Вебпрактик AI | Корпоративный ИИ

🗯️ #ПятничныйКейс с Сергеем Калюжным

Как компания Showroomprivé получила +20% к онлайн-конверсии за счёт разговорного ИИ в туристическом разделе

Showroomprivé — европейский гигант флеш-распродаж с 25 млн участников и оборотом 1 млрд+ €. Платформа предоставляет эксклюзивный доступ к товарам ведущих брендов в сфере моды, красоты и туризма, однако время действия этих предложений строго ограничено.

Проблема

Начали с туристического раздела — самого многопараметрового на платформе. У каждого «товара» здесь одновременно есть дата, цена, наличие, география, состав и дедлайн. Каталог слишком большой и слишком динамичный для обычного поиска.
Покупатели терялись и уходили именно в момент наибольшей готовности к покупке.

Что сделала платформа Kleio?

Вместо того чтобы улучшать фильтры, они решили проблему на уровне данных в два шага:

Шаг 1. Knowledge Engine.
Это специализированная инфраструктура, которая объединяет три потока в единый логический слой: наличие товаров в реальном времени, ценовые ограничения и взаимосвязи между продуктами. Каталог перестал быть статичным набором карточек — он стал живым, интеллектуальным интерфейсом.

Шаг 2. Agentic Orchestration.
Заработала система, которая управляет всем процессом покупки от начала до конца:
- Определяет намерение покупателя через естественный язык,
- Находит точное, персонализированное предложение под запрос среди тысяч динамически меняющихся вариантов,
- Отвечает на конкретные вопросы о продукте,
- Плавно сопровождает пользователя до оформления заказа.

Внедрение заняло всего несколько недель.

Результат

+20% онлайн-конверсий
Значительно выросли просмотры карточек товаров
Зона отказов превратилась в одну из лучших точек конверсии платформы

Почему это работает

Человек плохо справляется с многопараметровым выбором — это известная особенность когнитивной психологии. Обычный фильтр перекладывает эту работу на покупателя. Агент берёт её на себя: понимает контекст, сужает варианты и ведёт к решению, значительно повышая уровень персонализации сервиса. Чем сложнее каталог, тем сильнее эффект.

Вебпрактик AI | Корпоративный ИИ

Иллюзия контроля: почему бизнес внедряет ИИ без измеримого результата

По данным аналитики от Контура, более 50% российских компаний уже получают экономический эффект от искусственного интеллекта. Эти цифры были получены в ходе опроса более 1000 представителей среднего и крупного бизнеса — от тимлидов до топ-менеджеров. Но когда их попросили уточнить, в чем именно выражается этот эффект, ответы показали реальную стадию развития рынка.

Часть бизнеса уже способна оцифровать выгоду от внедрения алгоритмов:

- 14% компаний зафиксировали снижение операционных расходов;
- 8% сократили затраты на внешних подрядчиков;
- 6% оптимизировали численность сотрудников.

При этом значительная часть корпораций вообще не использует финансовые метрики:

- 24% (самый популярный ответ) — результат уже видят, но в деньгах его пока не считали;
- 11% — честно признались, что никак не измеряют результативность работы нейросетей.

Получается, что 35% компаний запускают ИИ-проекты фактически вслепую, опираясь исключительно на субъективные ощущения менеджмента.

Бизнес научился быстро запускать пилоты, но инструменты корпоративной аналитики пока отстают. Интеграция алгоритмов без привязки к жестким финансовым метрикам оставляет их в статусе абстрактной инновации. И оценить реальный вклад нейросетей в архитектуру компании, а также обосновать бюджеты на их развитие без оцифрованного KPI довольно сложно.

Вебпрактик AI | Корпоративный ИИ

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик

Наткнулся на Хабре на статью про «бумеранговый найм» — это когда компании возвращают сотрудников, которых сами же уволили ради ИИ. Хочу поделиться своим взглядом на эту историю.

Данные исследований говорят сами за себя:
- 95% компаний пока не видят ощутимой отдачи от GenAI-инициатив (MIT, 2025).
- На каждый доллар экономии от сокращений приходится $1,27 скрытых расходов: выходные пособия, потеря продуктивности, удар по бренду работодателя (Orgvue).
- 55% руководителей, которые сокращали людей «под ИИ», позже об этом пожалели.

Почему так происходит? Потому что многие руководители смотрят на ИИ как на инструмент оптимизации затрат — убрать людей, снизить ФОТ, отчитаться перед советом директоров о «цифровой трансформации».

Это понятная логика. Но она неправильная.

Правильный вопрос звучит иначе: не «кого заменить на ИИ», а «как с помощью ИИ вырасти быстрее конкурентов».

Компания, которая использует ИИ для масштабирования производительности — обрабатывает в 3 раза больше заявок той же командой, выводит продукты на рынок в 2 раза быстрее, открывает новые направления без пропорционального роста штата — получает конкурентное преимущество, которое очень сложно нагнать.
Компания, которая просто сокращает людей, получает временную экономию и потом нанимает тех же людей обратно, но уже дороже.

Мы в «Вебпрактик AI» видим это на практике. Самые интересные проекты — не там, где клиент хочет «убрать колл-центр», а там, где он хочет «обслуживать в 5 раз больше клиентов той же командой» или «выйти в новый регион без найма».
ИИ-трансформация — это не про сокращение. Это про рост.

Кто сделает это быстрее конкурентов — заберет долю рынка. Кто будет ждать — будет нанимать обратно уволенных сотрудников по завышенным ставкам.

Вебпрактик AI | Корпоративный ИИ

Как ИИ помогает извлекать деньги из мусора: кейс переработки алюминия в США

На фоне геополитических конфликтов цены на алюминий достигли максимумов, так как около 10% этого металла производится в регионе Персидского залива. В США значительная часть спроса традиционно закрывается за счет вторичной переработки. Однако, по данным Агентства по охране окружающей среды страны, сегодня извлекается лишь 20% алюминия из общих отходов.

Как отмечают эксперты, даже в городах с успешными программами сортировки половина алюминия просто теряется на свалках, не попадая в переработку. Именно в этот разрыв между ценой сырья и неэффективностью ручной сортировки сейчас интегрируются ИИ-технологии.

Рынок предлагает разные модели автоматизации. Стартап Sortera, недавно открывший новый завод в Теннесси, сфокусировался на узкой задаче — классификации лома. Их система использует лазеры, камеры и рентгенофлуоресцентный анализ. Данные с сенсоров передаются алгоритмам, которые классифицируют каждый кусок лома размером со спичечный коробок по конкретному сорту алюминия. Такая точность позволяет компании продавать сырье с более высокой маржинальностью.

Другой подход выбрала компания Amp Robotics. Ее система встраивается в общие конвейеры с мусором и работает на базе компьютерного зрения с обычными и инфракрасными камерами. Алгоритм распознает материалы (от фольги до оберток), а роботизированные манипуляторы и пневматические устройства расфасовывают их по корзинам с точностью более 90%.

В этом кейсе алгоритмы напрямую меняют экономику физического производства. Когда ИИ связывается с оптикой и роботизированными манипуляторами, обычные заводы по переработке мусора превращаются в стратегических поставщиков критически важного сырья для всей металлургии. Выигрывают те компании, которые перестают полагаться на ручной труд и перестраивают архитектуру своих конвейеров под интегрированные ИИ-решения.

Вебпрактик AI | Корпоративный ИИ

Экономика умной верфи: как ИИ перестраивает архитектуру судостроения

Строительство современного коммерческого судна объединяет работу сотен поставщиков и требует сборки миллионов деталей. Управлять производством такого масштаба в условиях глобального дефицита инженеров старыми методами больше невозможно. Поэтому отрасль переходит к модели Smart Shipyard («умная верфь»), где алгоритмы становятся базовым элементом производственных процессов.

Экономика этой трансформации хорошо просчитана. По данным McKinsey, внедрение промышленной аналитики и ИИ позволяет:
- снизить простои оборудования на 30–50%,
- уменьшить расходы на обслуживание техники на 10–40%,
- сократить производственные потери на 15–20%.

Ключевым инструментом цифровизации стали цифровые двойники. Виртуальные модели судов и линий, по данным Siemens, сокращают время вывода продукции на рынок до 50% и радикально снижают количество инженерных ошибок. Технологию применяют для всего производственного цикла: алгоритмы берут на себя планирование строительства, контроль поставок и анализ загрузки мощностей.

Крупнейшие игроки уже внедряют ИИ на уровне корпоративной архитектуры. Проект «Верфь будущего» от HD Hyundai нацелен на сокращение сроков постройки на 30% и рост производительности до 40%. Samsung Heavy Industries делегировала контроль качества системам компьютерного зрения — они автоматически выявляют дефекты сварки. Европейские Fincantieri и Navantia интегрируют проектирование, роботизированные линии и работу с Big Data в платформы управления жизненным циклом судов.

Еще один понятный сценарий внедрения — предиктивное обслуживание. ИИ непрерывно анализирует вибрации, температуру и нагрузку станков. По оценкам IBM, прогнозирование поломок до их наступления сокращает аварийные остановки в два раза.

Оценки MarketsandMarkets показывают, что мировой рынок промышленного ИИ скоро превысит 190–200 млрд долларов, а тяжелая промышленность и судостроение станут его главными потребителями.

Как отмечает Александр Виговский (HK Marline Trading Ltd), судостроение превращается из исключительно производственной отрасли в бизнес по управлению данными и цифровой кооперации.

Конкуренцию здесь теперь выигрывают не за счет масштабирования цехов, а благодаря мультиагентным системам, способным связать предиктивный ремонт, контроль сварки и логистику сотен подрядчиков в единый предсказуемый конвейер.

Вебпрактик AI | Корпоративный ИИ

Как «Самолет» сэкономил 200 млн рублей за год с помощью ИИ

Группа «Самолет» поделилась первыми результатами своей программы «ИИ-амбассадоров». С начала 2025 года компания реализовала восемь ИИ-решений, которые принесли около 200 млн рублей экономического эффекта в год. И самое показательное в этом кейсе — за счет чего именно девелопер получил эту цифру.

Из заявленных 200 млн рублей львиную долю (180 млн) принесли всего два процесса. Первый — автоматизация выдачи заказов на экспертизы договоров. Время их обработки сократилось с 4 часов до 10 минут в день, что дало 50 млн рублей экономии.

Второй кейс — внедрение системы оптического распознавания документов (OCR) для юридического отдела. Алгоритм, развернутый в закрытом контуре компании, автоматически разбирает иски, освобождая до 30% времени юристов и экономя бизнесу 130 млн рублей.

Это отличный пример того, как ИИ работает в реальном корпоративном секторе. Основную ценность приносят не генеративные чат-боты, а мультиагентные системы, встроенные в базовые рутинные процессы.

Вебпрактик AI | Корпоративный ИИ

4️⃣5️⃣% — столько российских компаний внедряют искусственный интеллект, но не закладывают бюджет на защиту этих решений.

Данные с конференции ЦИПР-2026 хорошо показывают текущую стадию работы рынка с технологиями. Около 80% крупного бизнеса уже пустили ИИ в свои процессы: от аналитики до корпоративных баз знаний. При этом формализованные правила безопасности для работы с алгоритмами есть только у четверти организаций.

Когда компания открывает алгоритмам доступ к внутренним документам и клиентскому сервису, старые методы контроля перестают работать. Эффективное внедрение сегодня требует перехода к мультиагентным системам, где каждый элемент глубоко встроен в бизнес-процессы и имеет четко ограниченный уровень доступа.

Руководители видят потенциальные угрозы: 80% опрошенных опасаются утечек данных, а 60% — ошибок алгоритма. При этом безопасность — не барьер для инноваций, а часть корпоративной архитектуры. Затраты на защиту и оценку стоимости возможных ошибок имеет смысл планировать еще на этапе запуска пилотов, выстраивая контроль за ИИ так же системно, как и за остальной инфраструктурой.

Вебпрактик AI | Корпоративный ИИ

💭 #ПятничныйСтек с Иваном Поддубным, CTO «Вебпрактик»

На Хабре вышла большая статья с разбором плюсов локальных моделей в корпоративном контуре. Автор подробно разбирает, почему выбор между on-premise и облаком — это не только вопрос приватности, но и управляемости.

Хороший материал, который подсвечивает важные, но не всегда очевидные аспекты именно локального разворота моделей.

Один из недооцененных плюсов в последнее время — уверенность в стабильности качества своих моделей на фоне внешних закрытых систем. Сейчас все поставщики живут в условиях дефицита вычислительных мощностей, поэтому многие начинают подозревать их в «подкапотных» оптимизациях при пиковых нагрузках. Есть риск, что часть запросов втихую обрабатывается более легкими моделями с потерей качества, а уличить в этом вендора невозможно из-за недетерминированности самих ответов. В пользу этой теории говорит недавний запуск программы гарантированных мощностей от OpenAI, а также многочисленные жалобы на то, что новые флагманские модели часто ведут себя слабее предшественников.

Из более очевидных плюсов: приватность, безопасность и независимость от внешних систем, а также от корректировок ценовой политики, которая диктуется инвесторскими циклами вендоров.

Но экономику нужно считать всегда. Возможно, сейчас капитальные вложения в собственную инфраструктуру для вас избыточны, а часть вопросов безопасности можно закрыть «умным» proxy, который будет анонимизировать и деанонимизировать трафик.

А иногда это и есть осознанная стратегия — пока вендоры демпингуют и борются за рынок, бизнесу выгоднее сидеть на дешевых токенах и подписках, отложив вложения в свою инфраструктуру.

Вебпрактик AI | Корпоративный ИИ

ИИ ломает кадровый конвейер: почему экспертиза скоро может стать дефицитом

Публикация Bloomberg подсвечивает структурную проблему, с которой уже начинает сталкиваться крупный бизнес при масштабировании ИИ. Опрос Oliver Wyman показал: более 40% CEO планируют в ближайшие два года сократить позиции уровня junior, делая ставку на опытных сотрудников (middle и senior).

Кажется, что это логичный шаг: алгоритмы забирают на себя базовые задачи, а опытным специалистам достается только то, с чем ИИ пока не справляется — сложная аналитика, контроль качества и принятие управленческих решений. Однако для бизнеса, который активно автоматизирует свои процессы, здесь кроется долгосрочный риск.

Искусственный интеллект действительно делает сеньоров более востребованными — именно они сегодня нужны, чтобы проектировать архитектуру, управлять алгоритмами и отвечать за итоговый результат. Но отказываясь от массового найма джуниоров, корпорации фактически ломают систему подготовки кадров.

Радуясь быстрой экономии сегодня, бизнес забывает, что завтрашним управленцам будет просто неоткуда взяться. Компании, которые сейчас бездумно автоматизируют функции младших специалистов, скоро будут вынуждены придумывать новые способы выращивать сеньоров без классической школы базовой рутины. Это лишний раз подтверждает: внедрение ИИ — это не просто закупка софта, а полная перестройка корпоративных ролей.

Вебпрактик AI | Корпоративный ИИ

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик

Сбер и Red Mad Robot объявили о создании единых стандартов AI-нативной разработки для корпоративных процессов.

Новость отличная. Мы в «Вебпрактик AI» искренне рады, что отрасль искусственного интеллекта в России развивается так стремительно. Попытка создать общие стандарты и лучшие практики — это важный и своевременный шаг для всего рынка. Когда правила игры становятся понятными, внедрять инновации в крупный бизнес становится проще и безопаснее.

Но здесь есть один критически важный момент.

Создавая собственные стандарты, нам нельзя замыкаться в себе. Важно, чтобы мы опирались на передовой мировой опыт. AI-технологии развиваются глобально, и лучшие решения рождаются там, где есть открытость к мировым практикам. Если мы хотим строить по-настоящему конкурентоспособные продукты, наши внутренние стандарты должны быть синхронизированы с тем, как это делают лидеры индустрии во всем мире.

В «Вебпрактик AI» мы как раз придерживаемся такого подхода: берем лучшие мировые практики и адаптируем их под реалии российского корпоративного сектора.

Буду рад обсудить в комментариях: как вы считаете, возможна ли полная стандартизация AI-разработки уже сейчас, или рынок еще слишком молод для жестких рамок?

Вебпрактик AI | Корпоративный ИИ

Интересную параллель в осмыслении процесса внедрения ИИ в корпорациях предложил Fast Company в колонке об архитектуре бизнеса. Автор Энрике Данс сравнивает текущую волну интереса к ИИ с эпизодом BPR (Business Process Reengineering) в 1990-х годах. Тогда корпорации тоже пытались радикально перестроить свою работу вокруг новых ИТ-систем, но большинство инициатив с треском провалились.

Причина была в негибкости инфраструктуры того времени — автоматизация часто сводилась к банальному «делать старые ненужные шаги, только быстрее». Сегодня мы рискуем повторить ту же ошибку: сверхумные и гибкие алгоритмы утыкаются в негибкие, аналоговые процессы.

Большая часть рабочих цепочек по-прежнему строится вокруг людей, многоступенчатых согласований и разрозненных систем, между которыми данные переносятся вручную. В такой архитектуре ИИ-модели оказываются не встроены в контур принятия решений, а подключаются «поверх» уже существующей схемы.

Ключевая мысль статьи в том, что искусственный интеллект стоит рассматривать не как надстройку к текущим процессам, а как повод пересмотреть их устройство. Речь идет о том, чтобы заранее заложить в цепочку шаги, которые могут выполняться алгоритмами, и обеспечить для этого необходимые потоки данных и права на принятие решений.

Вебпрактик AI | Корпоративный ИИ

ROI и корпоративный ИИ: что делают те, кто зарабатывает гораздо больше

Глобальное исследование PwC, охватившее 1200 корпораций по всему миру, показывает жесткую диспропорцию в результатах внедрения нейросетей.

Всего 20% компаний, внедряющих ИИ, концентрируют в своих руках 74% всей финансовой отдачи от него, а разрыв между лидерами и отстающими продолжает расти: первые получают результат, в 7,2 раза превышающий показатели конкурентов.

Главное отличие — в том, для чего бизнес вообще внедряет ИИ. Большинство отстающих компаний используют нейросети исключительно ради экономии и автоматизации рутины. Лидеры ставят перед технологиями другую задачу — прямой рост выручки, и в 2,6 раза чаще применяют ИИ для трансформации бизнес-моделей и выхода в новые коммерческие ниши.

Например, компания John Deere встроила ИИ-систему компьютерного зрения в тракторы для точного распыления гербицидов. В результате они начали продавать фермерам не просто технику, а подписку на экономию химикатов — обеспечив себе регулярную выручку за счет новой бизнес-модели, недоступной без алгоритмов.

Вместо того чтобы распылять ИТ-бюджет на десятки мелких пилотов, успешные игроки концентрируют инвестиции в одну-две стратегические точки, способные открыть новые источники дохода.

Вебпрактик AI | Корпоративный ИИ

Эксперимент в Стокгольме: ИИ назначили директором кофейни, а он слил бюджет на 3000 перчаток и помидоры, которых нет в меню

Сможет ли нейросеть управлять реальным бизнесом без помощи человека? Чтобы это проверить, стартап Andon Labs открыл в Швеции настоящую кофейню. Кофе там варят живые бариста, а вот должность CEO отдали автономному ИИ-агенту по имени Мона (работает на базе Google Gemini).

Моне выделили стартовый капитал в $21 000 и дали полный карт-бланш: от работы с поставщиками до составления расписания. Поначалу робот-директор впечатлял. Мона сама нашла помещение, подписала договор на электричество, оформила страховки и разместила вакансии на LinkedIn.

Но когда дело дошло до ежедневной операционки, ИИ начал вести себя как босс с тяжелой формой амнезии. Мона забила склад крошечного кафе неликвидом: заказала 6 000 салфеток, 3 000 одноразовых перчаток, четыре аптечки и гору консервированных помидоров (хотя блюд с томатами в меню вообще нет).

Оказалось, проблема кроется в техническом ограничении — размере контекстного окна. Языковая модель живет только «здесь и сейчас». Как только старые накладные выпадают из кратковременной памяти Моны, она просто забывает, что склад уже забит перчатками, и заказывает их заново. Из-за таких управленческих решений от стартового бюджета осталось меньше $5 000, и сейчас кофейня с трудом сводит концы с концами.

Этот забавный кейс подсвечивает проблему, о которой бизнес часто забывает на волне энтузиазма. Самая умная языковая модель не имеет здравого смысла по умолчанию. Чтобы ИИ действительно мог управлять процессами, ему нужна архитектура долгосрочной памяти (которая свяжет нейросеть с реальными остатками на складе), жесткие лимиты на транзакции и контроль человека. Без этого алгоритмы способны разорить компанию просто потому, что, например, забыли вчерашний день.

Геополитика и ИИ: зачем OpenAI предлагает создать глобальный регулятор с участием США и Китая

В мире корпоративного ИИ намечается серьезный сдвиг на уровне глобального регулирования. Как пишет Bloomberg, вице-президент OpenAI по глобальным вопросам Крис Лехейн заявил, что компания поддерживает создание единого международного органа по контролю за развитием искусственного интеллекта. Причем с обязательным участием Китая. Это заявление прозвучало за несколько часов до встречи Дональда Трампа и Си Цзиньпина.

В чем суть инициативы? По задумке OpenAI, новый орган мог бы работать по принципу МАГАТЭ (Международного агентства по атомной энергии), которое задает стандарты безопасности и предотвращает бесконтрольное распространение атомных технологий. В компании считают, что ИИ выходит за рамки традиционных торговых споров. Поэтому США должны использовать свое технологическое лидерство, чтобы сформировать глобальные правила игры вместе с другими странами.

Один из предложенных вариантов — объединить усилия американского Института безопасности ИИ с аналогичными структурами, которые сейчас открываются по всему миру.

При этом Белый дом пока относится к идее скептически. Американские чиновники ранее уже заявляли, что не поддержат единое мировое управление ИИ. Тем более что у ИТ-гигантов из США есть серьезные претензии к китайским разработчикам, которые регулярно используют результаты западных LLM для обучения собственных моделей.

─────────────────
Подобные дискуссии на высшем уровне показывают, что искусственный интеллект окончательно переходит из статуса экспериментальной технологии в категорию стратегической инфраструктуры. Для бизнеса это четкий сигнал: эпоха нерегулируемого рынка нейросетей заканчивается. Требования к комплаенсу и безопасности будут только расти, и закладывать их в корпоративную ИТ-архитектуру нужно уже на этапе проектирования, а не после внедрения.

Вебпрактик AI | Корпоративный ИИ

🗯️ #ПятничныйКейс с Сергеем Калюжным

Как автомобильный маркетплейс обслужил в 2 раза больше клиентов и вышел в прибыль, перестроив всю компанию вокруг голосового ИИ

Проблема: операционный коллапс роста
Kavak — крупнейший маркетплейс подержанных авто в Латинской Америке. К 2024 году компания столкнулась с классической дилеммой: чтобы расти, нужны люди. Много людей. Каждый новый рынок требовал пропорционального роста команды.

Решение: трансформация, а не автоматизация
CPO Алехандро Маза предложил радикальное: перестроить ВСЕ процессы — продажи, операции, поддержку — вокруг голосовых AI-агентов. Не заменить операторов ботом, а сделать компанию AI-native.

Kavak выбрал Vapi как платформу и начал с одного сценария, затем масштабировали на десятки процессов. Сегодня вся компания либо создаёт агентов, либо настраивает их, полностью изменив бизнес-модель.

Почему платформа, а не готовый бот?
У Kavak сложная цепочка: прогнозирование, ценообразование, осмотр авто, кредитование, доставка, обслуживание. Каждый процесс уникален — готовый бот решил бы 5% задачи. Платформа же позволила построить экосистему специализированных агентов под каждое звено.

Результат: экономика изменилась
Через год:
- Прибыльность (декабрь 2025 — первый прибыльный месяц в Мексике)
- В 2 раза больше клиентов при сохранении качества
- На 40% больше транзакций за год

Выводы
Разница между «оптимизацией функций» и «трансформацией бизнеса»: Kavak удвоил базу БЕЗ пропорционального роста команды. Это не оптимизация — это другая бизнес-модель, основанная на AI-решении.

Что примечательно для российского рынка: сложность и уникальность процессов зачастую делает готовые решения малоприменимыми. Платформенный подход дает гибкость, позволяя кастомизировать AI-агентов под локальный рынок и ваши собственные процессы.

Вебпрактик AI | Корпоративный ИИ

Месть гуманитариев: почему бигтех готов платить философам по 400 000 $ в год

Шутки про выпускников философских факультетов, которые идут работать бариста, больше не актуальны. Как пишет Business Insider, сейчас этих специалистов активно хантят ведущие разработчики ИИ — Anthropic, Google DeepMind и OpenAI. Зарплаты на таких позициях варьируются от 140 000 $ до более чем 400 000 $ в год.

Зачем корпорациям понадобились философы?

Создать мощную языковую модель — только половина дела. Проблема в том, что нейросети галлюцинируют, выдают токсичный текст и предвзятые ответы. Инженерам и дата-саентистам легко написать код, но крайне сложно перевести на язык алгоритмов такие абстрактные понятия, как «справедливость», «этика» или «безопасность». Здесь на сцену выходят гуманитарии. Они развивают направление AI alignment (согласование ИИ с человеческими ценностями).

В Anthropic штатный философ Аманда Аскелл буквально создавала «характер» нейросети Claude, чтобы та была честной и не давала опасных советов. В Google DeepMind философ Иасон Габриэль следит за тем, чтобы ИИ в своих решениях опирался на базовые права человека.

По сути, эти специалисты формируют базовый свод правил поведения, который зашивается в модель на этапе обучения. Без этого нейросеть остается умным, но непредсказуемым алгоритмом.

Вебпрактик AI | Корпоративный ИИ

4️⃣4️⃣% — столько сотрудников поколения Z намеренно саботируют ИИ-инициативы руководства.

Обычно именно молодежь первой подхватывает новые технологии. Но с искусственным интеллектом этот тренд сломался. По данным свежих исследований (Writer и Workplace Intelligent) молодые сотрудники активно сопротивляются внедрению нейросетей на рабочих местах: от принципиального отказа от ИИ-инструментов до «теневого» саботажа — например, слива корпоративной информации в публичные чат-боты.

Опрос Gallup подтверждает картину: сегодня лишь 18% зумеров с оптимизмом смотрят на развитие ИИ, что на 9% ниже показателей 2025 года.

Почему так происходит?
Причина не в технологиях, а в страхе. Сотрудники воспринимают ИИ не как помощника, а как угрозу, созданную для их замены. Бизнес часто просто спускает сверху директиву «теперь мы используем ИИ», не перестраивая процессы и не объясняя, как именно алгоритм облегчит ежедневную рутину конкретного специалиста.

Вебпрактик AI | Корпоративный ИИ

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик

ИИ — новый слой бюрократии? Как не усложнить то, что работало

Мы привыкли думать, что искусственный интеллект автоматически ускоряет работу. Но на практике я все чаще вижу обратный эффект: внедрение ИИ создает новый, еще более сложный слой корпоративной бюрократии.

Как это выглядит в реальности?

Вместо того чтобы просто написать письмо клиенту, менеджер тратит 15 минут на составление идеального промпта для ИИ-ассистента. Затем еще 10 минут вычитывает и правит сгенерированный текст, потому что нейросеть не уловила контекст прошлых договоренностей.

В итоге процесс, который раньше занимал 5 минут, теперь занимает 25. Зато «мы используем передовые технологии».

⚡️Главная ошибка — попытка «прикрутить» нейросеть к старому процессу. Если у вас хаос в регламентах, ИИ просто автоматизирует этот хаос. Если процесс изначально был неэффективным, вы получите тот же неэффективный процесс, но теперь с дорогим API и необходимостью обучать сотрудников промпт-инжинирингу.

➡️ Внедрение ИИ требует пересборки процессов. Прежде чем внедрять агентов или RAG-системы, задайте себе вопрос: а нужен ли этот процесс вообще? Возможно, его стоит не автоматизировать, а просто отменить. ИИ должен забирать рутину, а не создавать новую.

Вебпрактик AI | Корпоративный ИИ

SaaS умер, да здравствует SaaS!
От Software-as-a-Service к Service-as-a-Software

Жюльен Бек в статье «Services: The New Software» утверждает: эра продажи инструментов (SaaS) заканчивается. Будущими лидерами рынка станут не те, кто делает удобный софт для сотрудников, а те, кто продает готовый результат работы.

На рынке B2B-решений намечается тектонический сдвиг: переход от модели Copilot (инструмент в руках профи) к модели Autopilot (продажа готового результата).

Главный тезис статьи: Инвесторы и стратеги теперь смотрят не на IT-бюджеты компаний, а на бюджеты, выделяемые на аутсорсинг услуг. На каждый $1, потраченный на софт, приходится $6, потраченных на аутсорс-сервисы. ИИ-компании нового поколения нацелены именно на эти $6.

Выжимка

Разделение труда: ИИ берет на себя «интеллект» (работу по сложным, но фиксированным правилам), человек оставляет за собой «суждение» (опыт, чутье и принятие решений).
Смена модели: Софт-помощники (Copilot) лишь повышают продуктивность профи. Софт-исполнители (Autopilot) сами выдают результат заказчику (например, закрытый бухгалтерский баланс).
Путь внедрения: Проще всего внедрять ИИ там, где задача уже вынесена на аутсорс. Это воспринимается как обычная смена подрядчика, а не болезненная реорганизация штата.
Рынки: Бухгалтерия, страхование, юридическая рутина и IT-поддержка — здесь ИИ уже готов продавать результат напрямую.

Источник: Services: The New Software by Julien Bek

─────────────────
Действительно, бизнесу не нужны инструменты, ему нужно «закрыть вопрос». Но есть нюанс: полная замена подрядчика на алгоритм упирается в вопрос ответственности за конечный результат. Пока ИИ не может нести юридические риски за ошибки в аудите или документах, он остается лишь очень эффективным подмастерьем.

Для нашего рынка это значит, что в ближайшем будущем первыми под замену на ИИ пойдут процессы с низким риском: первая линия клиентской поддержки, проверка контрагентов и стандартные закупки. Это тренд, к которому стоит готовиться уже сейчас, пересматривая условия контрактов с внешними сервисными компаниями и оценивая, какую часть их работы вы можете забрать внутрь и автоматизировать.

Вебпрактик AI | Корпоративный ИИ

Свежий срез настроений британского бизнеса отлично подсвечивает глобальную проблему: купить доступ к ИИ оказалось гораздо проще, чем заставить его работать на компанию.

По данным опроса YouGov среди компаний Великобритании, 64% предприятий уже использует ИИ, но полностью интегрировали его в основные операционные процессы только 10%.

Если посмотреть на барьеры, которые мешают компаниям масштабировать ИИ, становится очевидно: бизнес останавливает не стоимость (на нее жалуются всего 9%), а риски, связанные с данными.

Интересно, что чем крупнее компания, тем сильнее ее беспокоят эти риски:

Опасения по поводу точности и надежности выдачи (галлюцинации) — это барьер №1. Для крупных корпораций этот фактор критичнее, чем для малого бизнеса (42% против 37%).

Конфиденциальность и безопасность данных — барьер №2. Он тормозит внедрение в 38% крупных компаний (и только в 24% средних и малых).

Нехватка внутренних компетенций (in-house экспертизы) замыкает тройку главных проблем корпораций (26%).

Получается, что корпоративный сегмент уже прошел стадию недоверия к ИИ как явлению и уперся в вопросы архитектуры и валидации. Масштабированию мешает страх перед ошибками нейросетей на реальных данных и опасения за безопасность внутреннего контура.

Вебпрактик AI | Корпоративный ИИ