В рамках ежегодного мероприятия ОТП Банка Trend Watching 2025 директор по внедрению искусственного интеллекта и эффективности процессов Дмитрий Маркосьянц рассказал о том, как сегодня на практике внедряется ИИ в крупных компаниях и почему вокруг этой технологии по-прежнему сохраняется разрыв между ожиданиями и реальностью.
Интерес к искусственному интеллекту за последние годы заметно вырос. Его всё чаще воспринимают как универсальный инструмент, способный быстро заменить сотрудников, ускорить процессы и дать измеримый эффект. Однако при переходе от обсуждений к внедрению компании сталкиваются с системными ограничениями. По оценке эксперта, около 80% организаций сегодня технически не готовы к полноценной промышленной реализации ИИ. Речь идёт не о качестве моделей, а о состоянии базовой автоматизации и инфраструктуры, на которые эти модели должны опираться.
На практике это приводит к повторяющемуся сценарию. Компании ждут от ИИ быстрого результата, но сталкиваются с тем, что технология упирается в состояние данных, процессов и ИТ-архитектуры, сложившихся за годы. Вместо ожидаемого скачка ИИ лишь подсвечивает уже существующие ограничения. Отсюда и распространённое ощущение, что технология не оправдала ожиданий, хотя проблема чаще оказывается не в ней самой. Именно этот разрыв между ожиданиями и реальностью стал предметом отдельного разговора. В своём выступлении Дмитрий Маркосьянц разобрал три наиболее распространённых ожидания, связанных с искусственным интеллектом, и объяснил, почему они не реализовались в текущих условиях, а также какой более прагматичный подход позволяет получать от ИИ прикладной эффект уже сегодня.
Ожидание 1. Искусственный интеллект заменит сотрудников
Одно из самых устойчивых ожиданий вокруг ИИ состояло в том, что технология сможет быстро заменить людей и снять нагрузку с команд. На практике этого не произошло, и причина оказалась простой. У большинства компаний, особенно крупных, остаётся низкий уровень базовой автоматизации.
Наличие большого объёма ручного труда часто воспринимается как повод срочно подключать искусственный интеллект. Однако в реальности он не способен компенсировать отсутствие выстроенных процессов и инфраструктуры. Для устойчивой работы ИИ необходимы формализованные процессы, понятные источники данных, согласованные справочники, интеграции и API, а также контроль качества данных и дисциплина изменений в ИТ-ландшафте. Когда этих условий нет, ожидание быстрого эффекта не оправдывается. В результате возникает типичная ситуация, с которой многие столкнулись в 2025 году. От ИИ ждут чуда, но оно не происходит, и появляется ощущение, что технология «не работает». Более точное объяснение заключается в том, что компании попытались перескочить через неизбежные этапы технологической эволюции, не подготовив фундамент.
Ожидание 2. Искусственный интеллект станет автономным разработчиком и ускорит разработку в разы
Ещё одно распространённое ожидание связано с идеей «цифровых разработчиков», которые смогут самостоятельно писать код и существенно ускорить разработку. На практике этот сценарий не реализовался. Причина заключается в том, что автономный ИИ плохо справляется со сложным корпоративным контекстом, характерным для крупных компаний.
Здесь важно различать две среды. Первая — это небольшие изолированные задачи с ограниченным контекстом. В таких условиях искусственный интеллект действительно способен быстро выдавать результат. Вторая — корпоративная разработка с большим объёмом legacy-кода, десятками систем, интеграциями и регуляторными ограничениями. Такой контекст слишком объёмен и неоднороден, и чем он сложнее, тем выше вероятность ошибок, несостыковок и нестабильной работы.
Поэтому вместо идеи поручить ИИ всю разработку работает более прагматичный подход: сузить задачу до масштаба, в котором технология действительно эффективна. Речь идёт о небольших изолированных сценариях, так называемых PET-проектах. В корпоративном ландшафте ИИ лучше всего проявляет себя в прикладных задачах. Это интеграция «точка-точка», когда нужно быстро перевести данные из одной системы в другую, сверить два источника, сформировать уведомления, подготовить документ по шаблону или разложить обращения по маршрутам. Также хорошо работают агенты с узким контекстом и понятными входами и выходами.
Как отмечает Дмитрий Маркосьянц, такой подход не предполагает резких скачков:
«Это не революция за ночь, это практичная эволюция: находим разрыв, закрываем маленьким агентом и оркестрируем их на единой платформе».
Ожидание 3. Экономический эффект можно будет посчитать по универсальной формуле
Многие ожидали, что экономический эффект от внедрения искусственного интеллекта можно будет посчитать по простой схеме. Внедрили технологию, получили показатель возврата инвестиций и сделали вывод. В реальности универсальной формулы нет. Экономический эффект ИИ складывается из нескольких компонентов и не сводится к одному показателю. Он включает не только сокращение численности персонала, но и скорость процессов, снижение количества ошибок, уменьшение операционных рисков, качество принимаемых решений, клиентский опыт и разгрузку сотрудников. В отдельных случаях эффект выражается в том, что в конкретной зоне перестают возникать регулярные операционные проблемы.
При попытке выстроить такую модель оценки важно не уйти в две крайности. Первая — отказаться от расчётов и считать эффект исключительно маркетинговым. Вторая — в стремлении любой ценой перевести все изменения в денежное выражение, теряя смысл происходящего.
В ОТП Банке выбран третий подход, основанный на сочетании количественных и качественных показателей. Некоторые изменения действительно сложно формализовать. Например, эволюцию мышления внутри команд, когда сотрудники начинают воспринимать ИИ как рабочий инструмент. При этом остаются зоны, где эффект поддаётся расчёту. К ним относятся снижение рисков, показатели клиентской и внутренней удовлетворённости, включая NPS и eNPS, а также операционные метрики.
Наиболее сложной областью остаётся работа с сотрудниками. Здесь важно учитывать двойной эффект и считать его дважды. Сначала фиксировать рост производительности, затем оценивать экономию. Суммарный экономический эффект от внедрения технологий искусственного интеллекта в ОТП Банке за 2025 год составил 1 млрд 030 млн рублей.
Комментарии