Крупные компании тратят на запуск проектов с агентными ИИ-системами 10–50 млн руб.

▶️Российские компании переходят от единичных пилотов к промышленному внедрению ИИ-агентов. В среднем крупные компании тратят на запуск проектов с агентными системами порядка 10–50 млн руб. К таким выводам пришли аналитики Cloud.ru и Высшей школы бизнеса НИУ ВШЭ.

При этом, по замечанию авторов, простые сценарии автоматизации и готовые решения 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, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях 5–7 лет.

▶️Исследование показывает, что успешность внедрения и масштабирования ИИ-агентов определяют качество доступных для обучения данных и способность агента взаимодействовать с существующими корпоративными системами: CRM, ERP, базами данных. В 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 ИИ-агенты сокращают время выполнения задач на 40–50%.

Правительство России создаст Центр инженерии данных и технологий искусственного интеллекта для сферы строительства.

⏺️Строительную отрасль избавят от бумажной волокиты с помощью нейросетей. На базе «Главгосэкспертизы» создают профильный Центр искусственного интеллекта, который полностью перекроит работу с документами в единой цифровой среде.

В основе проекта лежит узкоспециализированная языковая модель, обученная исключительно на реальных строительных материалах и данных экспертизы. Алгоритмы заберут на себя рутину: они ускорят проверку документов, сделают процесс прозрачным и ощутимо снизят бюрократическую нагрузку на инвесторов и застройщиков.

▶️Внедрять технологию будут в два этапа. Сначала умные алгоритмы обкатают на внутренних задачах «Главгосэкспертизы», а затем готовые коробочные решения раздадут региональным ведомствам и профильным институтам. ИИ должен стать не точечной игрушкой, а системным ядром, бесшовно связывающим кабинеты с реальными стройплощадками. В итоге это подтянет всех участников рынка к единому цифровому стандарту и радикально сократит путь от проектирования до котлована.

«Газпром нефть» запустила ИИ-агента для проектирования нефтяных скважин.

Алгоритму нужен ровно час, чтобы выдать тысячу вариантов расстановки буровых. Команде специалистов на этот же объем пришлось бы работать неделю без выходных. Общая скорость моделирования выросла в пять раз.

Как это работает:

⏺️Никаких жестких инструкций. В основе лежит алгоритм обучения с подкреплением. ИИ не работает по шаблону — он сам ищет лучшую стратегию, анализирует ошибки и выдает неочевидные инженерные решения.

⏺️Анализ всего. Система одновременно учитывает миллионы параметров: физику процессов, геологию, экономику проекта и технические возможности буровых установок. Базу для ИИ собирали из терабайтов данных с реальных месторождений.

⏺️Доказанная эффективность. Алгоритм уже обкатали на трех промыслах в ХМАО и ЯНАО. Расчеты нейросети оказались точнее и рентабельнее стандартных проектов, которые делают люди.

Теперь этот ИИ-агент станет единым стандартом компании при разработке новых месторождений. Пользоваться им просто — под капотом сложная математика, но интерфейс выводит понятные цифровые 3D-модели.

ИИ-экспериментам раскручивают гайки.

Госдума одобрила в первом чтении поправки к режиму ЭПР — экспериментальных правовых режимов для цифровых технологий. На практике это значит, что запускать ИИ-проекты в серой зоне регулирования станет проще, а сами эксперименты смогут жить дольше.

Что меняется:

⏺️Для запуска ЭПР хотят убрать обязательное требование о наличии «правового барьера». Сейчас логика такая: эксперимент возможен в основном там, где уже есть общее регулирование. Поправки позволяют вводить специальное регулирование даже там, где общего еще нет.

⏺️В пояснении к законопроекту прямо указано, что речь идет о направлениях, где регулирование пока отсутствует: например, эксплуатация беспилотной наземной техники в аэропортах и обработка промышленных данных.

⏺️Срок действия ЭПР предлагают увеличить с 3 до 5 лет. Аргумент понятный: за три года не удастся нормально протестировать технологию, собрать данные и потом перевести все это в постоянную нормативную базу. Пятилетний горизонт снижает и административную нагрузку на продление режима.

⏺️Еще одна небольшая, но показательная деталь: участникам
ЭПР хотят упростить выход из режима. Комитет предлагает убрать требование о «мотивированном» обращении на выход, потому что сам режим строится на принципе добровольности.

Что это значит на языке бизнеса:

▶️Государство постепенно признает простую вещь: ИИ развивается быстрее, чем под него успевают писать правила.
▶️ЭПР начинают использовать не только как исключение из уже существующих норм, но и как инструмент создания новых.
▶️Больше шансов получат прикладные и проверенные сценарии в промышленности, логистике, транспорте и других сложных B2B-сегментах, где без тестирования «в полях» технологии обычно застревают.

Фактически, регулятор делает шаг от модели «сначала напишем правила, потом попробуем» к модели «сначала протестируем, потом закрепим». Для бизнеса это, пожалуй, один из немногих рабочих способов не задушить внедрение на входе.

AI для бизнеса

ИИ перестает быть преимуществом сотрудника и становится базовым навыком.

ДИТ Москвы в своем исследовании зафиксировали важный сдвиг на рынке ИКТ: искусственный интеллект больше не выглядит как отделькая ниша для узких специалистов. Работодатели ждут, что с ИИ умеют работать не только разработчики, но и аналитики, sales-менеджеры, ИБ-специалисты и руководители проектов.

Немного важных цифр:

▶️18,5% ИКТ-вакансий в Москве уже связаны с ИИ.
▶️В 12% случаев ИИ прямо указан в названии вакансии.
▶️Число вакансий в ИКТ за год сократилось на 31%, а по программистам — на 42%.
▶️Средняя зарплата по ИКТ при этом выросла до 233 тыс. руб.

Вакансий стало меньше, а спрос теперь концентрируется на сильных и гибких специалистах.

Что это значит для предпринимателей:

⏺️Работодателю все меньше нужен «чистый» узкий специалист. Рынок уходит в сторону гибридных ролей, где важны смежные навыки, понимание бизнеса и способность быстро осваивать новые инструменты.

⏺️ИИ становится не отдельной строчкой в резюме, а рабочим инструментом по умолчанию. Иногда это вообще не пишут напрямую: навык базово включают в обязанности — автоматизация рутины, работа с языковыми моделями, применение ИИ в продукте.

⏺️Массовый найм уходит. Компании стали заметно избирательнее и чаще ищут специалистов с опытом 3–6 лет, а не новичков. Особенно это заметно в hardware-направлении.

⏺️Рынок разработки уже не выглядит перегретым: разработчики по-прежнему формируют 21% всех ИКТ-вакансий, но спрос на них по ходу года заметно остыл.

Рынок сейчас говорит довольно прямо: выигрывает не тот, кто знает один конкретный стек, а тот, кто умеет быстро перестраиваться.

Поэтому ИИ в этой модели — уже не бонус, а новая норма.

AI для бизнеса

Компании тихо сокращают людей из-за ИИ. Власти предлагают это показать в цифрах.

В России предложили обязать крупные компании раскрывать, как внедрение ИИ влияет на численность персонала и структуру занятости.

С такой инициативой заведующий лабораторией доверенного искусственного интеллекта РТУ МИРЭА Юрий Силаев обратился в Роструд.

Что предлагается:

⏺️ввести для крупных работодателей обязательную ежегодную отчетность о влиянии ИИ на численность персонала;
⏺️отдельно показывать изменения в структуре занятости;
⏺️сделать эти данные основой для решений в сфере молодежной занятости и образования.

Почему тема вообще возникла

▶️Половина вакансий в городах-миллионниках уже содержит требования к навыкам работы с ИИ.
▶️За последние полгода число вакансий в ИТ сократилось на 15%.
▶️На сопоставимую величину снизилось и число позиций для кандидатов без опыта.

Официально это редко называют сокращением из-за ИИ: обычно в ход идут более нейтральные формулировки вроде «оптимизации процессов», «роста эффективности» или «пересборки функций». Но в прикладном смысле эффект один и тот же — меньше стажировок, меньше входных позиций и более узкая воронка первого найма.

AI для бизнеса

Для ведомств установили KPI по внедрению ИИ

Правительство впервые утвердило KPI по внедрению ИИ для 20 ведомств и подведомственных организаций. Сами цифры выглядят осторожными: бизнес и часть госструктур внедряют нейросети быстрее, чем это отражено в целевых нормативах.

Некоторые эксперты прямо заявляют, что нормативы выглядят заведомо достижимыми. Поэтому есть риск, что ведомства ограничатся набором точечных пилотов без реального масштабирования.

▶️Для Минздрава к концу 2026 года ИИ должен обрабатывать 50% маммографий, 25% рентгенов грудной клетки и 25% КТ-исследований.

▶️Для Минпромторга целевой ориентир — 17,8% машиностроительных предприятий с системами компьютерного зрения и 5,5% предприятий химпрома с интеллектуальной поддержкой принятия решений.

▶️Для Минтранса доля выявляемых с помощью ИИ грузовиков с нарушениями весовых и габаритных параметров должна составить 5%.

KPI заданы не в общем виде, а по конкретным ведомствам и отраслям. Среди сквозных показателей — доступ сотрудников к сервисам генеративного ИИ, доля организаций с внедрённым ИИ, удовлетворённость сотрудников и индекс внедрения технологии.

⏺️В 2027–2030 годах список KPI планируют расширить и добавить экономические метрики.
AI для бизнеса

AI для бизнеса

«Следствие ведут Колобки», а ИИ заходит в классику детской анимации

«ON Медиа» (бывший «МТС Медиа») выпустит мультсериалы по Эдуарду Успенскому, созданные с помощью нейросетей. Первыми проектами станут «Про девочку Веру и обезьянку Анфису» и «Следствие ведут Колобки».

⏺️Это не экспериментальные ролики, а полноценные сериалы: по 52 эпизода длительностью от 3,5 минуты каждый.

⏺️В производстве задействовано около 30 ИИ-моделей, включая российские. Нейросети используют на этапах генерации изображений, анимации и доработки художественных решений.

⏺️Сценарий, раскадровка, монтаж и финальное сведение остаются под человеческим контролем.

По оценке участников рынка, такие проекты обошлись создателям примерно вдвое дешевле средней 3D-анимации.

▶️За последний год стоимость анимационного производства на рынке выросла почти на 50% — из-за дорогого софта, нагрузки на инфраструктуру, удлинения сроков и дефицита кадров. На этом фоне ИИ для студий становится способом удержать экономику проекта.

Отсюда и интерес рынка:

▶️Start уже заявляет, что ИИ-инструменты для него перешли из экспериментальной зоны в рабочую;
▶️Wink не исключает появления таких проектов, но подчеркивает, что в детском контенте нужен особенно жесткий человеческий контроль;
▶️«Союзмультфильм» тоже движется в гибридную модель, где работают и люди, и генеративный ИИ.

AI для бизнеса

У «Яндекса» большое обновление в рекламе. Не про баннеры, а про память

Компания внедрила в рекламную систему рекомендательную технологию Argus на базе генеративных моделей. Внутри — десятки нейросетей, которые считают вероятность клика, конверсии и учитывают контекст взаимодействия пользователя с рекламой.

Рекламный рынок сейчас не в самом хорошем положении: экономическая активность падает, медиаинфляция растет, как и стоимость привлечения клиента. Бизнесу важнее не «как показать больше рекламы», а «как удержать конверсии без роста бюджета».

Чем точнее рекламная система понимает поведение и контекст, тем меньше лишних показов и тем выше шанс сохранить результат для рекламодателя без роста расходов. В эту точку и бьет Argus.

Argus сначала обкатали внутри экосистемы — в 2025 году технологию первой внедрила «Яндекс Музыка». К апрелю 2026 года она уже используется в «Маркете» и «Лавке». Теперь дошла и до рекламной системы.

Что поменялось в цифрах:

▶️ по итогам 2025 года нейротехнологии повысили эффективность рекламной системы «Яндекса» на 38%;

▶️ объем памяти системы вырос в 30 раз;

▶️ раньше нейросети смотрели на поведение пользователя за последние недели, а теперь система учитывает от 256 до 8 тыс. событий.

AI для бизнеса

Ошибка в прогнозе спроса стоит дорого. Сбер и Napoleon IT на этом заработают

«Салют для бизнеса» из группы Сбера и Napoleon IT представили ИИ-решение для прогнозирования спроса на базе ГигаЧат Бизнес. Цель понятная и прикладная: меньше пустых полок, меньше затоваривания, меньше замороженных денег в запасах.

В чем экономический эффект:

⏺️Для ретейла и FMCG прогноз спроса — одна из самых дорогих точек ошибки. Недооценил спрос — потерял продажи. Переоценил — получил склад, списания и зависший оборотный капитал.

⏺️Даже небольшое улучшение дает заметный эффект. По отраслевым оценкам, рост точности прогноза всего на 1 п.п. может сокращать потери на 3–5% от товарного запаса.

⏺️Для бизнеса с многомиллиардным оборотом это экономия на сотни миллионов рублей.

Пилот уже есть. Отечественный производитель лимонада протестировал решение, и точность прогнозирования спроса выросла более чем на треть.

Сбер явно идет в модель партнерского масштабирования, где сам дает платформу, а отраслевые игроки приносят прикладной сценарий в крупный бизнес: не умный помощник, а инструмент, который прямо влияет на P&L.

AI для бизнеса

Защита ИИ становится отдельным сегментом рынка

Yandex B2B Tech и SolidLab выпустили SolidWall AI Security Gateway — решение для защиты ИИ-приложений.

Сам факт запуска говорит о том, что AI в компаниях дошел до стадии, когда ему нужен не просто общий контур ИБ, а отдельный защитный слой.

Раньше ИИ в корпоративном контуре продавали как ускоритель: быстрее ответы, дешевле операции, выше производительность. Теперь рядом с этим возникает вторая категория расходов — защита самого ИИ-слоя.

Цифры здесь говорят следующее:

▶️По данным Gartner, в 2025 году 29% организаций столкнулись с атаками на инфраструктуру корпоративных ИИ-приложений, а 32% — с атаками на сами приложения.
▶️Новый шлюз ставится между внешней сетью и ИИ-системой, контролирует передаваемые данные и закрывает угрозы из OWASP для ИИ, а также DDoS-атаки, в том числе с использованием нейросетей.
▶️Развернуть решение можно и в инфраструктуре заказчика, и по облачной модели — продукт сразу заточен под enterprise-спрос с разными требованиями к контуру.

Что еще усилил Yandex B2B Tech в защите для ИИ:

⏺️Обновили Yandex Smart Web Security, чтобы защищать от DDoS-атак на уровнях L3 и L4.
⏺️Встроили в сервис модуль SolidWall WAF с поведенческим анализом, защитой от ботов и инвентаризацией API.
⏺️Добавили в Security Deck Vulnerability Management — модуль для управления уязвимостями на всем цикле, от разработки до эксплуатации.

Почему важно:

Чем больше AI-сервисов выходит в продакшн, тем быстрее информационная безопасность вокруг них перестает быть дополнительной функцией и становится обязательной частью стека. А значит, вслед за рынком ИИ-решений будет быстро расти и рынок AI-native security.

AI для бизнеса

74% эффекта от ИИ достаются лишь 20% компаний

Инвестиции в ИИ растут почти вертикально, но деньги в технологии и деньги из технологии — не одно и то же.

По данным PwC, 74% экономического эффекта от ИИ забирает только пятая часть компаний. Остальные в основном остаются в зоне пилотов, презентаций и локальных экспериментов.

Где возникает разрыв:

⏺️Проблема не в том, что бизнес мало внедряет ИИ, а в том, что внедряет его для отдельных задач, а не как механизм перестройки работы.

PwC сообщает, что компании с лучшей операционной готовностью к ИИ получают финансовый результат от ИИ в 7,2 раза выше остальных.


⏺️С ИИ происходит то же самое, только быстрее. Формально он есть у многих: помогает искать информацию, ускоряет анализ, автоматизирует рутину. Но в массе компаний он все еще остается умным поисковиком, а не полноценным производственным инструментом.

Это хорошо объясняется старым парадоксом Солоу: технологии уже везде, а в производительности это не видно. Так было с компьютерами в 80-х. Массовая закупка железа не дала мгновенного эффекта. Рост пришел позже — когда компании начали менять процессы, управление и логику работы под новую технологию.

Что отличает тех самых 20%:

▶️они делают ставку не на количество сервисов и срезание расходов, а используют ИИ как двигатель роста.
▶️они чаще используют ИИ для запуска новых продуктов и сервисов;
▶️сильнее завязаны на рост, а не только на экономию;
▶️активнее автоматизируют решения в рамках заданных правил;
▶️раньше остальных выстраивают фундамент: данные, governance, и внятные правила работы с ИИ.

Для бизнеса важно, не внедрил ли он ИИ, а перестроил ли он под него операционную модель. Именно это и разделит рынок на тех, кто получит эффект, и тех, кто останется в бесконечном пилоте.

AI для бизнеса

Нейросети начали «читать» файлы для поиска вирусов

Positive Technologies показала модель ByteDog для поиска вредоносного кода. Вместо ручного набора признаков нейросеть анализирует файл напрямую — как последовательность байтов. То есть почти так же, как языковые модели работают с текстом, только здесь «язык» — это сам файл.

По заявлению компании, модель показала качество детектирования и скорость анализа более чем на 20% выше классических ML-моделей.

Как это выглядит на практике:

▶️Сотруднику приходит файл, похожий на обычный счет от подрядчика.
▶️Внутри — вредоносный код, замаскированный так, чтобы классическая проверка тратила время на распаковку, извлечение кода и прогон по фиксированным правилам.
▶️ByteDog смотрит на тот же файл проще и ближе к реальности — как на последовательность байтов.
▶️Если в ней есть паттерны вредоносного поведения, модель может увидеть их даже там, где вирус спрятан сложным способом.

Для применения обученной модели не нужен GPU. То есть ее можно запускать прямо на пользовательских устройствах — ПК и смартфонах.

AI для бизнеса

Промышленность не хочет впускать ИИ в интернет

«Норникель» вместе с «Яндексом» запускает экосистему ИИ-агентов более чем для 30 производственных и корпоративных процессов. Партнеры нашли способ использовать большие языковые модели в облаке без выхода в публичный интернет.

Для промышленных компаний главный барьер — не качество моделей, а безопасность. Слишком чувствительные данные, слишком дорогая цена ошибки, слишком жесткие требования к контуру.

Поэтому просто подключить LLM из облака здесь нельзя. Нужна архитектура, где модель остается облачной, а для компании выглядит как внутренний сервис.

Что собрали «Норникель» и «Яндекс»:

⏺️Гибридную схему: собственные вычислительные мощности плюс Yandex Cloud.
⏺️Подключение по выделенному физическому соединению без сохранения данных у облачного провайдера.
⏺️Работу ИИ-агентов внутри корпоративной сети без выхода наружу.
⏺️Отдельный слой доменной логики на базе собственной модели MetalGPT.
⏺️В контуре компании тестируются несколько десятков сложных агентских систем: проектирование, управление капитальными проектами, запасы, финансово-экономический контроль.
⏺️В отдельных процессах сроки выполнения задач сокращаются с 30 дней до нескольких часов.

Следующий этап — не только сложные агентские системы для ядра бизнеса, но и доступ к простым ИИ-инструментам для офисных сотрудников. Под это партнеры готовят модуль в Yandex AI Studio, чтобы собирать агентов могли и пользователи без специальной подготовки.

AI для бизнеса