Все больше бизнесменов относятся к искусственному интеллекту не как к модной игрушке, а как к инструменту, который меняет мышление собственника и позволяет компании выживать и расти в условиях, когда привычные правила перестают работать. Мы попросили руководителей организаций из разных сфер поделиться опытом применения генеративного искусственного интеллекта (ГИИ) в рамках заочного круглого стола.
В каких процессах вы уже внедрили или планируете внедрить генеративный ИИ?
Дмитрий Мирошников, эксперт по оптимизации бизнес-процессов и развитию отделов продаж, генеральный директор Симедика РУ:
– У меня два бизнеса: компания Симедика РУ (лабораторное оборудование для ветеринарии) и консалтинг (работа с собственниками, усиление команд через бизнес-игры, внедрение ИИ). Я начал активно использовать генеративный интеллект два года назад – в тот момент, когда мир вошел в турбулентность: санкции, логистические разрывы, неопределенность будущего. ИИ стал для меня партнером, который позволяет расширять горизонты.
Где я внедрил генеративный ИИ:
1) HR и наем.
ИИ сегодня встроен в мой процесс работы с людьми на всех этапах. На старте – при создании описаний вакансий, чтобы не писать общие шаблонные тексты, а попадать в реальную боль и ценности кандидата. При найме – для перепроверки кандидатов, которые «выучили» правильные ответы для собеседований. Многие умеют красиво говорить, но в работе оказываются посредственными. Генеративный ИИ позволяет по речи и поведению выделять тревожные сигналы и находить скрытые риски. В управлении – для диагностики команд: где человек выгорел, где есть скрытый потенциал, кто готов к лидерской роли. Это помогает предвосхищать негативные сценарии, пока они не ударили по бизнесу.
2) Бизнес-процессы и регламенты. ИИ я использую для ревизии и перепроверки старых процессов. Он помогает находить слабые звенья в регламентах, предлагать новые связки, проверять, насколько процессы реально отражают логику компании. По сути, это независимый аудитор, который не боится сказать правду.
3) Финансовая и стратегическая диагностика.
Когда в 2022 году из‑за санкций и нарушения логистики компаниям приходилось выстраивать новые маршруты и искать поставщиков, у меня не было ни экспертов, ни готовых рецептов, потому что никто раньше с таким не сталкивался. Тогда я впервые использовал генеративный ИИ как инструмент стратегического анализа: строил виртуальные бизнес-модели развития ситуации, моделировал сценарии развития мировой экономики и реакции компании. Это позволило планировать на 20–30 лет вперед, а не реагировать на пожар «здесь и сейчас».
Если коммуникация с клиентом зашла в тупик, я использую ИИ для анализа его психотипа, стиля общения и мотивации. В результате можно предложить индивидуальное коммерческое предложение, текст или сценарий переговоров, который действительно срабатывает.
4) Маркетинг и коммуникация.
Генеративные модели применяю не только для создания контента (Reels, статьи, Telegram-посты), но и для диагностики клиентов. Если коммуникация с клиентом зашла в тупик, я использую ИИ для анализа его психотипа, стиля общения и мотивации. В результате можно предложить индивидуальное коммерческое предложение, текст или сценарий переговоров, который действительно срабатывает. Так восстанавливается даже утраченный контакт со сложным клиентом.
5) Бизнес-игры и обучение.
ИИ встроен в мои авторские игровые форматы. Он анализирует переговоры, фиксирует невербальные реакции и помогает выявить будущих лидеров. В одной из компаний это позволило не только повысить командную эффективность, но и за полтора месяца поднять продажи в отдельном регионе на 60%.
Мария Луговская-Корделюк, руководитель пресс-службы Красноярского государственного педагогического университета им. В.П. Астафьева:
– Пользуемся в пресс-службе вуза ИИ с 2024 года. Изначально не делали большие ставки на работу с ним, больше экспериментировали. К 2025 году появилось много качественных, работающих промтов, поэтому стали использовать ИИ для помощи в анализе конкурентов на рынке высшего образования, построения бренд-платформы, поиска информации по продвижению вузов, создании курсов по медиа-образованию.
Инна Алексеева, генеральный директор коммуникационного агентства PR Partner:
– Согласно последнему опросу VK и Prognosis, порядка 70% российских компаний уже внедрили в рабочие процессы ИИ-инструменты. Наше PR-агентство не исключение. Мы активно исследуем его возможности – от создания контента до аналитики. Например, нейронные сети помогают быстро адаптировать тексты, генерировать иллюстрации для трендовых постов, визуализировать наши идеи для коммерческих предложений и с помощью Midjourney создавать стейдж-дизайны, которые потом реализовываем. В этом деле главное – практика, поэтому наша команда проходит постоянно обучения по AL, посещает воркшопы по генеративным нейросетям. ИИ становится полноценной частью нашей работы и уже сейчас является must have инструментом в креативной команде.
Федор Степанов, эксперт в области инвестиций в коммерческую недвижимость, основатель компании «Свобода в квадрате»:
– Год назад я основал стартап Nedvision.AI, сейчас он готовится к выходу на рынок. Это искусственный интеллект с умным поиском в сфере недвижимости, который профилирует пользователя и предлагает ему объекты со всего рынка России. Все объекты анализируются с помощью наших нейронных сетей и больших языковых моделей, подобранных специально под каждого человека. Таким образом, за секунды пользователь получает доступ к тщательно подобранным объектам, проанализированным искусственным интеллектом так, как если бы их оценивал эксперт с многолетним опытом в коммерческой недвижимости.
Это как раз пример того, как генеративный искусственный интеллект используется в консервативных сферах. Стоит отметить, что большие языковые модели, которые способны размышлять и генерировать оценку и классификацию объектов, значительно увеличивают скорость принятия решений и уменьшают шум при анализе. Они обрабатывают сотни тысяч данных по каждому объекту, включая локацию с ее трафиком, парковками и количеством жителей, а также экономические данные – доходы населения, расходы и отзывы на картах. Нейросеть оценивает и генерирует отчет по объекту всего за секунды, используя алгоритмы, которые применяют эксперты в коммерческой недвижимости.
Наталия Михалева, руководитель R&D команды click.ru (Research&Development):
– Мы уже внедрили несколько продуктов с использованием генеративного ИИ. Расскажу о том, что удалось сделать:
– Агент-расшифровщик для отдела продаж.
Менеджеры отдела продаж много продают по телефону, общаются с клиентами, записи звонков хранятся в CRM. Для анализа эффективности руководитель отдела продаж раньше тратил часы на прослушивание звонков. Сделали агента, который расшифровывает записи, делает из них саммари о звонке и сохраняет комментарием в CRM. Руководитель продаж заходит и читает саммари, если видит проблемы – смотрит расшифровки и слушает звонки. Сейчас работаем над тем, чтобы агент проверял запись звонка по чек-листу, то есть проверял, все ли важные аспекты менеджер упомянул в процессе диалога. А также над тем, чтобы анализировать звонки в разрезе сотрудников, выявлять успешные модели коммуникации с клиентом и тиражировать этот опыт на других специалистов отдела.
ИИ не пишет финальные тексты – это делают копирайтеры, но ИИ дает готовую структуру: основные тезисы, какие проблемы аудитории затронуть, какие примеры привести, в каком стиле писать.
– Сервис для генерации изображений для рекламы AI Banner, позволяющий по текстовому описанию и некоторым настройкам сгенерировать изображения специально для рекламных объявлений. Сервисом пользуется отдел маркетинга, также подписка на него доступна для покупки нашим клиентам. При массовых запусках рекламных кампаний требуется много различных креативов разного формата и содержания. Раньше дизайнер рисовал руками – тратили часы и дни, теперь специалист по настройке рекламы сам генерит нужные картинки быстро и вносит правки. Свой сервис стали делать, так как большинство генеративных ИИ предлагают изображения, не подходящие для рекламы, – в них много мелких деталей, что для рекламы не очень хорошо и отвлекает внимание. Пришлось дообучить модель ИИ на генерацию именно рекламных изображений.
– Делаем прототипы новых продуктов.
Команда разработки сильно загружена основной работой, а новые продукты выпускать хочется. Последний прототип маркетплейса ИИ-моделей, ИИ-агентов и обучения в области ИИ AIHunt собрали полностью на ИИ с применением технологий вайб-кодинга, без привлечения программистов.
AIHunt решает главную боль нашей целевой аудитории – маркетологов, фрилансеров, владельцев малого бизнеса, менеджеров по продажам: слишком много ИИ-инструментов появляется каждый день, непонятно, что работает, а что нет. Интерфейсы сложные, все на английском, нет времени тестировать и сравнивать. Люди хотят готовые решения для конкретных задач, а не абстрактные статьи про «как ИИ изменит мир».
Поэтому на платформе продаем готовых ИИ-агентов для решения прикладных задач – например, агента для создания контент-планов, для анализа конкурентов, для написания продающих текстов. Плюс консалтинг и привлекаем к партнерству ИИ-интеграторов, разработчиков и инфлюенсеров в теме. По сути делаем «магазин готовых ИИ-решений» с русскоязычными интерфейсами и понятными кейсами применения.
Агенты, которые создавались для платформы, уже внедряются в соответствующие подразделения нашей компании, а сам продукт доступен рынку – получается двойная выгода.
Используем ИИ для создания текстового контента. В SMM и контент-маркетинге ИИ стал незаменимым помощником для постановки задач копирайтерам. Раньше сотрудники отдела маркетинга придумывали темы постов, искали информацию, составляли техзадания – на это уходило много времени. Сейчас ИИ анализирует тренды в нише, изучает, что публикуют конкуренты, какие темы сейчас актуальны, и на основе этого собирает детальные планы статей для блога и контент-планы для соцсетей.
ИИ не пишет финальные тексты – это делают копирайтеры, но ИИ дает готовую структуру: основные тезисы, какие проблемы аудитории затронуть, какие примеры привести, в каком стиле писать. Копирайтер сразу приступает к написанию качественного текста по готовому техзаданию, что в разы экономит время.
Для исследований ИИ тоже отлично подходит. Например, нужно изучить рынок конкурентов или разобрать кейс успешной рекламной кампании – ИИ собирает информацию из открытых источников, структурирует ее, выделяет ключевые моменты. Получается готовая аналитическая справка, которую можно использовать для принятия решений. То, на что раньше тратили дни и недели, теперь делается за пару часов.
Алексей Оносов, основатель компании «Юнисофт»:
– За последние два года искусственный интеллект перестал быть темой для разговоров «на будущее». Сегодня это инструмент, который либо помогает зарабатывать деньги, либо пожирает бюджет без отдачи. Наша компания прошла путь от первых экспериментов до серьезного внедрения.
Начали с простого – автоматизация маркетинговых процессов. Первое, что бросилось в глаза: ИИ отлично справляется с генерацией рекламных текстов для разных сегментов аудитории. Раньше наши маркетологи тратили по 3–4 часа на создание одной рекламной кампании, теперь это вопрос получаса. Персонализированные креативы, которые раньше делались вручную, теперь генерируются автоматически под каждый сегмент клиентов. Клик-рейт (кликабельность) вырос на 50% – это не маркетинговая сказка, а реальная цифра из наших отчетов. Правда, первые месяцы были, скажем так, интересными: ИИ периодически выдавал тексты, от которых хотелось смеяться или плакать.
За последние два года искусственный интеллект перестал быть темой для разговоров «на будущее». Сегодня это инструмент, который либо помогает зарабатывать деньги, либо пожирает бюджет без отдачи.
Следующим шагом стала автоматизация юридических документов. Здесь эмоции зашкаливали. Представьте: типовой договор, на который юрист тратил 2–3 часа, теперь генерируется за секунды. Конечно, финальную проверку все равно делает человек, но экономия времени колоссальная. Особенно это почувствовали при работе с крупными проектами, где нужно было подготовить десятки похожих документов с небольшими вариациями.
В дизайне продуктов тоже произошел прорыв. ИИ генерирует варианты дизайна для наших проектов, предлагает оптимизацию компонентов. Дизайнеры теперь больше времени тратят на стратегические решения, а рутинную работу по созданию вариаций делает машина. Один проект особенно запомнился – нужно было создать 200 вариантов дизайна. Раньше это заняло бы недели, с ИИ управились за день. Также разрабатываем систему персонализированного обучения сотрудников – ИИ-репетиторы, которые адаптируются под уровень и стиль обучения каждого человека.
Евгения Любко, управляющий партнер геймифицированной платформы корпоративных коммуникаций «Пряники»:
– Во-первых, используем генеративный ИИ в дизайне. До появления качественных дизайнерских ИИ-сервисов мы не могли позволить себе на постоянной основе иллюстратора, а сейчас не можем представить работу без ИИ-иллюстратора. Из забавного: пару лет назад один из клиентов возмутился, мол, а почему это вы мне прислали картинки, сгенерированные в ИИ, это мы и сами можем. Тогда мы добавили в шаблоны договоров условие, что оставляем за собой право использовать ИИ. Сейчас это уже ни у кого не вызывает вопросов, и на месте возражения «почему вы используете ИИ?» с тем же успехом могло быть возражение «почему вы рисуете в Фотошопе, а не акварелью на бумаге».
Во-вторых, в работе с текстами. У нас много экспертного контента, написанного людьми, но для рассылок, социальных сетей, статей на отраслевых площадках нужны разные форматы этого контента. ИИ помогает нам быстро взять готовую экспертизу и упаковать ее в нужный формат.
В-третьих, в разработке ПО – но не для полноценного ПО, а для быстрых мокапов (макетов). Накидал прототипчик, показал команде – быстро синхронизировались, что надо сделать в продуктивной версии.
Максим Захаренко, СЕО «Облакотека»:
– По нашему опыту, наибольший эффект ИИ дает в тех процессах, где есть много текста, рутинных коммуникаций или документов. Например, в службе поддержки, там, где сотрудники каждый день отвечают на однотипные вопросы, подбирают формулировки и проверяют корректность. Генеративные модели позволяют сразу выдавать готовый черновик ответа, а оператору остается лишь добавить нюансы. Экономия времени колоссальная.
Второе направление – работа с документацией. Генеративный ИИ можно встроить в системы, где сотрудники готовят отчеты, техзадания, описания проектов. Он не заменяет человека, но снимает барьер «чистого листа» и ускоряет рутину. То, на что раньше уходил час, сегодня реально сделать за 10–15 минут.
Есть и более стратегические вещи. Например, анализ больших массивов внутренних документов или переписки: модели умеют находить закономерности, подсказывать, где бизнес «теряет» клиента, а где можно оптимизировать процессы. В итоге руководитель видит не просто таблицу данных, а готовый обзор с инсайтами.
Генеративный ИИ можно встроить в системы, где сотрудники готовят отчеты, техзадания, описания проектов. Он не заменяет человека, но снимает барьер «чистого листа» и ускоряет рутину.
Еще одно направление, которое постепенно выходит на первый план, – помощь разработчикам. Генеративные модели ускоряют написание кода, помогают автоматизировать тестирование и даже готовят подсказки по архитектуре. В России пока этим пользуются осторожно, но потенциал огромный.
Какие у вас были ожидания относительно применения ГИИ? Оправдались ли они?
Дмитрий Мирошников:
– Я ожидал, что ИИ «развяжет мне руки» и все автоматизирует, что рутинные процессы уйдут на второй план, а работа станет легче. Реальность оказалась интереснее:
– ИИ не терпит хаотичных запросов. Если дать ему посредственную задачу, он выдаст посредственный результат. Поэтому, работая с ним, я сам научился формулировать задачи системно, структурированно. Это буквально тренажер для мозга.
– Использую ИИ как личного коуча: он помогает прокачивать мышление – стратегическое, рефлексивное, управленческое.
– Экономия времени и обострение управленческого зрения. Он не только снимает рутину, но и помогает видеть риски в найме, коммуникациях, командах.
В итоге ИИ оправдал мои ожидания и превзошел их: он стал не инструментом, а новым уровнем управленческой оптики.
ИИ не терпит хаотичных запросов. Если дать ему посредственную задачу, он выдаст посредственный результат. Поэтому, работая с ним, я сам научился формулировать задачи системно, структурированно.
Это буквально тренажер для мозга.
Федор Степанов:
– Ожидания от нашего продукта самые положительные. Мы рассчитываем, что наш ИИ значительно упростит жизнь инвесторов и увеличит скорость принятия решений. Тесты показывают, что это действительно так: нейронные сети научились мгновенно оценивать и классифицировать объекты с высокой точностью. Применение искусственного интеллекта полностью оправдано.
Наталия Михалева:
– Ожидания по проектам полностью оправдались. В типовых рутинных задачах ИИ экономит дни и недели работы и позволяет сильно ускориться за счет делегирования такого рода рутины. ИИ не может ничего придумать за сотрудников, но совершенно точно способен ускорить то, что они умеют делать хорошо. Предыдущий продукт мы делали больше года, с ИИ справились за месяц. В продажах освободили руководителя от прослушивания звонков – от 3 часов в день до часа раз в неделю. Освободили дизайнера от изготовления рекламных креативов полностью и переключили на другие, более творческие задачи, снизили нагрузку на копирайтеров. Экономия существенная.
ИИ не может ничего придумать за сотрудников, но совершенно точно способен ускорить то, что они умеют делать хорошо.
Алексей Оносов:
– Ожидания были завышенными. Мы думали, что ИИ решит все проблемы одним махом. На практике оказалось – технология отлично справляется с автоматизацией рутины, но стратегические задачи пока ей не по зубам. Прогнозирование, о котором я упоминал, работает нестабильно. ИИ может анализировать тысячи переменных, но рыночную интуицию и понимание контекста заменить не может.
Качество контента действительно выросло. ИИ генерирует более релевантные тексты, чем среднестатистический копирайтер, но без человеческого контроля получается безликая масса слов. Эмоциональная составляющая, живые примеры, нестандартные решения – это все еще прерогатива человека.
ИИ может анализировать тысячи переменных, но рыночную интуицию и понимание контекста заменить не может.
Евгения Любко:
– Использование ИИ у нас не проектное, а уже встроено в ежедневные процессы. И надо отметить: если год-два назад качество генераций еще вызывало много вопросов, казалось, что человек справляется лучше, то сегодня использование ИИ дает колоссальный прирост к эффективности человека. Заменит ли ИИ живых сотрудников? Нет. Но в нашем случае он делает их супер-сотрудниками.
Приведу пример. Мы развиваем и внедряем HRTech-платформу для среднего и крупного бизнеса. Для демонстраций ПО клиентам у нас есть демо-стенд, где воспроизведена виртуальная команда сотрудников, которая «живет» в нашем ПО – что‑то вроде симуляции использования продукта выдуманной командой. Так вот, 100% изображений – аватарок, иллюстраций, фонов – сгенерировано с использованием ИИ. Но без человека это не было бы возможным – и из трех сотен генераций, полученных от ИИ, в работу пошли 50 самых лучших, бережно отобранных человеком. При этом, имея уже готовую коллекцию иллюстраций, выполненных в едином стиле, и их промпты, нам нет необходимости на настройку каждой новой функции привлекать дизайнера – менеджер, ответственный за актуальность демо-стенда, самостоятельно создает иллюстрации «по образу и подобию» и использует их для настройки новых функций ПО.
Максим Захаренко:
– Когда разговоры о генеративном ИИ только набирали обороты, ожидания у бизнеса были очень высокие. Казалось, что вот-вот появится «цифровой сотрудник», который будет сам вести переговоры, писать код и готовить презентации. Практика, как всегда, оказалась скромнее и честнее.
Мы подошли к этому без иллюзий. Главный запрос был на ускорение работы и снижение рутины, а не на полную замену людей. И здесь ИИ оправдал себя. В тех же сервисных процессах время подготовки типовых ответов сократилось в разы. Да, окончательное слово остается за человеком, но уровень автоматизации уже дает экономию ресурсов.
Генеративный ИИ оправдал ожидания там, где речь шла о скорости, структурировании и «разгрузке» сотрудников. Но он точно не стал магическим инструментом, который делает все сам.
В документации и аналитике эффект получился еще более заметный. Если раньше сотрудники откладывали «бумажную работу» на потом, то теперь с помощью генеративных моделей они делают это быстрее и охотнее. В результате у руководителей появились более полные и структурированные отчеты, которые помогают принимать решения.
Любопытно, что иногда ИИ приносил неожиданные результаты. Например, он предложил нестандартное решение по оптимизации клиентских запросов, которое не лежало на поверхности. Конечно, бизнесу приходится фильтровать такие инсайты, но в целом это стало дополнительным источником идей.
Если подытожить: генеративный ИИ оправдал ожидания там, где речь шла о скорости, структурировании и «разгрузке» сотрудников. Но он точно не стал магическим инструментом, который делает все сам. По сути, именно это и есть реалистичный результат – инструмент, а не чудо.
С какими сложностями вы столкнулись при внедрении ГИИ?
Дмитрий Мирошников:
– Первая сложность связана с перестройкой мышления собственника и топов. Мы привыкли работать «на ходу»: сказал – и команда поняла. С ИИ так не получится: ему нужны точные рамки, ясные вводные и системные вопросы. Это требует изменения привычек руководителя. Вторая – сопротивление сотрудников. Многие боялись: «ИИ заменит нас». Но я объяснял: это не про замену, это про освобождение от перегруза. Человек становится ценнее, когда ИИ снимает с него рутину и высвобождает время для творчества и стратегических задач. Третья – качество данных. Генеративный ИИ иногда выдает «галлюцинации». Поэтому мы ввели протокол: проверять ответы через несколько источников и адаптировать под отрасль.
Человек становится ценнее, когда ИИ снимает с него рутину и высвобождает время для творчества и стратегических задач.
Мария Луговская-Корделюк:
– Основная сложность была и остается в достоверности информации. Для работы в узком сегменте важно, чтобы уровень экспертности участников общения с ИИ был высокий, например, студента за такую работу не посадишь. Текст тоже не напишешь, получается шаблонно, что может пригодиться только для официальных релизов. Еще одно время было модно генерировать картинки, сейчас это дурной тон в нашей сфере, поэтому больше используем ИИ для аналитики, где результат получается хороший: можно практически мгновенно получить полную картину по конкурентам и их социальным сетям, сайтам. Хорошо получается составлять программы для образовательных курсов для конкретной целевой аудитории, делать медиа-киты для экспертов вуза.
Федор Степанов:
– Во-первых, количество данных о рынке России, которые мы можем получить для наших систем искусственного интеллекта, ограничено. Это связано с высокими затратами на получение информации. Во-вторых, в России не хватает специалистов по искусственному интеллекту, что приводит к высоким ценам на разработки.
Наталия Михалева:
– В процессе внедрения ГИИ мы столкнулись с двумя основными сложностями:
✓ Процессное управление. Как и при любой другой автоматизации, сначала нужно понять и описать процесс. У нас обычный бизнес, в котором работает много людей – еще и творческих. Процессы не зарегулированы и не задокументированы на 100%, многое держится в головах сотрудников как «мы всегда так делаем». Поэтому перед применением ИИ приходится по сути становиться бизнес-аналитиком: садиться с сотрудником, разбирать пошагово, как он решает задачу, что делает в первую очередь, что во вторую, на что обращает внимание, какие критерии использует для принятия решений.
ИИ требует очень конкретных инструкций, их кто-то должен придумать и постоянно дорабатывать.
Например, с агентом-расшифровщиком звонков – казалось бы, простая задача. Но когда начали разбираться, оказалось, что руководитель продаж не просто слушает записи. Он обращает внимание на интонации, на паузы, на то, в какой момент клиент начинает сомневаться, как менеджер отрабатывает возражения. Все это нужно было перевести в четкие инструкции для ИИ: на что обращать внимание в диалоге, какие фразы клиента считать положительными сигналами, какие тревожными. ИИ требует очень конкретных инструкций, их кто‑то должен придумать и постоянно дорабатывать.
Чтобы внедрить генеративный ИИ в свои процессы, нужно хорошо понимать процесс изнутри, иметь навык его декомпозиции и формализации. Без этого ИИ будет работать плохо или вообще не будет работать.
✓ Вовлеченность сотрудников. Энтузиастов среди команды действительно мало, готовых экспериментировать с ИИ – тоже. Многие сотрудники воспринимают генеративный ИИ как нечто сложное и непонятное или, наоборот, как угрозу для своей работы. Столкнулись с тем, что люди боятся, что ИИ их заменит, хотя на практике он просто берет на себя рутину и освобождает время для более интересных задач. Например, дизайнер, которого мы освободили от рисования рекламных креативов, сначала переживал, что станет не нужен. А сейчас занимается брендингом и более сложными творческими проектами – стал только больше цениться в команде.
Поняли, что, если просто дать доступ к ИИ и сказать «пользуйтесь» – ничего не произойдет. Нужно продумать способы встраивания в ежедневную работу, выдать четкие инструкции, показать конкретные примеры. Проводим внутренние воркшопы, где показываем, как правильно составлять промпты для разных задач. Назначили в каждом отделе «амбассадора ИИ» – человека, который первым пробует новые инструменты и потом обучает коллег. Генеративный ИИ – пока еще поле для экспериментов, готовых коробочных решений мало, нужно изобретать с нуля, пробовать, ошибаться, и так по кругу. Не всем подходит такой путь, но, если человека правильно ввести в процесс, результат получается отличный.
Алексей Оносов:
– Без проблем не обходится. Искусственный интеллект умеет врать так, что специалисты со стажем ведутся. И врет красиво, с деталями, ссылками на несуществующие исследования. Помню случай: ИИ выдал подробную справку о потенциальной компании-партнере, с адресами, телефонами, историей развития. Все выглядело солидно. Хорошо, что привычка перепроверять информацию никуда не делась – компании, оказалось, не существует вовсе. Теперь правило железное: каждый факт проверяется из нескольких источников, даже если выглядит очевидным.
С данными вообще отдельная история. Загружаешь в сервис коммерческую информацию, а потом думаешь – а где эти данные сейчас? Кто их видел? Для чего использует? Гарантий никто не дает. Пришлось менять всю систему работы с конфиденциальными материалами. Теперь у нас есть четкий список того, что можно доверить машине, а что – только живому человеку. Параноидально? Может быть. Но сон спокойнее.
Очень непросто понять, где ИИ нужен, а где не очень. Машина может делать многое, но не везде это оправдано. Бывает, проще и быстрее решить задачу по старинке. Месяцами экспериментировали, пробовали разные сценарии использования. Где‑то получалось отлично, где‑то создавали себе лишние проблемы.
Выход нашли через последовательность и осторожность. Каждое нововведение тестируем на небольших проектах. Смотрим, как работает, что нужно поправить. Собрали смешанную команду – технари плюс эксперты в предметной области. Машина предлагает, человек решает. Звучит банально, но работает.
Евгения Любко:
– ИИ работает по принципу «как задачу поставишь, так тебе ее и выполнят». Поэтому ключевая сложность во всех сценариях заключалась в том, чтобы найти с ИИ общий язык. Не просто в промптинге и использовании популярных правил их составления, а в том, чтобы найти такие слова, такую структуру, такие детали, которые бы позволили решить задачу идеально не в общем случае, а для нас. Иногда это требовало многоходовой калибровки вопросов, но зато потом инструмент начинает работать на тебя – инвестиции окупаются х1000.
Или, например, невозможность работать с русским текстом в дизайнерском ИИ. Но это то препятствие, которое нейросети очень быстро преодолевают. ChatGPT уже умеет генерировать русские фразы без ошибок, скоро и другие подтянутся. Хотя у других пока и с латинскими не все в порядке. Как‑то раз нам надо было для клиента сгенерировать буквы «HR» в определенном стиле. Получилось попытки с десятой. Но получилось в итоге очень круто!
Максим Захаренко:
– Любая новая технология приходит в бизнес не гладко, с генеративным ИИ это правило работает на все сто. Первое, с чем мы столкнулись, – качество выдачи. Алгоритм может уверенно написать красивый текст, но при этом ошибиться в фактах или запутаться в формулировках. Если не выстроить систему проверки, такие «галлюцинации» могут дорого стоить. Мы решили эту задачу через двойной контроль: сначала модель готовит черновик, затем его обязательно просматривает специалист. Да, это оставляет часть нагрузки на людей, но зато гарантирует точность.
Вторая сложность – безопасность данных. Когда речь идет о корпоративных документах или внутренних переписках, отправлять их в публичные сервисы ИИ никто не готов. Пришлось искать решения, где модели можно развернуть локально или через доверенных провайдеров. Мы активно экспериментируем с закрытыми контурами, чтобы гарантировать, что данные клиентов не «утекут» за пределы периметра.
Третья проблема – сопротивление сотрудников. Не все сразу готовы довериться инструменту, который «пишет вместо тебя». Кто‑то боится, что его заменят, кто‑то не верит в качество. Здесь помогли обучение и честный разговор: ИИ – это ассистент, а не конкурент. Как только люди почувствовали реальную пользу (например, экономию пары часов в день), барьер недоверия постепенно ушел.
Ну и, конечно, есть технические нюансы: интеграция в существующие системы, настройка интерфейсов, оптимизация скорости работы моделей. Это требует времени и ресурсов, но оно того стоит, если заранее понимать, где технология принесет эффект.
Какие риски использования ГИИ вы видите?
Дмитрий Мирошников:
– Я бы отметил три риска:
• Иллюзия знаний. Руководитель может расслабиться и начать полностью доверять ИИ. Это опасно: машина думает статистически, а не стратегически.
• Утечка данных. Использование открытых моделей без контроля – риск потерять коммерческую информацию.
• Подмена лидерства. Если собственник начинает прятаться за ИИ, а не развивать свое мышление, он теряет авторитет и перестает быть лидером.
Нужно понимать: генеративный ИИ – не про «ускорить тексты» и «заменить сотрудников». Это зеркало для собственника. Оно показывает, где у вас хаос, где слабые места, и заставляет меняться самому. ИИ научил меня главному: в хаосе выигрывает не тот, у кого больше ресурсов, а тот, кто умеет задавать правильные вопросы.
Генеративный ИИ – не про «ускорить тексты» и «заменить сотрудников». Это зеркало для собственника. Оно показывает, где у вас хаос, где слабые места, и заставляет меняться самому.
Инна Алексеева:
– Важно разбираться в юридических аспектах, особенно в вопросах авторского права и конфиденциальности данных. Чтобы минимизировать риски, мы разработали внутренние гайдлайны и внедрили систему валидации контента.
С одной стороны, это действительно сократило время на подготовку материалов, а некоторые тексты почти не требуют правок. С другой – без человеческого контроля нейросети иногда выдают шаблонные или неточные формулировки. По этой причине мы делаем ставку на гибридную модель, где ИИ – вспомогательный инструмент, а не полная замена экспертов.
Федор Степанов:
– Иногда размышления ИИ могут отклоняться от алгоритмов. Поэтому необходим постоянный контакт с разработкой и корректировка мышления, а также баз данных, используемых искусственным интеллектом. Нельзя просто отдать процесс подбора недвижимости искусственному интеллекту и забыть о нем. Нужно постоянно контролировать результаты и точность его работы, чем мы активно занимаемся в нашей компании.
Наталия Михалева:
– Со своей стороны риски пока видим минимальные, так как правовой базы в этой области пока маловато, а качество сгенерированных результатов по нашему опыту напрямую зависит от навыков человека, который работает с генерацией, и его опыта работы с генеративным ИИ. Скорее, видим некоторый вызов. Инструментов очень много, они обновляются с огромной скоростью, появляются новые. Неэффективно и недальновидно продолжать считать на счетах, когда появился калькулятор. То же самое с генеративным ИИ.
По опыту работы с генеративным ИИ – качество результата напрямую зависит от качества инструкций и насколько хорошо ты понимаешь процесс изнутри. Поэтому везде выстроили систему проверок. В агенте-расшифровщике менеджер продаж может посмотреть оригинальную запись, если саммари показалось странным. В AI Banner всегда генерируем несколько вариантов изображений, чтобы было из чего выбрать, плюс маркетологи все равно проверяют результат перед запуском рекламы. С кодом тоже не пускаем все на самотек – ИИ пишет код, но программисты его проверяют и тестируют. Главное правило – ИИ ускоряет процессы, но финальная ответственность за результат остается за человеком. Пока что это работает надежно, хотя понимаем, что с развитием технологий подходы к контролю качества тоже будут меняться.
Алексей Оносов:
– Ошибка ИИ в договоре может стоить миллионы. В медицине измеряется в человеческих жизнях. Поэтому слепое доверие исключено. Любой результат проходит человеческий контроль.
Хакеры тоже не дремлют. ИИ помогает им создавать более убедительные атаки. Письма-приманки стали не отличимы от настоящих. Подделки видео и аудио достигли пугающего качества. По статистике, большинство экспертов по информационной безопасности связывают рост киберпреступности именно с развитием ИИ. Морально-этическая сторона не менее сложна. Алгоритмы могут быть предвзятыми, дискриминационными. Могут нарушать чьи‑то права. Нужен постоянный мониторинг, анализ результатов.
За несколько лет интенсивной работы с нейросетями сделал вывод: прогресс идет быстрее, чем мы успеваем его переварить. Тот, кто найдет золотую середину между новыми возможностями и здравым смыслом, тот и выиграет в долгосрочной перспективе.
Евгения Любко:
– В первую очередь, фактчекинг, особенно в отношении цифр. Мы много работаем с исследованиями, аналитикой, и чистота данных для нас важна. ИИ часто галлюцинирует в этой части, поэтому все, что он выдает по цифрам в стиле «британские ученые доказали…», у нас принято перепроверять.
Во-вторую, искушение не включать собственный мозг – «сойдет и так», «ИИ знает лучше». Нет, не лучше. И держать дисциплину собственного мышления совершенно необходимо.
Ошибка ИИ в договоре может стоить миллионы. В медицине измеряется в человеческих жизнях. Поэтому слепое доверие исключено. Любой результат проходит человеческий контроль.
Максим Захаренко:
– Первый и самый очевидный – риск ошибок. Алгоритм не понимает смысл так, как человек, он лишь строит вероятностные цепочки слов. Поэтому иногда на выходе мы получаем красиво написанную ерунду. Если положиться на нее без проверки, последствия могут быть неприятными – от ошибок в документах до потери репутации.
Второй риск связан с утечкой информации. В ситуации, когда модель обучается на пользовательских запросах, всегда есть шанс, что часть данных может оказаться за пределами компании. Для нас в Облакотеке этот вопрос стоит особенно остро, поэтому мы используем только те сценарии, где можем контролировать хранение и обработку данных.
В ситуации, когда модель обучается на пользовательских запросах, всегда есть шанс, что часть данных может оказаться за пределами компании.
Есть и более широкие риски – организационные и даже культурные. Например, опасность «переоценки» ИИ: когда сотрудники начинают надеяться, что система все сделает за них. Это приводит к снижению критического мышления и качества работы. Наша задача – встроить ИИ так, чтобы он помогал, но не подменял профессиональную экспертизу.
И наконец, стратегический риск – зависимость от технологии. Если бизнес строит процесс целиком на ИИ, он становится уязвим к изменениям в регулировании, политике поставщиков или просто к техническим сбоям. Поэтому важно всегда иметь «план Б» и держать баланс между автоматизацией и человеческим участием.
При этом я смотрю на перспективы с осторожным оптимизмом. Риски можно контролировать, если подходить к внедрению без фанатизма и иллюзий. Генеративный ИИ не волшебная палочка, но это инструмент, который уже сейчас помогает бизнесу быть быстрее и гибче, а значит, отказываться от него точно не стоит.
Алена Бехметьева
