Внедрение генеративного искусственного интеллекта (GenAI) российским бизнесом способно обеспечить экономике страны дополнительный прирост в размере от 2,8 до 9,8% ВВП к 2030 году. Такой прогноз делает Центр макроэкономических исследований (ЦМИ) Сбербанка в своем исследовании «Экономика GenAI».
Расчет сделан исходя из номинального ВВП России за 2025 год в размере 214,3 трлн рублей, и включает совокупный эффект (добавленную стоимость и влияние на связанные отрасли). Речь идет именно о доле потенциала автоматизации рабочих задач, а не о количестве компаний, которые начнут использовать генеративный ИИ.
По словам руководителя ЦМИ Сбербанка Александра Исакова, диапазон оценки зависит от темпов распространения технологии и того, насколько быстро компании смогут перестроить рабочие процессы. Нижняя граница предполагает реализацию около 30% технически возможной автоматизации рабочих задач, верхняя – около 70%.
Генеративный ИИ – это модели, которые создают новое: текст, программный код, изображения, речь, видео. Задачу им ставят обычным языком, а в ответ получают черновик договора, письмо клиенту, кусок программы или выжимку из трехсот страниц документации, поясняет Роман Копосов, заместитель директора компании стратегического консалтинга АРБ Про.
«Банки и телеком ставят GenAI в контакт-центры, пишут и проверяют с ним код и документы, дают сотрудникам внутренних ассистентов. В промышленности пока в основном ищут по регламентам и технической документации, разбирают инциденты, готовят инструкции, работают с тендерами и договорами.
У промышленности есть своя история, о которой говорят мало. Опытные инженеры и технологи уходят на пенсию, и их знания уходят вместе с ними. Если перевести эти знания в корпоративную базу сейчас, молодой инженер задаст вопрос своими словами и получит ответ со ссылкой на нужный пункт регламента», – говорит Копосов.
Генеративный ИИ используют, например, «Сибур» и «Норникель». «В электронной торговле генеративный ИИ применяется для подготовки описаний и изображений товаров, общения с покупателями и помощи в выборе покупок. Например, Wildberries предоставляет продавцам возможность создавать изображения одежды на виртуальных моделях, а «Яндекс» использует генеративный ИИ для подбора и сравнения товаров по запросам покупателей», – отмечает научный сотрудник лаборатории анализа лучших международных практик Института Гайдара Кирилл Черновол.
Развитие этого может дать существенную прибавку к ВВП России – от 2,8% до 9,8% к 2030 году. При этом реализация наиболее оптимистичного сценария зависит от целого ряда факторов, динамику ряда которых пока сложно прогнозировать.
«Цифра в 2,8% и 9,8% – это не доля ИИ в экономике и не прибавка за один год. Это эффект, накопленный к 2030 году: от 6 до 21 трлн рублей, если считать от ВВП 2025 года. В пересчете на год получается примерно от половины процентного пункта до двух пунктов дополнительного роста», – объясняет Копосов. Верхняя граница, по его мнению, выглядит смело, потому что эффект появляется, только когда под технологию перестраивают всю работу.
«Разброс из-за разницы между двумя сценариями. При первом компании будут осторожничать и внедрять GenAI медленно, при втором – станут действовать быстро и по-настоящему широко.
Чтобы дойти до 10%, компаниям нужно не просто купить лицензии, а перестроить рабочие процессы, обучить персонал, интегрировать GenAI в legacy-системы. Главные барьеры тут: нехватка квалифицированных кадров, сопротивление изменениям внутри,
отсутствие готовых отраслевых решений под конкретные задачи и вопросы к качеству данных», – добавляет Дмитрий Демидов, руководитель Лаборатории инноваций «Норбит» (группа компаний «ЛАНИТ»).
Пока внедрение GenAI в России идет неравномерно: одни компании уже активно используют его возможности, другие только присматриваются к технологии.
«Как обычно в лидерах крупные технологические компании, банки, отдельные промышленные холдинги, у них есть и ресурсы, и задачи, и данные. Они используют GenAI в разработке, аналитике, клиентском сервисе. Электронный ритейл активно экспериментирует с генерацией контента и чат-ботами. Средний и малый бизнес, напротив, не располагает ни бюджетами, ни экспертизой для реализации пилотов. Госсектор движется осторожно, с фокусом на безопасность», – говорит Демидов.
Копосов разделяет компании на три группы. Первая уже зарабатывает на GenAI: банки, телеком, IT, электронная коммерция. У них много цифровых данных, много однотипных операций и сильные команды разработки. Сбер, Яндекс, Т-Банк и МТС развивают собственные языковые модели, маркетплейсы дают продавцам генерировать описания товаров.
«Вторая группа компаний пилотирует и присматривается: ритейл, логистика, фарма, крупные нефтегазовые и энергетические компании. Деньги и данные есть, но процессы тяжелые, а цена ошибки высокая»,
– считает эксперт.
В начале пути, по его словам, промышленность, строительство, сельское хозяйство, большая часть госсектора, средний и малый бизнес. «Если промышленная компания и использует ИИ, то чаще для документооборота и поиска по регламентам. До управления производством доходят немногие. В малом бизнесе ИИ пользуются собственник и отдельные сотрудники через публичные чат-боты. Это полезно, но экономику компании не меняет», – продолжает Копосов.
По мере расширения применения генеративного ИИ возрастет и значимость связанных с ним рисков. Среди них Демидов выделяет зависимость от конкретного провайдера и угрозы безопасности: утечки информации, злоупотребления и создание вредоносного контента. «ИИ-агент с доступом к почте, базам данных и платежам становится новой точкой атаки. Защищаться придется инженерно: правами доступа, разграничением контуров, контролем действий модели», – предупреждает Копосов.
«Критично и влияние на рынок труда. Адаптация к быстрому сокращению рутинных профессий и к не такому скоростному появлению новых будет точно непростой», – отмечает Демидов.
Однако Копосов не ждет массовой безработицы при нынешнем дефиците кадров. «Увольнений будет немного. Просто компании перестанут нанимать новых людей в контакт-центры, в контент-менеджмент, на младшие позиции в разработке и бухгалтерии. Экономике, где не хватает рук, это скорее поможет», – говорит он.
«И, пожалуй, главный страх связан с тем, что даже создатели ИИ-моделей не всегда могут объяснить решения искусственного интеллекта»,
– считает Демидов.
«Модель ошибается уверенно и правдоподобно. Пока ИИ помогает одному сотруднику, ошибку ловит человек. Когда ИИ встроен в процесс, ошибка успевает разойтись по тысячам документов, прежде чем ее кто-то заметит», – говорит Копосов.
По его оценке, главный риск для отдельной компании в том, чтобы опоздать. «Модель можно купить, но перестроенный процесс купить нельзя. Кто перестроит работу в ближайшие два года, к 2030 году получит такую себестоимость и скорость, каких конкуренты не добьются покупкой той же модели», – заключает собеседник.