Данные были представлены в ходе XXI Всероссийского Форума-выставки «ГОСЗАКАЗ» в мае 2026 года. Представленный опыт может быть использован как гайд для компаний, которые только присматриваются к теме. Можно ли по внешним признакам отличить полезную нейросеть от авантюрного стартапа? И что это за признаки (если они есть)?
Интенсивность внедрения нейросервисов в управление экономикой меняет среду и условия работы заказчиков и поставщиков буквально на глазах. Чтобы держать руку на пульсе на базе Аналитического центра при Правительстве РФ был сформирован Центр развития ИИ. Разработан законопроект о регулировании отношений в сфере применения ИИ. От его финальной конфигурации зависит дальнейшая жизнь отрасли. Правительством утвержден Национальный план по внедрению ИИ, формируются первые рейтинги регионов по интенсивности и эффективности применения ИИ. Так, например, по данным портала «Цифровой регион» наиболее полезным и популярным продуктом в субъектах РФ является «Компьютерное зрение».
В 2026 году в ряде отраслей состоится переход от пилотов к промышленному внедрению нейросетей. Растут требования к информационной безопасности программного обеспечения. Трендом нового законодательства является приоритизация отечественных ИИ-моделей. А с сугубо технической точки зрения ключевым является вопрос энергообеспечения: принципы размещения инженерной инфраструктуры ИИ. От распределения этих средств производства (серверов и источников электроэнергии) во многом зависит конфигурация рынка, пока проприетарные решения преобладают над коробочными. Однако с развитием суверенной энергосистемы и суверенной микроэлектроники в России ситуация может измениться в пользу «удаленного» использования ИИ.
Роман Хазеев, директор по развитию цифровых технологий ПАО «Ростелеком»:
– В последние два года мы успели протестировать более 70 пилотов использования ИИ. Можем констатировать, что 70% таких разработок не доходит до промышленного внедрения. По разным причинам: нехватка инфраструктуры, стоимость, сложность технологий, грязные данные. Есть огромная разница между «покупать» и «делать самим» – она практически троекратная. Еще один фактор доступ к качественным большим данным, без которого ИИ не состоится.
Где уже сейчас нейросетевые решения выглядят экономически обоснованными и окупаемыми?
- Поиск и нормализация номенклатуры.
- Анализ и проверка технических заданий (в т.ч. на соответствие между собой).
- Сравнение коммерческих предложений.
- Проверка контрактов и дополнительных соглашений.
- Скоринг и проверка поставщиков.
- Прогноз цен и сроков.
Шесть упомянутых функций между собой пересекаются и могут быть использованы в одном пакете. Примечательно, что еще год назад эти сервисы были разрозненными и не упаковывались в единый набор. Общим требованием для всех является доступ к качественным отраслевым данным, на которых нейросеть могла бы учиться.
Причины, по которым чаще всего ИИ в закупках «не взлетает». Во-первых, когда мы считаем, будто технология может решить все. На практике часто страдает точность и появляются галлюцинации. Во-вторых, когда запускают двадцать пилотов одновременно без бизнес-пользователя и оценки. В-третьих, когда данные изначально грязные, и пользователь считает, что можно почистить их потом. В-четвертых, когда данные не структурированы (нет прописанных процессов и артефактов): вместо системы получается автоматизированный хаос.
– Доверие к искусственному интеллекту начинается не с модели, а именно с данных, – подчеркивает Роман Хазеев. – Даже слабенькая модель на качественных данных показывает лучший результат, чем очень крутая модель на грязных данных. Таких данных, которые между собой не связаны, не полны, не актуальны, а, хуже того – недоступны: то есть, они получаются по отгрузке вручную, не загружаются.
Шесть факторов успеха при воплощении ИИ-модели
- Нужен конечный пользователь, действительно готовый поддержать эту историю, выступить ее спонсором (не только финансовым, но и технологическим, процессуальным) – выступить донором данных.
- Короткие циклы внедрения (8-12 недель): чтобы была возможность оценить, проходит или не проходит модель по заданным параметрам.
- Экономика проекта должна просчитываться до его старта. В Ростелекоме приветствуется практика, когда владелец процесса (и одновременно его спонсор) согласовывает эффекты, под которые он инвестирует, и разработчик совместно с его финансово экономическим блоком определяет критерии и дэдлайны. Пилот либо проходит через эти фильтры, либо не оправдает себя.
Проприетарное решение или коробочное? Строить автономную систему или решиться на закупку внешнего готового сервиса?
Дилемма, перед которой стоят многие представители среднего и крупного бизнеса.
Чтобы ответить на этот вопрос, необходимо оценить собственные потребности в информационном обеспечении, инвентаризировать собственные хозяйственные процессы, средства производства и основные фонды. Если задача стандартная и данные нечувствительные – тогда для решения вполне сгодится готовый внешний софт, закупленный «по подписке». Такое решение обойдется пользователю в два или даже три раза дешевле.
Если же задача уникальна и данные чувствительные, то целесообразно строить автономную нейросеть внутри компании.
В ПАО «Ростелеком» выбор чаще падает на автономные решения – поскольку специфика работы компаний связана с гостайной либо с нестандартными процессами управлениями. Однако для малого бизнеса – закупка готовых коробочных решений выглядит более целесообразным и эффективным сценарием. Особенно с учетом того, насколько хорошо сегодня развиты технологии анонимизации и токенизации данных. Это гарантирует, что чувствительная информация будет защищена от конкурентов.
В Ростелекоме дали обоснованный совет: оценивать защищенность продаваемых внешних сервисов по трем параметрам. Хорошо защищенная система должна иметь три уровня безопасности: 1) закрытый контур, куда уходят промпты и документы без внешних АРI; 2) контур-модели; 3) уровень для ролевого доступа.
– Когда вы закупаете готовые решения, можно спрашивать: есть ли у них подобные настройки по разработке модели? Держа в уме тот факт, что существуют государственные стандарты безопасности, описывающие подходы к разработке. Рекомендуем их изучить, чтобы вы понимали, что поставщику ИИ решений можно или нельзя доверять.
Говоря о популярных страхах, подмены человека искусственным интеллектом, эксперт утверждает, что они несостоятельны. ИИ не заменяет профессионала, он меняет содержание работы. Если раньше закупщик конкурсную документацию сверял вручную, то теперь он применяет автосводку. То же касается изучения технических заданий: вместо построчного прочтения – сверяются только уязвимые точки. Заметно сокращаются циклы закупки и трудозатраты на ее организацию, снижается доля возвратов и переторгов.
Автор: Андрей Троянский