Все индивидуально
Зачем бизнесу нужны кастомные ИИ-решения
Бизнес все чаще выбирает кастомные ИИ-модели вместо универсальных технологий. Разбираемся, как работает такой подход и в каких отраслях он уже приносит результат.
Технологии на базе искусственного интеллекта продолжают уверенно входить в операционную реальность бизнеса. По итогам 2024 года объем инвестиций в ИИ-проекты в России увеличился на 36% по сравнению с предыдущим годом и достиг 305 млрд руб.
Однако сегодня бизнес отказывается от идеи масштабной автоматизации «всего и сразу» в пользу точечной оптимизации с высоким ROI (Return on Investment, коэффициент рентабельности инвестиций, который помогает рассчитать окупаемость вложений в проект. — РБК). Решением становятся кастомные ИИ-модели. Их возможности — от прогнозирования износа оборудования на металлургическом предприятии до автоматической генерации ответов клиентам в e-commerce.
Такой подход позволяет не только сэкономить ресурсы, но и получить необходимый эффект намного быстрее.
Где уже работает кастомный ИИ
Промышленность
К концу 2024 года ИИ-технологии применялись уже на 35% промышленных предприятий, еще 25% находились на стадии активной интеграции. Среди лидеров — топливно-энергетический комплекс (58% организаций используют ИИ), АПК и рыбохозяйственный комплекс (40%), обрабатывающая промышленность (32%).
Наш опыт показывает, что чаще всего ИИ-решения используют, чтобы автоматизировать работу с инженерной документацией, извлечь данные из архивов чертежей и технологических карт, выстроить и оптимизировать производственное расписание.
Все больше предприятий используют цифровые двойники — они позволяют создавать точные виртуальные копии оборудования и прогнозировать его поведение в онлайн-режиме. Отдельный интерес вызывают ИИ-инструменты с применением технологий AR/VR. Они способны обучать сотрудников на симуляторах в условиях, приближенных к реальным.
Большую роль в цифровизации играет развитие low-code инструментов и визуальных редакторов, которые позволяют запускать ИИ-сервисы без привлечения IT-отделов. Это позволяет быстрее внедрять и масштабировать решения без значительных доработок и дополнительных затрат.
Ретейл и e-commerce
В ретейле кастомные ИИ-решения повышают качество клиентского опыта и делают логистику более эффективной. Для этого используются системы персонализации, предиктивной аналитики и автоматизации складов. Они позволяют оптимизировать бизнес-процессы и повысить конверсию за счет омниканального взаимодействия с покупателем.
На практике особое внимание бизнес уделяет интеллектуальной обработке клиентских обращений — ИИ-системы помогают экономить ресурсы и поддерживать высокий уровень удовлетворенности покупателей.
Медицина
В здравоохранении кастомизированный ИИ помогает при диагностике и планировании лечения. Эти технологии уже позволили сократить время постановки диагноза на 30–40% и повысить точность выявления патологий на 15–20%. Как следствие, сегодня российский рынок медицинских ИИ-решений оценивается в 1,5–3 млрд руб.
Пример таких проектов — платформа «Цифровой ассистент врача», которую мы разрабатываем. ИИ-система позволяет доктору в режиме реального времени сверять диагнозы с нормативной базой Минздрава РФ и быстро заполнять медицинские документы с помощью транскрибирования голосового сообщения. Такие решения применяются при осмотре пациента и соответствуют требованиями Минздрава.
Логистика
В сфере перевозок ИИ-технологии используют для построения маршрута, мониторинга транспорта, прогнозирования спроса и оценки устойчивости цепочек поставок. Около 45% российских логистических компаний планируют внедрить ИИ в ближайшие два-три года, а 6% уже сейчас реализуют проекты с использованием генеративных моделей.
Финтех
Искусственный интеллект уже помогает более 50% банков и финтехкомпаний анализировать риски, автоматизировать клиентский сервис, проводить скоринг и бороться с мошенничеством. Еще 13% планируют интегрировать ИИ до 2027 года. Экономический эффект также ощутим: комплексное внедрение ИИ может снизить операционные расходы банка до 25%. Так, например, для ВТБ мы разрабатываем единое ИИ-решение для маршрутизации доставки банковских продуктов клиентам. Оно позволит банку оптимизировать логистику без лишних затрат. Проект планируется внедрить в 2026 году.
IT и кибербезопасность
IT-компании внедряют кастомные ИИ-решения как во внешние продукты, так и во внутренние инструменты. Примером служат интеллектуальные ассистенты для разработчиков. Это генеративные модели, которые ускоряют создание кода. IT-холдинг Т1, например, применяет собственную модель, основанную на open source. Ею уже пользуются полторы тысячи специалистов. Система не просто генерирует код, а адаптирует его под корпоративную архитектуру. Кроме того, специальные ИИ-агенты используются для обработки внутренних документов.
В кибербезопасности ИИ помогают анализировать поведение пользователей, защищать от утечек и фейковых данных.
Новые вызовы для разработчиков
Кастомизация необходима, когда попытка адаптировать бизнес под типовое ИИ-решение делает продукт дороже или снижает его эффективность. Один из ключевых вызовов при этом — глубинное понимание специфики конкретной компании. IT-специалисты должны провести комплексный анализ: изучить процессы, выявить узкие места и сформулировать четкое техническое задание.
Еще один важный аспект — кастомные ИИ-системы критически зависят от качества и доступности данных. Их очистка, нормализация и аннотирование могут занимать до 80% времени проекта. Дополнительно приходится решать вопросы безопасности: многие корпоративные сведения конфиденциальны.
Наконец, в особенно чувствительных отраслях — медицине, финансах, госсекторе — критично обеспечить прозрачность моделей. Для этого ИИ-продукты проходят многоуровневую валидацию — тестирование на устойчивость, проверку на предвзятость, а также обогащаются подтвержденными данными с помощью RAG-сервисов (Retrieval-Augmented Generation — генерация, дополненная поиском).
Ставка на кастомизацию
Аналитики прогнозируют увеличение инвестиций в исследования и разработки в области ИИ. В ближайшие годы основными драйверами развития ИИ-технологий останутся финтех и промышленность. Банковский сектор сохранит лидерские позиции в использовании ИИ, а промышленные компании — особенно в таких областях, как металлургия, химическая промышленность и машиностроение, — продолжат автоматизировать ключевые производственные процессы с помощью искусственного интеллекта. Однако по мере роста зрелости технологий и доступности кастомизации даже компании с ограниченными ресурсами смогут выстраивать ИИ-продукты под себя, так как это помогает снижать риски и ускоряет достижение бизнес-результатов.
Фото: пресс-служба ИТ-холдинга Т1