Корпоративный ИИ в России: от экспериментов к рабочим инструментам

Какие ИИ-решения уже действительно работают в российских компаниях? Где заканчивается эксперимент и начинается измеримая польза для бизнеса? И что сегодня важнее: выбор конкретной модели или способность встроить ИИ в корпоративные процессы?

Эти вопросы стали центральными на секции № 5 XX Конгресса «Подмосковные вечера» — «Корпоративный ИИ в России: модели, продукты и инфраструктура».

Модератором дискуссии выступил Дмитрий Иншаков (Kept). В обсуждении приняли участие Дмитрий Гуреев (Gureev.pro), Глеб Кузьмин (Яндекс) и Олег Смирнов (Эн Интеллект).

Что из ИИ уже работает, а что пока остается экспериментом

Дмитрий Иншаков (Kept) предложил участникам уйти от общего разговора о возможностях искусственного интеллекта и посмотреть на практику. Один из ключевых вопросов дискуссии звучал предельно конкретно: какие ИИ-продукты уже сейчас хорошо работают в компаниях и дают результат?

Отдельно модератор спрашивал участников о том, какие сценарии они уже используют, насколько изменились возможности локальных моделей за последние годы и где проходит граница между безопасным помощником и ИИ-агентом, которому компания позволяет совершать реальные действия внутри корпоративных систем.

Дмитрий Иншаков (Kept): «Какие ИИ-продукты хорошо работают уже сейчас? Что из того, что мы обсуждаем вокруг корпоративного ИИ, действительно можно использовать в реальных процессах компании?»

Олег Смирнов (Эн Интеллект) привел в пример работу с корпоративным документооборотом. ИИ уже можно использовать для создания и заполнения документов, аналитики, сравнения версий и поиска изменений. Причем за последние два года заметно изменились и сами локальные модели: задачи, которые раньше требовали значительных ресурсов и сопровождались большим количеством проблем, сегодня решаются значительно быстрее.

Олег Смирнов (Эн Интеллект): «Два года назад на локальных моделях можно было делать только довольно простые вещи: они работали значительно медленнее и требовали больше ресурсов. Сейчас ситуация сильно изменилась. Особенно хорошо уже работает функционал, встроенный в документооборот: создание и заполнение документов, аналитика, сравнение версий и поиск изменений».

При этом, по словам Смирнова, развитие агентных сценариев добавляет новый уровень ответственности. Пока ИИ только анализирует информацию или готовит документ, риски одни. Когда агент получает возможность самостоятельно выполнять действия во внутренних системах компании, требования к контролю становятся существенно выше.

Модель — только часть системы

Дмитрий Гуреев (Gureev.pro) выделил несколько классов задач, где ИИ уже показывает практическую ценность. Первый — работа с документами и неструктурированными входящими данными, в том числе первичный контакт с клиентом. Второй — оперативная аналитика и создание дашбордов, когда информация уже структурирована, но разбросана по разным системам. Третий — небольшие специализированные сервисы, встроенные непосредственно в рабочий процесс сотрудников.

Однако главная сложность внедрения, по его мнению, находится не столько в технологии, сколько в организации.

Дмитрий Гуреев (Gureev.pro): «Новые решения всегда несут новые риски, поэтому нужны система безопасности и управление рисками. ИИ должен быть встроен в процессы компании, а сотрудников необходимо обучать. Изменения при внедрении — это вообще не столько про технологии, сколько про то, как меняются люди. А люди меняются не так быстро».

Отдельный тезис Гуреева касался стремительной коммодитизации самих моделей. По его мнению, для бизнеса постепенно будет снижаться значение того, какая именно LLM находится «под капотом»: гораздо важнее инфраструктура, интеграции, данные и прикладные решения вокруг нее.

Дмитрий Гуреев (Gureev.pro): «Модель — это электричество. Нам не так важно, откуда берется электричество, и со временем сама модель тоже будет не так важна. Важнее вся обвязка вокруг нее. Думаю, довольно скоро мы вообще будем гораздо меньше говорить именно о моделях».

Бизнесу нужны не модели, а готовые решения

Эта мысль перекликается с презентацией Глеба Кузьмина (Яндекс). В ней он отметил несколько изменений рынка ИИ в 2026–2027 годах: компании уже получают KPI по внедрению ИИ, при этом команды не растут, бизнес все сильнее ориентируется на ROI, а времени на продолжительные эксперименты становится меньше. Вывод: рынку нужны готовые решения, инфраструктура и команды, способные внедрять их в реальные процессы, а не технология сама по себе. 

Глеб Кузьмин (Яндекс): «Бизнес фокусируется на ROI — нужны готовые решения, а не технологии. Нет времени на эксперименты: необходима готовность продукта, инфраструктуры и команды для внедрения».

В качестве примеров практического использования ИИ внутри Яндекса Кузьмин показал целый набор сценариев: от анализа документов, работы с корпоративными знаниями и подготовки материалов до разработки, аналитики и выполнения комплексных задач ИИ-агентами. В частности, 5 000 сотрудников еженедельно работают с AI-агентом Стефанией, который может брать задачи из Трекера, писать код, проводить аналитику, работать с тикетами и строить дашборды. В отдельных кейсах использование ИИ позволило ускорить разработку более чем в два раза. 

Еще один показательный пример — корпоративный ИИ-помощник для юристов. Согласно данным презентации, 75% юристов Яндекса уже используют модель, а решение помогает выполнять до 40% рабочих задач и повышать скорость выполнения юридических задач до 25%. 

ИИ становится частью корпоративной инфраструктуры

Дискуссия показала важный сдвиг: разговор о корпоративном ИИ постепенно уходит от вопроса «какая модель лучше?» к гораздо более прикладным вопросам — что именно мы автоматизируем, как интегрируем решение в существующие процессы, какой экономический эффект получаем и кто отвечает за действия ИИ.

Документы, корпоративный поиск, аналитика, работа с клиентскими обращениями, программирование и специализированные профессиональные ассистенты уже переходят из категории экспериментов в рабочие сценарии.

Следующий этап сложнее. ИИ перестает быть просто инструментом, который выдает сотруднику ответ, и превращается в агента, способного самостоятельно работать с корпоративными системами. А значит, вместе с возможностями растет значение безопасности, разграничения доступов, контроля действий и ответственности за результат.

Главный вывод секции: ценность корпоративного ИИ сегодня определяется уже не столько мощностью модели, сколько тем, насколько хорошо компания умеет встроить ее в собственные данные, процессы и инфраструктуру.