Аналитики TAdviser при участии группы Rubytech подготовили обзор тенденций внедрения искусственного интеллекта в крупных государственных и коммерческих организациях. Исследование проводилось с мая по июнь 2025 года методом глубинного интервью в формате видео-конференц-связи. Участниками стали эксперты в области ИИ из крупных коммерческих и государственных организаций.

Респондентам задавали вопросы о текущей практике применения искусственного интеллекта, ограничениях, перспективах и планах.

Ключевые выводы:

• крупные российские организации внедряют ИИ по трем направлениям. Первое — компьютерное зрение (CV), задействуется для автоматизации контроля качества на производстве, распознавания объектов и документов. Второе — генеративный ИИ и LLM. Используется в сервисах поддержки, для разработки ПО и обработки текстов. Третье направление — прогнозная аналитика. Внедряется для финансового моделирования и управления ресурсами;
• в промышленности, государственном и финансовом секторах среди направлений ИИ доминирует компьютерное зрение. С его помощью в промышленности затраты на ручной контроль сокращаются до 40%. В государственном секторе CV повышает точность медицинской диагностики;
• большинство опрошенных организаций используют инструменты для генерации текста, кода, презентаций, отчетов и других материалов. Наиболее распространенные способы применения ГенИИ — чат-боты и голосовые ассистенты, написание кода, обработка документов и анализ текстов, генерация контента. Респонденты отмечают, что ГенИИ сокращает время на создание стандартных документов и отчетов, повышает на 25–40% скорость и качество разработки, экономит трудозатраты за счет автоматизации до 50% рутинных задач;
• прогнозная аналитика применяется для определения финансовых рисков, эффективного управления пулом ликвидности, профилактики простоев и ремонтов на производстве, оптимизации маршрутов в логистике и выбора поставщика. Снижение потерь может составлять 15–30% за счет эффективного применения риск-моделей на основе ИИ. Производительность увеличивается на 5–10%. Также экономится сырье и ускоряется обработка данных для принятия решений;
• участники опроса считают, что ИИ переходит от экспериментов (PoC) к промышленной эксплуатации с измеримым ROI. По мнению респондентов, ИИ приводит к росту прибыли и снижению затрат,  автоматизации до 70% рутинных задач, повышению безопасности и скорости внедрения инноваций;
• большинство компаний предпочитают использовать собственные MLOps-платформы и центры компетенций по ИИ. Оставшиеся полагаются на внешнюю экспертизу из-за нехватки внутренних ресурсов;
• все участники опроса сталкиваются с организационными и технологическими барьерами. Один из ключевых — разрыв между ИТ и бизнесом. Заказчики зачастую плохо представляют себе реальные возможности ИИ. Масштабирование идей тормозят длительные процедуры согласования;
• половина респондентов сталкиваются с нехваткой структурированных данных для обучения ML-моделей и с высокими трудозатратами на их очистку;
• наиболее значимые инфраструктурные барьеры — дефицит вычислительных мощностей, сложности с закупкой оборудования и ограниченная гибкость специализированного ИИ-оборудования;
• большинство респондентов фокусируются не столько на поиске новых применений ИИ, сколько на масштабировании, доработке и интеграции уже существующих решений.

Расскажите знакомым: