«Российские компании уже доказали, что могут выпускать лучшие в мире прикладные решения»
Гендиректор MWS AI Денис Филиппов о реальном применении искусственного интеллекта
Стремительное развитие искусственного интеллекта (ИИ) в мире и в России ставит перед разработчиками все более сложные задачи по его обучению и применению в компаниях. В каких областях ИИ уже стал неотъемлемым инструментом бизнеса, а где его ниши еще только формируются, открывая вендорам конкурентные преимущества, рассказал “Ъ” CEO MWS AI (входит в МТС Web Services) Денис Филиппов.
CEO MWS AI (входит в МТС Web Services) Денис Филиппов
Фото: Пресс-служба MWS AI
CEO MWS AI (входит в МТС Web Services) Денис Филиппов
Фото: Пресс-служба MWS AI
— Какова ситуация на рынке российского ИИ?
— Мы оцениваем весь российский ИИ-рынок в 168 млрд руб. с прогнозом роста в 46% год к году. Только треть этой суммы (около 50 млрд руб.) приходится на софт, а остальное — на «железо». При этом доля софта будет расти. Россия — огромная страна, поэтому нет ничего удивительного, что за пару-тройку лет с появления генеративного ИИ не произошло какого-то «чуда». Пока мы еще ждем реальный экономический и финансовый эффект от этой технологии.
В 2022–2023 годах многие верили, что ключом к лидерству на рынке станут большие языковые модели — LLM. И российские компании, которые могли себе это позволить, пошли по пути создания их с нуля. Но уже в 2024 году начался расцвет open source: в открытом доступе стало появляться множество моделей, которые показывали такие же высокие результаты, как лидеры бенчмарков (всем известный ChatGPT). И теперь технологию могут скачать компании любого размера и использовать ее для своих нужд. Наличие своей LLM перестало играть определяющую роль, а шансы на лакомый кусок доли рынка, скажем так, уравнялись среди многих российских компаний. Выиграет тот, кто предложит самый удобный, понятный и эффективный продукт для бизнеса. Продукт, который принесет деньги.
При этом ИИ-гонка не пузырь, как было, например, с индустрией Web 3.0 (хотя и ее пока не готовы хоронить и продолжают искать реальное бизнес-применение). У генеративного ИИ действительно есть потенциал. Потому что в этот раз все-таки компании не бездумно побежали, а провели исследования и убедились в пользе технологии. ИИ применим практически в любой отрасли, а уже наша задача — ответить на вопрос как. Я убежден, что в 2026 году мы увидим реальное масштабирование технологии в бизнесе.
— Что такое MWS AI и какую роль компания играет в развитии МТС?
— Группа компаний МТС уже давно не просто телеком-бизнес. Сейчас MWS AI стал частью экосистемы, которая до конца года поменяет свое название на ERION. Она включает в себя финтех, рекламные, медиа- и другие сервисы и продукты. Безусловно, для каждого из этих направлений ИИ-трансформация — обязательное условие выживания и конкуренции за долю на рынке.
Давайте тут немного остановимся на значении слова «цифровизация». Цифровизация — это процесс внедрения цифровых технологий в разные сферы жизни человека и бизнеса. Цель понятная и простая — менять и автоматизировать процессы, чтобы они были быстрее и дешевле. С самого начала ИИ «продавался» с тем же посылом — автоматизировать рутину, ускорять работу и открывать новые возможности. И тут, на мой взгляд, все очень логично: ИИ-трансформация, то есть внедрение таких технологий в бизнес,— это следующий виток цифровизации, а ИИ — ее ключевой инструмент.
Позиция МТС: искусственный интеллект должен быть не просто наклейкой, а приносить реальный финансовый эффект. Поэтому у нас есть утвержденная стратегия ИИ-трансформации на уровне всей группы компаний. Так, в 2025 году МТС ожидает эффект от внедрения ИИ в размере 2,5 млрд руб. В 2026 году он должен вырасти до 4 млрд руб. за счет запуска новых инициатив и «пилотов», а к 2028-му — уже до 40 млрд руб.
MWS AI — глобальный центр компетенций по искусственному интеллекту внутри экосистемы МТС. ИИ-трансформация — это ключевой продукт нашей компании, который мы создаем не только для крупнейших корпораций, топ-200 игроков рынка, но и для самой МТС. Потому что ИИ-трансформация всегда начинается с себя.
— «ИИ-трансформация» звучит глобально. А если разложить ее на составляющие? Что включает в себя ваш продукт?
— Давайте рассмотрим нашу деятельность как три больших кита — вендоринг, провайдинг и IT-консалтинг. Так и получается продукт 360: от разработки до внедрения и дальнейшего сопровождения. ИИ не конечная цель, а фундаментальная технология, которую надо красиво и эффективно упаковать, чтобы он начал работать.
Поговорим про наших китов. Основные направления разработки MWS AI: большие языковые модели Cotype и Kodify для работы с текстом и компьютерным кодом, сервис речевой аналитики, распознавание и синтез речи.
А вот теперь про упаковку. Все это живет в нашей собственной технологической платформе AI Agents Platform, которая позволяет создавать ИИ-помощников и управлять ими в режиме «одного окна». Она объединяет универсальные решения для клиентской поддержки, HR, юридических и комплаенс-задач, а также корпоративных ИИ-ассистентов. Кроме того, мы предлагаем отраслевые продукты для телекоммуникаций, финтеха, промышленности, госсектора. Платформа объединяет не только наши, но и партнерские решения — если они лучше подходят для задач заказчика. Это совместная работа: мы сопровождаем его на всем пути: от гипотез до конечного результата.
— Давайте мы здесь чуть замедлимся и разберемся с терминами. Модели, помощники, агенты. Что есть что?
— Большие языковые модели — это как раз точка отсчета, с которой ассоциируется развитие генеративного ИИ. Помощники, агенты, платформы — это уже следующие этапы развития технологии и ее применения. Объясню подробнее.
Как было еще пару лет назад. Пользователь задавал нейросети вопрос, а LLM могла дать ответ только на основе данных, на которых ее обучили. Такой вот умный агрегатор знаний. Она не просто не могла искать информацию за пределами своего датасета, но и не имела доступа к каким-либо сервисам: календарю, почте или прогнозу погоды. Поэтому качество ее работы критически зависело от пользователя: полноты промта и так далее. Большая языковая модель напоминала стажера в его первый рабочий день.
На втором этапе появились сценарии: LLM научилась обращаться к дополнительным сервисам, но пока еще строго по заданной инструкции. Это называется генерация, дополненная поиском. Технология RAG (Retrieval-Augmented Generation) позволяет модели «подсматривать» информацию перед ответом во внешних источниках данных, в том числе в интернете.
Новые возможности позволили создать ИИ-помощников или ИИ-ассистентов — тут кому как нравится их называть. Они уже широко применяются в бизнесе. Такие чат-боты умеют быстро бегать по внутренним данным компании и вытаскивать для сотрудников нужную информацию, будь то HR-документооборот, базы для аналитиков и разработчиков и так далее.
Мы посчитали с нашим партнером, крупной производственной компанией, сколько времени один сотрудник тратит на работу с документами. В среднем это около 300 часов на поиск и еще около 100 часов на подготовку в год. При штате в 2 тыс. человек и более экономия времени и ресурсов за счет автоматизации поиска может достигать миллиардов рублей в год.
Конечно, «под капотом» таких ассистентов может быть не только LLM и RAG. Давайте для примера разберем ИИ-помощников для операторов колл-центров, раз МТС — это один из ключевых телеком-операторов с 80 млн абонентов. Когда пользователь звонит или пишет в поддержку, ИИ-помощник определяет тему запроса. Он может сам ответить или передать сообщение специалисту, а после этого помогает оператору быстро найти нужную информацию в документах или прошлых диалогах. Здесь сразу три технологии: обработка естественного языка (NLP), большие языковые модели и RAG. NLP помогает понимать запросы пользователей. Большие языковые модели определяют тип обращения и формируют ответы. Поисковые системы находят нужные данные в базах компании.
То, про что говорит весь технологический мир сейчас,— ИИ-агенты. Их главное отличие в том, что они становятся автономными и могут сами принимать решения: рассуждать, выполнять действия и повторять цикл, пока не достигнут цели.
Фото: Пресс-служба MWS AI
Фото: Пресс-служба MWS AI
— Про разработку поговорили. Но вы упомянули, что это лишь одно из направлений?
— Итак, мы создаем и постоянно улучшаем наши продукты. Но это не ИИ-трансформация, это просто софт. А MWS AI сконцентрирован на системной работе по внедрению технологий искусственного интеллекта в бизнес-процессы компаний. Иногда компаниям нужно объяснить, как ИИ интегрируется в их IT-ландшафт, как управлять нейросетями через призму данных и что делать с вопросами безопасности, контроля доступа и так далее.
MWS AI создает в корпорациях настоящие офисы ИИ-трансформации. Шаг за шагом — от оценки KPI и мотивации менеджмента до формирования методологии, команд, создания «дорожных карт», запуска MVP-проектов и оценки финансового эффекта.
Такой подход потребовал глобальных изменений внутри нашей команды. В 2024 году нас еще можно было назвать стартапом, который объединил очень сильных специалистов и исследователей в области ИИ. Но если идешь в бизнес, то уже не обойтись без проектного и продуктового управления, коммерции, маркетинга.
Это дает свои результаты. Выручка компании в первом полугодии выросла почти до 2 млрд руб. Мы общаемся с разными бизнесами, рассказываем им про наши технологии и продукты, про подход к реализации проектов. И это находит отклик. Рост выручки напрямую связан с ростом интереса бизнеса к решениям на базе ИИ и к компаниям, которые такие решения в понятной для бизнеса форме поставляют. MWS AI — одна из таких компаний.
— Какое из направлений работы самое прибыльное?
— Если говорить про генеративный ИИ, то лидерами становятся проекты, связанные с разработкой различных ИИ-помощников. На втором месте — наша ИИ-платформа. Тут уточню, что пока она доступна закрытому кругу клиентов, но выручку уже приносит.
В топ в этом году начинает прорываться ИИ-консалтинг. В 2024 году многие наши клиенты нарастили компетенции в области ИИ: внедрили решения на его базе, открыли доступ для сотрудников. Разработка стоила денег, команда начала этим пользоваться, но как измерить бизнес-эффект от вложенных ресурсов? За этим компании к нам и обращаются.
— А если говорить про самый необычный запрос от бизнеса, который к вам прилетал, какой он?
— Достаточно простое, но в то же время интересное решение было протестировано совместно с крупной промышленной компанией — система речевой аналитики для оценки технического состояния горного транспорта. Сотрудники фиксировали на аудио результаты осмотра, а большая языковая модель распознавала и обрабатывала записи, которые затем заносились в специальную форму — весь процесс занимал около минуты.
Таким образом, при 100 осмотрах в день можно экономить более 10 тыс. часов рабочего времени сотрудников.
Нестандартные запросы лежат в области R&D (направление поиска, изучения и развития новых идей, технологий и продуктов). Например, ежегодно онлайн-кинотеатр Kion получает около 500 сценариев фильмов, сериалов и другого контента. Для их отбора сервис использует в том числе и ИИ-модель. Она может оценить сюжет, проработку персонажей, масштаб визуальных эффектов, техническую сложность съемок и даже совпадение на соответствие «ДНК» — определенными внутренними ценностями платформы. Благодаря такому автоматическому скорингу продюсеры могут быстрее отбирать перспективные проекты, а сам процесс стал более прозрачным и объективным. Теперь на проверку одного текста уходит всего 10 минут вместо 10 часов, а точность анализа сопоставима с работой опытного редактора.
— Расскажите про тренды в генеративном ИИ?
— Какого бы уровня ни достигла технология сегодня, на практике это пока лишь единицы процентов внедрений, которые стали бизнес-критичными. Мне кажется, во многих компаниях появились чат-боты благодаря энтузиазму команд и какому-то общему воодушевлению новыми технологиями. Но это не было частью стратегического планирования. Если посмотреть на финансовый сектор или ритейл и убрать из него эту технологию, то бизнес ничего и не потеряет. Разумеется, есть и успешные кейсы — в том же клиентском сервисе, о котором я уже рассказывал. Оттуда технологию уже не вырезать, потому что без нее дольше и дороже.
Сегодня к продуктам на базе генеративного ИИ предъявляются два ключевых требования. Во-первых, это быстрый и простой запуск с удобным интерфейсом, чтобы им мог пользоваться каждый сотрудник без необходимости знать код. Во-вторых, интеграция с внутренними системами и базами знаний, например с Confluence. Это и называется платформой.
— ИИ-платформа это еще один вид развития большой языковой модели?
— Давайте чтобы не запутаться. Я много рассказал про ИИ-помощников, а платформа — это место, где они обитают. ИИ-платформа — внутренний сервис, который позволяет решать множество рабочих задач с помощью нейросетей. Давайте чтобы не запутаться. Чем больше под капотом моделей (текстовых, графических, голосовых), тем более широкий спектр задач помогает решать платформа. Пользоваться такими платформами можно через сайт, приложение или внутри корпоративного ПО.
— Вернемся к трендам.
— Вторым главным трендом я бы назвал мультимодальность. Это ключевой элемент для создания ИИ-помощников нового поколения. Мультимодальные модели могут работать с разными данными: текстом, видео или аудио. Команда MWS AI буквально за пару дней до нашего интервью выпустила свою первую мультимодальную модель Cotype VL для анализа и работы с текстом и изображениями. Спектр применения у нее невероятный: от поиска по документам, содержащим визуальную информацию, до клиентской поддержки пользователей по скриншотам и подготовки отчетов на основе графических данных.
— Отличается ли специфика разработки российского ИИ от мировой? Какие направления у нас могут быть более перспективными, а какие — в мире?
— Мир генеративного искусственного интеллекта сегодня — это США и Китай. Именно они являются главными драйверами развития технологии. В США практически бесконечные вычислительные ресурсы, благодаря которым там надеются создать супермодель — так называемый общий искусственный интеллект, AGI, обладающий когнитивными способностями, сравнимыми с человеческими. Однако на практике мы видим серьезное замедление этого процесса. Все ожидали появления ChatGPT 5 и рассчитывали на прорыв, но принципиальных изменений не произошло.
Китай движется в сторону оптимизации. У него меньше вычислительных мощностей, чем у США, но все же больше, чем у России. Пример — DeepSeek, модель, созданная при несопоставимо меньшем бюджете.
В России нет такого количества вычислительных ресурсов. Поэтому наша перспектива — это узкопрофильные задачи: исследовательские направления, создание точных специализированных моделей. Огромный пласт возможностей — продуктовые решения на базе открытых моделей. Open source становится технологической основой, которая позволяет сосредоточиться на прикладных задачах и повышении эффективности бизнеса.
В этой области мир находится примерно на одном уровне с нами: пока не так много по-настоящему успешных примеров новых компаний, построенных на базе генеративного ИИ. Один из редких ярких кейсов — Perplexity.
Пожалуй, они единственные, кому удалось с нуля выстроить новую бизнес-модель на основе этой технологии. Мне кажется, российские специалисты всегда были сильны в поиске таких оригинальных решений.
— Как развиваются международные проекты?
— У нас есть компания VisionLabs — разработчик решений на базе компьютерного зрения с мировым именем. Прямо сейчас у нее реализуются проекты (реализованные не считаю) в 25 странах — более 50 проектов начались в 2025 году, в том числе в Азербайджане, Узбекистане, Казахстане и Кыргызстане. Среди них — проекты по распознаванию лиц, удаленной идентификации в финансовом секторе и другие. В трех странах — Казахстане, Узбекистане и Кыргызстане — стартовали проекты по распознаванию дипфейков.
В 2025 году VisionLabs совместно с партнерами реализовала в России первый проект по заселению в отели Cosmos Hotel Group по биометрии и первый проект по распознаванию оружия, драк, пожаров и других ЧП в концертном зале МТС Live Холл. У всего этого есть международные шансы. У нас и у других российских компаний точно есть хорошие перспективы в странах СНГ, можно работать на Ближнем Востоке, в Юго-Восточной Азии. Но должны быть зрелый продукт и готовые кейсы. В генеративном ИИ этого мало.
— Приведете еще конкретные кейсы?
— Конечно. В целом в сфере безопасности в России очень много ярких кейсов применения ИИ. Например, у VisionLabs самый точный алгоритм распознавания лиц в мире. А год назад МТС внедрила ИИ для защиты абонентов от спама и мошенников. Нейросети анализируют разговор и при выявлении признаков мошенничества предупреждают абонента прямо во время звонка, и более половины пользователей сразу прерывают такие разговоры.
Нам в МТС вообще есть где разгуляться, учитывая количество продуктов в самых разных областях. Вот, например, «МТС Линк» — наша экосистема сервисов для бизнес-коммуникаций и совместной работы. Мы встроили ИИ почти везде: видеоконференции, вебинары, онлайн-формы и чаты. Что только ни делают нейросети: расшифровки речи, саммари, субтитры, короткие трейлеры совещаний, фон меняют, размывают, даже шум подавляют и увеличение настраивают.
В МТС Банке уже успешно используются модели машинного обучения для управления рисками, кредитного скоринга и повышения ценности клиента. Сейчас мы начинаем масштабную ИИ-трансформацию — поэтапно реализуем более 50 инициатив. Это не просто отдельные проекты, а основа новой бизнес-модели компании. Ожидаемый экономический эффект от трансформации может превысить 2,5 млрд руб. за три года.
Команда МТС AdTech создала ИИ-маркетолога. Всего за 25 млн руб., кстати. Это первое в России решение на базе генеративного ИИ, которое полностью автоматизирует запуск рекламных кампаний для малого и среднего бизнеса. Процесс занимает 2–3 минуты вместо 4–5 часов. Этот проект — хороший пример того, как собственные разработки в области ИИ позволяют создавать качественные продукты за относительно небольшие деньги. Наша задача — научиться быстро и эффективно разрабатывать такие решения по всей вертикали компании.
— Где искать такие направления?
— Нам важно понимать, где в России есть уникальные компании, данные, знания, отрасли и домены, будь то промышленность (взять хотя бы «Норникель» или «Северсталь») или культура.
Приведу пример из культурной сферы. В России работает более тысячи театров и концертных площадок, а также свыше десяти крупных билетных агрегаторов. Для продвижения в поиске каждому событию требуется уникальное описание для каждого агрегатора, что требует больших трудозатрат. Совместно с МТС Live мы внедрили большую языковую модель Cotype для автоматической генерации текстов о мероприятиях. Нейросеть формирует описания на основе данных от организаторов и сразу учитывает SEO-запросы. В результате подготовка публикации занимает около 5 минут вместо 15–30.
— Что сейчас двигает развитие ИИ, а что, наоборот, тормозит?
— Глобально самое опасное сейчас — это разочарование в искусственном интеллекте. Бизнес мыслит прибылью, и это абсолютно нормально. Если ты потратил на что-то ресурсы, то хочешь четко понимать, когда они окупятся. Поэтому мы и не идем только по пути разработки. Мы не хотим продавать мечту — мы хотим продавать понятный и измеримый даже не продукт, а подход.
Обсуждают и регулирование ИИ, и то, как оно может повлиять на его развитие. Но мое мнение: пока отрасль совсем зеленая, ей нужно не регулирование, а стимулирование. Потому что очевидно, что технология значимая и она активно развивается — нужно стимулировать бизнес применять ее для повышения своей эффективности.
— Как выдержать ИИ-гонку и что MWS AI делает с этим?
— Главная гонка MWS AI — это продуктивизация. В мире, как я уже говорил, очень мало кейсов, которые доказали свою экономическую эффективность. В этой гонке мы можем быть лидерами и как компания, и как страна. В некоторых отраслях мы уже доказали, что можем выпускать лучшие в мире практически применимые продукты: мобильный банкинг, государственные сервисы. Верю, что и с ИИ сможем.
— Представьте MWS AI через десять лет. Что это за компания, чем она занимается?
— Это будет крупный вендор ИИ-решений, который охватывает многие индустрии, предлагает готовые модули для решения задач в разных отраслях. И при этом компания будет развивать новые направления в экосистеме МТС. Возможно, они будут связаны с оборудованием, с девайсами. Возможно — с медициной или с биотехом, потому что мне лично очень нравится, как развивается последний. Я, если честно, вообще мечтаю о развитии нейроинтерфейсов. О том, как это может изменить жизнь людей с ограниченными возможностями, как это сможет изменить нашу с вами жизнь. Например, чтобы я мог быстро читать и не забывал все, что пообещал жене.
Область искусственного интеллекта — это очень большая история в моей жизни, и мечта позволяет мне двигаться дальше. Так что, да, может, мы ее поэтому и не продаем — мы оставляем ее себе.