«В мире уже происходит повсеместная трансформация корпораций вокруг GenAI»

Генеративный искусственный интеллект (GenAI) сегодня — это новая архитектура бизнеса, вокруг которой компании перестраивают свои стратегии. Технология ИИ трансформировалась из инструмента оптимизации в фундамент для принципиально новых бизнес-моделей. О том, как генеративный искусственный интеллект меняет бизнес-модели, в интервью “Ъ” рассказал первый заместитель председателя правления Сбербанка Александр Ведяхин.

Выйти из полноэкранного режима

Развернуть на весь экран

— Сбербанк разрабатывает собственный GenAI. Это решение ориентировано в большей степени на внутренние задачи банка?

— Ядро технологии, которое создает Сбер, едино и доступно как командам внутри, так и рынку.

В стратегии Сбера мы сделали ставку на генеративный искусственный интеллект (GenAI) и рассматриваем его в качестве одного из столпов долгосрочного развития. При этом эффект от применения технологии варьируется в зависимости от этапа. В краткосрочной перспективе ключевая ценность GenAI для банка — в трансформации внутренних процессов, обеспечении технологического суверенитета, а также в совершенствовании клиентского опыта. В среднесрочной перспективе — в выработке наиболее ценных сценариев применения GenAI как для собственных нужд, так и для внешних клиентов. В долгосрочной — в обеспечении конкурентоспособности и реализации стратегии Сбера.

Этот подход полностью соответствует глобальным процессам: в мире уже происходит повсеместная трансформация корпораций вокруг GenAI. Наш стратегический выбор подтверждается данными рынка: согласно отчету Nvidia за 2024 год, половина компаний из списка Fortune 100 уже внедрили у себя AI-суперкомпьютеры для разработки и эксплуатации моделей глубокого обучения. К 2026 году более 80% компаний из Fortune 500 планируют интегрировать генеративный искусственный интеллект.

Сбер сейчас — одна из немногих компаний в России, обладающих собственной фундаментальной большой языковой моделью мирового уровня, которая доступна и внешним клиентам. Речь идет о GigaChat. Эта модель изначально была сразу ориентирована на работу с русскоязычными текстами, понимает культурный контекст и поддерживает до 262 тыс. токенов (около 350 страниц A4), что обеспечивает высокое качество ответов в сложных запросах пользователей. На внутрибанковских задачах GigaChat на русском языке демонстрирует сопоставимые или превосходящие результаты в сравнении с мировыми лидерами, например DeepSeek.

Сбер обеспечивает поддержку и предоставляет свою экспертизу и консалтинг по GenAI-трансформации. С 2024 года реализовано более 100 GenAI-кейсов с крупнейшими клиентами ИТ-бизнеса. Компании уже используют GenAI-инструменты Сбера. Для многих организаций это стало стартом собственной AI-трансформации: они начинают перестраивать процессы, оргструктуру и обучение под работу с искусственным интеллектом.

— Получается, сейчас в Сбере практически в каждом продукте и сервисе используется искусственный интеллект?

— За последние два года AI был внедрен более чем в 80% процессах Сбербанка, а также реализовано более 550 инициатив, связанных с генеративным ИИ.

К слову, умение применять AI стало обязательным требованием не только для действующих наших сотрудников, но и для кандидатов на работу в Сбере. Стажеров мы обучаем, а специалистам аналитических и ИТ-направлений нужно обладать готовыми навыками интеграции AI в профессиональную деятельность.

— Можете привести примеры того, каких эффектов позволяет достичь применение мультиагентных систем в Сбере?

— В первую очень давайте разберемся что такое AI-агенты — это не просто интерфейс для общения с нейросетью. Это автономные цифровые исполнители, способные понимать задачи и потребности клиента, планировать действия и выполнять их без постоянного вмешательства человека.

В отличие от традиционных ИИ-моделей, они действуют не по сценарию, а по ситуации: принимают решения в реальном времени, учатся на собственном опыте, общаются с другими системами, адаптируются к меняющимся условиям и ищут новые, более эффективные пути для выполнения рутинных и неординарных задач. И именно это делает их особенно перспективными в бизнесе.

Приведу несколько внутренних кейсов по созданию мультиагентных систем.

Например, риск-аналитик: AI-агент анализирует клиентские операции в отделениях на предмет внутреннего мошенничества, собирает цифровые следы и графовые связи, планирует схему анализа исходя из доменных знаний. В результате применения AI-агента на 33% улучшена автономность процесса выявления рисков.

Другой AI-агент автоматически анализирует строительную документацию на соответствие нормативным требованиям, извлекает данные из текстов и чертежей, классифицирует документы и выявляет несоответствия. Как итог — процесс проверки строительной документации ускорился на 15%, в два раза сократилось количество ошибок в документах.

Аналогичные решения были внедрены для проверки кредитной документации, концессионных соглашений и проектных материалов. Система работает следующим образом: один AI-агент определяет, к какому типу относится проект по классификации «зеленой» таксономии, и осуществляет маршрутизацию документов другому AI-агенту-верификатору. Целевой эффект — ускорение бизнес-процесса с 60 минут до 5–10 минут.

— Как AI способствует ускорению разработки и вывода продуктов на рынок?

— Создателям AI-агентов сегодня необязательно обладать навыками программирования. Они используют low-code и no-code инструменты на базе больших языковых моделей (Large Language Model), в которых они проектируют схемы агентов и получают на выходе сервисы. По данным Stack Overflow, в 2024 году 97% разработчиков в мире применяли AI-инструменты для разработки. Бигтехи, такие как Microsoft или Google, уже более 30% кода создают с помощью AI или полностью автономно.

В Сбере за счет внедрения AI-инструментов в процессы разработки продуктов мы стремимся к ускорению фаз генерации гипотез, написания и проверки кода. Для решения этих задач мы сформировали экосистему решений для разработчиков — она включает GigaCode, GigaIDE, Gitverse и другие AI-инструменты. 90% наших разработчиков отметили рост продуктивности: до 15% снижение времени разработки, 45% сгенерированного кода принимается разработчиками.

AI может помочь не только с разработкой продуктов. Уже сейчас он способен анализировать логику бизнес-процессов и предоставлять рекомендации по улучшению продаж и взаимодействия с клиентами. В перспективе AI будет способен самостоятельно создавать для команды качественный product vision («видение продукта»).

Приведу несколько примеров из мировой практики. Компания L’Oreal в рамках своей лаборатории CREAITECH сократила цикл создания продуктово-маркетингового контента на 60%. Благодаря GenAI для автоматизации проектирования производитель энергосистем Eaton сократил время разработки новой конструкции освещения с 16 недель до 2 недель. А производитель продуктов на растительной основе NotCo с помощью AI-платформы собственной разработки Giuseppe сократил время на создание новых вкусов на 50–70% посредством виртуального тестирования и за четыре года запустил более 100 продуктов с новыми рецептурами.

Кроме того, AI представляет собой полезный инструмент для ученых. Так, модель искусственного интеллекта AlphaFold2 (разработана в Великобритании), за создание которой авторы получили Нобелевскую премию по химии, способствовала решению многолетней проблемы предсказания 3D-структуры белка за считаные часы. А команда DeepMind (тоже из Великобритании) с помощью AI-инструмента GNoME открыла 2,2 млн кристаллических материалов, что эквивалентно почти 800 годам накопленных человечеством знаний.

Сбер также разрабатывает AI-платформу для научных исследований, которая в перспективе трансформируется в полноценного цифрового сотрудника: будет автономно проводить исследования, анализировать данные. Наша цель — ускорить исследовательский цикл в десять раз, объединив разные области знаний и создав новые возможности для научных открытий.

— Возвращаясь к корпоративной среде, сможет ли AI создать что-то принципиально новое в бизнесе?

— Компании уже осознают потенциал искусственного интеллекта в создании новых бизнес-моделей — более эффективных и конкурентоспособных. Технологии GenAI становятся основой для инновационных решений в самых разнообразных секторах. Сейчас их наиболее активное внедрение идет в ритейле, телекоме и финансовом секторе.

Так, крупные торговые сети переходят от классического ценообразования и стандартных промомеханик к AI-управляемым моделям. Алгоритмы в режиме реального времени анализируют спрос, сезонность и поведение покупателей, формируют персональные предложения и даже управляют ассортиментом в зависимости от локации. Это трансформируется в новый источник дохода: торговая компания становится не просто «местом покупки», а «точкой сборки» персонализированных сервисов. По оценкам аналитиков, использование AI в розничной торговле способно обеспечить увеличение прибыли на 10–15%.

В финансовом секторе и в страховании компании строят продукты-конструкторы на базе AI — не предлагают фиксированные условия, а формируют индивидуальную комбинацию для каждого клиента. Это фактически новая бизнес-модель: массовая персонализация вместо унифицированного предложения.

Машиностроительные предприятия и поставщики с помощью AI переходят к модели поставки комплектующих как сервиса: начинают зарабатывать не только на продаже оборудования, но и на предиктивной поставке сервисного обслуживания. Фактически они продают гарантированную работоспособность оборудования, а не только сам станок или двигатель.

Фермерским хозяйствам AI помогает управлять урожайностью через прогнозирование, оптимизацию посевов и управление агротехникой. В секторе АПК искусственный интеллект трансформирует саму экономику процесса: урожайность становится прогнозируемой, что открывает возможности для новых моделей финансирования, страхования и поставок.

Таким образом, если раньше AI воспринимался скорее как инструмент повышения эффективности, то сегодня мы видим, как он становится фундаментом новых бизнес-моделей: от подписочных сервисов до полностью стратегий, основанных на данных (data-driven). Применение GenAI позволяет быстро создавать новые бизнес-модели и клиентский опыт качественно иного уровня благодаря демократизации технологии и гиперперсонализации предложений.

Более оперативно, чем крупные компании, возможности новой технологии используют стартапы. Например, разработчик платформы Lovable, позволяющей без навыков программирования с нуля создавать полностью функциональные веб-приложения, стал самым быстрорастущим стартапом в сфере ПО в истории, достигнув дохода в размере $100 млн (в пересчете на год) от подписок всего за восемь месяцев с момента запуска компании в ноябре прошлого года. Другой пример — Insilico Medicine, одна из первых компаний, которая в 2025-м дошла до клинических испытаний с AI-созданными лекарственными молекулами (препаратами для лечения онкологии и фиброза).

Дальнейшему продвижению этих инициатив способствует активное партнерство с регулятором в сфере совершенствования нормативной базы.

— Можете чуть подробнее рассказать о том, как AI меняет бизнес-модели в банковском сегменте? В корпоративном кредитовании, привлечении депозитов?

— Искусственный интеллект помогает перейти от модели «рассмотрения заявки на кредит по запросу» к модели «всегда действующего актуального кредитного предложения». Это достигается за счет того, что AI способен обрабатывать значительный объем информации в кратчайшие сроки, быстро улавливать сигналы меняющейся среды и автономно работать 24/7.

Кроме того, AI кардинально трансформирует бизнес-модели банков в сфере привлечения депозитов через внедрение систем динамического ценообразования. На основе анализа поведения клиентов и рыночных условий такие системы позволяют предлагать персонализированные процентные ставки в режиме реального времени. Предиктивная аналитика дает банкам возможность точно прогнозировать потребности клиентов в депозитных продуктах, анализируя тысячи параметров для создания индивидуальных предложений. Омниканальные решения на базе AI объединяют каналы взаимодействия с клиентами, обеспечивая бесшовный пользовательский опыт.

— А если компания обращается в банк за финансированием, для оценки бизнес-плана компании тоже используете AI?

—В первую очередь мы используем искусственный интеллект для оценки кредитоемкости наших клиентов. Кроме того, с помощью AI-моделей мы формируем будущие денежные потоки еще до того, как они в полной мере отразятся в финансовой отчетности.

В целом искусственный интеллект — ключ к повышению качества обслуживания и серьезной оптимизации любых операций, даже самых простых. Так, внедренные ML-модели в автоматическом режиме, без участия бэк-офиса позволяют нам обрабатывать и одобрять 70% заявок на открытие расчетных счетов для компаний и предпринимателей в режиме 24/7. Для нас это означает экономию ресурсов наших сотрудников — благодаря AI уже сейчас мы перераспределили время сотрудников на другие задачи. Мы также используем AI в процессах оформления и выдачи бизнес-карт. В будущем цифровые помощники смогут полноценно консультировать и подбирать все необходимые продукты для наших клиентов.

— Вы подробно рассказали о внутренних эффектах и новых бизнес-моделях. Какова сегодня роль Сбера в GenAI-трансформации своих клиентов и российского бизнеса в целом?

— Это закономерный процесс. Бизнес смотрит на масштабную цифровую и GenAI-трансформацию Сбера и пробует адаптировать проверенные практики под свои реалии. Для этого мы консолидировали собственный опыт в проекте для корпоративных клиентов DTaaS (Digital Transformation as a Service — «цифровая трансформация как сервис»), дополнили его компетенциями наших технологических партнеров и предложили такую комбинацию нашим клиентам через специальную роль — менеджер по успеху клиента (Customer Success Manager, CSM). Ключевая задача CSM — помочь компаниям сориентироваться в этой сложной системе координат и подобрать наиболее оптимальный путь трансформации.

Например, опыт Сбера по внедрению в клиентский сервис голосовых технологий и виртуальных ассистентов актуален для телеком-операторов, компаний в сфере девелопмента и ЖКХ. Они используют тот же подход: снижение нагрузки на операторов колл-центра, повышение качества взаимодействия и перевод общения в омниканальные форматы.

Ключевой момент: в процессе GenAI-трансформации необходимо учесть не только технологии, но и организационный опыт. Важно внедрять культуру трансформации. Здесь Сбер стал «учебным кейсом» для российского корпоративного сектора. Мы не только предоставляем готовые решения, но и выступаем источником практик: от технологических инструментов до управленческих подходов.

Приоритетной задачей является обеспечение условий, чтобы наши клиенты первыми внедряли технологии, демонстрировали опережающий рост и занимали доминирующее положение на рынке.