобы сократить рутинные процессы и остановить выгорание.

«Ароса» работает в 76 регионах России, а также в Армении, Беларуси, Казахстане и Узбекистане, ежегодно количество клиентов увеличивается на 10%. С ростом бизнеса компания решила автоматизировать управление продажами.

До внедрения CRM процессы лидогенерации и продаж оставались несистемными, данные о клиентах хранились в разрозненных таблицах, блокнотах и заметках. Информация дублировалась, а контакты терялись при увольнении сотрудников. Руководство не могло оперативно отслеживать объемы продаж, статус сделок и загрузку команды. Попытка автоматизации через альтернативное решение не оправдала ожиданий: отсутствие методологии и сложность интеграции нескольких процессов затрудняли внедрение.

В итоге компания перешла на платформу BPMSoft, проект реализован экспертами компании T.Integration. Встроенные low-code инструменты позволили адаптировать систему под задачи бизнеса, а интуитивно понятный интерфейс упростил работу сотрудников. В ходе проекта специалисты восстановили и систематизировали данные о контрагентах по брендам и партнерским группам, а также удалили более 4 тыс. дублирующихся записей. Теперь клиентская база структурирована, настраиваемые уровни доступа защищают от утечек при кадровых изменениях.

Система автоматизирует регистрацию лидов: информация из заявки мгновенно загружается в нее, руководитель получает уведомление и назначает ответственного менеджера. Каждый лид проходит все этапы воронки, что исключает «зависание» клиентов. Платформа учитывает характеристики бизнеса при оценке потенциала заказов. Функция группировки юридических лиц по брендам облегчает взаимодействие с крупными клиентами.

Инструменты аналитики помогают менеджерам оперативно оценивать каждый этап сделки и принимать взвешенные решения. В рамках проекта было разработано более 70 аналитических досок и 1,5 тыс. дашбордов, которые охватывают ключевые метрики продаж. Гибкие фильтры позволяют быстро находить нужные показатели и формировать отчеты под конкретные запросы.

С быстрым ростом популярности шеринговых сервисов перед «МТС Юрент» встала задача оптимизации расходов на облачные ресурсы. Растущие затраты и отсутствие детализированных отчетов усложняли процесс бюджетирования и аллокации ресурсов между командами. Руководство компании искало решение, которое обеспечило бы прозрачность, автоматизацию мониторинга и эффективное управление инфраструктурой.

Подключение к платформе FinOps-«Клаудмастер» заняло 1 час. Уже на начальном этапе сервис предоставил детализированные отчеты и рекомендации по оптимизации облачной инфраструктуры. Эти данные помогли выявить возможности для сокращения расходов без ущерба для производительности. Платформа также обеспечила глубокую детализацию трендов использования ресурсов и ввела постоянный мониторинг для выявления аномалий. Это стало важным шагом к формированию долгосрочной стратегии управления затратами. Компании удалось сократить расходы на 20%, сохранив стабильность своих сервисов, улучшить прозрачность управления и повысить эффективность внутренних процессов.

Благодаря повышению прозрачности внутренние процессы DevOps-команд стали более слаженными, а внедрение метрик юнит-экономики помогло обосновать использование ресурсов и поставить четкие цели для подразделений. Постоянный мониторинг продолжает обеспечивать контроль за финансовыми потоками и поддерживает эффективность виртуальной инфраструктуры на высоком уровне.

В настоящее время VR применяется в МГИМО для обучения английскому языку, разрабатываются сценарии для немецкого, а в ближайшей перспективе планируется внедрение технологии в обучение другим языкам, включая восточные.

Проект стартовал в 2022 году с пилотного внедрения в течение 2,5 месяцев и включал две экспериментальные и одну контрольную группы. Всего в пилоте приняли участие 250 студентов четырех факультетов МГИМО-Одинцово. С помощью VR-очков обучающиеся взаимодействовали с виртуальным носителем языка, проговаривая варианты ответа и отрабатывая лингвистические конструкции. Пилотный проект включал несколько этапов: разработку интерактивных учебных сценариев, их апробацию, внедрение в процесс обучения в разных форматах и оценку результатов, в том числе, в сравнении с традиционными методами обучения.

Одна из сложностей проекта — отсутствие аналогов VR-методик и исследований эффективности применения VR для изучения языков. Поэтому преподаватели МГИМО самостоятельно разработали сценарии на платформе VR Supersonic, адаптируя их под образовательный процесс.

Как отмечает Елена Козловская, директор Одинцовского филиала МГИМО, в ходе проекта увидели не только живой интерес студентов и преподавателей и их вовлеченность, но и зафиксировали реальный рост академической успеваемости. Для преподавателей проект ознаменовал начало нового этапа профессионального роста. Они не только освоили передовые методы обучения и научились писать сценарии для VR-платформы, но и стали применять аналитику данных в образовательном процессе и использовать современные инструменты контроля знаний. Внедрение модуля с искусственным интеллектом позволило выйти на качественно новый уровень тренировки спонтанной речи.

По результатам пилотной программы у группы с VR-инструментами доля неуспевающих студентов упала более чем на 40%. Средний рейтинговый балл по иностранному языку вырос на 10 пунктов и составил 75 баллов в 2024 году. Кроме того, уменьшилось число пересдач, повысился уровень посещаемости без принуждения, студенты стали более вовлеченными в образовательный процесс.

Сейчас платформа масштабируется в рамках всего университета МГИМО, в VR занимаются более 500 студентов, подключены группы немецкого языка.

В дальнейшем планируется масштабирование проекта — подключение новых языков, в том числе, восточных, расширение числа факультетов и направлений подготовки, участвующих в программе, а также внедрение VR-технологий в обучение переговорам и другим дисциплинам.

О внедрении биометрических инструментов в метро правительство Санкт-Петербурга договорилось с ВТБ в 2024 году. Для пилотирования технологии были выбраны станции «Гостиный двор» и «Площадь Восстания». В декабре 2024 года система начала работу в формате закрытого тестирования, в котором принимали участие сотрудники банка и метрополитена. С 4 марта сервис стал доступен для всех пассажиров.

Запуску системы предшествовал большой подготовительный этап. ИТ-холдинг Т1 поставил необходимое аппаратное обеспечение, собрал и настроил программно-аппаратный комплекс, совместно с внешним партнером смонтировал оборудование на станциях и в ЦОД метрополитена, а также доработал и интегрировал ПО. В ходе тестирования адаптированы специально созданные ПАКи для бесперебойной работы биометрических инструментов и надежного, безопасного процессинга.

Открытое пилотирование на двух станциях продлится до конца мая 2025 года, после чего к проекту планируется подключить и другие станции метро. Техническое сопровождение и сервисное обслуживание оборудования на пилотном проекте будет и дальше осуществлять Т1.

Приоритетными задачами 2025 года, связанными с ИИ-моделями, названы расширение возможностей больших языковых моделей (LLM), в том числе внедрение новых модальностей, интеграция методов RAG (Retrieval-Augmented Generation, добавление в контекст запроса к большой языковой модели дополнительной информации), и разработка ИИ агентов (46%). Далее следуют сжатие нейросетей, а также оптимизация используемой ими инфраструктуры (20%) и улучшение качества обучения для повышения точности и надежности алгоритмов (19%).

В блоке вопросов о разработке ИИ-ассистентов выделяется (22%) сценарий для написания программного кода. Задачи компьютерного зрения также не теряют актуальность. Разработку подобных систем считают приоритетной 14% респондентов. При этом распознавание эмоций выделили лишь 7%.

Участникам опроса предлагалось также указать, считают ли они приоритетными для себя задачи, связанные с такими конкретными сферами, как наука и медицина. Результаты показали, что решением научных проблем с помощью ИИ намереваются заниматься 26% опрошенных, медицинскими проблемами — 18%.

Наибольшая отрицательная динамика наблюдается у немецкого провайдера Hetzner Online GmbH и французской компании облачных вычислений OVH – по 14%. В американском провайдере Amazon Web Services отток составил 8%, в Google — 7%, а в Digital Ocean — 1%.

Методология исследования основана на подсчете числа активных серверов (облачные и виртуальные серверы, VPS/VDS, dedicated), размещенных в доменных зонах. ru,. рф и. su, за период с декабря 2023 по декабрь 2024 года.

По итогам 2024 года сохраняется устойчивое падение, однако, пик уже пройден — наибольший процент оттока приходился на 2023 год. Основные волны в 2022-2024 годах, как правило, связаны с нежеланием российского бизнеса нести риски прекращения доступа с введением каких-либо ограничительных мер.

В то же время фиксируется положительная динамика у российских облачных провайдеров. В Yandex Cloud прирост составил 27%, в Selectel — 14%, в Рег.ру — 10%.

Российские провайдеры активно расширяют свои продуктовые линейки, при этом формируют предложения для конкретных отраслей или с учетом специфики работы в России с точки зрения регуляторики. Например, сервисы для размещения «1С» или другие решения, соответствующие текущим требованиям по защите данных. В такой ситуации российский продукт становился бы привлекательнее и без ухода некоторых иностранных хостеров с рынка.

По данным Национального центра развития ИИ при Правительстве РФ, индекс готовности к использованию ИИ в России показывает уверенный рост. В 2021 году он составлял 3,2 балла, а к 2024 году достиг 3,5 балла. Такой рост стал возможен благодаря государственным инициативам и росту инвестиций в технологические стартапы.

Лидерами в использовании ИИ являются отрасли с высоким уровнем цифровой трансформации — финансовый сектор, телеком, компании в сфере ИТ, логистика, ТЭК. Развивающиеся отрасли, характеризующиеся активным ростом и средним уровнем внедрения ИИ, включают такие направления, как розничная торговля, медиа, здравоохранение и строительство. Наименее активно ИИ пока применяется в городской среде, образовании, физкультуре и спорте, культуре и социальной сфере.

В финансовом секторе ИИ помогает выявлять мошенничество, оценивать кредитные риски и автоматизировать рутинные процессы. Например, Банк России использует ИИ-решения для оптимизации задач и борьбы с мошенниками. Крупные банки ежегодно инвестируют в их развитие около 1 млрд долл. Исследование Ассоциации «Финтех» показывает, что эти вложения приносят 3 млрд долл. прибыли в год. Данные становятся основой для машинного обучения, а потому дают качественную аналитику и точные прогнозы. ИИ успешно применяется и в других областях. Так, в логистике алгоритмы оптимизируют маршруты доставки, а в медицине системы ИИ помогают врачам ставить диагнозы.

Несмотря на прогресс, в некоторых отраслях спрос на ИИ-решения все еще опережает их доступность. Согласно отчету НЦРИИ за 2024 год, только 36% организаций считают, что на рынке достаточно ИИ-продуктов для их задач. В разных группах ситуация сильно отличается: среди лидеров предложением удовлетворены 48% компаний, среди развивающихся — 37%, а среди начинающих — только 26%. В связи с этим потребность в российских разработках возрастает.

При этом среди факторов, сдерживающих темпы внедрения ИИ в России, – дефицит квалифицированных ИТ-специалистов. Это создает сложности при разработке новых ИИ-продуктов. На рынке труда востребованы аналитики, ML-инженеры и разработчики, способные работать с современными технологиями. Остро ощущается и нехватка экспертов по искусственному интеллекту и машинному обучению — число вакансий для ML-инженеров и разработчиков ИИ-систем в 2024 году выросло на 43% по сравнению с 2023 годом.

Потенциал для развития

В последние годы ИИ стал одним из ключевых направлений технологического прогресса. Россия, обладая сильной научной базой и высококвалифицированными специалистами, имеет значительный потенциал для развития ИИ-технологий. Одним из наиболее перспективных направлений применения ИИ является индустрия и производство. Автоматизация производственных процессов с использованием ИИ позволяет повысить эффективность, сократить затраты и улучшить качество продукции. Машинное обучение и компьютерное зрение могут использоваться для оптимизации логистики, контроля качества и предсказания неисправностей оборудования. В этом контексте важное значение имеют системы управления производством, которые способны анализировать большие объемы данных и принимать оптимальные решения в реальном времени.

Особое внимание следует уделить развитию больших языковых моделей (LLM), которые способны понимать и генерировать текст на естественном языке, обрабатывать большие массивы технической и научной информации, что открывает новые возможности в различных областях.

LLM могут автоматически извлекать ключевые данные из документов, такие как ссылки на другие документы, объекты и их характеристики, ключевые элементы производственных процессов и т.д. Это особенно полезно в таких сферах, как юриспруденция, финансовое анализ, управление проектами и аудит. Технологии интеллектуальной обработки документов с применением больших языковых моделей представляют собой мощный инструмент для повышения эффективности и точности в обработке данных. Несмотря на существующие вызовы, потенциал этих технологий открывает новые горизонты для развития ИТ-индустрии и бизнеса в целом.

«Бионоватик» специализируется на выпуске удобрений и средств защиты растений, применяя передовые научные разработки для повышения урожайности. В условиях высокой конкуренции и сезонности бизнеса компании требовалась гибкая CRM-система, способная адаптироваться к аграрному циклу и оперативно поддерживать менеджеров на всех этапах взаимодействия с клиентами.

До внедрения BPMSoft в «Бионоватик» использовались разрозненные инструменты для управления продажами, а взаимодействие между отделами логистики и сбыта было недостаточно прозрачным. Менеджерам, работающим «в полях», не хватало удобного мобильного решения с офлайн-доступом. Рассмотренные альтернативные CRM-системы не обеспечивали необходимую гибкость, поэтому было принято решение внедрить BPMSoft — платформу с мощным BPMS-движком и возможностью кастомизации процессов с помощью low-code инструментов.

На платформе BPMSoft был разработан централизованный справочник клиентов, позволяющий учитывать холдинговую структуру и подчиненные подразделения, включая филиалы и поля. В CRM-системе настроен механизм «многошаговых активностей»: менеджер может выбирать следующий шаг взаимодействия с клиентом в зависимости от текущего результата, что делает процесс продаж более гибким и эффективным.

Дополнительно внедрен модуль заказов, поддерживающий как стандартные отгрузки, так и «закладку опыта» — процесс экспериментального тестирования продукции в полевых условиях. Функционал план-фактного анализа позволяет контролировать выполнение планов продаж и прогнозировать результаты на основе актуальных данных. Интеграция с логистикой автоматизировала обработку заказов, ускорила их согласование и передачу информации между подразделениями.

В BPMSoft работают около 20 сотрудников «Бионоватик», включая агроном-менеджеров и офисных специалистов. Новая CRM-система обеспечила прозрачность работы с клиентами, ускорила согласование заказов и передачу данных в логистику, а также помогла повысить доверие к продукции за счет точной фиксации результатов полевых экспериментов. Проект стал первым этапом цифровой трансформации «Бионоватик». В дальнейшем планируется расширение CRM-системы за счет подключения дилерского портала, интеграции с логистическими сервисами и расширения аналитических модулей.

Нейросеть «Тринити» с помощью технологий ИИ проводит быстрый аудит сделки по более чем двадцати критериям и по результатам анализа выдает рекомендации, по каким параметрам нужно доработать закупку, а также акцентирует внимание на неоднозначных показателях. Такой подход дает возможность вовремя отфильтровать неоптимальные цены и ненадежных поставщиков. Во время тестирования было проверено около 5% закупок «Самолета», приблизительный объем составляет 2 тыс. позиций. Нейросеть обнаружила 100% ошибок, специально заложенных в данные – в частности, выявила переплату в 28 млн руб. Вручную проверить информацию из более чем 6 тыс. источников, включая тендеры, рыночные цены, ФГИС ЦС и «ЕИС Закупки» невозможно, автоматизация работы позволяет экономить время и существенно ускоряет бизнес-процесс.

Внедрение решения делает прозрачной систему закупок на всех этапах. «Самолет» уже несколько лет планомерно занимается цифровизацией закупок и создает собственные продукты в этой области. Девелопер разработал платформу 10D, один из модулей которой отвечает за проведение торгов на подрядные работы и материалы. Решение «Тендеры» автоматизирует регистрацию и аккредитацию контрагентов, а также проведение тендерных процедур для товаров, работ, услуг.

Как отмечает Артем Блинов, директор по закупкам и тендерам группы «Самолет», при выборе решения было важно в результате получить бенчмарк на максимальное количество номенклатур и достоверность аналитики, близкую к 100%, чтобы могли доверять полученным данным. Во время тестирования нейросеть «Тринити» показала себя отлично, идет оценка того, как она работает с реальными нагрузками – полноценным потоком данных по всей компании. В будущем планируется с ее помощью делать бенчмарк по ценам на этапе торгов, это поможет при необходимости снижать цены, проводить переторжку, корректировать техзадания.