За последний год внедрение ИИ в компаниях заметно повзрослело: вместо абстрактного «нам тоже нужен AI» бизнес все чаще приносит на стол конкретные задачи и вопросы про экономику. Проблема в том, что на этом месте быстро выясняется неприятная вещь: пилот на облачном сервисе собрать можно за недели, а вот довести его до промышленной эксплуатации без нормальной инфраструктуры, правил работы с данными и ответственного за результат человека получается далеко не у всех.
Именно об этом говорит генеральный директор ITPOD Илья Борняков, как пишет IT-World. По его наблюдению, заказчики стали заметно прагматичнее: теперь их интересует не «нейросеть вообще», а сокращение времени обработки заявок первой линии, ускорение аналитиков, поиск по внутренней базе знаний, автоматизация отдельных workflow. Вместе с этим вырос и спрос на прозрачность затрат. Компаниям уже мало купить сотрудникам подписки и объявить, что ИИ внедрен. Им нужно понимать, сколько вычислений потребляет конкретное подразделение, какие сервисы используются, как считать стоимость рабочего места и где в этой конструкции вообще лежит бизнес-эффект.
Это важный сдвиг для российского корпоративного рынка. Еще недавно многие инициативы вокруг ИИ напоминали технодемо на бюджетах крупных компаний: попробовать, посмотреть, не отстать от соседей по отрасли. Теперь разговор стал скучнее, а значит, здоровее. Борняков прямо говорит: начинать нужно не с выбора модели и не с закупки GPU, а с описания процесса и метрик. Сколько людей заняты в операции сейчас, сколько времени она занимает, где возникают ошибки, сколько стоит ошибка сотрудника и что реально изменится, если процесс ускорить вдвое. Без этого вместо проекта быстро получается охота за «волшебной кнопкой», которой, как обычно, не завезли.
Отсюда и второй тезис, который для многих компаний может оказаться неприятнее первого: внедрение ИИ не лечит хаос по умолчанию. Если процессы не оцифрованы, данные разбросаны, а решения принимаются вручную по настроению конкретного отдела, то модель не исправит ситуацию. Она просто масштабирует уже существующий бардак, только быстрее и дороже. Поэтому один из главных стоп-факторов для ИИ-проекта, по версии ITPOD, вовсе не слабая модель и не дефицит специалистов, а отсутствие описанных процессов. Это звучит менее эффектно, чем разговоры про агентные системы и большие языковые модели, но для CIO и CTO здесь, пожалуй, больше практической пользы, чем в очередной презентации про «цифровую трансформацию».
Дальше начинается самое дорогое. Когда компания доходит до промышленного сценария, всплывают требования информационной безопасности, контроль доступа, биллинг, масштабирование, правила обращения с чувствительными данными и вопрос, где все это должно жить. Если данные нельзя выпускать во внешний контур, речь идет об on-prem-инфраструктуре: локальное развертывание моделей внутри защищенного периметра, собственные GPU-серверы, внутреннее управление пользователями и доступом. Если чувствительность задач разная, появляется гибридный сценарий: часть нагрузки остается локально, а сложные вычисления уходят в облако. На бумаге это выглядит как разумный компромисс. На практике же это означает, что компании приходится проектировать не только модельный слой, но и полноценную операционную среду вокруг ИИ.
Здесь же ломается популярная иллюзия о том, что собственная инфраструктура всегда выгоднее внешних подписок. Борняков, напротив, предупреждает: в крупных внедрениях локальные нейросети требуют серьезных инвестиций и могут обойтись кратно дороже, чем ожидает заказчик. Но вместе с ценой приходит контроль. Если просто раздать сотрудникам доступ к внешним сервисам, организация часто не понимает, какие документы туда загружают, что нужно обезличивать и какие сценарии вообще допустимы. Для бизнеса это уже не вопрос удобства, а вопрос управляемого риска. Особенно если в промпты улетают внутренние материалы, документы по сделкам или данные, которые ИБ потом будет искать с фонарем и плохим настроением.
Не менее показателен и организационный вывод. По словам Борнякова, мало хотеть запускать ИИ-проект и обсуждать его на совещаниях. Нужен конкретный владелец изменений внутри компании: человек или команда, которые отвечают за результат, бюджет и сам процесс внедрения. Иначе проект зависает между ИТ-директором, бизнес-заказчиком, службой ИБ и линейными подразделениями, где все формально «за», но никто не готов подписаться под итоговой экономикой. Для разработчиков и архитекторов это тоже плохая новость: им все чаще придется не просто интегрировать модель в контур, а доказывать, зачем она нужна в конкретном процессе и как будет измеряться эффект после запуска.
В результате рынок корпоративного ИИ в России, похоже, входит в более трезвую фазу. Побеждать здесь будут не те, кто громче всех обещает универсальный AI, а те, кто умеет связать модель, данные, безопасность, инфраструктуру и финмодель в один работающий контур. И чем быстрее компании примут, что внедрение ИИ начинается не с красивой демки, а с владельца процесса и счета за эксплуатацию, тем меньше у них будет дорогих пилотов, которые так и не доехали до продакшена. Подробности интервью можно посмотреть в .