Семь из десяти компаний уже используют генеративный искусственный интеллект, и почти половина применяет его сразу для нескольких бизнес-функций. Об этом говорится в свежем отчете McKinsey. Но как именно российский бизнес адаптирует эти технологии и какие сложности встречает на этом пути? Попробуем разобраться.

Причины роста интереса к нейропомощникам:

• Рост объема информации: сотрудники перегружены большими объемами данных, а интеллектуальные ассистенты помогают быстро находить нужное.
• Удешевление технологий: внедрение ИИ становится доступным не только корпорациям, но и среднему бизнесу.
• Развитие языковых моделей (LLM): GPT, Claude, GigaChat и другие модели способны поддерживать диалог, адаптироваться к контексту, учиться на корпоративных данных.

Где бизнесу использовать ИИ?

В первую очередь генеративный ИИ активно применяется в маркетинге и продажах — именно здесь нейросети создают рекламные тексты и изображения. На втором месте — разработка новых сервисов: от голосовых помощников до чат-ботов и автоматического распознавания изображений.

Хороший пример — страховая сфера. Например, в «Ингосстрахе» ИИ анализирует фотографии поврежденных автомобилей, сопоставляет их с заявлениями клиентов и помогает ускорить процесс рассмотрения страховых случаев

В бэк-офисе искусственный интеллект используется для автоматизации работы с документами, подготовки отчетов, транскрипции разговоров и других задач, которые ранее выполнялись вручную. Особенно эффективно ИИ внедряется в общих центрах обслуживания (ОЦО), где сосредоточены юридические, финансовые, HR-функции и колл-центры.

Вот ранжирование сфер применения нейропомощников по популярности использования на 2025 год, основанное на открытых данных, трендах внедрения ИИ в бизнесе и распространенности кейсов:

1. Поддержка клиентов (Customer Support)

• Круглосуточная консультация пользователей
• Автоматическое определение тем и тональности обращений
• Эскалация сложных случаев человеку

Почему №1: Самая зрелая и масштабно внедренная сфера — быстрый эффект, высокая автоматизация, снижение нагрузки на операторов.

2. Маркетинг и продажи

• Генерация коммерческих предложений
• Анализ отзывов клиентов
• Поддержка в создании контента для разных каналов

Почему №2: Быстрые выгоды в скорости генерации контента и персонализации, сильная поддержка креативных и рекламных задач.

3. HR и обучение персонала

• Проведение первичных интервью
• Ответы на часто задаваемые вопросы сотрудников
• Индивидуальные траектории обучения и проверка знаний

Почему №3: Активный рост применения в найме и обучении, особенно в крупных компаниях.

4. Юридическая поддержка

• Поиск релевантных нормативных актов
• Подготовка шаблонов документов
• Анализ рисков в договорах

Почему №4: Потенциал высокий, но часто требует ручной проверки. Медленнее внедряется из-за чувствительности к точности.

5. Создание продуктов или сервисов (новая категория)

• Генерация идей и концепций
• Анализ пользовательских инсайтов
• Тестирование гипотез (напр., генерация прототипов, текстов для UX)

Почему №5: Восходящий тренд среди продуктовых команд, особенно в стартапах. ИИ используется как партнёр для брейншторма и MVP.

6. ИТ (новая категория)

• Генерация кода, unit-тестов и документации
• Техническая поддержка и автоматизация задач DevOps
• Анализ логов и предиктивная диагностика

Почему №6: Активно применяется среди разработчиков, особенно с GitHub Copilot и аналогами. Но пока часто в роли помощника, а не полноценного агента.

7. Производственные процессы и логистика

• Контроль регламентных задач
• Мониторинг отклонений
• Автоматическая генерация отчетов по KPI

Почему №7: Имеет потенциал, но на текущий момент внедрение ограничено — требует глубокой интеграции с системами и специфики отрасли.

Приведенная ниже диаграмма показывает популярность использования нейропомощников по сферам деятельности. Самые востребованные — поддержка клиентов и маркетинг, а наименее востребованные (пока) — производственные процессы. 

Ключевые сложности внедрения

Компании сталкиваются с тремя основными разввилками:

1. Своя разработка или готовые решения?

Разработка собственных нейросетей доступна сегодня лишь IT-гигантам, вроде Сбера и Яндекса. Большинство компаний дообучают opensource модели. 

Например, «Ингосстрах» доработал нейросеть для распознавания документов под свои нужды, чтобы интегрировать её в существующую ИТ-инфраструктуру.

2. Облако или закрытый периметр?

При работе с чувствительными данными, особенно медицинскими или страховыми, предпочтение отдается закрытым системам. В других случаях допускается использование публичных нейросетей для решения креативных задач.

3. Контроль человека над результатами ИИ и доверие.

Большинство российских компаний тщательно проверяют все материалы, сгенерированные ИИ. Эксперты отмечают: искусственный интеллект пока не способен заменить экспертную оценку человека.

Матрица для оценки подходов к использованию нейропомощников

Почему важно привести в порядок данные

Ключевым фактором успешного внедрения ИИ является качество данных. В организациях, где данные структурированы и очищены, ИИ-инструменты показывают более высокую эффективность. Таким образом, даже небольшие компании могут достичь значительных успехов в применении ИИ, если уделят внимание качеству данных и интеграции ИИ в свои процессы.

Про чат-бота, который привод в порядок данные, читайте по ссылке ссылка на кейс нейрометодолога 

Этика и риски при использовании ИИ-ассистентов

Наряду с преимуществами, нейропомощники вызывают вопросы, связанные с:

• Конфиденциальностью данных: важно обеспечить хранение и обработку информации в соответствии с требованиями законодательства 
• Объективностью решений: LLM-модели могут воспроизводить и усиливать предвзятость, если обучены на некачественных данных.
• Контролем над действиями: особенно важно в сценариях, где нейропомощники принимают решения, влияющие на людей (например, в подборе персонала или финансовом скоринге).

Компании внедряют механизмы аудита и «прозрачности» ИИ, в том числе разрабатывают внутренние кодексы этики ИИ.

Платформа ПРИИСК – новые возможности для бизнеса

Особое внимание заслуживает платформа «ПРИИСК», которая помогает бизнесу максимально эффективно использовать потенциал искусственного интеллекта.

На «ПРИИСКе» доступны как open-source модели, так и решения крупнейших российских разработчиков — например, «Гигачата» от Сбера и нейросетей Яндекса. 

Компании получают «грядку инструментов», каждый сотрудник выбирает те решения, которые наиболее подходят его задачам. Благодаря этому платформу можно гибко адаптировать под потребности разных подразделений: от маркетинга до HR и юридического отдела, аналитиков и пр

Преимущества платформы “ПРИИСК”:

• Быстрая интеграция в бизнес-процессы,

• Возможность работать в закрытом контуре или через безопасные облачные решения,

• Снижение нагрузки на сотрудников,

• Повышение скорости принятия решений.

Архитектура и возможности платформы «ПРИИСК»

Платформа «ПРИИСК» разработана для ускоренной no-code разработки нейропомощников и копилотов на основе генеративного искусственного интеллекта. Она позволяет создавать и внедрять ИИ-решения в различные бизнес-процессы, обеспечивая их поддержку, мониторинг и дообучение.

Основные компоненты платформы:

• Модуль работы с LLM: обеспечивает взаимодействие с различными языковыми моделями, как публичными (ChatGPT, YaGPT, GigaChat), так и локальными (Llama 3, Mixtral), включая возможность развертывания на инфраструктуре заказчика без доступа к интернету
• Модуль работы с векторной базой знаний: использует технологию Retrieval-Augmented Generation (RAG) для извлечения релевантной информации из корпоративных данных, что позволяет нейропомощникам отвечать на специфические запросы пользователей.
• Модуль автоматизации и обработки информационных потоков: предназначен для создания автоматизированных агентов, выполняющих различные сценарии выгрузки, преобразования, загрузки и обработки данных.
• Модуль формирования отчетности (BI): позволяет визуализировать данные в виде табличных отчетов, диаграмм и графиков, обеспечивая наглядное представление информации для принятия управленческих решений.

Платформа поддерживает работу в различных операционных системах, включая Astra Linux, РЕД ОС, Windows, Mac, а также в облачных средах (SaaS, Web), что обеспечивает гибкость и масштабируемость решений.

Примеры внедрения нейропомощников на базе «ПРИИСК»

Компания «Проектная ПРАКТИКА» активно использует платформу «ПРИИСК» для создания семейства нейропомощников, направленных на автоматизацию различных аспектов управления проектами:

• Нейропомощник по методологии: отвечает на вопросы, ориентируясь на стандарты, накопленную базу знаний и нормативно-методологические документы по проектному управлению.
• Ассистент по запуску и оценке здоровья проекта: помогает не забыть регламентные процедуры на старте проекта, а также оценивает проект «в работе» и дает рекомендации.
• Электронный администратор проекта: фиксирует протоколы встреч, формирует единую wiki по мероприятиям, создает поручения и напоминает команде о сроках и задачах.
• Нейроассистент (нейрокоуч): предоставляет индивидуальную поддержку во время обучения, проверяет домашние задания и консультирует обучающихся, что особенно актуально для дистанционных и гибридных форматов обучения.

Эти нейропомощники уже интегрированы в информационные системы управления проектами ПМ ФОРСАЙТ и АСУ-Инвест, а также доступны в облачных версиях, обеспечивая широкие возможности для пользователей.

Технические особенности и интеграция

Платформа «ПРИИСК» обеспечивает:

• Интеграцию с корпоративными системами: через API или в виде модулей, что позволяет встраивать нейропомощников в существующие ИТ-инфраструктуры.
• Обучение на корпоративных данных: используется подход RAG, который позволяет дообучать модели на внутренних данных компании, обеспечивая релевантность и точность ответов.
• Информационную безопасность: возможность работы в локальном контуре организации без выхода в интернет, поддержка отечественных операционных систем.

Кроме того, платформа поддерживает работу с различными языковыми моделями, включая публичные (ChatGPT, YaGPT, GigaChat) и локальные (Llama 3, Mixtral), что обеспечивает гибкость в выборе ИИ-решений в зависимости от требований безопасности и специфики задач.

Перспективы развития платформы «ПРИИСК»

Платформа «ПРИИСК» продолжает активно развиваться, планируя внедрение новых технологий и расширение функциональности:

• Включение новых технологий ИИ: таких как генерация изображений и транскрибация аудио, что расширит возможности нейропомощников в различных сферах.
• Развитие NoCODE-инструментов: для упрощения настройки нейропомощников, что позволит пользователям без технического образования создавать и настраивать ИИ-решения.
• Создание SaaS-решения: для работы в облачных средах (например, «Яндекс.Облако» или «СберОблако»), обеспечивая доступность и масштабируемость платформы.
• Формирование маркетплейса: для обмена решениями между компаниями, что способствует распространению успешных практик и ускоряет внедрение ИИ в бизнес-процессы.

Эти направления развития направлены на расширение возможностей платформы и обеспечение ее соответствия современным требованиям бизнеса и технологий.

Итоги

Внедрение искусственного интеллекта в России идет активно, но путь этот непростой. Требуется четкая стратегия, инвестиции в качество данных и развитие платформ, таких как «ПРИИСК», которые делают технологии ближе и доступнее для бизнеса любого масштаба.