Блог
Делимся опытом внедрения ИИ-решений, разбираем технологии и кейсы.
Закон об ИИ вступает в силу 1 сентября. Что нужно решить до этого
Закон о поддержке развития технологий искусственного интеллекта принят в июле 2026 года. Основные положения начинают действовать с 1 сентября 2026-го, нормы о больших фундаментальных моделях и маркировке — с 1 марта 2027-го, переходный период для действующих систем продлится до 1 сентября 2032 года. До первой даты остался месяц. Времени переделать архитектуру нет, но времени принять решение о её принципах — вполне достаточно. Разберём, что именно меняется и какие решения имеет смысл принять сейчас.
Читать статью →ИИ не сократит вам ФОТ. И это не плохая новость
Год назад 49% российских компаний связывали финансовый эффект от генеративного ИИ с сокращением фонда оплаты труда. Сейчас таких 12%. Показатель упал вчетверо за двенадцать месяцев. Это не разочарование в технологии. Это результат столкновения с арифметикой, которую стоит разобрать, потому что из неё следует совершенно другая стратегия внедрения.
Читать статью →Лицензии — это 15% бюджета. Где прячутся остальные 85%
Gartner прогнозирует, что к концу 2027 года больше 40% проектов по внедрению ИИ-агентов будут отменены. Причины называются три: рост затрат, неясная ценность для бизнеса и слабый контроль рисков. Первая причина заслуживает отдельного разговора, потому что почти в каждом бизнес-кейсе, который мы видим, считают не то.
Читать статью →В России нельзя купить ИИ-агента. Придётся собирать
Двенадцать российских продуктов, поставщики которых заявляют функции ИИ-агента, проверили по шести критериям агентности. Полноценных агентов среди них не оказалось ни одного. Это не оценочное суждение и не претензия к вендорам. Так устроен рынок, и понимание его устройства напрямую влияет на то, во сколько вам обойдётся первый проект и сколько он займёт времени.
Читать статью →Как отличить настоящего ИИ-агента от чат-бота, которому дали новое название
McKinsey сообщает, что использует 25 тысяч персонализированных ИИ-агентов при 40 тысячах сотрудников. BCG развернула больше 18 тысяч GPT-агентов на ChatGPT Enterprise. Звучит как совсем другая лига. Дальше выясняется, что BCG сама называет свои 18 тысяч агентов предварительно настроенными конфигурациями ChatGPT Enterprise. То есть системный промпт плюс приложенные файлы. McKinsey типологию не раскрывает вообще, но по доступным данным в число агентов входят экземпляры внутренней поисковой платформы Lilli, которая индексирует больше 100 тысяч документов. Конкуренты реагируют без дипломатии. Глобальный инженерный директор EY Стив Ньюман сказал, что количество агентов вряд ли связано с созданием ценности и что основную работу у них делают буквально несколько агентов. Директор PwC по ИИ Дэн Прист выразился ещё короче: это, скорее всего, неправильная метрика. У явления есть название — agent washing. И оно не про злой умысел. Общепринятого определения ИИ-агента просто нет, поэтому вендор реализует одну характеристику из списка, например подключение к внешним сервисам через API, и на этом основании называет продукт агентом.
Читать статью →ИИ ускоряет работу на 55%, а прибыль не растёт. Куда девается эффект
88% компаний в мире используют искусственный интеллект хотя бы в одной бизнес-функции. Значимый эффект на уровне EBIT получают 6%. В России похожая история: генеративный ИИ применяет 71% организаций, а прирост EBITDA выше 5% фиксируют 9%. Обычно этот разрыв объясняют одним из двух способов. Либо технология ещё сырая и надо подождать. Либо компании не умеют внедрять и надо позвать консультантов. Оба объяснения не выдерживают проверки цифрами. В июле 2026 года «Яков и Партнёры» выпустили исследование «ИИ-агенты: где хайп, а где реальность». Авторы взяли одну функциональную область, разработку ПО, и проследили эффект от ИИ на четырёх уровнях агрегации: отдельная задача, задача в производственной цепочке, компания целиком, отрасль. Получилась картина, которую они назвали каскадом затухания.
Читать статью →ИИ для документооборота: как автоматизировать работу с договорами и счетами
В среднем сотрудник тратит до 30% рабочего времени на рутинную работу с документами: ввод данных из счетов, проверку условий договоров, согласование актов. Эти задачи не требуют квалификации, но отнимают время и порождают ошибки. Современные ИИ-решения способны извлекать данные из неструктурированных документов, валидировать их и передавать в учётные системы — быстрее и точнее человека.
Читать статью →Компьютерное зрение на производстве: от контроля качества до предиктивного обслуживания
Компьютерное зрение — одна из самых зрелых технологий ИИ с измеримым экономическим эффектом. На производстве оно решает задачи, которые человеческий глаз выполняет медленно и с ошибками: обнаружение микродефектов, подсчёт продукции, контроль сборки. В этой статье разберём ключевые сценарии применения, интеграцию с существующей инфраструктурой и реалистичные ожидания по срокам и окупаемости.
Читать статью →LLM в бизнесе: практическое руководство по внедрению
Большие языковые модели (LLM) перестали быть экспериментальной технологией и превратились в рабочий инструмент для бизнеса. Компании используют их для генерации контента, анализа данных, автоматизации рутины и поддержки принятия решений. Однако успешное внедрение требует понимания не только возможностей, но и ограничений этих моделей. В этом руководстве мы разберём ключевые сценарии, вопросы безопасности и пошаговый план интеграции.
Читать статью →Автоматизация клиентской поддержки: как ИИ снижает нагрузку на операторов
Клиентская поддержка — одна из самых ресурсоёмких функций любой компании. Операторы тонут в потоке однотипных вопросов, время ожидания растёт, а вместе с ним падает удовлетворённость клиентов. Современные ИИ-решения способны автоматизировать до 70–80% типовых обращений, освобождая операторов для решения действительно сложных задач.
Читать статью →Что такое RAG и зачем он нужен бизнесу
Языковые модели впечатляют своими возможностями, но у них есть серьёзный недостаток: они не знают ничего о вашей компании. Технология RAG решает эту проблему, позволяя ИИ работать с вашими внутренними данными — документами, базами знаний и регламентами. В этой статье мы разберёмся, как устроен RAG, почему он эффективнее обычных чат-ботов и какие задачи бизнеса он закрывает.
Читать статью →