Крупные компании инвестируют в проекты с ИИ-агентами до сотен млн рублей
Инвестиции в ИИ-агентов состоят из капитальных (CAPEX) и операционных затрат (OPEX). В первом случае это расходы на вычислительную инфраструктуру (GPU-кластеры, серверы), разработку или закупку платформ искусственного интеллекта и решений с ИИ-агентами и интеграцию с существующими корпоративными системами, во втором — на поддержку и дообучение моделей, мониторинг, оплату облачных сервисов и содержание команды специалистов. Масштаб инвестиций российских команд варьируется в зависимости от размера компании. В случае с бигтехами объем инвестиций может превышать сотни миллионов рублей, в среднем сумма инвестиций в проекты с внедрением ИИ-агентов составляет 10-50 млн рублей.
Простые сценарии и готовые решения
Аналитики отмечают, что простые сценарии автоматизации и готовые решения на базе искусственного интеллекта (AI) могут окупиться менее чем за 12 месяцев. Средние по размеру проекты с донастройкой и интеграцией требуют 12-24 месяцев. Крупные инфраструктурные инициативы, связанные с созданием собственных платформ и моделей искусственного интеллекта, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях — 5-7 лет.
Совместное исследование Cloud.ru и ВШБ ВШЭ показывает, что успешность внедрения и масштабирования ИИ-агентов в компаниях определяют качество доступных для обучения данных и способность агента взаимодействовать с существующими корпоративными системами: CRM, ERP, базами данных. Во всех секторах, где данные уже структурированы, унифицированы и централизованы (финансы, ИТ), агенты демонстрируют высокую эффективность — уровень автоматизации в них может достигать 60-90% операций. В отраслях с фрагментированными неструктурированными данными (медицина, производство) эффективность агентов существенно ниже. По подсчетам аналитиков, в среднем использование ИИ-агентов сокращает время выполнения задач на 40-50%.
Глобальный тренд
Мировой опыт также подтверждает востребованность ИИ-агентов и AI-решений для бизнеса. Согласно исследованию Cloudera, проведенному среди 1 484 ИТ-руководителей в 14 странах, 96% организаций намерены расширить использование ИИ-агентов в бизнес-процессах в течение ближайших двенадцати месяцев, а примерно половина — масштабировать такие системы на уровень всей компании.
Уровень автономности российских ИИ-агентов варьируется в зависимости от критичности процессов и информации для обработки. Например, в финансовом секторе и производстве, где цена ошибки высока, доминируют агенты с низкой автономностью (уровни 0–1), выполняющие 1–4 простых действия и требующие постоянного контроля человека. В телекоме и банках, наоборот, чаще встречаются автономные ИИ-агенты с высокой автономностью (уровни 3-4), способные самостоятельно вести «критический» диалог с мошенниками или обрабатывать заявки.
На основе анализа успешных кейсов авторы исследования выделили несколько ключевых факторов для масштабирования и окупаемости проектов с ИИ-агентами.
«Основной барьер для внедрения ИИ-агентов не технологический, а скорее организационный. Множество компаний имеют разрозненные базы данных, у них нет культуры управления изменениями, четкой связки между ИИ-инициативами и бизнес-целями. Поэтому ИИ-проекты часто остаются в пилоте и не масштабируются. Этот тип барьера сейчас критичнее, чем алгоритмы или инфраструктура. Внедрение искусственного интеллекта в бизнес может эффективно работать только в среде, которая к этому готова: с доступом к актуальным данным, прозрачными процессами и готовностью команды делегировать хотя бы часть решений», — отмечает исполняющий обязанности генерального директора Cloud.ru Михаил Лобоцкий.
«Представленная модель зрелости обобщает текущий опыт по ИИ-агентам российских и зарубежных предприятий и предлагает стройную систему для оценки зрелости компании при их разработке и внедрении в бизнес», — резюмирует руководитель департамента бизнес-информатики ВШБ ВШЭ Евгений Зараменских.
В ходе исследования для сбора качественных данных о применении ИИ-агентов было проведено 25 глубинных интервью с руководителями ИИ-направлений, техническими директорами и ведущими специалистами крупных российских компаний из различных секторов экономики. География и отраслевой охват интервью включали финансовый сектор (Газпромбанк, Сбер, Альфа-Банк, Мосбиржа), ритейл (Лента, X5), телекоммуникации (Билайн, МТС), а также ИТ, EdTech и производственный сектор.
Кроме того, в рамках работы были изучены материалы по более чем 15 реальным внедрениям AI-агентов и систем искусственного интеллекта в России, странах EMEA и США, а также 116 внешних источников.
