Бизнесу придется осваивать ИИ уже сейчас: Герман Греф назвал главным риском ожидание

Компании, которые откладывают внедрение искусственного интеллекта до момента, когда технологии станут дешевле, быстрее и надежнее, рискуют уступить конкурентам. Об этом заявил президент и председатель правления Сбербанка Герман Греф на конференции «ГигаКонф».

По его словам, для компаний, работающих в конкурентной среде, эксперименты с ИИ становятся не столько технологическим выбором, сколько частью стратегии развития.

При этом Греф не призывает использовать искусственный интеллект во всех процессах без исключения. Напротив, он отдельно отметил необходимость контролировать надежность решений, учитывать ограничения современных моделей и сохранять ответственность человека за результат.

Почему ожидание может стать проблемой

Одним из главных препятствий для распространения ИИ в бизнесе остается вопрос доверия. Компаниям необходимо понимать, насколько надежно система выполняет конкретную задачу, какие ошибки она способна допускать и можно ли передавать ей принятие решений.

Второй фактор — стоимость технологий. Для бизнеса внедрение ИИ связано не только с оплатой доступа к моделям. Необходимы вычислительные мощности, интеграция с корпоративными системами, настройка процессов, защита данных и обучение сотрудников.

Однако, по мнению Грефа, ожидание идеального момента может привести к другой проблеме — потере времени на накопление практического опыта. Пока компания откладывает эксперименты, конкуренты могут уже перестраивать процессы и формировать собственные компетенции в области ИИ.

Отсюда меняется и сама логика внедрения: бизнесу важно не просто приобрести ИИ-инструмент, а определить конкретные процессы, где технология может дать измеримый эффект, протестировать решение и постепенно масштабировать успешные сценарии.

От чат-ботов к ИИ-агентам

Отдельное внимание Греф уделил агентным системам. В отличие от обычной языковой модели, которая в основном генерирует ответ на запрос, ИИ-агент способен работать с инструментами, планировать последовательность действий, учитывать контекст и выполнять несколько операций для достижения поставленной цели.

Именно переход от генерации информации к выполнению задач может стать следующим этапом автоматизации интеллектуального труда.

Такая архитектура уже используется в современных разработках. В документации Сбера ИИ-агенты описываются как системы, в которых языковая модель определяет необходимые действия и инструменты, после чего анализирует полученные результаты и решает, требуется ли следующий шаг.

Для бизнеса это означает потенциальный переход от модели «сотрудник использует ИИ» к модели «ИИ участвует во всем процессе». Например, агент может получить документ, извлечь из него информацию, проверить данные в корпоративной системе, сформировать результат и передать его на следующий этап.

При этом степень самостоятельности агента должна зависеть от критичности операции. В финансовых, юридических, производственных и других ответственных процессах контроль человека остается важным элементом системы.

ИИ становится частью бизнес-модели

Еще один важный тезис Грефа заключается в том, что внедрение искусственного интеллекта нельзя ограничивать отдельным IT-проектом.

Если ИИ действительно меняет способ выполнения работы, затрагиваться могут сразу несколько уровней компании: бизнес-процессы, управление, закупки, разработка продуктов, работа сотрудников и взаимодействие с клиентами.

В Сбере, по словам Грефа, ИИ уже используется как один из элементов бизнес-модели. Компания развивает большое количество инициатив, в том числе в направлении новых агентных продуктов и инструментов для разработки программного обеспечения.

Практическое развитие этого направления видно и в технологической экосистеме Сбера: компания публикует инструменты для создания ИИ-агентов, их взаимодействия с внешними сервисами и работы с MCP-серверами.

Следующий этап — физический ИИ

Греф также связал развитие искусственного интеллекта с робототехникой. По его оценке, ближайшие годы будут связаны с созданием функциональных роботов, способных выполнять практические задачи, а в дальнейшем такие системы могут получить массовое применение.

Для промышленности, складской логистики, торговли и сельского хозяйства это особенно значимое направление. Если программный ИИ работает с информацией, то физические роботы смогут непосредственно взаимодействовать с оборудованием, товарами и окружающей средой.

Однако переход от программных агентов к физическим системам потребует решения дополнительных задач: безопасности, надежности оборудования, навигации, ответственности за действия робота и интеграции с существующей инфраструктурой.

Что это означает для предприятий

Для российского бизнеса главный практический вывод из дискуссии об ИИ заключается не в необходимости немедленно заменить сотрудников нейросетями. Гораздо важнее определить процессы, в которых автоматизация действительно способна дать измеримый результат.

В первую очередь речь может идти о работе с документами, обработке больших массивов информации, подготовке отчетов, контроле операций, клиентском сервисе, программировании и других повторяющихся интеллектуальных задачах.

При этом основой эффективного внедрения становится качество исходных данных и корпоративной инфраструктуры. Если информация хранится в разных системах и между ними отсутствует автоматический обмен, возможности ИИ будут ограничены. Поэтому для предприятий цифровизация процессов и интеграция учетных систем становятся не менее важными, чем сама нейросеть. В автоматизированной среде ИИ может анализировать данные и формировать рекомендации, а интеграционные решения обеспечивают передачу информации между учетными, складскими, маркировочными и государственными системами.

От экспериментов — к перестройке процессов

Слова Грефа отражают более широкий переход в развитии корпоративного ИИ: компании постепенно рассматривают искусственный интеллект не как отдельный сервис, а как технологический слой, который может быть встроен в повседневную деятельность.

При этом универсального сценария внедрения не существует. Для одного предприятия результатом станет автоматизация документооборота, для другого — интеллектуальное управление складом или производством, для третьего — ИИ-агент, работающий с клиентскими обращениями.

Ключевым становится последовательный подход: выбрать конкретную задачу, определить показатели эффективности, протестировать технологию, обеспечить контроль и безопасность, а затем масштабировать решение на связанные процессы.

Именно такая модель позволяет воспринимать ИИ не как модный эксперимент, а как инструмент повышения эффективности бизнеса. При этом окончательные решения о передаче тех или иных операций искусственному интеллекту должны приниматься с учетом рисков, стоимости, требований безопасности и ответственности людей за результаты.

С уважением к Вашему делу, Ника Виноградова

Источник: Lenta.ru