Мир находится на пороге революции, которую возглавляют алгоритмы. Прогнозы экспертов рисуют картину ближайшего будущего, где искусственный интеллект станет незаменимым партнером по работе и жизни. Но в России у ИИ все еще нет единого лица: то он пилот, то костыль, то раздражающий ассистент с непонятным интерфейсом. «Компьютерра» выяснила, что мешает отечественной AI-индустрии выйти на траекторию устойчивого роста.
Когда за возможностями не стоит стратегия
Интерес к искусственному интеллекту продолжает расти. В начале 2025 года мировое сообщество взволновал сценарий «AI 2027», описывающий стремительное развитие сверхчеловеческого ИИ и его глобальные последствия.
Согласно прогнозу, уже к 2027 году ИИ трансформирует экономику, научные исследования, оборону и международную безопасность, спровоцировав технологическую гонку между США и Китаем. По мере роста мощностей и автономности моделей усиливаются риски утечки, саботажа и потери контроля — и человечество оказывается на пороге новой формы силы, которую пока не умеет сдерживать.
Обсуждая прогноз «AI 2027», блогер Скотт Александер задает важный вопрос: не приведет ли ускорение развития ИИ к тому, что глобальные платформы вырвутся вперед, а остальные окажутся в положении догоняющих навсегда? И здесь встает болезненный вопрос о месте России в этой гонке. В стране есть «мозги», есть математика, есть серьезные инженерные школы, но есть ли системная стратегия? Есть ли политическая воля вкладываться не в пилотные проекты, а в платформы? Есть ли у нас «свои» OpenAI или хотя бы Hugging Face?
В условиях, когда глобальный ИИ все быстрее становится метаязыком — не символическим, а операционным, — мы рискуем оказаться в ситуации, где правила пишутся без нас, поэтому отечественным B2B-компаниям нужно преодолеть ключевые барьеры:
- фрагментация и «зоопарк» решений;
- слабый UX и недоверие пользователей;
- сопротивление изменениям и неготовность корпоративной культуры.
Каждый из этих барьеров по-своему тормозит развитие отрасли. Чтобы понять, как сдвинуть ситуацию с мертвой точки, рассмотрим каждый из них подробнее.
Фрагментация и «зоопарк» решений
Российские компании внедряют ИИ уже не первый год, но складывается парадоксальная картина: вместо того чтобы строить системы, они делают «самострои». Сейчас каждый отдел, каждая команда создает решения «под себя» — часто с нуля, на коленке, без оглядки на других. Нет унифицированных платформ, отсутствуют стандартные фреймворки и даже подходы к оценке качества. В результате возникает ситуация, которую в ИТ-индустрии уже окрестили «зоопарком решений»: все пестрое, разношерстное, нестыкуемое.
Это похоже на лоскутное одеяло, сшитое из разных кусков ткани без единого шаблона. Такие ИИ-системы плохо взаимодействуют между собой: данные из одной модели не могут быть легко переданы в другую, обучение повторяется на одних и тех же массивах, а накопленные знания теряются при смене команды или стратегии. Вместо экономии ресурсов — раздутые бюджеты и отсутствие синергии. Вместо сквозной аналитики — ручной перенос данных из Excel в Excel.
В результате возникает целый ряд проблем для бизнеса:
- Во-первых, компании сталкиваются со сложностью интеграции. Различные системы плохо взаимодействуют друг с другом, данные фрагментированы, и часто приходится вручную переносить информацию.
- Во-вторых, возрастают объемы затрат. Каждая отдельная разработка требует собственных лицензий, обучения персонала, поддержки и обновлений — это заметно увеличивает затраты компании. В-третьих, работа одновременно с множеством инструментов замедляет процессы и требует лишних усилий для согласования и анализа данных.
- Наконец, у бизнеса просто нет единого контроля. Разрозненные системы сложно мониторить централизованно, что затрудняет принятие управленческих решений и снижает общий контроль над процессами.
Чтобы противодействовать этой фрагментации, нужна инфраструктура и единые подходы. Стоит отметить, что в России уже предпринимаются шаги в этом направлении. Так, в 2025 году правительство инициировало разработку платформы типовых ИИ-решений, на которой должны появиться лучшие кейсы цифровизации, пригодные для тиражирования по всей стране.
Также создается Центр развития ИИ при правительстве, главная задача которого — координировать инициативы регионов и бизнеса, тиражировать отработанные решения и устанавливать общие стандарты вместо повторения одинаковых разработок. При активном участии государства и интеграторов компании получат возможность не «измельчать» усилия, а строить масштабируемую платформу с единым «окном доступа» ко всем ИИ-сервисам.
Слабый UX и недоверие к агентам
Даже если в компании появляется ИИ-инструмент, сотрудники часто избегают его, как нечто чуждое. У него нет ясного интерфейса, он действует по непонятной логике, а главное — не объясняет, почему он предлагает именно это решение. В глазах пользователя ИИ выглядит как автомат с непредсказуемыми реакциями. Иногда он дает полезный совет, но иногда — полную чепуху.
В результате люди просто перестают ему доверять. Лучше потратить 20 минут на ручную проверку, чем рисковать и полагаться на агента. В корпоративной среде особенно сильна тревога: одна ошибка может стоить проекту репутации или бюджета. А если еще и интерфейс неудобный — с этим точно никто связываться не станет.
Реальные опросы подтверждают тревожные тенденции. Так, всероссийский опрос ВЦИОМ показал, что только около половины россиян (52%) доверяют ИИ-технологиям (против 38%, которые не доверяют). Среди причин недоверия лидируют частые сбои ИИ-систем (28%) и боязнь потери контроля человеком (26%).
Также 76% респондентов требуют, чтобы в критических областях (медицина, образование) последнее слово оставалось за человеком. То есть даже если ИИ предлагает помощь, значительная часть пользователей не готова безоглядно отпустить ситуацию в «руки робота».
Парадокс в том, что в пользовательском доверии важна не точность, а предсказуемость. ИИ может ошибаться, но если он объясняет, почему принял то или иное решение, человек уже чувствует контроль. Это и есть та самая интерпретируемость, о которой все чаще говорят на уровне стратегии: ИИ должен быть не только мощным, но и понятным.
В прогнозе «AI 2027» поднимается вопрос «софтверной сингулярности»: возможен ли сценарий, при котором ИИ сам себя улучшает и прогрессирует с бешеной скоростью. В этом случае UX может просто не поспевать за технологией. Но в реальном корпоративном мире успех зависит не только от скоростей модели, но и от ее внятности. Сотрудник не будет пользоваться инструментом, если не понимает его намерений.
Чтобы переломить ситуацию, нужна фокусировка на UX и интерпретируемости. Концепции вроде AI TRiSM (Trust, Risk and Security Management) прямо ставят в приоритет объяснимость моделей: необходимо явно отображать ключевые шаги работы ИИ, чтобы проверить, удалось ли модели достичь цели. Такой подход позволит сотрудникам мониторить результаты алгоритмов и быстрее принимать их за надежных помощников.
Наряду с этим стоит учитывать уроки «AI 2027». Эксперты предупреждают, что при «софтверной сингулярности» компании могут концентрироваться на внутриалгоритмических прорывах, а не на добавлении новых пользовательских фич. Возможно, вместо выпуска на рынок каждые полгода улучшенных чат-ботов в технологических отделах приоритетом окажется удвоение производительности ИИ.
В итоге качественный UX не продвинется по графику, а обычный пользователь почувствует, что «ни на что не может повлиять». Поэтому инвестировать в понятные интерфейсы и прозрачные метрики работы ИИ следует уже сейчас, пока гонка еще не полностью увлекла отрасль.
Люди против алгоритмов: корпоративная инерция
Самая сложная проблема — не техническая, а культурная. Даже если у компании есть деньги, команда разработчиков и интересный проект, все может застопориться на уровне «люди не хотят». Не потому, что они глупы или консервативны. А потому, что любая автоматизация — это вторжение. Вторжение в привычный уклад, в зону контроля, в роль профессионала.
Изменение должностных обязанностей, необходимость переучиваться, ощущение угрозы — все это порождает сопротивление. По данным Ассоциации менеджеров, около трети российских компаний сталкиваются с явным или скрытым саботажем внедрения ИИ. Люди не видят в новых инструментах союзника. Они видят в них подмену. Особенно это касается линейного персонала, но и на уровне менеджеров часто возникает скепсис: «А вы точно знаете, как этот агент решает, кому выдать кредит?».
Опрос также показывает, что компании уже начинают перераспределять обязанности: в 55% случаев после внедрения ИИ у сотрудников меняются функции, 21% компаний отмечают сокращение устаревших позиций. Эти изменения неизбежно вызывают стресс и неуверенность. Без работы над культурой и доверием любые ИИ-инициативы обречены на замедление.
Преодолеть это можно только через последовательную работу с внутренней культурой. Не формально, через рассылки и презентации, а всерьез. Начать стоит с внутреннего диалога. Регулярные семинары, демо новых ИИ-инструментов и четкие инструкции помогут перевести ИИ из разряда «черной магии» в осознаваемую технологию. Задача руководства — убедить сотрудников, что ИИ — не конкурент, а помощник: тогда инерция сменится вовлеченностью.
Культурно-ориентированные инициативы могут включать пилотные проекты с прозрачной обратной связью, программы менторства для обучения ИИ-компетенциям и даже создание «ответственных консультативных советов» из числа сотрудников, которые помогут интегрировать ИИ в их рабочие процессы. ИИ нужно «врастить» в повседневность, как когда-то врастили CRM или корпоративную почту. До тех пор, пока он воспринимается как внешний, навязанный сверху феномен, никакой прорыв не случится.
Выводы
Выход из сложившейся ситуации в России заключается не в очередных PR-статьях о национальных чат-ботах и не в закупке GPU по госконтракту. Он в построении системной среды, где ИИ-инструменты не конкурируют за ресурсы внутри одной компании, а развиваются в единой архитектуре. Где сотрудники не боятся агентов, потому что понимают, как те работают. Где сопротивление изменениям не игнорируется, а осмысленно преодолевается.
В первую очередь необходимо консолидировать разработки — строить единую ИИ-платформу и стандарты, чтобы избавиться от дорогостоящего «зоопарка». Одновременно важно укреплять доверие пользователей — улучшать UX, применять интерпретируемый ИИ и прозрачные метрики качества. И наконец, без работы с людьми и культурой любые технологические новшества останутся невостребованными: компании должны строить доверительные отношения с персоналом и активно помогать им адаптироваться к изменениям.
ИИ в России может развиваться не вопреки, а благодаря имеющимся особенностям — если сделать их частью стратегии. Например, высокая инженерная школа — это повод делать упор на интерпретируемость и надежность. Централизованная система управления — шанс выстроить вертикальную платформу для тиражирования ИИ по секторам. А традиционный скепсис — прекрасный фильтр против хайпа: в России могут делать не модные, а работающие вещи.
В итоге российские компании, особенно в секторе B2B, выиграют, если увидят ИИ не просто как набор новых алгоритмов, а как трансформационный фактор, требующий системной поддержки и подготовки. Стратегия должна сочетать технологические и социальные меры: только так дисбаланс между амбициозными разработками и реальными потребностями бизнеса будет устранен, и ИИ-индустрия сможет реализовать весь свой потенциал на отечественном рынке.