ИИ на практике: в каких областях он приносит бизнесу максимальный эффект
Какие процессы, функции и направления работы в компании могут получить наиболее заметный прирост в эффективности благодаря внедрению решений на основе генеративного ИИ, рассказывает Иван Попов, управляющий директор практики «Разработка прикладного искусственного интеллекта» компании Axellect, передает DKNews.kz.
Бизнес во всем мире внедряет генеративный ИИ в рабочие процессы с конкретными целями: сократить издержки, ускорить процессы. Однако, согласно исследованию MIT, лишь 5% пилотных программ демонстрируют быстрые результаты – показывают прибыль и влияют на бизнес-показатели.
Одна из главных причин, почему многообещающая технология “не работает”, отсутствие полноценной стратегии: нет цели, задачи, понимания, что именно следует автоматизировать и где искусственный интеллект может дать хороший эффект. Вывод – прежде чем запускать новую технологическую инициативу, полезно исследовать уже накопленный на рынке опыт, потому что несмотря на стремительное развития ГенИИ, он все еще имеет ограничения и не всегда подходит для целей оптимизации.
Вот десять основных направлений, в которых ГенИИ позволяет компаниям добиваться наилучших результатов уже сегодня.
- Маркетинг и продажи
О выдающихся возможностях ИИ по генерации текстов, изображений и видео сегодня знает каждый. И многие уже начали использовать этот инструмент в производстве контента. Но особенно важное преимущество нейросетей с точки зрения маркетинговых задач маркетинга — новый уровень персонализации предложений, анализа и прогнозирования поведения потребителей.
Многие уже запускают рекламные кампании, настройка параметров которых автоматизирована с использованием ИИ. Нейросети позволяют более эффективно организовывать медиапланирование, проводить A/B-тестирования, делать email-рассылки. Согласно данным Artsmart, 63% маркетологов во всем мире уже используют ИИ в email-кампаниях. 54% — активно применяют его для генерации идей.
ИИ также может помочь в разработке индивидуальных сценариев переговоров и стратегии взаимодействия с клиентами, анализе и корректировке работы менеджеров по продажам. Так, в одном из проектов ИИ обеспечил маршрутизацию звонков с учетом индивидуальной совместимости между клиентом и оператором, что повысило успешность продаж с 26 до 30,1%.
- Клиентский сервис
Службы поддержки клиентов одними из первых ощутили выгоду от внедрения решений на основе ИИ. Бизнес традиционно вынужден решать здесь дилемму поиска оптимального соотношения затраченных ресурсов и приемлемого уровня негатива. Каким бы обширным ни был штат контакт-центра, кажется, его всегда будет недостаточно. И хотя связь между клиентским опытом и стабильностью бизнеса кажется очевидной, затраты на сервис не конвертируются в прибыль напрямую, и тем сложнее принимать решение об их увеличении.
Нейросети позволили, наконец, сломать эти привычные ограничения. Внедрение генеративного ИИ в работу контакт-центров позволило оптимизировать поддержку клиентов: виртуальные помощники обрабатывают и сортируют обращения, отвечают на стандартные вопросы и предоставляют операторам точные данные и рекомендации. Также ИИ анализирует клиентские диалоги и выявляет проблемные зоны в обслуживании. Эти данные могут использоваться для обучения сотрудников. Генерация ответов и предоставление подсказок в реальном времени помогает операторам обрабатывать на 45 % больше запросов в час.
Многие компании благодаря таким решениям уже достигли впечатляющих результатов. Так, Microsoft с помощью ИИ сократил расходы своего контакт-центра на $500 млн в 2024 году.
- Разработка программного обеспечения
Нейросети трансформируют процессы создания софта. И хотя о перевороте на рынке труда разработчиков и вытеснении с него человека говорить пока рано, ИИ уже заметно упрощает труд программистов, помогая им с написанием кода (поддержка в формате copilot), исправлением ошибок, автоматизацией инфраструктуры. Чаще всего он выступает как «второй разработчик», который может работать 24/7, без перерывов на отдых, еду и сон. Это особенно актуально для внутренних IT-команд, в которых хронически не хватает рабочих рук. Еще одно полезное свойств ИИ — способность создавать синтетические данные, что очень востребовано при тестировании систем и приложений в условиях ограниченного доступа к реальным данным.
Опрос, проведенный Business Insider Intelligence в мае 2025 года, показал, что 62 % разработчиков отмечают повышение скорости работы как минимум на 25 % благодаря ИИ-инструментам, включая copilot. А 8% и вовсе сообщили об удвоении продуктивности. По опыту Axellect, в отдельных задачах производительность специалистов отделов разработки в крупных промышленных компаниях может вырасти до 75%.
- Финансы и планирование
Ключевые преимущества ИИ связаны с тем, что он может выявлять закономерности в больших объемах неструктурированных данных и делать на основе этого более точные прогнозы. Такие возможности особенно востребованы в сфере финансов, планирования, сценарного моделирования.
К примеру, JPMorgan с помощью ИИ анализирует заявления Федеральной резервной системы США и интерпретирует политические сигналы, чтобы актуализировать свои прогнозы. Morgan Stanley применяет GPT для помощи консультантам. Bloomberg выпустил BloombergGPT — языковую модель с 50 млрд параметров, которая анализирует новости, отчеты, тренды в реальном времени. ИИ также помогает оценивать надежность контрагентов, опираясь на анализ финансовых и рыночных данных.
- Работа с персоналом
Генеративный ИИ нашел применение и в сфере подбора кадров. Так, например, он берет на себя задачи по первоначальной обработке большого количества резюме, облегчая работу рекрутеров. Также существуют решения, автоматизирующие создание тестов для оценки навыков соискателей.
На рынке появляется все больше специализированных ИИ-инструментов для HR. Например, компания Beamery выпустила систему TalentGPT, которая обрабатывает более 17 млрд данных о кандидатах, навыках, вакансиях и компаниях, создает описания вакансий и адаптирует их под уникальные потребности организации. Он может акцентировать внимание на недостающих компетенциях и давать рекомендации по карьерному росту текущих сотрудников.
Еще одно направление использования ГенИИ в области работы с персоналом —разработка индивидуальных программ обучения, адаптированных под потребности каждого сотрудника. Нейросеть может рекомендовать стратегии карьерного роста, выявляя связи между текущими компетенциями сотрудников и целевыми позициями в компании. Использование решений на основе ИИ помогает прогнозировать и предотвращать риски увольнений.
Согласно опросу более 4 тыс. HR-специалистов во всем мире, в 2025 году ИИ уже используют в работе 72 % из них. Для сравнения в 2024 году эта доля составляла 58 %.
- Исследования и разработка новых продуктов
Генеративный ИИ упрощает и ускоряет исследования, помогая быстрее создавать и выводить на рынок новые разработки. Такие подходы уже нашли применение в биотехнологиях и химической промышленности. Например, платформа Chemistry42, созданная на базе ГенИИ, позволяет проектировать молекулы с заданными свойствами. Это значительно сокращает время, необходимое для создания лекарств. ИИ также помог компании Insilico разработать препарат, который стал кандидатом для доклинических испытаний по лечению сложных видов опухолей. Подобные решения применяют и в других областях, например, для проектирования продукции на крупных промышленных предприятиях.
- Производство
ИИ-ассистенты упрощают работу инженеров и операторов, помогая собирать и анализировать производственные данные, оперативно предоставляя нужную информацию из базы знаний предприятия, например, разнообразные инструкции и регламенты.
На производстве также востребованы способности ИИ по прогнозированию и планированию работ. Так, например, он может обеспечивать процессы предиктивного обслуживания оборудования, создавая технические карты техобслуживания и ремонта и составляя расписания работ.
Внедрение ИИ-платформы C3 Generative AI на крупном производственном предприятии позволило сократить время поиска решений для устранения неполадок на 90%, а точность ответов повысить на 85%. Китайский косметический бренд Florasis построил «умную фабрику» с ИИ-системой, которая автоматически контролирует производство, выявляет дефекты и оптимизирует процессы.
- Управление знаниями
ИИ помогает автоматизировать обработку запросов сотрудников, поступающих через разные каналы связи. Умные системы могут сортировать и направлять обращения. Также нейросети помогают организовывать внутренние базы знаний компании.
В Morgan Stanley система на базе GPT-4 анализирует тысячи PDF-документов и формирует цифровой профиль компании. Это значительно упрощает доступ к корпоративной информации. Эффект очевиден. ИИ-ассистенты на базе AIOps в ИТ службах позволяют сокращать время обнаружения проблем на 15–20 % и снижать число критических инцидентов более чем на 50 %.
- Кибербезопасность
Технологии генеративного ИИ помогают бороться с киберугрозами. Например, они используются для создания фишинговых тестов, которые обучают сотрудников выявлять хакерские атаки, определять уязвимости, находить пользователей, которые с большей вероятностью могут стать жертвами злоумышленников. Для этого используются такие инструменты, как, например, Keepnet или OutThink. Симуляции помогают сократить время обнаружения фишинга на 80% и повысить уровень сообщений о фишинге до 92%.
Генеративные модели также анализируют системные журналы, выявляя аномалии, которые могут сигнализировать о киберинцидентах или системных сбоях. Согласно исследованию ISC2, почти треть специалистов по кибербезопасности сообщила в 2025 году, что их команды уже используют инструменты безопасности на основе ИИ.
- Управление правовыми рисками
ГенИИ способен оказывать бизнесу юридическую поддержку — в первую очередь там, где речь идет о предупреждении возможных проблем в правовом поле. Так, например, он помогает автоматизировать создание и проверку контрактов, что снижает вероятность ошибок, которые в конечном счете могут привести к финансовым потерям или проблемам с законом. Виртуальный ассистент также может найти несоответствия между условиями контрактов и их реальным выполнением, что помогает избежать споров с партнерами или клиентами. Также ИИ следит за соблюдением в организации законов и стандартов, например, в области охраны труда или экологических норм.
Вот примеры таких продуктов. Канадская компания Kira Systems разработала целую ИИ-платформу для автоматического анализа и проверки контрактов. А компания MainsLab научилась с помощью ИИ выявлять необоснованное лечение и навязывание услуг.
С чего начать?
Перечисленные примеры показывают, что генеративный ИИ уже прочно вошел в практику многих компаний и целых отраслей, смог изменить традиционные подходы к организации процессов, позволяя добиваться серьезных результатов. Предпосылки успеха — четкая постановка задачи, измеримые цели и понимание того, в каких областях и направлениях работы ГенИИ уже сегодня обладает реальным потенциалом для того, чтобы менять правила игры. Вопрос уже не в том, нужен или нет бизнесу искусственный интеллект, а в том, какие подразделения и функции сегодня могут выиграть максимум от его внедрения.