ИИ поможет экономике России зарабатывать больше
Генеративный искусственный интеллект может принести российской экономике от 6 до 21 трлн рублей накопленного эффекта к 2030 году, следует из исследования Сбера. Однако для реализации этого потенциала бизнесу недостаточно купить доступ к нейросетям: придется перестроить рабочие процессы, обучить сотрудников и обеспечить безопасность данных. Пока банки и технологические компании уже зарабатывают на GenAI, многие предприятия лишь пробуют его возможности и оценивают риски. В чем они заключаются?
Внедрение генеративного искусственного интеллекта (GenAI) российским бизнесом способно обеспечить экономике страны дополнительный прирост в размере от 2,8 до 9,8% ВВП к 2030 году. Такой прогноз делает Центр макроэкономических исследований (ЦМИ) Сбербанка в своем исследовании «Экономика GenAI».
Расчет сделан исходя из номинального ВВП России за 2025 год в размере 214,3 трлн рублей, и включает совокупный эффект (добавленную стоимость и влияние на связанные отрасли). Речь идет именно о доле потенциала автоматизации рабочих задач, а не о количестве компаний, которые начнут использовать генеративный ИИ.
По словам руководителя ЦМИ Сбербанка Александра Исакова, диапазон оценки зависит от темпов распространения технологии и того, насколько быстро компании смогут перестроить рабочие процессы. Нижняя граница предполагает реализацию около 30% технически возможной автоматизации рабочих задач, верхняя – около 70%.
Генеративный ИИ – это модели, которые создают новое: текст, программный код, изображения, речь, видео. Задачу им ставят обычным языком, а в ответ получают черновик договора, письмо клиенту, кусок программы или выжимку из трехсот страниц документации, поясняет Роман Копосов, заместитель директора компании стратегического консалтинга АРБ Про.
На эту тему
Россия освоила все основные виды промышленных роботов
ИИ может втянуть мир в новый финансовый кризис
Мировую экономику спасет искусственный интеллект
«Банки и телеком ставят GenAI в контакт-центры, пишут и проверяют с ним код и документы, дают сотрудникам внутренних ассистентов. В промышленности пока в основном ищут по регламентам и технической документации, разбирают инциденты, готовят инструкции, работают с тендерами и договорами.
У промышленности есть своя история, о которой говорят мало. Опытные инженеры и технологи уходят на пенсию, и их знания уходят вместе с ними. Если перевести эти знания в корпоративную базу сейчас, молодой инженер задаст вопрос своими словами и получит ответ со ссылкой на нужный пункт регламента», – говорит Копосов.
Генеративный ИИ используют, например, «Сибур» и «Норникель». «В электронной торговле генеративный ИИ применяется для подготовки описаний и изображений товаров, общения с покупателями и помощи в выборе покупок. Например, Wildberries предоставляет продавцам возможность создавать изображения одежды на виртуальных моделях, а «Яндекс» использует генеративный ИИ для подбора и сравнения товаров по запросам покупателей», – отмечает научный сотрудник лаборатории анализа лучших международных практик Института Гайдара Кирилл Черновол.
Развитие этого может дать существенную прибавку к ВВП России – от 2,8% до 9,8% к 2030 году. При этом реализация наиболее оптимистичного сценария зависит от целого ряда факторов, динамику ряда которых пока сложно прогнозировать.
«Цифра в 2,8% и 9,8% – это не доля ИИ в экономике и не прибавка за один год. Это эффект, накопленный к 2030 году: от 6 до 21 трлн рублей, если считать от ВВП 2025 года. В пересчете на год получается примерно от половины процентного пункта до двух пунктов дополнительного роста», – объясняет Копосов. Верхняя граница, по его мнению, выглядит смело, потому что эффект появляется, только когда под технологию перестраивают всю работу.
«Разброс из-за разницы между двумя сценариями. При первом компании будут осторожничать и внедрять GenAI медленно, при втором – станут действовать быстро и по-настоящему широко.
Чтобы дойти до 10%, компаниям нужно не просто купить лицензии, а перестроить рабочие процессы, обучить персонал, интегрировать GenAI в legacy-системы. Главные барьеры тут: нехватка квалифицированных кадров, сопротивление изменениям внутри,
отсутствие готовых отраслевых решений под конкретные задачи и вопросы к качеству данных», – добавляет Дмитрий Демидов, руководитель Лаборатории инноваций «Норбит» (группа компаний «ЛАНИТ»).
Пока внедрение GenAI в России идет неравномерно: одни компании уже активно используют его возможности, другие только присматриваются к технологии.
«Как обычно в лидерах крупные технологические компании, банки, отдельные промышленные холдинги, у них есть и ресурсы, и задачи, и данные. Они используют GenAI в разработке, аналитике, клиентском сервисе. Электронный ритейл активно экспериментирует с генерацией контента и чат-ботами. Средний и малый бизнес, напротив, не располагает ни бюджетами, ни экспертизой для реализации пилотов. Госсектор движется осторожно, с фокусом на безопасность», – говорит Демидов.
Копосов разделяет компании на три группы. Первая уже зарабатывает на GenAI: банки, телеком, IT, электронная коммерция. У них много цифровых данных, много однотипных операций и сильные команды разработки. Сбер, Яндекс, Т-Банк и МТС развивают собственные языковые модели, маркетплейсы дают продавцам генерировать описания товаров.
«Вторая группа компаний пилотирует и присматривается: ритейл, логистика, фарма, крупные нефтегазовые и энергетические компании. Деньги и данные есть, но процессы тяжелые, а цена ошибки высокая»,
считает эксперт.
В начале пути, по его словам, промышленность, строительство, сельское хозяйство, большая часть госсектора, средний и малый бизнес. «Если промышленная компания и использует ИИ, то чаще для документооборота и поиска по регламентам. До управления производством доходят немногие. В малом бизнесе ИИ пользуются собственник и отдельные сотрудники через публичные чат-боты. Это полезно, но экономику компании не меняет», – продолжает Копосов.
По мере расширения применения генеративного ИИ возрастет и значимость связанных с ним рисков. Среди них Демидов выделяет зависимость от конкретного провайдера и угрозы безопасности: утечки информации, злоупотребления и создание вредоносного контента. «ИИ-агент с доступом к почте, базам данных и платежам становится новой точкой атаки. Защищаться придется инженерно: правами доступа, разграничением контуров, контролем действий модели», – предупреждает Копосов.
«Критично и влияние на рынок труда. Адаптация к быстрому сокращению рутинных профессий и к не такому скоростному появлению новых будет точно непростой», – отмечает Демидов.
Однако Копосов не ждет массовой безработицы при нынешнем дефиците кадров. «Увольнений будет немного. Просто компании перестанут нанимать новых людей в контакт-центры, в контент-менеджмент, на младшие позиции в разработке и бухгалтерии. Экономике, где не хватает рук, это скорее поможет», – говорит он.
«И, пожалуй, главный страх связан с тем, что даже создатели ИИ-моделей не всегда могут объяснить решения искусственного интеллекта»,
считает Демидов.
«Модель ошибается уверенно и правдоподобно. Пока ИИ помогает одному сотруднику, ошибку ловит человек. Когда ИИ встроен в процесс, ошибка успевает разойтись по тысячам документов, прежде чем ее кто-то заметит», – говорит Копосов.
По его оценке, главный риск для отдельной компании в том, чтобы опоздать. «Модель можно купить, но перестроенный процесс купить нельзя. Кто перестроит работу в ближайшие два года, к 2030 году получит такую себестоимость и скорость, каких конкуренты не добьются покупкой той же модели», – заключает собеседник.