GenAI меняет бизнес-процессы: как компании внедряют генеративный ИИ и измеряют эффект инноваций

25–26 июня в Санкт-Петербурге прошла конференция Conversations 2026 от Just AI, информационным партнёром которой выступил Russian Business. Представители ИТ-компаний, банков, ритейла, промышленности, маркетплейсов, HR-сервисов и страхования поделились кейсами внедрения решений на основе генеративного ИИ, обсудили экономику новых решений и горизонт их развития. Первый день завершила Generation AI Awards — премия за наиболее успешные проекты применения генеративного ИИ бизнесом.

Чтобы масштабировать ИИ, компании перестраивают управление и повседневную работу

Генеративный ИИ входит в бизнес через множество повседневных сценариев — от ассистентов, которые помогают сотрудникам решать кадровые и административные вопросы, до инструментов для написания и проверки кода. Поэтому задача руководителей — превратить разрозненные инициативы в управляемую систему: находить рабочие решения, быстро распространять их внутри компании и оценивать измеримый вклад в продуктивность.

Кирилл Петров, сооснователь Just AI, связывает эту задачу с разницей в скорости развития технологий и организаций. Модели и продукты меняются быстрее, чем компании успевают адаптировать процессы и закреплять новые практики.

На уровне сотрудника такая адаптация означает новый способ взаимодействия с компанией. Наталия Самотой, руководитель продукта в X5, представила внутреннего ИИ-ассистента для кадровых и административных вопросов, рассчитанного на 375 тыс. сотрудников. Его задача — стать единым окном доступа к внутренним сервисам: пользователю не нужно разбираться в структуре компании и самостоятельно искать нужный процесс.

Однако запуска удобного сервиса недостаточно, чтобы новые инструменты заработали во всей компании. Владимир Сидоров, руководитель кластера «Стратегия и новые технологии» «Северстали», рассказал об опыте масштабирования генеративного ИИ в организации с 50 тыс. сотрудников. «Северсталь» начала системно работать с технологией в 2023 году. По словам Сидорова, распространение успешных сценариев требует обучения сотрудников, участия руководителей, мотивации команд и понятной механики тиражирования решений.

В Совкомбанке внедрение ИИ встроили в регулярный управленческий процесс. По данным, которые привёл заместитель председателя правления банка Альберт Борис, обучение работе с ИИ-инструментами прошли около 90% сотрудников. В банке зарегистрировали более 4 тыс. ИИ-инициатив, примерно половина из которых уже даёт прямой эффект для эффективности организации. Банк управляет внедрениями через измеримые цели, вовлечение команд и регулярный контроль, а результат оценивает по дополнительной продуктивности сотрудников.

Успех масштабирования ИИ нельзя оценивать лишь по количеству запущенных инструментов. Бизнес смотрит, сколько работы они берут на себя, как меняют процессы и какой экономический эффект дают.

По словам Артамоновой, в одном из пилотов «Норникеля» ИИ создаёт 3D-модель объекта вместо проектного института. Компания оценивает снижение совокупных затрат на 20–25%. Другая система находит среди складских запасов материалы с подходящими характеристиками, которые можно использовать вместо закупки новых. Только на одной площадке это позволило получить эффект в сотни миллионов рублей. Следующий этап — внедрение ИИ в массовые производственные процессы, где в «Норникеле» рассчитывают снизить затраты на 5–10%.

Компании оценивают ИИ-решения по скорости, качеству и масштабу

В числе признаков зрелого ИИ-проекта — измеримый эффект, стабильное качество и возможность распространить решение на весь бизнес. Эти критерии прослеживаются в проектах-победителях Generation AI Awards 2026, отобранных из более чем 200 заявок:

• Платформа «Авито» победила в номинации «Лучший проект в области генеративного AI». Компания внедрила собственные модели A-Vibe и A-Vision во все пять бизнес-направлений платформы и создала отдельный центр исследований и разработок в области ИИ с инвестициями около 1 млрд рублей за три года.
• Девелопер «А101» получил награду за лучший внутренний GenAI-проект. ИИ-сметчик — система для подготовки расчётов стоимости строительных работ и материалов — ускорил формирование смет на 60%.

• «Т-Банк» получил награду за лучшее решение в клиентской поддержке. ИИ-агент «Афанасий» обработал 60% потока обращений, получил 98 баллов по качеству работы и вошёл в тройку лучших среди 50 операторов.
• Разработчик решений компьютерного зрения VisionLabs победил в номинации «Технологическая инновация года». Система выявляет дипфейки при онлайн-идентификации клиентов финансовых организаций; заявленная точность детектора на тестах превышает 99%.
• Оператор связи «Билайн» получил специальную награду «Выбор генеративного AI». ИИ-агент автономно диагностирует и устраняет инциденты в работе телеком-оборудования. Победителя в этой номинации определил ИИ-судья AION, обученный на материалах предыдущего сезона премии.

Масштабирование ИИ требует адаптации операционной модели

Как отмечают эксперты Just AI, в ходе пилотных проектов компании проверяют, помогает ли ИИ в конкретном процессе: экономит ли время, снимает ли нагрузку с сотрудников, сохраняет ли качество и насколько критичны ошибки. При масштабировании к этим показателям добавляется экономика решения — стоимость его работы, сокращение расходов, влияние на прибыль и окупаемость. На пилоте рассчитать эти показатели часто невозможно из-за небольшого масштаба и недостатка данных.

Для дальнейшего масштабирования бизнесу приходится перестраивать операционную модель: готовить техническую основу, выстраивать поддержку и управление, назначать ответственных и выделять бюджет. Именно на этом этапе ИИ начинает давать основной эффект — снижать расходы, ускорять процессы, повышать прибыль и улучшать клиентский опыт.

Manaraga.ai и «Лучи»: считать весь процесс, а не вклад одной технологии

Лучшим докладом в бизнес-треке Conversations 2026 был признан кейс ИИ-лаборатории manaraga.ai и страховой компании «Лучи»: они внедрили ИИ-инструменты в процесс записи клиентов на медицинские услуги. Решение суммирует прошлые диалоги, подсказывает операторам следующие действия и помогает контролировать качество работы.

Медианное время записи сократилось с 28 до 19 минут, число обращений на одного оператора выросло с трёх до пяти в час, а стоимость обработки обращения снизилась со 120 до 100 рублей. При этом авторы кейса не приписывают весь эффект генеративному ИИ: улучшение также обеспечили классическое машинное обучение, изменение цифрового пути клиента и операционные доработки.

2ГИС: финансовый эффект сопоставляют с последствиями ошибки

Команда 2ГИС применяет ИИ в продажах, модерации, наполнении карт и справочников, а также в поддержке сервиса бронирования отелей. По словам руководителя ИИ-направления 2ГИС Дмитрия Легчикова, компания стремится переводить новые функции в финансовый результат, но не может оценивать его отдельно от рисков.

Ошибка в сервисе, связанном с физическим миром, влияет на реальные действия пользователя — например, может оставить человека без помощи при заселении в отель. Поэтому такие решения требуют более длительного тестирования: некоторые функции 2ГИС не запускает, пока не прояснит, как снизить юридические и репутационные риски.

hh.ru: ошибки влияют на живых людей

В HR последствия ошибки тоже чувствительны: автоматизированное решение может повлиять на благополучие сотрудника или соискателя и самой компании. Евгений Биндасов, руководитель лаборатории искусственного интеллекта hh.ru, считает, что ИИ может прояснять критерии отбора и помогать рекрутёру анализировать информацию, но окончательное решение должен принимать человек. Пользователю при этом нужно прямо сообщать, что он взаимодействует с ИИ.

X5: важно проверять источники информации и права доступа

В X5 внутренние ИИ-решения сначала запускают в песочнице и отслеживают количество запросов, потребление вычислительных ресурсов и стоимость работы. По словам технического менеджера ИИ-продуктов X5 Кирилла Собетова, один самостоятельно созданный агент для проверки кода потреблял треть ресурсов и обходился в сотни тысяч рублей в месяц. Этот случай стал поводом отдельно проверить, оправдывает ли результат агента затраты на его работу.

Перед промышленным запуском каждого агента в X5 определяют ответственного, рассчитывают возврат инвестиций и настраивают контроль ошибок. Если решением мало пользуются, его автоматически удаляют через 90 дней. Таким образом, у внутреннего ИИ-продукта должен быть не только сценарий запуска, но и понятное обоснование дальнейшей работы.

Устойчивые ИИ-системы позволяют менять языковые модели и требуют постоянной проверки

После запуска ИИ-решение становится частью корпоративной инфраструктуры. Чтобы оно работало стабильно, компании соединяют модели с внутренними процессами и данными, регулярно проверяют качество ответов, ограничивают доступ к информации и сохраняют за человеком право на окончательное решение.

MWS AI: отдельные решения нужно соединять общей архитектурой

Во многих компаниях уже работают отдельные ИИ-инструменты, но сами по себе они не образуют единой системы. Максим Волошин, директор по продуктам MWS AI, считает, что между сотрудником и корпоративными сервисами может появиться отдельный ИИ-слой. Он будет распределять задачи между моделями, данными и внутренними процессами.

Такая архитектура соединяет уже работающие компоненты, данные и корпоративные системы. От её устройства зависит, насколько предсказуемо они будут взаимодействовать и насколько легко компания сможет добавлять новые сценарии.

Just AI: компания не должна зависеть от одной языковой модели

Разные языковые модели отличаются по качеству, скорости, стоимости и условиям использования. Поэтому сооснователь ИТ-компании Just AI Кирилл Петров предлагает строить продукты так, чтобы компания могла выбирать модель под конкретную задачу и при необходимости заменять её без полной переработки системы.

В частности, Just AI развивает платформу Caila.io, которая предоставляет доступ более чем к 300 языковым моделям через единый программный интерфейс. Решение позволяет переключаться между ними, сравнивать результаты и централизованно контролировать передачу данных, а встроенная система безопасности защищает корпоративную информацию при работе с разными моделями. Замысел платформы с множеством моделей — в снижении зависимости от одного поставщика или технологии.

Just AI: качество проверяют на постоянной основе

Вместе с архитектурой и набором инструментов меняется и подход к контролю качества. По словам директора по продуктам Just AI Глеба Обломского, рынок переходит от активных экспериментов к регулярной оценке качества ИИ-решений — eval*От англ. evaluation — оценка. Регулярное возвращение деловых дискуссий к метрикам качества он считает признаком более зрелого подхода к ИИ-продуктам.

При этом формально высокие функциональные показатели ещё не означают, что продукт в полном смысле полезен. Проверки должны учитывать реальный пользовательский сценарий, а их стоимость — соотноситься с экономикой решения.

X5: нужно проверять источники данных и права доступа

Даже система с высокими метриками может уверенно выдавать неверную информацию. Кирилл Собетов, технический менеджер ИИ-продуктов X5, считает главным навыком при работе с такими инструментами когнитивную валидацию: проверку логики ответа и источников, на которых он основан.

Отдельная задача возникает, когда внутренние агенты получают доступ к корпоративным данным. Система должна учитывать права конкретного пользователя и не позволять ему запрашивать чужую или закрытую информацию. При переводе агентов в промышленную эксплуатацию X5 назначает ответственных, настраивает метрики, алерты и наблюдение за их работой. Параллельно компания решает задачу разграничения доступа к корпоративным данным.

«Авито»: окончательный выбор остаётся за человеком

ИИ уже упрощает подготовку презентаций, исследований, текстов и других материалов, которые раньше занимали значительную часть времени продуктовых команд. По словам руководителя продуктового направления «Авито» Дмитрия Михеля, сами эти результаты постепенно перестают быть признаком профессионального уровня: получить их стало значительно проще.

При этом за человеком остаются задачи, которые нельзя свести к генерации материалов: понять потребность пользователя, выбрать между несколькими решениями и проверить итоговый результат. Избыточные ограничения могут лишить ассистента основной ценности и превратить его в обычного сценарного чат-бота, поэтому продуктовым командам приходится искать баланс между качеством, рисками и ценностью для пользователя.

В ответ на обесценивание привычных рабочих артефактов эксперты предложили живым специалистам развивать чувство продукта, вкус, навыки осознанного выбора и валидации.

Контекст

Конференция Conversations 2026 прошла 25–26 июня в Санкт-Петербурге и объединила четыре трека — «Бизнес», «AI-native», «Продукты» и «Технологии», три отраслевые дискуссии и «Битву агентов», где 14 команд представили решения для реальных бизнес-задач. Первый день завершила Generation AI Awards, на которую поступило более 200 заявок из 10+ отраслей. Общий вектор обсуждений конференции: генеративный ИИ уже доказал свою применимость, а главный вопрос сместился к перестройке процессов, команд и инфраструктуры.