Петр Рыляков («Онланта»): «Безопасность – это не препятствие, а обязательное требование к промышленному внедрению любого ИИ-решения»

— Петр, как российские компании подходят к выбору ИИ-инструментов и решений?

 — Российский бизнес все чаще выбирает ИИ не как экспериментальную технологию, а как прикладной инструмент для конкретной задачи. Например, чтобы ускорить обработку документов, повысить качество клиентского сервиса, снизить нагрузку на сотрудников или улучшить аналитику. Поэтому ключевые критерии выбора сегодня – это измеримый экономический эффект, качество работы на русскоязычных данных, возможность интеграции с существующими ИТ-системами, масштабируемость и наличие компетенций у поставщика ИИ-решений.

Выбор между российскими и зарубежными продуктами во многом определяется требованиями к данным и инфраструктуре. Для критических процессов и организаций с повышенными требованиями к безопасности заказчики чаще выбирают решения, которые можно развернуть в закрытом контуре и сопровождать локально. Зарубежные инструменты сохраняют интерес в отдельных нишах, но их использование ограничивают вопросы доступности, правовых рисков, поддержки и контроля над данными.

Руководитель отдела прототипов и исследований компании «Онланта» (входит в группу ЛАНИТ) Петр Рыляков
Фото: ЛАНИТ

 — Для каких задач, процессов, подразделений ИИ-решения уже уверенно используются, а для каких набирают популярность?

 — Наиболее зрелые сценарии – клиентская поддержка, маркетинг, продажи, обработка документов, поиск по внутренним базам знаний, подготовка типовых материалов, аналитика и автоматизация рутинных операций в бэк-офисе. Например, в задачах обработки обращений ИИ-ассистенты берут на себя классификацию и первичный ответ на типовые запросы, оставляя оператору только сложные случаи.

Однажды к нам обратилась внутренняя служба техподдержки крупного авторетейлера, которая сталкивалась с большим потоком запросов от сотрудников разных подразделений. Это вызывало задержки в обработке, высокую нагрузку на специалистов, рутинность задач и потребность в быстром доступе к знаниям. Чтобы решить проблему, мы внедрили решение на базе чат-бота с поддержкой естественного языка, базы знаний с интеллектуальным поиском по часто задаваемым вопросам и инструкциям для авторетейла, а также интеграции с системами учета запросов и управления инцидентами. Это позволило сократить время обработки запросов в несколько раз, снизить нагрузку на сотрудников поддержки, повысить удовлетворенность внутренних клиентов, оптимизировать работу службы и добавить возможность масштабирования.

ИИ также активно применяется в ИТ-подразделениях для помощи в разработке, тестировании, документировании кода и поддержке пользователей. Эти сценарии проще измерить по скорости выполнения операций, сокращению ручного труда и качеству сервиса.

Набирают популярность более сложные решения: корпоративные ИИ-ассистенты, работающие с внутренними данными компании, интеллектуальная обработка договоров и финансовых документов, прогнозирование спроса, управление закупками, производственные и логистические сценарии. Здесь внедрение требует качественных данных, интеграции с бизнес-процессами и более серьезной настройки, но потенциальный эффект от таких решений для компании выше.

 — Как заказчики оценивают эффективность таких решений, как выбирают между эффективностью и безопасностью?

 — Эффективность оценивают через конкретные бизнес-метрики: сокращение времени на операцию, долю автоматизированных обращений или документов, снижение ошибок, рост производительности сотрудников, скорость ответа клиентам и финансовый результат. Очень важен пилотный этап: заказчик проверяет решение на ограниченном наборе процессов, сравнивает его с текущим порядком работы и только затем принимает решение о масштабировании. Типовой пилотный проект занимает 14 дней.

Эффективность и безопасность не являются взаимоисключающими параметрами. Зрелый подход состоит в том, чтобы выбирать архитектуру под уровень чувствительности данных. Например, для задач с низкой степенью риска можно использовать открытые сервисы, а для внутренней информации, персональных данных и коммерческой тайны – решения в защищенном или локальном контуре. Безопасность – это не препятствие, а обязательное требование к промышленному внедрению любого ИИ-решения.

 — Что является стоп-фактором для внедрения ИИ?

 — Основные стоп-факторы – отсутствие четко сформулированной бизнес-задачи и ожидание универсального результата «из коробки». ИИ дает наибольший эффект, когда он встроен в конкретный процесс, имеет понятные данные и измеримые показатели успеха. Препятствием также становятся разрозненные или низкокачественные данные, отсутствие интеграций с корпоративными системами, дефицит специалистов и недостаточная готовность сотрудников менять привычные процессы. По нашему опыту, в 60 % компаний проекты задерживаются из-за некачественных и разрозненных данных, а не самой технологии.

Отдельный блок рисков связан с безопасностью, персональными данными, интеллектуальной собственностью и ответственностью за результат работы модели. Компании также сталкиваются с недоверием к непрозрачным ответам ИИ и необходимостью сохранять контроль человека в значимых решениях. Поэтому успешное внедрение требует не только технологии, но и правил использования, контроля качества, подготовки команды и управленческой поддержки.

 — Расскажите о практике вашей компании в этом направлении

 — В нашей компании ИИ рассматривается прежде всего как инструмент повышения производительности и качества работы, а не как самостоятельная цель. При помощи ИИ мы автоматизировали подготовку первичных материалов, поиск в корпоративных базах знаний, поддержку типовых запросов сотрудников. Для этого мы создали ОНЛАНТА ИИ ХАБ — единую корпоративную платформу для безопасного использования публичных и локальных языковых моделей и готовых ИИ-приложений.

Прежде чем предлагать инструменты рынку, мы пропускаем их через свои реальные задачи. 70 % сотрудников нашей компании — от юристов до продуктовых аналитиков — активно используют это решение. При активной работе с платформой им удается экономить около трех часов в неделю. Такой внутренний опыт дает нам четкое понимание узких мест при масштабировании, помогает выстроить протоколы безопасности данных и разграничения доступов, а также заранее определить метрики качества перед тем, как предлагать решение заказчикам. Приоритет отдаем сценариям, где результат можно проверить, а эффект измерить через скорость процессов, снижение ручной нагрузки и качество итогового результата.

Внедрение строится поэтапно от пилотирования на отдельных задачах к интеграции в регулярные процессы. Так мы получаем практический эффект от ИИ без избыточных рисков и постепенно формируем внутри компании культуру использования новых инструментов.

 — Каким вы видите развитие тренда на использование бизнесом ИИ?

 — В ближайшие годы рынок будет переходить от точечных экспериментов к системному внедрению ИИ в ежедневные рабочие процессы. Основным направлением станут не просто чат-боты или генерация текстов, а корпоративные ассистенты и агентные решения, которые смогут работать с регламентами, документами, базами знаний и прикладными системами компании. Конкурентное преимущество будет определяться не доступом к самой модели, а качеством данных, глубиной интеграции и способностью компании выстроить надежный процесс применения ИИ.

Российский рынок продолжит развиваться в сторону локальных, отраслевых и защищенных решений, адаптированных под специфику организации и разворачиваемых в собственном контуре. При этом ИИ не заменит бизнес-экспертизу: наиболее ценными станут компании, которые научатся сочетать технологию с сильными процессами, ответственным управлением данными и контролем результата.

 — Большое спасибо за беседу!