Тенденции развития технологий искусственного интеллекта в России. Обзор TAdviser 2025

Последние несколько лет рынок ИИ-технологий рос во многом благодаря хайпу, но сейчас интерес к ИИ приобретает осмысленный характер. Качество контента, генерируемого ИИ и объем обработки информации постоянно растут. Если еще год назад можно было довольно просто удивить возможностями ИИ-продуктов, то теперь компании методично анализируют качество, безопасность и актуальность решений на базе ИИ, а также оценивают их экономическую эффективность с точки зрения своего бизнеса.

На развитии рынка сказываются традиционные барьеры: острый дефицит кадров, в том числе опытных специалистов в сфере ИИ и машинного обучения, высокий уровень затрат в целом на ИТ-кадры, в том числе на разработчиков ПО и специалистов по машинному обучению, доступность и качество данных, необходимых для машинного обучения, отставание регуляторной сферы от технических возможностей ИИ, консервативное и настороженное отношение к ИИ-продуктам.

Новый обзор рынка ИИ от TAdviser посвящен актуальным технологическим тенденциям в России и мире. С экспертами мы обсудили оценки объема и динамики рынка, поговорили об инвестициях, о применимости различных технологий ИИ в экономике, перспективах мультимодального ИИ, NLP, сегментов анализа данных, ML, Speech Recognition, GenAI, FinTech, Cybersecurity. Узнали как спасаться от дипфейков и других растущих угроз безопасности с ИИ. А также затронули тему противостояния крупнейших ИИ-держав и попытались отыскать на глобальном рынке место России.

Согласно анализу Центра компетенций «Искусственный интеллект» МФТИ, рост рынка ИИ в РФ в 2023 г. составил 37%, объем – ₽900 млрд. Объем венчурных инвестиций в ИИ второй год подряд остался на уровне $10 млн. Государственное финансирование ИИ за год – ₽9,2 млрд. ^[1]

По данным Statista, объем рынка ИИ в США в том же году составил $37,2 млрд, примерно столько же составил рынок всех европейских стран, включая Россию. По тем же данным, на Россию приходится $5 млрд, что, на мой взгляд, несколько ближе к истине, – рассказал Николай Тржаскал, директор по продуктам «Преферентум» компании SL Soft.

По словам эксперта, анализ Центра завышает объем рынка вдвое за счет включения выручки, не связанной напрямую с использованием ИИ. Рынок венчурного капитала в США составил в 2023 году $170 млрд. Из них на долю ИИ пришлось 36% (то есть $61,2 млрд). В сравнении с этим, $10 млн, вложенных в ИИ российским венчуром, даже с добавленными государством почти $100 млн, представляют собой каплю в море, что никаким образом не может позволить российскому ИИ-бизнесу развиваться за пределами крупных корпораций.Как развивается российский рынок систем мониторинга и управления ИТ-инфраструктурой. Обзор TAdviser 7.4 т

Максим Иванов, директор по искусственному интеллекту «Сбер Бизнес Софт», подтвердил, что темпы роста рынка ИИ в 2023 году оценивались на уровне 30-40% как в России, так и в мире, а в 2024 году некоторые отчеты довольно существенно повысили оценку, например, в Bain Technology Report прогноз темпов роста до 2027 года уже находился на уровне 40-55%.

Олег Королев, руководитель разработки AI Lab «Авито», по открытым данным делает вывод о продолжении роста интереса к ИИ на рынке РФ. Согласно сведениям платформы Venture Guide, в 2024 году был виден значительный рост инвестиций в ИИ-стартапы до $33 млн – это более чем трехкратное увеличение всего за год. ^[2] Согласно исследованию консалтинговой компании BCG, мировые инвестиции в ИИ увеличатся на 60% в ближайшие три года. ^[3] Ведущие компании уже достигают 10-20% роста производительности за счет внедрения ИИ в повседневные операции. При этом аналитики BCG отмечают, что успех ИИ-инициатив на 70% зависит от людей и процессов, на 20% от продуктов, и только на 10% от самих алгоритмов. Главным трендом будущего Олег Королев назвал всевозможные оптимизации ресурсов для обучения и работы моделей.

Часть опрошенных TAdviser экспертов сошлись во мнении, что объем венчурного финансирования в РФ в этом периоде указывает на консерватизм частного капитала, и в то же время, в целом, достигнутые показатели следует признать хорошими.

По мнению Олега Рогова, кандидата физико-математических наук, руководителя группы «Доверенные и безопасные интеллектуальные системы» AIRI, оценки темпов роста в 37% и общего объема рынка в ₽900 млрд указывают на высокую динамику, однако стабильный уровень венчурных инвестиций показывает осторожность частного капитала и возможный недостаток успехов в коммерциализации стартапов. Государственное финансирование (₽9,2 млрд) – позитивный фактор. В 2025 году можно ожидать дальнейшего роста благодаря госзаказам и крупным внедрениям ИИ в корпоративном секторе, однако общая конъюнктура будет сильно зависеть от макроэкономической стабильности.

Екатерина Ионова, директор проектов ИТ-экосистемы «Лукоморье» (входит в «Ростелеком»), также полагает, что оценки аналитиков говорят о высоком спросе на технологии, но объем венчурных инвестиций указывает на осторожность инвесторов. Государственное же финансирование выглядело недостаточным для масштабных проектов, что смещает фокус на коммерческий сектор.

Станислав Зиганшин, директор по маркетингу департамента видеоаналитики и машинного зрения компании «САТЕЛ», считает, что достигнутые показатели за 2023 год – это положительный сигнал, особенно с учетом сложных экономических условий. Венчур же был на низком уровне в течение двух лет подряд, и в этой связи эксперт размышляет о высокой зависимости отрасли от господдержки. В 2024 году ситуация развивалась сходным образом: частные инвестиции имели ограниченный доступ к международным венчурным фондам и имели высокие риски. Рост в 2024 году может составлять 30-40%, но без активного частного капитала будет трудно ускорить развитие.

Михаил Телегин, заместитель генерального директора по стратегическим проектам «ОБИТ», рассказал о том, что динамика инвестиций в ИИ-отрасль за последние годы значительно снизилась. С 2022 года наблюдался резкий спад денежных вливаний в связи с санкциями, перекрытием доступа к высокопроизводительному оборудованию и технологиям. Вместе с тем сам рынок демонстрирует кратный рост, и это можно связать с переходом от «экспериментального» ИИ к его активной коммерческой эксплуатации. Эти тренды стали особенно заметны в 2024 году и будут усиливаться в 2025.

Внедрение и использование технологий ИИ предполагает значительные инвестиции. По данным НИУ ВШЭ, на федеральном уровне финансируются в первую очередь масштабные проекты, тогда как со стороны регионов поддержку получают сравнительно небольшие компании, находящиеся в фокусе внимания местных властей. ^[4]

Николай Тржаскал считает, что политика госфинансирования проектов ИИ недостаточно эффективна, поскольку государство по определению не может выступать эффективным венчурным инвестором, а это именно то, что в первую очередь требуется для роста высокотехнологичной индустрии. Высокая учетная ставка затрудняет доступ небольших компаний к государственным контрактам и контрактам с компаниями с госучастием, поскольку у них зачастую отсутствует возможность реализации долгосрочных проектов со 100% постоплатой, а принятые нормы прибыли не позволяют воспользоваться сверхдорогими кредитными средствами.

Все это ведет в итоге к укрупнению бизнеса, что негативно сказывается на распространении инноваций за пределы городов-миллионников, – отметил эксперт.

Хотя федеральный фокус, направленный на крупные проекты, создает базу для передовых разработок, для получения финансирования, необходимого для прорывных идей, требуется более активное участие не только государства, но и предприятий различных секторов экономики по всей стране. Как рассказал Олег Рогов, региональные субсидии не всегда могут покрыть расходы для обучения моделей ИИ по всем важным областям, учитывая даже специальные локальные программы поддержки.

Более активное взаимодействие предприятий с университетскими стартапами поможет в рамках страны ускорить запуск прорывных решений и внесет тем самым вклад в динамику развития экономики в целом, – надеется эксперт.

Станислав Зиганшин считает, что госфинансирование крупных ИИ-проектов логично, но ограничивает доступ стартапов к ресурсам. Региональная поддержка остается точечной. Для ускоренного развития рынка важно упростить доступ средним и малым компаниям к грантам и субсидиям.

Авенир Воронов, директор по инновациями департамента аналитических решений ГК «КОРУС Консалтинг», также отметил, что сложившаяся практика вполне логична, но оценивает ее более позитивно. Хотя на уровне федеральных проектов небольшие компании «отсеиваются» уже на стадии подачи документов и не способны конкурировать с большими игроками даже по формальным параметрам, но на региональном уровне они вполне могут составить конкуренцию крупным игрокам за счет понимания местных реалий и индивидуальной, точечной проработки решений, исходя из локальных задач.

Дмитрий Кондрашкин, директор по AI компании VK, рассказал о сложившейся на конец 2024 года практике софинансирования проектов ИИ со стороны государства, которая подразумевает инвестиции в проекты апробирования и пилотного внедрения технологий ИИ для решения прикладных задач. Зачастую такие программы подразумевают софинансирование со стороны отраслевого партнера или компании, которая будет использовать системы на основе ИИ в своей практике. Такой подход позволяет сфокусировать исследования на разработке решений, имеющих потенциал прикладного применения и создающих экономическую ценность в индустриях. При этом инвестиции в разработку базовых моделей в основном ведутся за счет средств крупных технологических компаний в сотрудничестве с научно-исследовательскими центрами.

Оценить эффект от инвестиций в индустриальные решения можно будет после завершения профинансированных проектов и начала применения технологий на практике, – отметил эксперт.

В медицине объем государственной поддержки в различных форматах может составлять 70-75% от общего объема инвестиций в ИИ-проекты, поделился оценкой Александр Гусев, директор по развитию Webiomed. Первую скрипку здесь играют институты развития, такие как Фонд Сколково, НТИ. Кроме того, госфинансирование закупок медизделий с ИИ стало серьезным катализатором для их практического применения.

Согласно индексу готовности приоритетных отраслей экономики РФ к внедрению ИИ, к лидирующим финсектору, ИКТ в 2023 г. добавилось здравоохранение. ИИ становится возможным использовать в образовании, науке, социальной сфере и многих других сферах. В то же время влияние негативных факторов, отмеченных в предыдущие годы, существенно снизилось. ^[5]

Степень проникновения ИИ в здравоохранение приятно удивила. По нашему опыту, сектор торговли и строительства также активно осваивает ИИ. Это, в первую очередь, обусловлено процессной цифровой зрелостью компаний. Их стратегии по цифровизации могут включать десятки проектов в процессе, и еще столько же будет лежать в бэклоге, – рассказал Илья Новосельцев, директор по новым разработкам Rubius.

По словам Романа Стятюгина, директора центра аналитических продуктов VK Predict, финсектор и ИКТ действительно наиболее предрасположены к применению ИИ и получению бизнес-эффектов, что характерно для любой индустрии с высокой степенью цифровизации и наличием готовой инфраструктуры обработки и анализа данных. У таких компаний есть экспертиза, опыт и команды, необходимые для применения ИИ. И тут важны не только ИТ-компетенции, позволяющие разработать решение, быстро его внедрить и обеспечить эксплуатацию, но и компетенции по взаимодействию с бизнесом по формализации задач, оценке экономических эффектов, наличие методик, позволяющих привязать математические метрики моделей к бизнес-метрикам. Эксперт отметил, что здравоохранение действительно является одной из отраслей, в которой потенциал использования ИИ очень высок.

Тот факт, что к отраслям-лидерам добавилось здравоохранение, говорит о расширении применения ИИ в реальном секторе, полагает Станислав Зиганшин.

Государственные программы по цифровизации дали эффект: барьеры внедрения стали ниже, – отметил он. – В будущем можно ожидать ускоренного развития ИИ в образовании, промышленности и транспорте.

Потенциал ИИ-технологий в медицине, генетике и здравоохранении очевиден, считает Авенир Воронов, ведь накопительная база знаний, с помощью которой «обучается» ИИ, постоянно растет, соответственно, растет и точность постановки диагнозов, прогнозирования.

Благодаря оцифровке здоровья населения (в том числе – с помощью ИИ-инструментов), ученые смогут отвечать на запросы общества более релевантно, – отметил эксперт.

Александр Гусев констатировал, что ИИ в здравоохранении активно растет последние два года и выразил уверенность в дальнейшем кратном росте с точки зрения рыночных метрик, уровня использования и зрелости присутствующих на рынке решений. По словам эксперта, сегмент является одним из лидеров общего рынка цифрового здравоохранения, который включает в себя базовую информатизацию, телемедицину, управленческие системы и различные сервисы для граждан.

По итогам 2024 года общий объем рынка ИИ в здравоохранении, по консолидированным оценкам различных экспертов, составил порядка ₽15 млрд. В эту сумму входят государственные закупки медицинских изделий с технологиями ИИ, инвестиции Москвы в городской эксперимент по компьютерному зрению и запуск проекта «МосМедИИ», внутренние инвестиции ряда крупных игроков рынка коммерческой и промышленной медицины, а также исследования и разработки в исследовательской сфере, в том числе для фарм. отрасли.

Дмитрий Домарев, генеральный директор «СберМедИИ», сделал акцент на том факте, что в 2023 году 36,4% медицинских организаций использовали ИИ, в то время как в 2021 году – всего в 2,5%. Самыми востребованными технологиями были системы поддержки принятия решений (71%) и компьютерное зрение (69%). 84% медицинских организаций, применяющих ИИ, также отдают предпочтение системам интеллектуальной поддержки принятия решений. 26,5% медицинских организаций, использующих ИИ-сервисы, оценивают экономический эффект от них как существенный или многократный.

В рамках своей деятельности и практики внедрения ИИ-решений в здравоохранение регионов мы также видим успешность таких кейсов, – сказал эксперт. – Удается снизить нагрузку на медицинских работников, повысить качество и скорость диагностики, увеличить доступность медицинских услуг на отдаленных территориях.

По данным Института статистических исследований и экономики знаний НИУ ВШЭ, возможность интеллектуализации промышленных роботов, в первую очередь благодаря интеграции ИИ-решений, является одним из ключевых направлений развития промышленной робототехники. Ожидается, что мировой рынок ИИ в робототехнике, объем которого составляет $17 млрд, будет демонстрировать стабильный рост (порядка 25% ежегодно). ^[6]

Как рассказал Николай Тржаскал, роботизация в России, как и на всем пространстве Восточной Европы и постсоветской Центральной Азии, всегда отставала от стран Запада и, в последнее десятилетие, Китая. Это было связано в том числе с тем, что стоимость рабочей силы все еще ниже, чем на Западе или в Японии. В последние годы замедлению роботизации способствует также санкционное давление, которое затрудняет поступление на российский рынок передовых решений в области робототехники.

Относительно низкая стоимость рабочей силы является ключевым сдерживающим фактором автоматизации российских заводов с применением ИИ, также считает Антон Чикин, руководитель отдела интеллектуального анализа «Инфосистемы Джет». По словам эксперта, из-за этого экономическая выгода от полной автоматизации не всегда очевидна для предприятий. К тому же, есть ситуации, когда задачу по оптимизации процессов проще и дешевле решить другими инструментами.

С этим мнением согласен Дмитрий Демидов, руководитель Лаборатории инноваций «НОРБИТ» (входит в группу «ЛАНИТ»):

Даже если взять самые крупные международные компании, мы регулярно слышим истории про огромные заводы, где трудятся десятки тысяч человек, собирающих оборудование. До сих пор это экономически выгоднее, чем полностью передать работу роботам.

 
Проблема устаревшей инфраструктуры производств также негативно сказывается на развитии промышленной робототехники. Многие заводы используют оборудование, которое сложно интегрировать с новыми технологиями. Оно справляется со своими задачами, но как на него физически установить, например, камеры для внедрения сервиса компьютерного зрения?

Мы берем в работу такие сложные проекты и создаем комплексное решение, которое позволяет оборудовать такие агрегаты камерами. Обычно оно включает инженерное решение, аппаратную и программную части, – рассказал Антон Чикин.

Если взять среднее состояние всех предприятий по стране, то здесь работает очень большой процент оборудования, которое либо вообще невозможно, либо крайне сложно хоть как-то автоматизировать. Так что тут уже не приходится вести речь про ИИ, нужно сначала пройти серьезный процесс модернизации.

 
Внедрение сервисов с ИИ происходит только после подтверждения их ценности для бизнеса. При этом проекты с ИИ сложно оценить и просчитать возврат инвестиций.

Требуется иметь подтвержденную практику применения того или иного решения как минимум на нескольких предприятиях из одной сферы. Необходимо подтвердить на практике, что решение является безопасным и экономически эффективным.

Наша задача, кроме непосредственно создания сервисов для наших заказчиков, – определять те фрагменты производства, где внедрение ИИ точно принесет прибыль, а не «прикладывать» его наугад к любой точке производства, – рассказал Олег Рогов.

Сегодня в российской промышленности не так много компаний, кто готов экспериментировать с такими технологиями на своих производственных площадках, отмечается определенный консерватизм предприятий.

Предприниматели зачастую не готовы к рискам, например, связанным с управлением сложными алгоритмами, и часто недооценивают реальную отдачу от внедрения. При этом приемлемый срок возврата инвестиций сократился до 1-1,5 лет, рассказал Илья Новосельцев.

Хотя в России уже есть успешные примеры. Самый свежий – на «Автоторе» в Калининграде запустили полностью роботизированную линию сборки автомобильных кузовов. В большинстве случаев это все еще не безлюдный завод, скорее, безлюдный конвейер, но темпы прироста в использовании промроботов приличные, – рассказал эксперт.

 
Полная автоматизация с ИИ – дорогостоящий и сложный процесс, который может растянуться на годы. Это вопрос долгосрочных инвестиций и планомерной модернизации. На такие проекты нужны капитальные временные и финансовые ресурсы, чем и обусловлен низкий уровень автоматизации российских заводов с применением ИИ, говорят эксперты.

Перевод промышленности на ИИ-рельсы требует инвестиций, в первую очередь в инфраструктурную базу. Нужно спланировать внедрение, поработать с сотрудниками на заводе, чтобы избежать саботажа, закупить оборудование и, возможно, на время остановить производственные линии.

Российские заводы – яркий пример запроса на мультимодальность. Ключевая проблема здесь – отсутствие end-to-end интеграции. В реальной жизни невозможно одну часть производства автоматизировать и сказать: «Все, я молодец!». Нужно автоматизировать процесс целиком – от разработки ПО до управления конкретным аппаратом, станком в режиме реального времени. Пока сделать это мешают высокая стоимость внедрения, – рассказал Никита Назаров, технический директор IT-компании HFLabs.

 
Многие эксперты упоминают дефицит квалифицированных специалистов на предприятиях, как один из замедляющих факторов. Подготовка квалифицированных специалистов по системной интеграции и анализу больших данных может помочь ускорить распространение промышленных ИИ-решений в России.

Мы сначала должны преодолеть границу базовой автоматизации и роботизации, а уже затем размышлять на тему применения ИИ в качестве продвинутого инструмента оптимизации и управления работой робототехнических систем. На 2023 год было около 15% производств, которые к этому готовы. Не следует также забывать и о рентабельности. ИИ и роботизация нужны там, где текущая зрелость производственного процесса не покрывает потребительский спрос, – отметил Никита Куприянов, директор по технологиям ГК «Цифра».

По словам эксперта, базовая автоматизация растет ежегодно, а значит открывается возможность использовать ИИ в качестве инструмента автоматизации все большему количеству производственных площадок, чем следует обязательно воспользоваться, так как потенциал здесь велик.

Опрошенные TAdviser, эксперты единодушны: наделавшая много шума китайская нейросеть R1 от DeepSeek – перспективная разработка, но пока ее нельзя назвать «убийцей» ChatGPT, Кремниевой долины и ее стартапов, хотя такие опасения и высказывались. Маркетинг на рынке ИИ-технологий играет не меньшую роль, чем, например, в автомобильной индустрии или телекоме, поэтому конкуренты известных крупных брендов могут появляться каждый сезон. А выпуск очередной LLM провоцирует неизбежное сравнение.

DeepSeek в значительной степени основан на аккуратном применении последних достижений в области больших языковых моделей. Это бесплатная и почти неограниченная нейросеть, которая может решать более сложные задачи, чем традиционные LLM-модели (типа моделей семейства Llama-3), которые требуют многих шагов для получения решения.

Помимо простой генерации текста, она может решать более сложные логические задачи за счет Chain of Thought Reasoning (цепочки рассуждений): модель «рефлексирует» и формирует план перед ответом. Поэтому DeepSeek-R1 называют «размышляющей» LLM на базе DeepSeek V3. Это умный агент, который отвечает не сразу, а сначала думает, почти как человек.

 
Одна из основных ценностей, основной прорыв, помимо заданной высокой планки качества, заключается в скорости, стоимости создания, обучения и функционирования модели.

Ее разработчики достигли значительного снижения затрат, используя ограниченные ресурсы через оптимизацию математики, эффективную работу дата-центров, собственное программное обеспечение и адаптированные процессы обучения, рассказал Олег Королев.

R1 справляется с задачами на уровне модели o1 от OpenAI, доступной для платных пользователей. Уникальность и причина всеобщего внимания в том, что R1 оказалась первой в своем классе доступной открыто и бесплатно, причем не для исследователей и бизнеса, а широкой публике, и к тому же – в интеграции с интернет-поиском.

Модель доступна к тестированию абсолютно бесплатно, а не за $20 в месяц, как в случае ChatGPT. При этом тестирование модели в целом показывает схожие по качеству результаты с ChatGPT. Кроме того, DeepSeek можно использовать через API (так же, как и продукт OpenAI), но цена токена R1 в 30 раз дешевле, чем у o1, – отметил Антон Чикин.

DeepSeek требуется меньше вычислительных мощностей по сравнению с крупными внешними решениями, и, что немаловажно, под нее не нужно перестраивать софт, есть и возможность прямого доступа к серверам. Кроме того, в нейросеть заложен большой потенциал на уровне архитектуры.

Так, при объеме параметров, который в десятки раз меньше, чем у конкурентов, качество генерируемого изображения ничуть не хуже. То есть сеть еще можно обучать и увеличивать количество параметров, – рассказал Авенир Воронов.

Новая нейронка также продемонстрировала возможность эффективного обучения моделей на менее мощных и более дешевых чипах, – отметила Анна Малышева, руководитель направления маркетинга ГК «Цифра».

Открытый код позволяет разработчикам адаптировать алгоритмы под свои задачи – от автоматизации документооборота до создания чат-ботов, что ускоряет внедрение ИИ в малый бизнес и стартапы, – рассказала Екатерина Ионова.

 
Несмотря на то, что резонансный релиз DeepSeek не был премьерным, и еще весной 2024 года младшая модель продукта уже вызвала бурную реакцию на китайском рынке, R1 все еще можно было назвать довольно сырым продуктом, не справляющимся со свалившейся на него нагрузкой множества пользователей.

Никакой революции не произошло, и то внимание, которое было привлечено к выпуску новой модели DeepSeek, было скорее вирусным эффектом из-за падения акций Nvidia, которое связывают с выпуском новой модели (хотя не факт, что именно это единственная причина падения цен акций), – прокомментировал Александр Крушинский, директор департамента голосовых цифровых технологий компании BSS.

По мнению Александра Крушинского, модели DeepSeek находятся на уровне лидеров типа ChatGPT-4o, но качественного отрыва не наблюдается. По рейтингу Chatbot Arena, DeepSeek находился на 4-м месте. В архитектуре модели и в подходах к ее обучению использованы уже известные подходы «обучения с подкреплением», когда ответы моделей оцениваются людьми и модель корректируется с учетом этой оценки. Утверждается, что обучение модели обошлось существенно дешевле, чем обучение ChatGPT, но это сложно проверить: может быть множество нюансов в методике оценки, или просто сокрытие реальных мощностей, которыми располагал DeepSeek.

Технологичность DeepSeek, как V3, так и R1 ‒ это примерно то же, что и GPT-4o и GPT-o1. С V3 и GPT-4o вроде все понятно, с этим ранее мы все уже наигрались. В технологическом плане ничего прорывного не случилось, – считает Сергей Литвинов, руководитель центра компетенций больших данных и искусственного интеллекта группы компаний «ЛАНИТ».

Что же касается безопасности, заметил эксперт, то тут у всех ИИ-моделей примерно все одинаково. Они остаются «черными ящиками», и на эту тему идет большое количество научных дискуссий, о результатах которых мы еще услышим.

Алексей Чистяков, технический лидер Bercut, считает, что DeepSeek не является Open Source продуктом несмотря на то, что позиционируется как «открытая» альтернатива западным моделям, поскольку не предоставляет полного доступа к своему коду и не позволяет производить свободное изменение или распространение модели.

По сути, это еще одна закрытая модель, более оптимизированная, пока бесплатная, но не дающая пользователям фундаментальных преимуществ по сравнению, например, с OpenAI, – отметил эксперт.

Важно смотреть на изменения на дистанции: у того же OpenAI производительность и возможности за два года выросли кратно. DeepSeek тоже прошел солидный путь, но покажет ли он такие же темпы роста в горизонте года – пока неизвестно. Мне бы хотелось увидеть еще не одну модель от High-Flyer в опенсорсе, – поделился Никита Назаров.

Что касается качества работы DeepSeek на русском языке и его безопасности, то в этих отношениях он далек от идеала, поскольку обучался преимущественно на китайских и английских данных, рассказал Дмитрий Кондрашкин. По словам эксперта VK, в ответах DeepSeek на русском языке нередко встречаются английские слова и даже китайские иероглифы. Тем не менее дообучение DeepSeek для русского языка вполне возможно.

Николай Тржаскал начал тестировать DeepSeek еще до того, как это стало мейнстримом:

Могу сказать, что ему далеко по возможностям до его локального брата Qwen, и еще дальше до продвинутых моделей OpenAI. Я лично нашел его весьма полезным в реализации мультиагентной среды, где он выступает в роли критика артефактов, сгенерированных GPT-4o. Вот такая чудесная синергия двух миров и приведет человечество к следующему витку развития.

 
DeepSeek бросает вызов традиционным моделям монетизации вроде подписок, ставит под угрозу монополию западных ИИ-гигантов, в первую очередь благодаря свободному доступу.

Несмотря на то, что сама по себе модель не демонстрирует революционных результатов, факт того, что китайская компания смогла создать продукт, близкий к лидерам, говорит о том, что на текущем этапе крупным американским корпорациям не удалось сохранить монополию на ИИ. Современные генеративные модели обладают огромным потенциалом, и монопольное владение этими технологиями несколькими корпорациями в рамках одной страны создавало бы угрозу и ограничивало бы конкуренцию, а значит и дальнейшее технологическое развитие. Таким мнением поделился Александр Крушинский.

Эта история, на мой взгляд, дала старт смене парадигмы с гонки за вычислительными мощностями в сторону оптимизации обучения и работы с искусственным интеллектом, – считает Михаил Телегин.

До появления китайской нейросети считалось, что для подкрепления языковых моделей необходимо огромное количество компьютерного «железа», и Nvidia должна была стать основным бенефициаром этого огромного развития. DeepSeek продемонстрировал рынку, что для обучения ИИ-моделей с характеристиками, схожими с калифорнийскими разработками, необязательно вливать аналогичный объем ресурсов.

DeepSeek безусловно оказал очень сильное влияние на Nvidia, потому что они придумали и внедрили несколько инноваций, которые позволили радикальным образом, примерно в 20 раз, уменьшить стоимость обучения и использование моделей, – прокомментировал Максим Иванов.

В отрасли окрепла убежденность, что без огромных денег и дорогостоящих видеокарт, можно создавать не менее качественные модели. Это вселило в рынок вне Америки позитив. DeepSeek – это точно мышь, которая способна напугать слона, – прокомментировал Никита Назаров.

DeepSeek демонстрирует ключевой принцип – прогресс в сфере ИИ заключается не только в увеличении аппаратных мощностей, но и в оптимизации алгоритмов обучения и инфраструктуры. Открытая публикация DeepSeek своих исследовательских работ и технической документации способствует развитию всей индустрии.

Это позволит компаниям изучить этот опыт и попробовать реализовать подобные оптимизации в своих моделях. Такая прозрачность, хотя и не раскрывает всех деталей, приведет к появлению ценных исследований методов обучения DeepSeek. Потенциально этот кейс может ускорить демократизацию разработки продвинутого ИИ, – рассказал Олег Королев.

 
Компаниям нужно время, чтобы сравнить R1 с другими моделями на своих прикладных задачах. Сохранится ли интерес к китайской разработке после мая 2025 года – зависит от того, как ответит OpenAI, и как будет развиваться DeepSeek. Скорее всего он заберет часть ниши. Однако кто-то еще может продемонстрировать подобное недорогое обучение нейросетей. Обсуждается сценарий, в рамках которого рынок радикально реструктурируется, и помимо крупных игроков будет огромное количество стартапов, которые будут небольшими ресурсами разрабатывать что-то конкурентоспособное. Авенир Воронов считает, что кейс с R1 является вдохновляющим, и в ближайшие годы будут рождаться новые Google и Microsoft.

Проиграть в этой гонке практически невозможно, каждый может найти свою нишу. И как показывает случай с DeepSeek, крупным игрокам не стоит расслабляться: сегодняшние наработки уже завтра не будут стоить ничего, если постоянно их не развивать, – предупредил эксперт.

«Классическим дизраптором» назвал DeepSeek Николай Тржаскал. Эксперт прогнозирует, что многие инженеры на Западе и Востоке теперь будут искать дополнительные возможности, чтобы решать сложные задачи с использованием меньшего количества вычислительных ресурсов.

DeepSeek удалось вывести рынок из равновесия, но новые идеи, наработки распространяются быстро, и те же самые подходы начнут использовать гранды, а значит снова все в конечном итоге сведется к ресурсам, компьютерному «железу» и прочему. Отличие от прежней ситуации будет заключаться в том, что потенциально на рынке одним грандом станет больше. То есть влияние будет не таким радикальным, как в некоторых сценариях, но конкуренция точно усилится. Такое мнение высказал Максим Иванов.

Не прогнозирует массового перехода пользователей на DeepSeek, но видит его одним из полноправных инструментов в оркестре ИИ-помощников Анна Малышева. По ее словам, R1 с большой вероятностью станет самым громким событием рынка технологий 2025 года и угрозой временного оттока пользователей от OpenAI и Google, а также снижения спроса на высокопроизводительные GPU от таких крупных компаний, как Nvidia.

 
Какой же объективный урок из кейса DeepSeek следует извлечь быстро?

Во-первых, мир увидел, что у Китая есть ИИ-амбиции, Китай активно развивает собственные LLM и стремится снизить зависимость от западных технологий. Для России так же критично важно развивать свои ИИ-модели во избежание зависимости от зарубежных поставщиков.

Во-вторых, отмечают эксперты, похоже, что сегодня на глобальном рынке наступает время для инноваторов и челленджеров бросать вызов статус-кво. Самое время вкладываться в свои собственные лаборатории и разработки, экспериментировать и не бояться конкуренции с большими игроками. Иными словами, сегодня не нужно быть мегакорпорацией, чтобы делать революцию в ИИ. Неожиданные повороты возможны даже на рынках, где все привыкли к «стабильности», и мировой рынок ИИ может ждать еще множество открытий.

В-третьих, на рынке, вследствие «дизрапта DeepSeek», происходит обновление ценностей. С одной стороны, акцент смещается с технологического превосходства на сервис, экосистему. Когда базовые инструменты становятся бесплатными, ключевым преимуществом становится не сама модель, а платформы, которые учат ее решать узкие задачи, интегрируют с другими системами или обеспечивают безопасность. Это заставляет даже большие компании переходить от продажи «умного железа» к созданию уникальных надстроек, где ценность формируется через персонализацию и доверие пользователей. С другой стороны, DeepSeek продемонстрировал профит от международного сотрудничества на основе открытых решений. Все увидели, что на них есть огромный спрос.

По данным Центра компетенций «Искусственный интеллект» МФТИ, значимость двух сегментов рынка ИИ подавляюще велика: за 2023 год NLP-сегмент составил 61,3% от всего рынка ИИ РФ (в 2021 году – 32,8%). Вторым по значимости является сегмент анализа данных (33,6%).

Если верить этим изысканиям, то сегменты компьютерного зрения и рекомендательных систем в России значительно сократились или даже оказались на грани стагнации. Однако это маловероятно, поскольку эти технологии продолжают активно применяться в различных отраслях. Такое мнение высказал Антон Чикин.

Как рассказал Максим Иванов, дисбаланс в сторону NLP в данных Центра в первую очередь вызван ростом выручки «Яндекса», «Авито» и «ВК», которые по методологии исследователей относятся к сегменту NLP, хотя эти компании занимаются гораздо более широким спектром технологий.

Как рассказал Николай Тржаскал, в мировой практике принята сегментация: ИИ-робототехника, технологии автономных машин и сенсоров, компьютерное зрение, ML (рекомендательные системы, аналитика данных и предиктивная аналитика), NLP. Пропорции между всеми этими компонентами приблизительно одинаковы. На долю ML приходится 32-37%, а на NLP – порядка 18-25%. Если принять за основу данные Центра, то на робототехнику, автономные машины и сенсоры, компьютерное зрение остается всего 5,9%.

На мой взгляд, такие цифры не соответствуют действительности, учитывая усиленный рост отрасли ВПК, где все три указанных сегмента – ключевые драйверы обеспечения обороноспособности. Также, принимая во внимание необходимость импортозамещения средств аналитики, цифра в 33,6% кажется несколько заниженной, а объем NLP – завышенным минимум в 2-2,5 раза, – отметил эксперт.

К примеру, в здравоохранении сложился несколько иной «пирог» данных. Здесь традиционно лидирует сектор компьютерного зрения, поскольку применение ИИ для анализа медицинских изображений является одним из первых и самым проработанным направлением. Но далее уже идет анализ электронных медицинских карт, где активно применяются технологии NLP.

Как рассказал Александр Гусев, до 90% записей, накапливаемых в электронных медкартах – это неструктурированные медицинские тексты, которые невозможно корректно анализировать без технологий работы с естественным языком. И третьим сегментом в медицине эксперт назвал анализ данных: прогнозную аналитику, RWD-исследования, поддержку принятия управленческих решений.

Сегментация рынка очень часто является достаточно произвольной. На практике мы наблюдаем рост применений ИИ в области автоматизации бизнес-процессов, по-разному атрибутированных в той или иной классификации сегментов рынка. Движущей силой этого роста является естественное стремление бизнеса к снижению расходов, – прокомментировал Дмитрий Кондрашкин.

Многие эксперты подтверждают это мнение, когда говорят о том, что технологии в сегментах NLP и анализа данных достигли высокого уровня зрелости, напрямую влияют на эффективность и конкурентоспособность компаний в условиях цифровизации, приносят «быструю» прибыль.

Например, Екатерина Ионова считает, что рост NLP связан со спросом на автоматизацию коммуникаций: чат-боты, голосовые ассистенты, системы анализа текстов и тональности, автоматического перевода помогают компаниям быстрее обрабатывать запросы клиентов, снижая затраты.

Олег Рогов отметил, что анализ данных является фундаментальной областью, которую компании используют для прогнозирования, оптимизации бизнеса и принятия решений на основе больших массивов информации.

Эти два сегмента дают наибольший экономический эффект для крупного бизнеса. NLP широко применяется для автоматизации обслуживания в контакт-центрах, что дает огромную экономию на ФОТ операторов. Технологии анализа данных широко используются для повышения продаж в рекомендательных и аналитических системах, – прокомментировал Александр Крушинский.

Основным драйвером роста NLP являются большие языковые модели (LLM), констатировал Владислав Тушканов, руководитель группы исследований и разработки технологий машинного обучения в «Лаборатории Касперского». По словам эксперта, растет качество и способность моделей решать различные задачи (например, на несколько порядков выросла потенциальная длина документов, которые LLM могут обработать), растут их надежность и скорость, и при этом падает стоимость.

Так, GPT-4 стоила $60 за миллион токенов, в то время как более мощная и современная GPT-4o стоит уже $10 за миллион токенов. Соперничающая с ней в некоторых задачах по качеству Llama-3.1.405B доступна у облачных провайдеров менее чем за $5 – с потенциальной возможностью развернуть такую модель в собственной инфраструктуре для обработки конфиденциальных данных. Все это позволяет использовать LLM в прикладных задачах: от автоматизации технической поддержки до применений в разработке ПО и кибербезопасности.

Дополнительный импульс развитию данного сегмента в России придает тот факт, что закрытые и открытые модели от ведущих зарубежных разработчиков все лучше работают с русским языком, а параллельно с этим активно совершенствуются модели от российских вендоров – как обучаемые с нуля, так и адаптированные на базе открытых моделей.

В 2022-2023 гг. появление и распространение мощных языковых моделей, таких как Claude, привело к активному развитию отечественных аналогов GigaChat, YandexGPT. Локализация технологий, импортозамещение сыграли немаловажную роль в усилении позиций NLP-сегмента. Кроме того, вместе с ростом количества текстовых данных и цифровых коммуникаций (мессенджеры, социальные сети, онлайн-обращения) растет и спрос на интеллектуальную обработку текстов. Привлекательность NLP-технологий повышается за счет доступности вычислительных мощностей и развития моделей на основе трансформеров (GPT, BERT).

Государственные сервисы, включая «Госуслуги» внедряют их для автоматизации обработки запросов граждан. Банки, ритейл и телекоммуникационные компании активно используют их для повышения качества обслуживания клиентов.

Дмитрий Гольцов, заместитель генерального директора по коммерческим вопросам компании «Мегапьютер», отметил два популярных направления применения NLP: анализ обратной связи от клиентов и конкурентную разведку.

В последние годы, с развитием технологий NLP, на повестку встали вопросы борьбы с синтетическими негативными отзывами, равно как и с созданием искусственной обратной связи в собственных интересах. Конкурентную разведку по данным из открытых источников – OSINT (Open Source INTelligence) – нельзя назвать молодым направлением. Это систематический сбор и анализ информации о передовых технологических трендах и ключевых планах и действиях конкурентов.

Сегмент анализа данных, в свою очередь, растет в связи с тем, что бизнес ищет аналитические инструменты – компании нуждаются в прогнозировании спроса, анализе рисков, автоматизации маркетинга и оптимизации цепочек поставок. Также растет рынок IoT и индустриальной аналитики, то есть появляются огромные объемы данных, которые необходимо анализировать. К тому же, предприятия используют машинное обучение для предсказания отказов оборудования, предотвращения мошенничества и повышения операционной эффективности. Об этом рассказал Алексей Чистяков.

Растет общий уровень готовности компаний к использованию технологий анализа, а также понимание ценности данных для этих задач. Увеличивается техническая компетенция компаний, что позволяет более эффективно внедрять ML-решения, рассказал Сергей Литвинов.

Огромные объемы информации критически важны для обучения ИИ-моделей, но работа с ними требует много высокоуровневых специалистов и вычислительных мощностей. Растут и облачные платформы от крупных российских и глобальных игроков – они предоставляют инфраструктуру для очистки, дедупликации и подготовки к анализу больших объемов данных. Содержать такую инфраструктуру самостоятельно могут себе позволить далеко не все компании, отметил Олег Королев.

Российский рынок облачных услуг становится ключевой площадкой для внедрения передовых ИИ-решений. В первую очередь это связано с ростом потребностей бизнеса в обработке больших объемов данных, обучении нейросетей и автоматизации процессов. Об этом сообщил Александр Обухов, директор по продуктам РТК-ЦОД, владелец продукта «Публичное облако».

По данным исследований, рынок MLaaS и GPUaaS растет в среднем на 20-30% в год, а спрос на эти сервисы только увеличивается. Такие инфраструктурные решения дают компаниям мощные ресурсы для работы с ИИ. Использование GPUaaS выгоднее, чем самостоятельная закупка и поддержка специализированного оборудования. Например, при разработке ботов-автоответчиков обучение нейросети занимает несколько месяцев, а затем требуются лишь минимальные корректировки. По словам Александра Обухова, несколько лет назад компаниям приходилось либо покупать дорогостоящие серверы, которые после обучения простаивали, либо работать с ограниченными ресурсами.

На фоне NLP и аналитики, объемы сегментов Speech Recognition и GenAI (Generative АI – генеративный ИИ, ГенИИ) пока выглядят малозначительными. Заметно растут, относительно своих собственных показателей, FinTech, кибербезопасность.

Последние два сегмента развиваются с ИИ успешно в силу обстоятельств, которые сложились уже некоторое время назад: кибербезопасность – на фоне растущих угроз, FinTech – традиционно сильная сторона российской высокотехнологической индустрии, которая получает дополнительный импульс благодаря экспоненциальному росту цифровых финансовых сервисов и электронных платежей.

Стоит честно признать, что в целом уровень цифровизации российского банковского сектора и качество сервисов для корпоративных и физических лиц – если не самые, то точно одни из лучших в мире. С введением законодательства о работе с цифровыми финансовыми активами можно ждать дальнейших прорывов в этом направлении, – отметил Николай Тржаскал.

Роль кибербезопасности растет во всем мире, а в России дополнительными драйверами роста выступают необходимость импортозамещения и текущая геополитическая ситуация, в которой страна должна защищать свое киберпространство с удвоенной силой. Российские компании активно работают в этой сфере и имеют признанную репутацию не только на родине, но и за рубежом.

Speech Recognition и GenAI пока занимают меньшую долю из-за сравнительно позднего старта и более высоких барьеров на рынке (требования к вычислительным ресурсам, специфические сценарии применения), но растут относительно предыдущих периодов.

Оба эти сегмента на данный момент требуют доступа к самым передовым вычислительным мощностям. Этот доступ серьезно осложнен санкционной политикой в отношении России. Кроме того, основной бум роста генеративного ИИ начался в 2024 году и будет продолжаться следующие 5 лет, увеличиваясь как минимум в полтора раза ежегодно. В условиях дефицита «железа» было бы разумно предположить, что усилия российских стартапов будут направлены на создание менее «прожорливых» моделей, обучающихся на меньших объемах данных и способных выдавать результат, затрачивая меньшее количество вычислительных ресурсов. Именно таким путем пошли разработчики модели DeepSeek, ставшей мировым хитом. Однако без радикального изменения ситуации с венчурными инвестициями ожидать таких же прорывов вряд ли возможно.

Полагаю, что в 2025 году среди решений в области GenAI будет очень сильная конкуренция, так как многие страны – от Китая до Франции, выводят на рынок сильные продукты. Поэтому я бы ожидал, что мир ИИ станет многополярным. Авенир Воронов, директор по инновациями департамента аналитических решений ГК «КОРУС Консалтинг»

Возможно также, что причина низкого объема сегмента GenAI связана с тем, что это технология, в то время как NLP или кибербезопасность – это применения, а в бизнес-контексте именно практический результат имеет значение. Стоит отметить, что направления GenAI и NLP тесно связаны, поэтому рост NLP во многом обусловлен активным внедрением генеративных моделей (причем оба класса технологий могут быть частью FinTech-решений).

Сегмент Speech Recognition и речевой аналитики также развивается в связке с языковыми моделями, что обеспечивает ему хорошие перспективы. Эти технологии все активнее используются в голосовых ассистентах, автоматизированных колл-центрах, биометрической идентификации и мультимодальных ИИ-системах. На сегодняшний день их зрелость оценивается экспертами как достаточно высокая. По мере совершенствования моделей и роста вычислительных мощностей их применение будет только расширяться.

Речевую аналитику активно используют контакт-центры, банки, страховые компании, телеком, ритейл, туроператоры, медицинские центры, кадровые сервисы, госструктуры – все, чья работа связана с обслуживанием населения... Речевая аналитика на основе ИИ уже применяется в критически важных сферах, где цена ошибки очень высока. Например, для контроля переговоров диспетчеров в авиации, железнодорожной отрасли и на сложных технологических производствах. Здесь ИИ помогает избежать катастроф, отслеживая усталость операторов, корректность восприятия команд и потенциальные ошибки. Алексей Любимов, генеральный директор 3iTech

Мультимодальный искусственный интеллект может интерпретировать сразу несколько видов данных (текст, изображения, аудио, в т.ч. голос, естественный язык, видео, таблицы и графики, показатели работы оборудования и многое другое). Такие модели могут учитывать не только отдельные элементы данных, но и их взаимосвязи, что приводит к лучшему пониманию намерений пользователей и контекста запросов.

CLIP от OpenAI может интерпретировать текстовые описания объектов, изображенные на картинке, и распознавать их визуальные особенности. Gen2 от Runway AI генерирует видеоклипы на основе текстовых и графических подсказок или меняет отснятое видео. Flamingo от DeepMind принимает видео, изображения и текст в качестве входных данных и генерирует текстовые ответы. В России есть свои разработки, например, LLM GigaChat от «Сбера» сегодня дополнена распознаванием изображений.

Это направление начало активно развиваться относительно недавно. Gartner прогнозирует, что к 2027 году 40% GenAI-решений будут применять мультимодальность (в 2023-м был 1%). Консалтинговая компания ставит мультимодальные ГенИИ на один уровень с Open Source LLM по потенциалу влияния на организации в течение следующих пяти лет. ^[7] Аналитики MarketsandMarkets оценили среднегодовой темп прироста в этом классе ИИ (2023-2028 гг.) на уровне 35%.^[8]

Мультимодальный ИИ… становится ключевым драйвером для рынка… Перспективы направления огромны. Екатерина Ионова, директор проектов ИТ-экосистемы «Лукоморье» (входит в «Ростелеком»)

Важность этого сегмента растет… Мультимодальный ИИ станет одним из ведущих сегментов. Антон Чикин, руководитель отдела интеллектуального анализа «Инфосистемы Джет»

В ближайшие годы мультимодальный ИИ станет основой корпоративных решений. Станислав Зиганшин, директор по маркетингу департамента видеоаналитики и машинного зрения компании «САТЕЛ»

Его перспективы огромны, это следующий логический шаг в развитии ИИ в целом. Николай Тржаскал, директор по продуктам «Преферентум» компании SL Soft

Мультимодальный ИИ является значительным прорывом. Олег Королев, руководитель разработки AI Lab «Авито»

 
Бизнес

В корпоративном сегменте, где данные редко ограничены одним форматом, мультимодальный ИИ востребован для ускорения, автоматизации решения различных прикладных задач: анализа информации различных модальностей для семантического поиска во внутрикорпоративных базах знаний, включающих графики, изображения, презентации, чертежи; интеллектуальные BI-системы – извлечение инсайтов из данных и формирование графиков и дашбордов; саммаризация аудио- и видеоконтента встреч и многое другое.

Маркетинг

Решения класса GenAI уже меняют маркетинг и креативные индустрии, помогают создавать контент в разных форматах (текст, изображения, аудио). Ожидается, что мультимодальные ИИ должны довести этот процесс до автоматической генерации маркетинговых материалов с минимальным человеческим участием: подготовка текста, изображений, видео, рекомендаций по контенту для различных форматов и др.

Клиентский сервис

Multimodal AI улучшает возможности чат-ботов и голосовых ассистентов: они анализируют тон голоса, распознают эмоции на видео и в тексте запроса, тем самым глубже проникая в контекст, намерения клиента, чтобы точнее отвечать на запросы.

Розничная торговля

В таких специализированных областях, как розничная торговля, мультимодальный ИИ может одновременно анализировать фотографии торговых полок, данные о покупательском поведении и отзывы клиентов. Решения на основе технологии могут предоставить комплексные выводы о потребительских предпочтениях и оценить эффективность выкладки товара. Причем сделают это за минуты вместо дней, которые потребовались бы человеку для составления подобного отчета.

Медицина

Сегодня большинство медицинских ИИ-сервисов ограничиваются конкретными задачами, используя только один тип данных, например, компьютерную томографию или жалобы пациента. Такой подход отличается от того, как работают врачи: для диагностики и комплексного лечения они используют данные из различных источников.

В нашей сфере последние годы уже в целом признается тот факт – что анализ медицинских изображений отдельно от учета данных электронной медицинской карты и данных самого пациента – являются одним из барьеров роста точности диагностики. Александр Гусев, директор по развитию Webiomed

С мультимодальным ИИ медицина должна получить инструменты для сопоставления и комбинации данных снимков, томограмм, кардио- и энцефалограмм, анализов, описаний симптомов, данных в медицинских картах (истории болезни) и построения более комплексного анализа состояния здоровья.

Промышленность

Multimodal AI в промышленности – это интеллектуальные системы прогнозирования, автоматизация сложных процессов. Промышленный дизайн и генерация проектных документов, включая 3D-макеты. Опция одновременной работы с чертежами и текстовыми описаниями к ним для повышения точности анализа проектной документации. В перспективе – полноценное генеративное проектирование.

Сфера безопасности

В сфере безопасности сочетание аналитики аудио и видео повысит точность распознавания потенциально опасных ситуаций.

Умные города

В перспективе такие решения станут важной частью умных экосистем, например, в умных городах. Мультимодальный ИИ будет анализировать потоки людей, погоду, данные с камер, управлять транспортом.

 
Практическое (коммерческое) применение мультимодальности пока довольно ограничено, а по своей сути мультимодальные модели – это новое поколение ГенИИ, и пока речь идет скорее о том, чтобы начать массово использовать обычные генеративные модели, отметил Максим Иванов.

Значимость сегмента оценивает как временно низкую Александр Крушинский. По его словам, в целом сегодня не так много кейсов с понятным бизнес-эффектом, которые могут быть реализованы через мультимодальный ИИ, но не могут быть реализованы через комбинацию нескольких мономодальных, хотя такие кейсы есть. Эксперт привел пример с интеллектуальным прочтением эмоций на основе анализа одновременно мимики, тембра голоса и содержания реплик.

Построение серьезных решений на основе мультимодального ИИ требует очень серьезных первоначальных инвестиций, считает Дмитрий Гольцов. Поэтому в настоящий момент основной интерес к построению решений на базе мультимодального ИИ наблюдается со стороны крупных бизнес-игроков, имеющих необходимый инвестиционный и кадровый задел для экспериментирования в столь молодой технологической области с не полностью доказанными экономическими эффектами.

Рост направления зависит от решения проблем: обучения моделей на разнородных данных, защиты конфиденциальности и снижения затрат на вычисления. Те, кто инвестирует в интеграцию мультимодальных систем, смогут предлагать уникальные продукты, но для массового внедрения потребуется время и сотрудничество между бизнесом, разработчиками и регуляторами. Такое мнение высказала Екатерина Ионова.

 
Мультимодальный ИИ будет демонстрировать ускоренное развитие и может стать ядром для огромного числа новых приложений и сервисов, возможно даже будет использоваться повсеместно.

Авенир Воронов предполагает, что после стадии оптимизации и сегментации может получиться так, что узкоспециализированные, низкобюджетные и не потребляющие много ресурсов MM-модели окажутся не менее значимы для рынка, чем огромные мультимодальные корпоративные или государственные системы.

Задачи реального мира не ограничиваются только одной областью, а задачи бизнеса, как правило, не остаются только в цифре. В идеальном сценарии при использовании мультимодального ИИ мы должны прийти к роботам, которые принимают команды и выполняют их уже в реальном мире – например, на производстве, на складе, в магазине. Никита Назаров, технический директор IT-компании HFLabs

21% представителей бизнеса из 39 российских компаний, опрошенных MTS AI и ГК «Б1», признали, что пострадали от мошенничества с применением новых технологий. В исследовании оценивались угрозы от спуфинга и дипфейков и готовность бизнеса противостоять им. Самым уязвимым каналом коммуникации были названы мессенджеры.^[9] Эксперты, опрошенные TAdviser, в основном разделяют обеспокоенность респондентов исследования. Однако есть и критические замечания.

Михаил Телегин отметил, что в России использование ИИ злоумышленниками не так сильно распространено, в сравнении с глобальным трендом. По словам Антона Чикина, угроза мошенничества с использованием ИИ реальна, однако оценить вклад технологий этого класса в общий уровень киберугроз по сравнению с традиционной социальной инженерией пока затруднительно. Николай Тржаскал считает, что выборка в 39 компаний не является репрезентативной, поэтому относиться серьезно к цифре 21%, возможно, не следует.

Во всей этой истории, я бы говорил не об опасности дипфейков, а об опасности неграмотности в целом и цифровой неграмотности – в частности, – отметил эксперт.

Помимо дипфейков, угрозы, которые киберпреступники могут создавать с ИИ, разнообразны, и эксперты ожидают продолжения тренда на усложнение атак.

Авенир Воронов рассказал, что дипфейки – это одна из самых простых технологий, которые используют мошенники, и более опасны полные цифровые клоны отдельных персоналий, а то и целых компаний.

То есть вы можете работать с контрагентом-роботом или компанией роботов, которые ведут себя абсолютно как люди, но не несут никакой ответственности за услуги, которые представляют. Второй пример – когда работодатель уверен, что сотрудник работает в удаленном формате, а этого сотрудника на самом деле не существует, – поделился эксперт.

LLM могут применяться для автоматизации фишинговых и других атак, рассказал Владислав Тушканов.

Уже сейчас мы видим их применение злоумышленниками для массовой генерации фишинговых страниц, есть множество сообщений об использовании LLM для таргетированного фишинга, – отметил эксперт.

Стоит обратить внимание на угрозу, которую представляет собой генерация поддельных документов, сертификатов и QR-кодов с помощью ИИ. Эти подделки могут быть использованы в персонализированных атаках на конкретных лиц, что может привести к серьезным финансовым и репутационным потерям для компаний.

Злоумышленники вскоре смогут запускать масштабные и скоординированные DDoS-атаки с ИИ, что затруднит защиту и восстановление нормального функционирования систем. Кроме того, существует вероятность, что в будущем с помощью ИИ можно будет быстро выявлять уязвимости доменов и систем. ИИ быстрее человека найдет слабые места, что значительно ускорит процесс атак.

Растет интерес к LLM с точки зрения тестирования на проникновение, что с одной стороны дает новые возможности для проактивного поиска уязвимостей и повышения надежности инфраструктуры, а с другой – повышает риски реализации кибератак. Владислав Тушканов, руководитель группы исследований и разработки технологий машинного обучения в «Лаборатории Касперского»

Использование технологий ИИ позволяет злоумышленникам быстрее находить уязвимости в контуре безопасности бизнеса. Дмитрий Медведев, директор департамента прикладных решений «ЛАНИТ-ТЕРКОМ» (входит в группу ЛАНИТ)

Несколько мультимодальных агентов ИИ могут заменить группу злоумышленников. Там, где раньше они вручную идентифицировали опубликованное на том или ином сайте ПО, искали в интернете известные уязвимости, сейчас работает искусственный интеллект, который делает все гораздо быстрее. Процесс становится не только проще, но и дешевле. Никита Назаров, технический директор IT-компании HFLabs

Алгоритмы ИИ могут генерировать персонализированные фишинговые письма, взламывать пароли. Например, нейросети анализируют данные из соцсетей, чтобы создавать убедительные сообщения для конкретных адресатов, гибко выстраивать стратегию атаки с учетом доступной информации о человеке, психологических приемов, поведения человека в процессе кибернападения. Технологии, позволяющие создавать дипфейки, коммодитизируются.

Основная проблема заключается в том, что технологии глубокого обучения и генеративных моделей становятся все более доступными и простыми в использовании. Дмитрий Медведев, директор департамента прикладных решений «ЛАНИТ-ТЕРКОМ» (входит в группу ЛАНИТ)

Имея на руках биометрический слепок (причем достаточно небольшого набора данных), можно сгенерировать качественную видеозапись человека, произносящего речь, учитывая особенности его тембра, манеры речи и т.д. Более того, для этого можно не обладать серьезным техническим образованием. Эмин Тагиев, старший преподаватель кафедры инженерной кибернетики НИТУ МИСИС

Достаточно десятка фотографий человека, чтобы сделать видеомодель, которая на хорошем «железе» будет в режиме реального времени «достраивать» образ. Знаю случай, когда с помощью технологии дипфейка была организована видеобеседа с «мэром» крупного города. Никита Назаров, технический директор IT-компании HFLabs

Никита Назаров напомнил о том, что еще относительно недавно было много историй о случаях, когда сотрудникам компаний писали якобы их руководители и просили пообщаться с правоохранительными органами. С помощью ИИ эти сценарии могут стать куда более сложными и вводить в заблуждение даже продвинутых пользователей.

Представьте, что будет если ИИ будет использован для создания поддельного звонка от «лечащего врача», обеспокоенного состоянием пациента и рекомендующего ему во избежание серьезных бед со здоровьем принять какой-то препарат или сделать еще какие-то манипуляции. Александр Гусев, директор по развитию Webiomed

Соблюдение минимальных требований информбезопасности способно защитить от многих проблем. Эксперты советуют вести всю рабочую коммуникацию исключительно в рабочей почте и внутренних корпоративных мессенджерах, всегда настраивать двухфакторную аутентификацию, заниматься повышением ИБ-грамотности сотрудников. Внедрять и постоянно обновлять более продвинутые системы мониторинга, инвестировать в системы аутентификации, антифрод-аналитику, кибербезопасность, в решения на основе машинного обучения. К примеру, есть системы, обнаруживающие аномалии в голосе или видео.

В противодействии кибермошенничеству может помочь активное сотрудничество между разработчиками решений на базе ИИ и игроками рынка информационной безопасности.

США и Китай являются ключевыми мировыми ИИ-центрами по многим рыночным метрикам: числу патентов, доступности инфраструктуры и кадров, доступности данных для машинного обучения и т.д. Обе страны довольно системно и целенаправленно работают над тем, чтобы укрепить свои позиции в области ИИ, понимая, что это ключевой фактор для будущего экономического роста, национальной безопасности и глобального влияния. Они продолжат жестко конкурировать, что в целом может очень положительно сказаться на глобальном ИИ-рынке.

США являются мировым лидером в ИИ, разработке мощных моделей, интеграции их в глобальные продукты. США инвестируют в ИИ огромные средства, обладают мощной исследовательской базой и сильной экосистемой стартапов. Компании вроде OpenAI, Google DeepMind, Anthropic и Microsoft диктуют тренды, а венчурное финансирование и доступ к передовым вычислительным мощностям обеспечивают дальнейшее доминирование.

Следует вспомнить недавнее заявление Трампа о строительстве и финансировании дата-центров в рамках беспрецедентного инвестирования в размере $500 млрд. Александр Гусев, директор по развитию Webiomed

Китай делает ставку на промышленное применение ИИ, автоматизацию городов и независимость от западных технологий, что делает его ключевым конкурентом США. Ярким проявлением технологических возможностей Китая стал релиз новой модели DeepSeek, которая смогла навязать борьбу американскому ChatGPT на рынке цифровых помощников. В дальнейшем также ожидается, что Китай будет отвечать США не «в лоб» и зеркально, а традиционно более хитрым и тонким поведением.

Сила Китая – в государственной поддержке, крупных технологических гигантах, быстром развитии инфраструктуры для ИИ, массовом внедрении, контроле данных. Благодаря масштабам и регулированию, Китай может дальше конкурентов продвинуться в прикладных решениях распознавания лиц, умных городов.

Объем ресурсов США и Китая таков, что «догнать и перегнать» их в разработке фундаментальных задач в области ИИ будет крайне сложно. Эксперты отмечают, что России вряд ли удастся занять свою нишу на глобальном ИИ-рынке (если только речь не идет о прикладных решениях), однако следует брать лучшее из зарубежных разработок и применять в своих интересах, растить свою аппаратную и программную базу, провести технологическую модернизацию своей экономики, применяя ИИ везде, где это дает экономический или социальный эффект.

В одном из сценариев РФ может уйти в создание «суверенного ИИ», обученного на российских данных: государство и корпорации будут выделять серьезные инвестиции для развития этой сферы. В связи с данной тенденцией перспективы у российского ИИ есть, но свою клиентскую базу он будет набирать не за счет технологических мощностей, а при посредстве геополитических факторов: за счет локализации и при сравнимой мощности российских разработок, «наш ИИ» будет распространяться в тех регионах, где сильно российское влияние или, к примеру, будут ограничения на импорт технологий из стран-лидеров.

Россия может занять нишу специализированных решений в промышленности, кибербезопасности, государственном управлении, а развитие ИИ в РФ может строиться вокруг внутренних потребностей и приоритетных отраслей.

Гнаться за российским аналогом ChatGPT или DeepSeek скорее бессмысленно, продуктивнее будет найти самобытный путь в этой области. Уверен, что он может лежать как раз в развитии прикладных ИИ-решений под конкретные задачи бизнеса, отрасли. Разработки и популяризации ИИ-бенчмарков. Михаил Телегин, заместитель генерального директора по стратегическим проектам «ОБИТ»

По словам Екатерины Ионовой, Россия способна развивать технологии в областях, где важны локальные особенности или безопасность. Например, создавать ИИ для госструктур, оборонных задач или замены зарубежных решений, а также адаптировать алгоритмы к сложным условиям – от арктических широт до подземных шахт. По словам эксперта, успех зависит от баланса между господдержкой и запросами рынка. Нацпроекты вроде «Цифровой экономики» и льготы для стартапов могут стать основой, особенно если дополнятся партнерством со странами BRICS для обмена опытом. Ключевой фактор – ориентация на реальные секторы: нефтегаз, логистику, металлургию, где бизнес уже готов внедрять ИИ для оптимизации затрат. Это поможет закрепиться в узких, но перспективных направлениях, превратив ограничения в точки роста.

Большая языковая модель может показывать среднее качество на всем диапазоне бенчмарков, но окажется лидером в случае дообучения и кастомизации под специализированные сценарии. Так у нас может быть своя ниша в ИИ для производства, энергетики, медицины, сельского хозяйства или в чем-то еще неизвестном на сегодняшний день, но востребованном уже завтра. Никита Куприянов, директор по технологиям ГК «Цифра»

Я вижу свободную нишу в том, чтобы сфокусироваться на прикладных решениях, где используются уже существующие ИИ-модели. Это в первую очередь актуально для коммерческих компаний. Дмитрий Демидов, руководитель Лаборатории инноваций НОРБИТ (входит в группу ЛАНИТ)

Антон Чикин считает, что Россия может занять свою нишу в сферах, где требуются локализованные языковые модели (NLP для русского языка, импортозамещение западных решений) и специализированные ИИ-решения для обороны и безопасности.

Как рассказал Дмитрий Кондрашкин, Россия обладает практически полным спектром собственных разработок в области ИИ – от больших языковых моделей до машинного зрения для промышленных применений – уступая только США и Китаю и значительно превосходя ЕС. По словам эксперта, развитие отечественного ИИ в основном производится для решений в области автоматизации бизнес-процессов, безопасности, а также B2C продуктов и сервисов для внутреннего рынка. Перспективным внешним рынком являются страны «глобального Юга», не желающие попадать в технологическую зависимость от США и Китая.

Россия уже сегодня заняла сильную позицию на мировом рынке искусственного интеллекта. Мы это видим по сфере здравоохранения, где идет активная цифровизация, внедрение сервисов ИИ, проводятся масштабные эксперименты и развивается соответствующая регуляторика. Дмитрий Домарев, генеральный директор «СберМедИИ»

Алексей Чистяков считает, что Россия вполне способна создать международный научный центр экспертизы в области ИИ. Объединение ученых и разработчиков со всего мира позволит реализовывать Open Source проекты мирового уровня. Россия может стать координатором такой деятельности. По словам эксперта, для того чтобы добиться настоящего технологического суверенитета, и даже преимущества, нужна радикально новая «бизнес-модель», поскольку конкурировать с бюджетами США и Китая, очевидно, пока невозможно.

При правильном подходе можно только выиграть от нахождения между двумя крупнейшими ИТ-силами дня сегодняшнего и дружбы с третьей, только восходящей, звездой – Индией. Николай Тржаскал, директор по продуктам «Преферентум» компании SL Soft

Компании-вендоры, принявшие участие в настоящем обзоре TAdviser, поделились информацией о собственных последних разработках и проектах с ИИ, рассказали о том, какими продуктами гордятся больше всего, а также о перспективах дальнейшего их развития, функционале и пользе для целевой аудитории.

SL Soft

SL Soft стремится сделать передовые методы интеллектуальной обработки документов доступными широкой аудитории, постепенно понижая порог входа, как финансовый, так и технологический, для новых клиентов. Второе направление – разработки с высокой долей научно-исследовательских составляющих.

Здесь работа ведется в основном с крупными корпорациями. Например, в 2024 году совместно с АО «ЦНИИмаш» (головной институт корпорации «Роскосмос») компания запустила прототип системы анализа технических стандартов на соответствия и противоречия («САТСПИН»). Эта система предназначена для поддержки работы технических специалистов (инженеров, конструкторов, проектировщиков) при решении поисковых и аналитических задач, возникающих при работе с проектно-конструкторской и технической документацией. Она решает проблемы взаимной согласованности требований и соответствия им новых документов, основываясь на целом корпусе (тысячи документов с 1970-х годов) государственных и отраслевых стандартов, прямо или косвенно связанных с ракетно-космическими технологиями.

Это первый шаг на пути к полнофункциональному генеративному проектированию, когда ИИ станет не просто помощником, но полноценным партнером в конструкторской команде, способным решать многие задачи «под ключ», – поделился Николай Тржаскал.

Rubius

Rubius развивает онлайн-магистратуру по компьютерному зрению (совместно со Skillfactory), имеет собственный продукт по видеоаналитике, техническую гильдию по ML, более трех десятков реализованных НИОКРов и проектов с использованием ИИ.

Большая часть текущих ИИ-проектов попадает под соглашение о неразглашении, поэтому говорить о них можем только обобщенно. Из последних: машинное зрение для контроля качества на производстве, прогноз отказа оборудования, BI для цепочки поставок с модулями предсказательной аналитики спроса и отклонений. Эти решения – одни из самых перспективных сегодня, потому что дают измеримые результаты для бизнеса. Каждый из проектов в нашем портфеле прошел стадии PoC, MVP и доказал экономическую эффективность. Это наше правило: не бросаться в омут с головой, а проводить качественную аналитику, проверять гипотезы, обсуждать результаты и только потом принимать решение о продолжении проекта, – рассказал Илья Орлов, менеджер по развитию Rubius.

3iTech

3iTech специализируется на речевой аналитике с использованием искусственного интеллекта и машинного обучения (AI, ML, NLU), включая собственную большую языковую модель 3i LLM, работает с нейросетями больше 10 лет. Создает голосовых и текстовых ботов, сервисы распознавания и синтеза речи, решения для интеллектуальной обработки неструктурированных данных и омниканальной аналитики. Коротко миссию компании Алексей Любимов, генеральный директор 3iTech, сформулировал как помощь в автоматизации работы и улучшении коммуникации между бизнесом и клиентами с помощью ИИ.

Решения 3iTech востребованы в компаниях, где клиентская коммуникация играет ключевую роль, а инновации являются жизненно необходимыми с точки зрения конкуренции. Заказчики используют решения компании для анализа качества обслуживания, контроля соблюдения скриптов и регламентов, автоматизации оценки разговоров и выявления инсайтов, которые помогают улучшить бизнес-процессы.

В 2024 году 3iTech выступил AI-партнером крупнейшего фестиваля рекламы и маркетинговых коммуникаций Silver Mercury. ИИ-разработка компании была применена как член жюри, причем параллельно проекты оценивали свыше тысячи экспертов отрасли. ИИ был обучен на датасете фестиваля за 24 предыдущих года, проанализировал свыше 1600 креативных проектов конкурсантов и выбрал победителей в 133 номинациях, в четком соответствии с критериями оценки, которые задал организатор фестиваля. В этом кейсе ИИ от 3iTech справился с задачей в 7000 раз быстрее человека.

В контакт-центре «Ростелекома» ИИ-решения 3iTech помогли увеличить производительность труда операторов на 21%, скорость же получения ответов клиентами контакт-центра выросла в семь раз. А в начале 2025 года компания анонсировала собственную фабрику ботов – 3i GPT-A Factory.

3iTech реализует ряд пилотных проектов в сфере контроля переговоров в критически важных областях, а также экстренных оповещений. Что касается последних, например, ИИ может мгновенно информировать людей о стихийных бедствиях, пожарах или других чрезвычайных ситуациях, вплоть до корректировки маршрутов эвакуации в реальном времени.

Компания поддержала проект обучения детей чтению на русском языке по природосообразной модели (чтение за звуковым ориентиром): на основе разработок кандидата наук Алексея Кушнира был создан сервис youcanread.ru. ^[10] А в планах компании – внедрение в процесс обучения умных ассистентов для школьников.

VK

VK фокусируется на прикладном применении ИИ, как для основных продуктов VK, так и для разработки коммерческих B2B-сервисов на их основе. Реализацию сервисов на основе ИИ для внешних заказчиков осуществляет подразделение VK Predict. Коммерческие сервисы VK решают следующие задачи корпоративных заказчиков: генерация маркетинговых креативов, категоризация обращений и подготовка шаблонов ответов для служб клиентской поддержки, семантический поиск по базам знаний, поиск инсайтов в данных и интерпретация графиков и дашбордов, выявление трендов.

В нашей практике демонстрирует эффективность подход с сочетанием использования генИИ и аудиторных данных – на их основе мы развиваем ИИ-сервисы для задач маркетинга, клиентской аналитики и построения персонализированных коммуникаций, опираясь на знания об интересах, соцдем параметрах и других обезличенных характеристиках целевой аудитории, – отметил Роман Стятюгин.

«Лукоморье» («Ростелеком»)

«Лукоморье» – экосистема импортозамещенных продуктов, которые обеспечивают полный цикл управления бизнес-процессами компании от разработки ПО до работы сервисных подразделений. У «Лукоморья» есть своя no-code платформа «Акола», которая позволяет разрабатывать и внедрять корпоративные сайты, web-приложения или собственные ITSM-системы, исключив привлечение сторонних специалистов и используя только внутренние ресурсы компаний.

Есть и собственная ITSM-система – ESMP, куда входит модуль ESMP Button. Он позволяет создавать чат-боты с низким порогом входа благодаря low-код-инструментам, обрабатывать естественный язык и интегрироваться с популярными мессенджерами. Модуль ESMP Лингво оптимизирует обработку обращений, распознавая не только текст, но и изображения, включая скриншоты. Собственная разработка компании – искусственный интеллект «Сирин» – это интеллектуальный центр для управления проектами: он автоматизирует сбор и обновление данных из разных систем, формирует базу знаний, а также генерирует ответы и тексты на основе анализа информации.

«Лаборатория Касперского»

В конце 2024 года «Лаборатория Касперского» выпустила новые версии продуктов, использующие LLM. Технология на базе внутренней LLM-инфраструктуры «Лаборатории Касперского» представляет собой функционал получения краткой сводки по угрозам (индикаторам компрометации) во вкладке OSINT в Kaspersky Threat Intelligence Portal. Это краткие структурированные выжимки на базе потенциально большого количества текстовых данных из различных отчетов и исследований по киберугрозам для быстрого принятия решений о дальнейших действиях TI-аналитиками.

KIRA (Kaspersky Investigation and Response Assistant) – LLM-помощник, который призван облегчить и ускорить работу аналитиков центра обеспечения безопасности (SOC) при работе в продуктах Kaspersky SIEM (KUMA) и XDR. На данный момент здесь реализован функционал, который позволяет быстро изучить командную строку (в т.ч. обфусцированную) с конечного устройства, получая краткие пояснения действий и подробный анализ компонентов.

«Инфосистемы Джет»

«Инфосистемы Джет» запускают специализированную GPT-лабораторию, которая станет центром экспертизы технологий и ключевой платформой для разработки и тестирования решений на основе LLM. У компании уже готово более 60 гипотез применимости LLM для крупного бизнеса. На их базе стартовало создание MVP и прототипов, чтобы решения можно было опробовать в облаке или на базе инфраструктуры заказчиков для оценки экономических эффектов.

VizorLabs

Как рассказал Станислав Зиганшин, для VizorLabs 2025 станет годом горнорудной промышленности. Один из флагманских продуктов компании – система контроля конвейерных лент – первое в России решение, позволяющее в real-time режиме выявлять повреждения, расслоения и другие дефекты, предотвращая аварии и простои. Продукт уже доказал свою эффективность на промышленных объектах.

Другой значимый проект – мониторинг процесса флотации с помощью компьютерного зрения, который востребован в золотодобывающей отрасли. Система анализирует поверхность пульпы, контролируя распределение пузырьков и корректируя параметры процесса: значительно растет извлечение золота, снижаются затраты на реагенты и повышается стабильность работы.

Помимо этого, VizorLabs предлагает решения для контроля загрузки шахтных самосвалов (ШАС), автоматизированной гранулометрии и мониторинга технологических процессов. Компания интегрирует мультимодальный ИИ в свои продукты и выводит их на международные рынки.

ГК «Цифра»

Один из последних знаковых проектов с ИИ ГК «Цифры» – создание цифрового двойника газоконденсатного актива для «Ачим Девелопмент».

Это уникальное решение, первое в мире, позволяющее в режиме реального времени отслеживать работу газоконденсатного актива на всех этапах, – рассказал Михаил Аронсон, генеральный директор ГК «Цифра».

Инновационность цифровой модели заключается в автоматическом обновлении и адаптации к изменениям. Высокая скорость обработки данных позволяет двойнику стабильно отображать актуальное состояние актива без необходимости ручных корректировок. При поступлении новой информации с производства модель мгновенно подстраивается под эти данные. В результате на объекте повысилась точность режимов работы оборудования, совершенствуются механизмы планирования выпуска продукции и использования необходимых ресурсов, достигнут более высокий уровень безопасности.

BSS

BSS активно развивает комплексные решения в области речевых технологий для автоматизации контактных центров. Последние разработки включают комплексное решение для автоматизации КЦ, состоящее из интеллектуальных голосовых и текстовых роботов, системы речевой аналитики и современной базы знаний.

Ключевые направления развития с использованием генеративного ИИ: внедрение генИИ в речевую аналитику для обработки сложных естественно-языковых критериев и автоматическое выявление значимых трендов в клиентских обращениях; интеграция RAG в платформу создания ботов; AI-ассистент в базе знаний.

Сейчас мы активно экспериментируем с агентным ИИ для кардинального упрощения процесса обучения бота, – прокомментировал Александр Крушинский.

Bercut

Начиная с 2024 года Bercut активно инвестирует в разработку своего усовершенствованного продукта – корпоративной интеграционной шины ESB Bercut – и расширение возможностей AI/ML продуктов в целом.

ESB Bercut – это интеллектуальная шина данных на базе гибридной интеграционной платформы HIP Bercut, которая в 2024 году вошла в ТОП-5 наиболее востребованных российских платформ для интеграции данных и приложений по версии TAdviser. ^[11] Интеллектуальная интеграционная платформа ESB Bercut является основой для проведения интеграций и самостоятельного создания потоков обработки сообщений с применением методики AI/ML. Решение обеспечивает единую точку доступа для обмена данными между различными приложениями, а также позволяет осуществлять контроль за процессами маршрутизации и трансформации данных. Встроенный AI/ML ассистент позволит ускорить разработку, поможет в построении маршрутов, тестировании, написании и проверке кода, документировании и мониторинге.

ИИ-модуль в ESB Bercut – отдельный рыночный продукт, который будет доступен в двух форматах: On-Premise и PaaS (Platform-as-a-Service).

«Сбер Бизнес Софт»

Максим Иванов особо выделил четыре актуальных ИИ-кейса «Сбер Бизнес Софт»: программно-аппаратный комплекс для контроля состояния томатов в теплице и снижения потерь урожая; прогнозирование пассажиропотока и количества безбилетников для контроля; логистику светлых нефтепродуктов для снижения затрат на транспортировку топлива; AI-ассистент с Gigachat для обработки обращений клиентов. ^{[12] [13]}

«НОРБИТ (ЛАНИТ)»

Дмитрий Демидов рассказал о разработке платформенного решения для обработки текстов Norbit GPT, а также прикладного решения AI Master Data для очистки нормативно-справочной информации на базе Norbit GPT.

Целевая аудитория AI Master Data – крупный бизнес, который работает с большой номенклатурой товаров в закупке и продажах. Это могут быть промышленные предприятия, розничные компании, строители, добытчики и другие. AI Master Data упорядочивает распределение номенклатуры по категориям, обогащает справочные записи атрибутами, устраняет дубликаты и ошибки, выполняет другие операции по очистке данных. Компания начинает чувствовать бизнес-эффект, когда находит у себя на складе нужные материалы вместо того, чтобы заказывать их повторно из-за ошибок в названиях, объединяет закупки в одну большую и получает лучшую цену, улучшает свои функции прогнозирования.

HFLabs

HFLabs адаптирует существующие нейросети и усиливает с их помощью собственные решения, проводит эксперименты, направленные на работу с серой зоной в клиентских данных. Так, например, ИИ-решение компании «Маскировщик» обезличивает персональные данные в документах для дальнейшего безопасного использования.

Как правило, при работе с большими массивами данных требуется участие дата-стюардов в сложных и неоднозначных случаях – например, чтобы определить, можно ли объединить две клиентские записи или же сведения в них при всем сходстве данных принадлежат разным людям. В перспективе ИИ мог бы давать подсказки при разборе таких ситуаций. И хотя возможностей искусственного интеллекта уже достаточно и для того, чтобы самостоятельно принимать решения по таким сценариям, пока главным блокирующим фактором остается вопрос, кто понесет ответственность в случае ошибки, – рассказал Никита Назаров.

«Мегапьютер»

Последние разработки «Мегапьютера» включают создание бизнес-решений на основе коллаборативного мультиагентного ИИ. В этом подходе различные модели GenAI работают в связке, проверяя и уточняя результаты друг друга, работая последовательно, параллельно, либо циклично. Решения используют комбинации разных моделей ИИ, в том числе мультимодальных.

К примеру, визуально-языковые модели (VLM) применяются для извлечения фактов из больших объемов сложной научной и бизнес-документации, представляющей из себя смесь текста, таблиц и графиков. Мультимодальный ИИ дополняется итерационным применением инструментов OCR и классических инструментов NLP, которые проводят первичную обработку данных, снижают уровень галлюцинаций и корректируют результаты работы моделей, что позволяет увеличить полноту и точность получаемых результатов, даже в задачах со сложным контекстом, как минимум на 50% по сравнению с применением только GenAI.

Эта технология позволяет решать сложные бизнес-задачи, не поддающиеся решению с помощью одной LLM. Решение функционирует на базе low-code аналитической системы PolyAnalyst, поддерживающей работу в едином графическом интерфейсе без применения программирования. Это позволяет аналитику с невысоким навыком программной разработки наглядно видеть структуру создаваемого решения, оперативно проводить модифицирование и дополнять систему новыми моделями. Платформа предоставляет единую точку доступа к различным моделям ИИ: можно использовать как работающие в облаке модели ИИ общего назначения, так и дополнительно обученные на данных заказчика, размещенные в закрытом контуре.

Одним из направлений, где мы эффективно применяем современные модели ИИ, является разведка по открытым источникам OSINT. В основном такая разведка направлена на продуктовое исследование в области высоких технологий. К агрегированным данным из различных источников применяются наборы языковых моделей. Они проводят многофакторный анализ, извлекая полезную информацию о компаниях-разработчиках, используемых технологиях и разрабатываемых продуктах, выявляют заказчиков, факты поставки и суммы сделок. Здесь также происходит комбинирование генеративного ИИ и классических методов NLP, вроде лингвистических правил и словарей. LLM выдает более широкую полноту результатов, а традиционный NLP борется с галлюцинациями и исправляет ошибки в структуре ответа генеративной модели. Дмитрий Гольцов, заместитель генерального директора по коммерческим вопросам компании «Мегапьютер»

Webiomed

Webiomed – система на основе ИИ, которая помогает выявлять опасные для здоровья сценарии, оценивать потенциал развития осложнений различных хронических заболеваний. Функциональные возможности платформы включают сбор и обработку обезличенных медицинских данных, извлечение признаков с помощью технологий ИИ и их автоматическую проверку и очистку, формирование цифрового профиля пациента, создание на основе профилей наборов данных по заданным параметрам, а также функционал для автоматической интерпретации и анализа сформированных профилей, в том числе с использованием технологий ИИ и прогнозной аналитики. В 2024 году в Webiomed был добавлен модуль управленческой аналитики для промышленных предприятий. Он оперативно информирует руководителей о здоровье сотрудников: о группах и факторах риска, предоставляет инфо по контролю профилактических мероприятий, дает прогнозы по состоянию здоровья.

«СберМедИИ»

В портфеле компании – ИИ-решения для обработки визуальных исследований: «КТ головного мозга», «КТ грудной клетки», «Маммография», «Рентген коленного сустава». В автоматическом режиме цифровые сервисы подсвечивают врачу признаки патологий цветным контуром на снимках, рассчитывают общий объем поражения и составляют предварительное описание, определяют наличие признаков новообразований на медицинских изображениях.

Успешным оказался кейс Приморского края по внедрению ИИ-сервиса для визуальной диагностики «КТ головного мозга» в комплексное решение «УДАР», ориентированное на пациентов с подозрением на инсульт. Правильная маршрутизация, грамотная работа врачей и использование ИИ – благодаря такой связке в регионе сократилась смертность от ишемического инсульта.

Также совместно с «Лабораторией искусственного интеллекта Сбербанка» и правительством Москвы компания разработала сервисы для обработки медицинских текстовых данных. Система поддержки принятия врачебных решений на основе ИИ «ТОП-3 диагноза» помогает в постановке предварительных диагнозов по жалобам пациентов и используется в медицинских организациях более чем 16 регионов. Цифровой помощник AIDA (AI Diagnostic Assistant) позволяет получить второе независимое мнение по заключительному диагнозу на основании данных ЭМК пациента, полученных за два года. Система пилотируется во всех взрослых поликлиниках Москвы и Липецкой области.

Следующим шагом может стать внедрение в работу медицинских организаций цифрового ассистента по медицинским вопросам, созданного на базе GigaChat. Это одна из первых в мире генеративных моделей, сдавших экзамен по направлению «Лечебное дело». Интеллектуальный чат-бот может взять на себя следующие задачи: сбор жалоб (анамнез) пациента перед приемом с оценкой полноты данных и формулировкой дополнительных вопросов для снижения нагрузки на врача на первичном приеме и сокращения времени на сбор анамнеза; маршрутизация пациента по рекомендации ИИ: пациент не идет к терапевту, а сразу попадает к нужному специалисту; рекомендация анализов и расшифровка загруженных анализов с помощью ИИ.

Компания планирует внедрение нового мультимодального медицинского ассистента GigaDoc. В основе его работы лежат технологии дистанционной фотоплетизмографии, компьютерного зрения и машинного обучения, которые позволяют по видео лица оценить некоторые медицинские параметры, ускоряют первичную диагностику состояния здоровья и качественный мониторинг хронических неинфекционных заболеваний.

Как рассказал в интервью TAdviser Алексей Любимов, генеральный директор 3iTech, рынок только формируется, и все игроки заняты поиском ниш, в которых ИИ даст реальную экономию или ощутимую дополнительную прибыль. 2024-й был годом тестов, а 2025-2026 гг. станут временем массового внедрения.

Если замена людей на ИИ дает экономию – бизнес будет их заменять. В России это особенно актуально: нехватка кадров даже для простых операций подталкивает компании к автоматизации, а в крупных организациях экономия даже доли процента на каждой операции в целом дает огромный экономический эффект.

По словам эксперта, нужно учитывать гуманитарный аспект повсеместного проникновения ИИ: если он берет на себя большинство задач, мотивация к обучению снижается. Так, например, уже заметно снижение значимости роли живого учителя, аналитика, психолога и т.д.

• Искусственный интеллект (ИИ, Artificial intelligence, AI)
  
• Технологии искусственного интеллекта. Обзор TAdviser
  
• Искусственный интеллект (рынок России)
  
• Искусственный интеллект (рынок Китая)
  
• Искусственный интеллект в США
  
• Искусственный интеллект в HR (найм, мотивация и развитие персонала)
  
• Искусственный интеллект в производственной сфере
  
• Искусственный интеллект в промышленности
  
• Искусственный интеллект в строительстве
  
• Искусственный интеллект в сельском хозяйстве (АПК)
  
• Искусственный интеллект на транспорте
  
• Искусственный интеллект в логистике
  
• Искусственный интеллект в ритейле
  
• Искусственный интеллект в аудите
  
• Искусственный интеллект в банках
  
• Искусственный интеллект в судах
  
• Искусственный интеллект в государственном управлении
  
• Искусственный интеллект в военном деле
  
• Искусственный интеллект в медицине
  
• Искусственный интеллект в медицине России
  
• Искусственный интеллект в радиологии
  
• Искусственный интеллект для решения демографических проблем
  
• Искусственный интеллект для написания текстов в СМИ и литературе
  
• Искусственный интеллект в видео
  
• Искусственный интеллект в фотографии
  
• Искусственный интеллект в живописи
  
• Искусственный интеллект и создание музыки
  
• Искусственный интеллект в индустрии моды
  
• Искусственный интеллект в телекоме
  
• Искусственный интеллект в образовании
  
• Искусственный интеллект в науке
  
• Искусственный интеллект в спорте
  
• Искусственный интеллект в преступности