ИИ на 40% ускорит работу с документами в закупках

Росэлторг запустил систему ИИ-тегирования закупок, которая, по оценке самого Росэлторга, может ускорить поиск релевантных процедур для поставщиков до 40%.

На площадке ежедневно публикуются тысячи закупок, а документация по отдельным лотам занимает десятки страниц. Для поставщика это потеря времени и риск пропустить подходящий тендер.

Суть сервиса простая: нейросеть читает закупочную документацию за поставщика, выделяет ключевые параметры и присваивает процедурам теги — по видам работ и услуг, типу объекта, профилю деятельности и материалам.

Что это дает:

⏺️быстрее отбор релевантных закупок в большом потоке;
⏺️точнее фильтры поиска;
⏺️меньше ручного просмотра документации;
⏺️уведомления только по подходящим процедурам.

Отдельно Росэлторг подчеркивает, что обработка идет во внутреннем контуре площадки, без передачи данных во внешние системы.

На текущий момент база ИИ-тегов включает тысячи меток и охватывает десятки направлений закупок.

AI для бизнеса

ИИ от Ростеха сократит время на поиск информации до 80%

Холдинг «Росэл» (входит в Ростех) запустил промышленную ИИ-платформу для работы с документами и данными. Система работает внутри ИТ-среды предприятия без подключения к интернету и уже получила свидетельство о регистрации в Роспатенте.

Использование ShokinGPT позволяет сократить время поиска информации до 80% и экономить в среднем от 3 до 5 рабочих часов в день на одного специалиста.

Что внутри:

⏺️цифровые помощники для подготовки документов и регламентов;
⏺️обработка обращений в техподдержку;
⏺️работа с номенклатурой и аналитикой;
⏺️инструменты для текстов, PDF-документов и таблиц;
базы знаний;
⏺️расшифровка аудио с разделением спикеров;
⏺️построение диаграмм и анализ программного кода.

ИИ-платформа уже применяется разработчиком — НПП «Исток» им. А. И. Шокина.

AI для бизнеса

Евтушенков: «Сегодня в искусственном интеллекте в России наиболее продвинуты мы, Яндекс и Сбер»

Владимир Евтушенков в интервью Forbes поделился новой стратегией АФК «Система»: меньше веры в быстрые деньги, больше ставки на ИИ и продукты для новых рынков.

В ПАО АФК «Система» входит МТС, Ozon, Segezha Group, Медси, «Биннофарм Групп», агрохолдинг «Степь», группа «Эталон» и Sitronics Group

Интервью про новую технологическую реальность вышло на фоне:

▶️публикаций финансовых результатов, где консолидированный чистый долг составил около 1,4 трлн руб;
▶️Возможном pre-IPO Медси и Cosmos Hotel Group, чтобы снизить долговую нагрузку;
▶️Продаже своей доли в ПАО «Элемент» «Сберу»;
▶️Выходу из капитала сети клиник «Ниармедик»

А мы делимся главными тезисами из интервью:

⏺️ИИ — уже не эксперимент, а стратегическая гонка.
Евтушенков прямо ставит «Систему» в один ряд с «Яндексом» и «Сбером» по уровню развития ИИ в России. Компания развивает языковые модели, продукты и инфраструктуру под искусственный интеллект.

⏺️ЦОДы становятся базой для ИИ.
Без вычислительной инфраструктуры ИИ не работает. Поэтому «Система» хочет быть во всех типах дата-центров: для ИИ, майнинга и облаков. Даже проблемы с оборудованием не повод выходить из темы.

⏺️Технологии не дают быстрых сверхдоходов.
Евтушенков несколько раз подчеркивает: технологический бизнес тяжелее сырьевого. Там нельзя просто «заменить скважину» — все держится на людях, компетенциях и длинных инвестициях.

⏺️МТС — уже не просто связь.
Сотовая связь, по его логике, перестала быть сверхдоходной историей, но вместе с ИИ и новыми сетями становится базой для изменений в других отраслях.

⏺️Китай — партнер, но не донор технологий.
На Huawei рассчитывать как на источник ИИ-наработок бессмысленно: такие технологии не передают бесплатно. Покупать можно, но зависимость от чужой платформы — риск.

⏺️Главный дефицит — не деньги, а компетенции.
Можно купить технологический актив, но если нет людей, которые способны его понять, доработать и развить, покупка не имеет смысла.

AI для бизнеса

ИИ выходит из демо-стендов и заходит в заводской цех.

Организаторы Hannover Messe в этом году вынесли промышленный ИИ в центр повестки вместе с робототехникой, автоматизацией и цифровизацией.

На выставке — более 3 тыс. экспонентов, а главный фокус уже не на «посмотрите, что умеет нейросеть», а на измеримую пользу для бизнеса: выпуск, себестоимость, скорость изменений и устойчивость операций.

Мы осознанно оставим названия технологий в оригинальном виде, чтобы было проще искать информацию о них, так как в рунете об этом особо ничего не найдете. Разве что у нас в канале.

Учитывая масштаб и влияние выставки, можно утвердительно заявлять, что ИИ больше не модная фича, а контур управления заводом:

⏺️данные с оборудования;
⏺️цифровой двойник;
⏺️copilot или AI-агент;
⏺️автоматизация инженерных и производственных решений;
⏺️связь с цепочкой поставок и сервисом.

Siemens называет это Industrial AI for the real world: данные превращаются в ценность, а операции перестраиваются вокруг промышленного ИИ.

Microsoft продвигает похожую рамку — industrial intelligence, где ИИ, цифровые двойники и производственные данные собираются в единый слой для фабрик.

Самая яркая тема на выставке — agentic manufacturing.

▶️Schneider Electric вместе с Microsoft показали новое поколение agentic manufacturing capabilities на Azure AI. ИИ не подсказывает инженеру, а уже помогает координировать проектирование, симуляции, изменения в производстве и контроль логики процесса.

▶️Microsoft и Krones показывают AI-powered digital twins, которые сокращают время симуляции завода с часов до минут и позволяют быстрее настраивать производство под клиента.

Отдельная линия — Physical AI и роботы. ИИ в промышленности все заметнее связывают с физическим исполнением, что разумно, учитывая, что завод — это не блок-схемы на экране, а реальные и тяжелые вещи.

Но здесь важно не перепутать хайп с экономикой. Гуманоиды — хорошая тема для маркетинга и демо-стендов, но пока ближайшие деньги все еще лежат в софте, цифровых двойниках, агентским процессами и ПО для автоматизации.

В общем, экспериментируем и изучаем, но пока ждем уровня определенности хотя бы как в промышленном ИИ.

Общие краткие выводы, чтобы защитить свой технологический энтузиазм перед бизнесом:

▶️промышленный ИИ перешел из стадии пилотов в стадию операционного слоя;
▶️главная тема — не GenAI, а связка моделей, данных, цифровых двойников и автоматизации;
▶️вендоры продают не «нейросеть», а сокращение инженерного времени, ускорение изменений и снижение затрат, поэтому не покупайтесь на приставку «ИИ», требуйте кейсы;
▶️для заводов вопрос не в том, нужен ли ИИ, а где он быстрее даст эффект.

AI для бизнеса

ИИ в российских компаниях есть. А управления им — нет.

Исследование «Пряников» показало, что нейросети уже проникли в компании, но не через стратегию, бюджет и топ-менеджмент, а снизу — через сотрудников, личные аккаунты и точечные задачи.

Самый популярный тип инструментов — зарубежные LLM вроде ChatGPT, DeepSeek и Perplexity. Их используют 59% респондентов. Отечественные LLM — 41%, self-hosted-решения — 22%. При этом у 51% компаний вообще нет стратегии внедрения ИИ, а у 61% — назначенного ответственного за это направление.

ИИ уже работает внутри бизнеса, но часто вне управленческого контура.

Где незрелость:

▶️у 46% компаний нет команды по ИИ-проектам;
▶️66% не собирают потребности бизнеса для внедрения ИИ системно;
▶️формализованная стратегия есть только у 10%;
▶️Chief AI Officer — всего у 2%;
▶️52% компаний не выделяют отдельный ИТ-бюджет на ИИ.

ИИ в компаниях применяют там, где проще получить быстрый эффект и ниже цена ошибки: маркетинг и продажи — 47%, HR и подбор — 39%. А вот производство, логистика и финансы — всего по 3%.

Нейросети пока чаще пишут тексты, помогают с коммуникациями и HR-задачами, чем перестраивают операционное ядро бизнеса.

С экономическим эффектом тоже пока сложно. У 59% компаний не было внедрений, которые можно считать полноценными. Подтвержденный эффект есть только у 18%, еще 21% что-то внедряли, но без нормальных измерений.

Барьер не в деньгах:

▶️41% называют нехватку компетенций;
▶️37% — отсутствие стратегии;
▶️24% — неготовность топ-менеджмента;
▶️23% — отсутствие бюджета;
▶️22% — недоверие к ИИ.

ИИ стал массовой практикой, но не стал управляемой системой. Сейчас это скорее набор локальных привычек: кто-то пишет с помощью ChatGPT, кто-то автоматизирует HR, кто-то тестирует аналитику.

Пока нет стратегии, ответственного, бюджета, команды и измерения эффекта — это не трансформация, а «принеси свой ИИ сам и попробуй не сломать процессы».

AI для бизнеса

ИИ спроектировал процессор за 12 часов.

Агентная система Design Conductor за 12 часов спроектировала RISC-V CPU-core VerCore из спецификации на 219 слов. По заявлению компании, это первый случай, когда автономный агент прошел путь от описания задачи до GDSII layout-файла для процессора.

На бумаге выглядит как человекозамещение: то, что у инженерной команды обычно занимает 18–36 месяцев, агент сделал за полдня. Но не современный конкурент Intel, AMD или Apple Silicon, а довольно простой RISC-V core.

Кратко о кейсе:

▶️12 часов от короткой спецификации до GDSII;

▶️1,48 ГГц на ASAP7 7 nm PDK;

▶️3261 балл в CoreMark;

▶️производительность примерно на уровне Intel Celeron SU2300 из 2011 года;

▶️проверка пока только в симуляции, без физического выпуска чипа.

ИИ начал влезать в самый дорогой участок — инженерный цикл проектирования. Не в формате «нарисуй красивую схему», а в формате RTL, тестов, оптимизации, timing closure и взаимодействия с backend tools.

Нормальный процессорный проект стоит сотни миллионов долларов и требует больших команд. Verkor прямо сравнивает это с передовыми CPU, где вложения могут превышать $400 млн, а разработка занимает годы.

Даже если ИИ не заменяет инженеров полностью, он может радикально сократить ранние циклы проектирования и количество тупиковых архитектурных экспериментов.

Это не конец профессии инженера. Скорее начало новой модели, где инженер меньше вручную гоняет рутину по EDA-цепочке и больше задает архитектуру, ограничения, критерии проверки и бизнес-цель.

AI для бизнеса

Регулирование ИИ в России решили смягчить.

Правительство доработало законопроект о регулировании ИИ и убрало из него часть требований, которые сильнее всего раздражали рынок.

В текущей версии нет специальных требований к наборам данных для обучения моделей. То есть разработчики смогут использовать любые доступные данные, а не только данные российского происхождения.

Массовые коммерческие сервисы, по словам аппарата Григоренко, не обязаны подтверждать «доверенность» — для них это добровольный режим.

Что смягчили:

▶️убрали требования к датасетам для обучения моделей;

▶️убрали требование, чтобы суверенные и национальные модели разрабатывали и обучали только граждане России;

▶️теперь для статуса достаточно, чтобы разработку вело российское юрлицо, а модель соответствовала российскому законодательству и заявленным ценностным требованиям;

▶️из новой версии также исключили требование для сервисов с аудиторией более 500 тыс. пользователей регистрироваться как организатор распространения информации;

▶️по ответственности вместо отдельного нового режима хотят дать отсылку к действующему законодательству.

В исходном виде законопроект мог сильно замедлить разработку ИИ. Бизнес предупреждал о росте затрат на внедрение на 20–40% и замедлении вывода продуктов на рынок в полтора-два раза.

Регулирование никуда не делось: доверенные модели, госсектор, критическая инфраструктура, сертификация, хранение и обработка данных внутри России — всё это остается.

AI для бизнеса

Сотрудники используют ИИ на работе, но не говорят об этом начальству.

По опросу MWS AI, 35% россиян скрывают от руководства, что используют ИИ в работе. Год назад в другом исследовании таких было 21%.

Корпоративный ИИ растет не только через стратегии, платформы и бюджеты, но и через тихую личную практику сотрудников.

Особенно заметен разрыв у молодых специалистов:

⏺️среди сотрудников 18–24 лет использование ИИ скрывают 55%;
⏺️среди 25–34 лет — 52%;
⏺️среди более старших респондентов — 27%.

Люди боятся, что использование ИИ воспримут не как продуктивность, а как признак некомпетентности. В логике «сам не справился — попросил нейросеть».

И это уже проблема не сотрудников, а компаний.

Если ИИ в работе есть, но правила не проговорены, возникает серый контур: кто-то использует ChatGPT, кто-то другие модели, кто-то загружает рабочие данные в непонятные сервисы, а руководитель делает вид, что процесс под контролем.

В итоге компания получает не внедрение ИИ, а теневой операционный слой:

▶️сотрудники используют инструменты сами;
▶️риски по данным остаются неуправляемыми;
▶️эффект от ИИ никто нормально не измеряет;
▶️сильные практики не масштабируются;
▶️слабые и опасные — не отсеиваются.

На самом деле это хороший индикатор зрелости. Если треть сотрудников скрывает ИИ от начальства, значит, проблема не в том, что люди «читерят». Проблема в том, что компания не объяснила, где ИИ можно использовать, где нельзя, какие данные можно загружать и какой результат считается нормальным.

AI для бизнеса

Начинаем рубрику #вакансии_в_ИИ — смотрим, где в России можно поработать просто в ИИ

И да, это не подборка «ищем ML-инженера на Python». Поискали вакансии для тех, кто будет превращать ИИ в продукт, деньги, процессы и P&L.

⏺️AI-платформы и LLM-продукты.

Самые интересные роли — там, где ИИ уже не эксперимент, а отдельная платформа или продуктовая линия.

▶️Hi, Rockits ищет Head of AI platform — зарплата от 400 тыс рублей, фокус на корпоративной AI-платформе и объединении AI-инициатив в единую экосистему;
▶️АЛРОСА ИТ ищет Product Lead, LLM AI Services — хороший enterprise-вариант на стыке LLM, продуктового управления и внутренних AI-сервисов;
▶️В Lofty нужен Product Manager AI — роль внутри AI R&D-лаборатории: агенты, ассистенты, прототипы и коммерциализация;
▶️Overgear в поиске AI Product Manager — продуктовая AI-роль в e-commerce/игровой платформе;
▶️IN HOUSE ждет Product Manager / AI-Driven — про AI-трансформацию зрелого e-commerce-продукта.

⏺️AI-трансформация и внедрение.

Это уже не «поиграться с ChatGPT». Банки, холдинги и крупные компании ищут людей, которые будут внедрять ИИ в реальные процессы.

▶️В МТС Банк нужен руководителя проекта по внедрению AI / Co-pilot — AI-внедрение в банковском контуре; они же ищут руководителя проекта по внедрению AI / Precollection и ИИ-чат-бот — фокус на взыскании, precollection и ML/AI-сценариях;
▶️Дом.ру ищет Product Owner AI — роль про выявление потребностей бизнеса, оценку эффекта и внедрение AI-решений;
▶️Агросила ищет начальника отдела внедрения искусственного интеллекта и машинного обучения — зарплата 280–300 тыс рублей, в зоне ответственности чат-боты, голосовые ассистенты, базы знаний, DWH и ML-модели.

⏺️Data & AI leadership.

Отдельный блок — роли, где ИИ завязан на данные, аналитику, модели и управление командами. Много корпоративной тяжелой атлетики.

▶️12 Storeez ищет руководителя направления данных и искусственного интеллекта / Chief Data and AI Officer — управление Data & AI, клиентской аналитикой, прогнозированием спроса и market intelligence;
▶️Сбер ищет руководителя направления по исследованию данных / Lead Data Scientist, СБОЛ — ИИ-помощник в Сбербанк Онлайн и продуктовый масштаб на десятки миллионов пользователей;
▶️Альфа-Банк ищет руководителя направления по интеллектуальному анализу данных / Team Lead рисковые модели — управление DS-командой и риск-моделями;
▶️И тот же Альфа-Банк ищет руководителя направления интеллектуального анализа данных / Team Lead DS — ML-модели, команда до 5 человек, работа с бизнесом, DE и MLOps.

⏺️GenAI для enterprise-продаж и бизнеса.

Самый коммерческий кусок подборки — когда нужно не только понимать GenAI, но и продавать его крупному бизнесу.

▶️КРОК ищет Business Development Manager по AI / GenAI Solutions — enterprise-клиенты, AI-офисы, пилоты и отраслевые GenAI-решения;
▶️Вижн / Evolve AI ищет Senior Product Manager / продакта в Evolve AI — зарплата 250–350 тыс рублей, AI-платформа и развитие продукта после найденного product-market fit.

Бизнесовые AI-вакансии есть, но называются они как угодно — Product Lead, Product Owner, руководитель проекта, Lead DS, BDM, Chief Data & AI Officer.

Поэтому смотрите описание, примеряйте на себя, и да поможет вам бог на сегодняшнем рынке труда.

AI для бизнеса

Путин: России нужна своя модель регулирования ИИ

Владимир Путин на Совете законодателей заявил, что России нужно сформировать первые контуры нормативной базы в сфере искусственного интеллекта и найти собственную оптимальную модель регулирования — с учетом зарубежного опыта, но без копирования чужих подходов.

По его словам, речь идет о технологиях, которые кардинально меняют весь мир, поэтому регулирование должно быть сбалансированным.

За последние дни вокруг ИИ-регулирования уже сложился целый набор сигналов. Государство, похоже, ищет не одну большую кнопку «зарегулировать ИИ», а более гибкую модель: где-то смягчать требования, где-то запускать эксперименты, где-то вводить KPI, а где-то начинать измерять социальные эффекты.

Что уже произошло:

🔴Законопроект о регулировании ИИ решили смягчить. Из документа убрали часть требований, которые сильнее всего критиковал бизнес: обязательное обучение моделей только на российских данных, разработку только гражданами РФ, отдельный режим ответственности и требование для крупных сервисов регистрироваться как ОРИ.

🔴Для 20 ведомств ввели KPI по внедрению ИИ: для Минздрава — доля обработки маммографий, рентгенов и КТ с помощью ИИ; для Минпромторга — компьютерное зрение и системы поддержки решений; для Минтранса — выявление нарушений грузовиков.

🔴Компании могут обязать показывать влияние ИИ на занятость и ежегодно раскрывать, как внедрение ИИ влияет на численность персонала и структуру занятости.

🔴Госдума одобрила в первом чтении поправки к режиму ЭПР — экспериментальных правовых режимов для цифровых технологий. Срок ЭПР предлагают увеличить с 3 до 5 лет, а запуск экспериментов упростить даже для сфер, где общего регулирования еще нет.

В итоге контур получается довольно показательный:

▶️С одной стороны, государство хочет закрепить суверенные, национальные и доверенные модели, регулировать ИИ в госсекторе и критической инфраструктуре, а также считать эффект от внедрения.

▶️С другой — после критики бизнеса уже видно движение от жесткой модели «всё свое, всё внутри, всё по реестру» к более прагматичной: не убить разработку на входе, не отрезать данные и не сделать регулирование дороже самой технологии.

Вопрос только в том, получится ли удержать баланс: не превратить ИИ в серую зону без правил, но и не зарегулировать его так, чтобы бизнесу стало проще ничего не внедрять.

AI для бизнеса

ИТ-специалисты платят за ИИ из своего кармана

Каждый пятый ИТ-специалист ежемесячно тратит на ИИ-агентов больше 3 тыс. руб, 12% платят от 3 до 5 тыс. руб., а 8% — более 5 тыс. руб. Данные приводит ИТ-колледж«Хекслет» и центра «Позиция».

64% специалистов применяют его для задач внутри компаний. Около половины используют ИИ для проверки кода, треть — для написания простых скриптов, 29% — для поиска ошибок.

Что по эффекту:
▶️39% отмечают умеренную пользу от ИИ;
▶️32% считают такие инструменты крайне полезными;
▶️35% пока не видят карьерных или материальных преимуществ;
▶️14% уже получили премии благодаря результатам работы с ИИ;
▶️11% использовали ИИ для подготовки к собеседованиям и поиска работы.

Компании реагируют по-разному:

▶️у 65% респондентов использование ИИ не скрывается и уже встраивается в рабочие процессы;
▶️у 20% тему обсуждают ограниченно;
▶️15% говорят, что применение ИИ приходится скрывать.

Данные соотносятся с исследованием MWS AI и еще раз подтверждают, что рынок нормализует ИИ как рабочий инструмент, но не через корпоративную стратегию, а снизу — через конкретного сотрудника, который сам выбрал инструмент, сам оплатил подписку и сам понял, где это экономит время.

AI для бизнеса

Потратили 2,8 млн на ИИ на складе. Сэкономили 18.

Начнем рубрику #кейс с понятного и конкретного проекта, без лирики про изменение мира, прорывных бизнес-моделей и важности ИИ.

В кейсе Nurax с FMCG-дистрибьютором (компаниям не называется) у компании было 15 складов, более 2000 SKU и 450 клиентов.

❗️Проблема вполне типовая: до 35% оборотных средств зависало в избыточных запасах, до 18% заказов не выполнялось вовремя из-за дефицита товаров, а средняя загрузка транспорта держалась на уровне 62%.

⬛️Обычно это лечат дорогими капитальными решениями: строят склады, расширяют автопарк, нанимают больше людей. Но при высокой ставке такой путь быстро становится слишком дорогим. Поэтому компания пошла не наращивать инфраструктуру, а выжимать больше из той, что уже есть.

⚡️Внедрили ИИ-платформу для сквозной оптимизации логистики: прогнозирование спроса, расчет запасов по каждой SKU, автоматическое формирование заказов поставщикам, маршрутизацию с учетом пробок, временных окон и загрузки машин, а также Vision AI для контроля и инвентаризации товаров.

Проект занял 8 месяцев: аудит процессов, пилот на одном складе, интеграция с WMS/TMS/ERP, настройка ML-моделей и потом масштабирование на всю сеть.

Результат вполне конкретный:

▶️операционные затраты снизились на 23%;
▶️сервис-уровень вырос с 82% до 96%;
▶️избыточные запасы сократились на 31%;
▶️загрузка транспорта выросла с 62% до 89%;
▶️годовая экономия составила 18 млн рублей;
▶️ROI достиг 543%, срок окупаемости — 2,1 месяца.

Если максимально коротко — ИИ помог компании понять, сколько товара держать, куда и когда везти, какие позиции пополнять и как не гонять транспорт полупустым.

Потратили 2,8 млн рублей, получили 18 млн рублей годовой экономии. Для бизнеса такой язык гораздо понятнее и показательнее абстрактных премий за внедрения ИИ и инновационность.

AI для бизнеса

К2Тех запускает ИИ-офис, чтобы превратить инициативы из хаоса в деньги (или хотя бы посчитать стоимость хаоса)

«ИИ-офис» должен помочь в управлении ИИ-инициативами в компании, чтобы навести порядок в том, как бизнес выбирает, запускает и считает эффект от ИИ-проектов.

❗️Проблема типовая: ИИ-гипотез много, но живут они хаотично. Один отдел тестирует чат-бота, другой — генерацию документов, третий — аналитику, четвертый — автоматизацию заявок. В итоге бюджеты размазываются, проекты дублируются, а руководство не видит нормального ответа на главный вопрос: где деньги.

Поэтому платформа собирает в одном контуре весь цикл: идеи, гипотезы, ответственных, статусы и расчет ROI.

Для этого внутри есть:

▶️матрица потенциала — чтобы оценивать гипотезы по эффекту для бизнеса и сложности внедрения;

▶️ROI-калькулятор — чтобы считать экономику инициатив для разных доменов: производства, HR, сервисных функций и других направлений;

▶️канбан-доска для портфеля ИИ-проектов — чтобы видеть статусы, ответственных, историю изменений;

▶️каталог готовых сценариев — от мониторинга кредитно-гарантийных сделок до генерации проектной документации и анализа данных по ВЭД.

Отбор инициатив идет по трем базовым критериям: ожидаемый бизнес-эффект, сложность реализации и доступность данных. А значит, бюджет не пострадает от «а давайте сделаем чат-бот для оформления отпусков».

AI для бизнеса

ИИ стал новой космической гонкой. Только дороже. В России это начали понимать.

Максим Орешкин на II Открытом диалоге в национальном центре «Россия» сравнил масштаб инвестиций в генеративный ИИ с крупнейшими технологическими проектами XX века.

По его словам, если считать в ценах 2024 года, Манхэттенский проект обошелся экономике США примерно в $80 млрд, а вся программа «Аполлон» — в $215 млрд. При этом инвестиции в генеративный ИИ только за один год превысили $450 млрд.

❗️То есть за год в GenAI вложили больше, чем США потратили на атомный проект и высадку человека на Луну вместе взятые.

Сравнение с российским контекстом не очень утешительное:

⬛️Весь рынок ИИ в России оценивается примерно в 1,15 трлн рублей — это около $15,4 млрд по текущему курсу. А на федеральный проект «Искусственный интеллект» в 2025 году выделили 7,7 млрд рублей, то есть примерно $103 млн.

Господдержка федерального ИИ-проекта — это даже не один крупный дата-центр по мировым меркам.

Что фактически происходит:

▶️деньги идут не только в модели, но и в дата-центры, энергию, чипы, облака и инженерные команды;

▶️ИИ становится инфраструктурной гонкой государств, а не просто соревнованием чат-ботов;

▶️страны и корпорации вкладываются не в «улучшение офисной рутины», а в технологический фундамент будущего. Как бы пафосно ни звучало, но это так;

▶️входной билет в большую ИИ-гонку резко дорожает.

Сам Орешкин сформулировал это прямо: человечество сделало ставку на ИИ как на основу будущего развития.

Когда в технологию за год уходят сотни миллиардов долларов, она начинает менять не только продукты, но и стоимость вычислений, рынок труда, энергетику, инфраструктуру и конкуренцию между странами.

Вопрос в том, кто сможет позволить себе хотя бы поучаствовать в этой гонке не на уровне подписки на чат-бота, а на уровне капитала, данных, вычислений и внедрения.

AI для бизнеса

Пока вы планируете сокращения и считаете, сколько сэкономите за счет ИИ, он уже начинает стоить дороже людей.

Компании вкладываются в модели, дата-центры, облака и подписки — а потом выясняют, что это может стоить дороже самих сотрудников.

Вице-президент Nvidia Брайан Катандзаро рассказал, что в его команде расходы на вычисления уже превышают расходы на персонал.

⭐️Хороший символ текущего момента: ИИ должен был помогать экономить, но сам начал съедать бюджеты.

Gartner прогнозирует, что мировые IT-расходы в 2026 году достигнут $6,31 трлн, рост — 13,5% год к году. Самый быстрый рост — у систем для дата-центров: плюс 55,8%, до почти $788 млрд.

И здесь появляется конфликт:

🔼С одной стороны, компании продают ИИ как способ повысить продуктивность и сократить издержки.
🔽С другой — сами начинают резать штат, чтобы высвободить деньги под эту же ИИ-инфраструктуру.

Meta (запрещена в РФ и признана экстремистской) планирует сократить около 10% персонала, Microsoft предложила добровольный уход примерно 7% сотрудников в США, а за четыре месяца 2026 года в технологической отрасли уже было больше 92 тыс. увольнений.

❗️При этом не все эти сокращения честно можно назвать «заменой людей ИИ». Часто ИИ становится удобным объяснением для обычной оптимизации, переизбытка найма прошлых лет и давления инвесторов. Но направление бюджета все равно видно: деньги уходят от людей к вычислениям.

Что это значит для бизнеса:

▶️ИИ перестает быть дешевой надстройкой к существующим процессам;

▶️расходы на вычисления, облака, модели, подписки и инфраструктуру становятся постоянными;

▶️проекты без понятного ROI будет все сложнее защищать перед финансами;

▶️компании начнут сравнивать не «человек против ИИ», а «стоимость человека против стоимости автоматизированного процесса»;

▶️рынок будет быстрее уходить в сторону более дешевых моделей, гибридных стеков, on-prem-решений и жесткого контроля токенов.

Раньше бизнес считал ФОТ, аренду, маркетинг и облака. Теперь к этому добавляется еще одна тяжелая строка — стоимость интеллекта как сервиса.

И если эта строка начинает стоить дороже людей, вопрос «а где эффект?» будет звучать все чаще.

AI для бизнеса

ИИ стал самым рискованным классом в ИТ.

По данным Solar 4RAYS, уязвимости в ИИ-сервисах оказались самыми критичными среди всех ИТ-решений. Средняя оценка критичности — 9,2 из 10 баллов. Это на 1–2 балла выше, чем у других категорий ИТ-продуктов.

Пока доля таких уязвимостей небольшая: в I квартале 2026 года ИИ-ассистенты, чат-боты и другие ИИ-продукты дали около 5% всех зафиксированных брешей. Но важна не доля, а тяжесть.

❗️Около 60% найденных уязвимостей в ИИ были признаны критическими, еще 26% — высокого уровня риска.

То есть ИИ пока ломают не чаще всех, но если ломают — то серьезно.

▶️ИИ-сервисы уже работают с кодом, документами, внутренними базами, клиентскими запросами и корпоративными знаниями;

▶️ошибка в такой системе — это не просто сбой чат-бота, а риск утечки данных, обхода ограничений, неправильных решений и компрометации бизнес-процессов;

▶️чем глубже ИИ встраивается в корпоративный контур, тем выше цена каждой уязвимости.

Отдельная проблема — использование LLM в безопасной разработке. «Солар» ранее тестировал большие языковые модели на задачах триажа и исправления уязвимостей кода.

🔴Вывод: ChatGPT и DeepSeek могут пропускать 40–50% уязвимостей в Java- и Python-проектах.

Ранее мы писали о том, как ИИ становится инструментом для ИБ, но теперь он сам становится поверхностью атаки, причем высокой критичности.

Для бизнеса это значит простую вещь: внедрять ИИ без отдельного security-контроля — примерно как выкатывать новый продукт в продакшн без тестирования. Заработать может быстро, но ненадолго.

AI для бизнеса

«Магнит» запустил ИИ-ассистента для поставщиков

«Магнит» вместе с Retail Services запустил ИИ-ассистента для поставщиков. Сервис превращает сложную ритейл-аналитику в обычный чат. Поставщик задает вопрос обычным языком, а система собирает ответ с таблицами, графиками и бизнес-выводами.

Что умеет сервис:

▶️выгружать статистику по остаткам, продажам и другим данным RS.Magnit;

▶️сопоставлять периоды, считать отклонения и визуализировать тренды;

▶️анализировать причины изменений и давать рекомендации по улучшениям;

▶️работать с документами пользователей;

▶️использовать готовые запросы для типовых расчетов.

Например, можно спросить:

⬛️«Покажи упущенные продажи за последний промо-период в Московском регионе с разбивкой до товара и формата».

⚡️Ассистент должен выдать анализ по причинам: отсутствие остатков, виртуальный сток, логистические сбои и другие факторы.

Ценность здесь не в чат-боте как таковом, а в снижении порога входа в аналитику для поставщиков. Раньше такие задачи требовали аналитика, BI-системы и нескольких часов ручной работы. Теперь часть этих расчетов можно запускать прямо из браузера через вопрос на естественном языке.

❗️Ассистент развернут в защищенном контуре Retail Services: данные поставщиков изолированы друг от друга, не смешиваются и не используются для обучения на чужих запросах. Для ритейла это важная деталь, потому что речь идет не просто о цифрах продаж, а о коммерчески чувствительных данных.

AI для бизнеса

ICT.Moscow опросил 624 представителя российского ИТ-сообщества о том, что для них важнее всего при использовании ИИ-агентов в 2026 году.

Рынку мало разговоров про «автономных помощников». Пользователи хотят не магии, а понятных функций, надежности, прозрачности и встраивания в рабочие процессы.

Самый частый ответ — возможность положиться на ИИ-агента как на напарника в работе. Это отметили 36% участников. Еще 35% выбрали прозрачность и безопасность решений, а 31% — измеряемый и понятный результат.

🔴Ключевой запрос сейчас не на «вау, агент сам все сделал», а на управляемость: что именно он делает, почему так решил, можно ли ему доверять и какой эффект это дает.

Во второй группе — практические сценарии:

▶️34% хотят возможность использовать агента локально;
▶️33% ждут развития свойств и возможностей ИИ-агентов;
▶️28% считают важной совместимость с уже используемыми инструментами;
▶️27% хотят применять агентов для написания программного кода;
▶️еще 27% видят ценность в применении агентов в разных бизнес-процессах;
▶️14% считают ИИ-агентов хайпом.

А вот большой выбор решений, включая отечественные, пока волнует только 12% опрошенных. На текущем этапе важнее не происхождение агента, а чтобы он был полезен, понятен, безопасен и нормально жил внутри рабочего стека.

Похоже на нормальную стадия взросления: сначала все смотрели, что агент вообще умеет. Теперь начинают спрашивать, можно ли его пустить в реальные процессы и не пожалеть.

AI для бизнеса

Кембриджский центр альтернативных финансов опросил 130 центробанков и финансовых ведомств.

Картина получилась странная: регуляторы в целом позитивно смотрят на внедрение ИИ в финсекторе, но сами плохо понимают, как именно он уже используется и какие риски создает.

Сейчас только 24% финансовых регуляторов собирают данные о внедрении ИИ в секторе. Еще 43% не планируют начинать такой мониторинг в ближайшие два года.

С рисками ситуация еще хуже:

▶️киберриски из-за ИИ отслеживают только 13% регуляторов;
▶️случаи мошенничества — 9%;
▶️предвзятость ИИ-моделей к клиентам — 5%.

Регуляторы считают, что ИИ поможет рынку и достижению надзорных целей, но при этом у большинства нет регулярных данных ни по внедрению, ни по рискам.

То есть технология уже уходит в банковский сектор, а надзор за ней пока остается на уровне наблюдения со стороны.

Сами регуляторы заметно отстают от рынка во внедрении ИИ в собственную работу:

▶️около 81% находятся только на стадии изучения или пилотирования;
▶️агентный ИИ используют 28% регуляторов против 52% в среднем по отрасли.

Для финсектора это неприятная комбинация: банки и финтех быстрее внедряют ИИ, а регуляторы медленнее собирают данные, слабее тестируют риски и реже используют такие инструменты сами.

Российский ЦБ в этом опросе не участвовал, но Эльвира Набиуллина на пресс-конференции 24 апреля сообщила, что в Банке России ИИ используют для первичного анализа данных.

AI для бизнеса

Дочка «Софтлайна» переносит IPO. Формально — из-за рынка, но все не так неоднозначно.

FabricaONE.AI, ИИ-направление «Софтлайна», объявила о переносе IPO на Московской бирже. Компания планировала выйти на биржу в апреле, книга заявок была покрыта, интерес инвесторов подтвержден, но размещение решили отложить из-за ухудшения внешнего фона и роста рыночной неопределенности.

В ходе IPO FabricaONE.AI собрала заявок более чем на ₽2 млрд.

Формулировка стандартная: при высокой волатильности IPO может создать неоправданный риск для стоимости акций после начала торгов.

Поэтому компания обещает вернуться к размещению позже, когда рыночная конъюнктура станет более благоприятной.

Но тайминг любопытный.

❗️Заявление о переносе вышло на следующий день после того, как Арбитражный суд Москвы наложил обеспечительные меры на шесть компаний группы «Софтлайн», включая четыре структуры, подконтрольные FabricaONE.AI. Общий размер требований по иску — 1,57 млрд руб.

Сама компания ранее заявляла, что этот спор не связан с ее операционной деятельностью и не должен влиять на IPO.

Что важно по фактам:

▶️IPO планировалось провести в апреле;

▶️ценовой ориентир составлял 25 руб. за акцию;

▶️оценка компании — около 14 млрд руб. без учета средств, привлекаемых в ходе сделки;

▶️компания хотела привлечь около 2 млрд руб.;

▶️книга заявок, по заявлению FabricaONE.AI, была покрыта;

▶️поданные заявки удовлетворяться не будут, заблокированные средства инвесторам разблокируют по правилам Мосбиржи.

Новые сроки IPO обещают объявить отдельно.

AI для бизнеса