Пузырь ожиданий и реальный ИИ: честный разговор о нейросетях

Генеративный искусственный интеллект за последние два года стал одним из ключевых факторов развития бизнеса и государства. Дарий Халитов, заместитель президента – председателя правления «Ростелекома», отмечает, что вокруг ИИ сегодня много ожиданий и споров, но главный вопрос: как превратить новую технологию в измеримый экономический эффект? Для России ответ лежит в инфраструктуре, собственных данных и фокусе на конкретных задачах.

Мы решили провести эксперимент: взяли рассуждения Дария о том, где ИИ приносит пользу, а где разочаровывает. Порассуждали о российском рынке, стратегии, инвестициях и энергетических ограничениях. А потом спросили популярные нейросети ChatGPT и DeepSeek, что они думают об этом. Получился живой диалог естественного и искусственного интеллекта о том, что работает, а что нет, когда речь заходит о реальном, а не виртуальном внедрении ИИ.

Разочарование или польза: что на самом деле приносит внедрение ИИ?

Многие уверены: достаточно купить ИИ-инструмент, и продуктивность вырастет вдвое. Но сам по себе факт внедрения чуда не дает. На практике требуется обучение сотрудников, перестройка процессов и интеграция с бизнес-системами. К тому же без конкретной задачи невозможно измерить эффект, а без контроля качества и новых ролей эффективность падает.

Это называется пузырем ожиданий: вера в мгновенную выгоду редко совпадает с реальностью. Технология работает, но требует фокуса на измеримых результатах и изменении подходов. Если результата нет, менять нужно не ИИ, а способ его внедрения.

ChatGPT согласен: модели ИИ эффективны, но не увеличивают производительность автоматически. Компании, которые начинают с конкретных болей – автоматизация рутины, анализ данных, генерация контента – получают реальную пользу. Остальные разочаровываются.

Почему в России ИИ быстрее приходит в компании, чем к людям?

Эксперт обращает внимание на любопытную особенность российского рынка. Генеративный ИИ используют 8–10% россиян, около 12 млн человек – это ниже мировых 16%. Отставание связано с ограничениями западных сервисов и более поздним появлением российских альтернатив, активно развивающихся с 2023 года. При этом в России ИИ быстрее внедряется в компаниях, чем среди частных пользователей. Причина – требования безопасности и работа с чувствительными данными, для которых критически важна локальная инфраструктура.

ChatGPT считает, что в этом мнении есть доля правды, но причина не только в безопасности. Это сочетание санкций, экономической логики и корпоративной культуры.

• Во-первых, статистика действительно показывает: около 43% российских компаний используют ИИ в операциях, 71% крупных компаний применяют генеративный ИИ хотя бы в одной функции. Бизнес-сектор экспериментирует активно.
• Во-вторых, санкции и ограниченный доступ к западным сервисам привели к тому, что массовый пользователь просто имеет меньше удобных инструментов. Компании же покупают корпоративные лицензии, используют API и внедряют локальные модели.
• В-третьих, бизнес внедряет ИИ не потому, что он безопаснее, а потому что есть прямая экономическая выгода. Яркий пример – «Нейрошлюз», флагманская ИИ-платформа «Ростелекома», объединяющая более 30 нейросетей для работы с данными, обучения и эксплуатации моделей. Продукт обрабатывает около 550 тыс. запросов в год и экономит сотрудникам до 40% времени на выполнение рутинных операций.
• Наконец, российский AI-рынок централизован вокруг крупных игроков, которые создают модели и продают корпоративные решения. Рынок развивается сверху вниз через компании, а не через массовые потребительские продукты. На Западе часто наоборот: сначала массовый продукт, потом бизнес-интеграция.

Ставка на генеративный ИИ – раздутые ожидания?

Технологический сдвиг 2022 года – появление моделей, работающих с текстом, изображениями и звуком – через несколько лет вылился в конкретные цифры.

ChatGPT подтверждает: сдвиг реальный. McKinsey оценивает потенциал GenAI в 2,6–4,4 трлн долларов дополнительной стоимости ежегодно. 78% крупных компаний уже внедряют ИИ, инвестиции выросли в 3,2 раза.

Но есть нюанс: 95% корпоративных пилотов не дают измеримого эффекта в прибыли, согласно исследованию MIT. ИИ внедряют без интеграции в процессы и обучения сотрудников. Большинство компаний пока на стадии экспериментов.

По мнению ChatGPT, там, где ИИ встроен в конкретную задачу, эффект заметен. Разработчики быстрее на 20%, время решения инцидентов безопасности снижается на 30%, продажи растут до 16%.

ИИ-стратегия в России: боинг или надежный вертолет, адаптированный под для местные условия?

Дарий формулирует стратегию для России через три направления. Первое – инфраструктура: дата-центры, процессоры для ИИ, энергетика. Без этого нет ИИ, и здесь, по оценке компании, Россия сильна – у «Ростелекома» одна из крупнейших инфраструктур, частное облако «Турбо» оснащено новейшими процессорами H200. Второе – модели на собственных данных: телеком, сетевая инфраструктура, трафик, госсектор с российским документооборотом, медицина с данными российской популяции. ИИ на российских данных работает лучше для российских задач. Третье – прикладные решения: не гнаться за универсальным интеллектом, а решать конкретные проблемы.

По оценке DeepSeek, стратегия работоспособна и применима на сто процентов. Она очень похожа на политику догоняющего развития с локальной специализацией. И здесь возникает отличная аллегория, которую предлагает сама нейросеть: мы не пытаемся построить свой боинг, который летает во всем мире, мы строим надежные вертолеты для местных авиалиний, которые идеально подходят для наших погодных условий и садятся на наши неподготовленные площадки.

При этом DeepSeek выделяет три фактора, которые могут помешать. Железная зависимость: стратегия опирается на процессоры типа H200. Где брать новые, когда они устаревают? В ИИ это происходит за два-три года. Кроме того, для прикладных решений нужно огромное количество инженеров, понимающих предметную область, а их дефицит растет. А еще работа с данными, особенно медицинскими и госсектора, требует высочайшего уровня кибербезопасности.

ChatGPT в свою очередь добавляет, что для страны важно дополнительно концентрироваться на фундаментальных научных исследованиях, университетах и стартап-экосистеме.

ЦОДы: сколько энергии нужно для экспоненциального роста?

Развитие ИИ требует огромной вычислительной мощности и энергии. Обучение крупных моделей потребляет десятки мегаватт в течение недель, массовое использование – миллионы запросов в день. Чтобы поддерживать рост к 2030 году, нужно многократно увеличить мощность дата-центров. Главная проблема – скорость развертывания. ЦОДы строятся два-три года, а спрос на ИИ растет гораздо быстрее.

DeepSeek считает, что здесь есть несколько сложностей. Если начать строить сегодня под потребности 2028 года, можно опоздать, спрос растет экспоненциально. Стройка ЦОДов – это бетон и железо, а прогресс ИИ – это софт и чипы. Негибкое накрывает гибкое.

К тому же, строить свой энергоблок или получать отдельную мощность от сетей займет годы согласований и миллиарды рублей сверх стоимости самого ЦОДа. А зеленая генерация нестабильна, тогда как ЦОД требует энергии круглосуточно.

Есть и внутреннее противоречие. Когда модель уже обучена и просто отвечает на запросы, нагрузку можно распределять по множеству мелких дата-центров рядом с пользователями. А вот чтобы обучить новую большую модель, нужно собрать тысячи чипов в одном месте, иначе они не смогут достаточно быстро обмениваться данными. Таких монстров на сотни мегаватт быстро не построить.

DeepSeek видит два главных сценария: либо энергетический кризис ИИ, когда новые модели упрутся в лимиты энергосистем, либо прорыв в аппаратном обеспечении вроде рабочих нейроморфных чипов. В «Ростелекоме» видят эти риски и делают ставку на прагматичные и масштабируемые решения: от распределенных вычислений до жидкостного охлаждения.

Что в итоге?

Реальный рост и развитие ИИ возможны при софинансировании бизнеса, где государство создает условия и инфраструктуру, а компании вкладывают основные средства в прикладные разработки и масштабирование. Другими словами: государство строит фундамент, бизнес возводит здание.

При этом важно подчеркнуть необходимость синергии искусственного и естественного интеллекта. Данная статья – наглядное тому подтверждение. Аналитике нейросетей не всегда можно слепо доверять, для финальной оценки нужен реальный эксперт. Только сочетание скорости ИИ и критического мышления человека дает надежный проверенный результат.