Что произошло
Если посмотреть на внедрения ИИ в России, которые дошли до промышленной эксплуатации и попали в отчётность, а не остались в презентациях, картина получится неровной. Основная масса таких проектов сосредоточена в пяти отраслях: финансовый сектор, телеком, ритейл, промышленность и госсектор. Остальные представлены отдельными внедрениями, часто повторяющими один и тот же сценарий.
Эту концентрацию удобно объяснять «зрелостью отрасли» или «бюджетами», но бюджеты на ИИ есть и в строительстве, и в логистике, и в медицине. Разница в другом: в каждой из пяти отраслей одновременно выполняются три условия, без которых ИИ-проект не доходит до денег. Процесс оцифрован — данные существуют в машиночитаемом виде, и к ним есть доступ. Процесс измеряется — есть метрика, которую регулярно смотрят, и человек, который за неё отвечает. Регуляторные границы известны заранее — понятно, что можно, чего нельзя и как это доказать проверяющему.
Там, где выполняются все три условия, ИИ внедряется быстро и считается. Там, где два, — проект возможен, но начинается с подготовительной работы. Там, где одно, — сначала нужна ИТ-задача, а не ИИ-задача. Отраслевая концентрация — карта того, где три условия совпали раньше, а не список отраслей, которым «подходит ИИ». Внутри каждой отрасли деньги лежат в разных процессах, а ограничения стоят в разных местах, и именно это определяет порядок сценариев.
Как это устроено: отрасль за отраслью
Финансовый сектор: зрелость выше, свободы меньше
Банки и страховые компании — самая цифровая среда в стране. Каждая операция проходит через информационные системы, данные структурированы, история хранится годами, процессы обвешаны метриками: время обработки заявки, доля обращений, решённых с первого раза. Измерять эффект можно на следующий день после запуска.
Ограничения тоже самые жёсткие: требования Банка России к управлению модельным риском, 152-ФЗ и банковская тайна, обязанность объяснить клиенту причину отказа. Любая модель, влияющая на решение о кредите, выплате или лимите, требует документации, независимой валидации, мониторинга дрейфа и процедуры отката.
Отсюда вывод, который противоречит интуиции. Самые большие деньги в банке лежат в кредитном процессе, но начинать с него — значит потратить первые месяцы на согласования, а не на эффект. Первые сценарии, которые реально доходят до эксплуатации, — клиентский сервис и документы: классификация обращений, суфлёр оператора, разбор входящих документов, поиск по регламентам. Регуляторный риск минимален, эффект считается за квартал, а архитектура контроля отрабатывается на безопасном материале и потом переносится на скоринг.
Телеком: сильные команды и масштаб
У операторов связи два актива, которых нет почти ни у кого: огромный поток типовых обращений и сильные внутренние инженерные команды. Первое даёт материал, второе — способность внедрять без зависимости от подрядчика. ИИ в телекоме приходит не как «трансформация», а как инструмент, и доминируют два направления. Ассистенты разработки: генерация и ревью кода, тесты, документация, миграция легаси — при большом числе внутренних сервисов даже небольшое ускорение даёт ощутимую экономию. Обращения: первая линия, классификация, подсказки оператору, разбор жалоб на качество связи с привязкой к данным сети.
Ограничение — масштаб и тайна связи. Ошибка, которая в небольшой компании затронет десяток клиентов, в телекоме тиражируется на всю абонентскую базу за часы. Канареечные выкладки, контрольные группы и правило остановки здесь не рекомендация, а обязательное условие.
Ритейл: короткий цикл и шумные замеры
Розница — отрасль с самым коротким циклом обратной связи: изменили логику рекомендаций или карточку товара — результат виден через неделю в конверсии и среднем чеке. Обратная сторона: сезонность и промоактивность искажают замеры сильнее, чем что-либо ещё. Запуск в ноябре покажет рост, который в феврале исчезнет. Единственный надёжный способ — контрольная группа, работающая параллельно, или сравнение год к году с поправкой на промо.
Стартовые сценарии — первая линия поддержки (типовые вопросы по заказу, доставке, возврату) и карточки товара: генерация и нормализация описаний и атрибутов. Оба дёшево проверяются, имеют понятную метрику и не касаются ценообразования, где цена ошибки в разы выше.
Промышленность: эффект высокий, данных мало
Здесь парадокс. Потенциальный эффект от ИИ на производстве один из самых высоких: простои, брак, потери сырья, энергоёмкость. При этом данных для моделей меньше всего: оборудование не отдаёт телеметрию или отдаёт её в закрытые системы АСУ ТП, журналы ведутся на бумаге, история простоев описана словами в сменных отчётах.
Запрос «предиктивное обслуживание» — самый частый и самый редко реализуемый: для прогноза отказа нужна история отказов с телеметрией до них, а её обычно нет. Поэтому первый шаг — аудит данных: что собирается, где лежит, с какой частотой, можно ли забрать. Часто честный результат аудита — первым проектом должен стать сбор телеметрии, а не модель.
Пока данные накапливаются, эффект дают сценарии на том, что уже есть: компьютерное зрение на существующих камерах — контроль СИЗ, брак на линии, учёт продукции и транспорта. Камеры установлены, разметка выборки занимает недели, метрика понятна, приёмка простая. Ограничение — режим КИИ: для значимых объектов срок перехода на отечественные решения — 1 января 2028 года, и модель рядом с производственным контуром должна с самого начала жить на отечественном стеке внутри периметра.
Госсектор и три отрасли за пределами первой пятёрки
Госсектор. Массовые типовые обращения и документы с регламентными сроками ответа — материал для конвейерной обработки: классификация, маршрутизация, проект ответа, проверка комплектности, поиск по нормативной базе. Ограничения известны заранее: закрытый контур, аттестованная инфраструктура, отечественный стек, ответственность за решение всегда на должностном лице. Отсюда архитектура: ИИ готовит проект, человек подписывает, каждое предложение трассируется до источника.
Логистика. Деньги в документах: накладные, таможенные декларации, претензии, акты сверки в десятках форматов контрагентов. Разбор и сверка — сценарий с дешёвой проверкой и понятной метрикой: время обработки, доля ручных исправлений. Маршрутная оптимизация и прогноз спроса — вторая очередь.
Строительство. Точка входа — сметы и проектная документация: сверка объёмов между разделами, проверка смет на соответствие нормативам, расхождения между проектом и исполнительной документацией. Данных о самой стройке в машиночитаемом виде почти нет, зато документов много.
Медицина. Клиническая диагностика — самый высокий регуляторный порог и самая дорогая ошибка, ей место в конце очереди. Начинать нужно с административных процессов: запись и маршрутизация пациентов, выписки и протоколы из расшифровки приёма, страховые реестры, комплектность документов. Врачебная тайна и 152-ФЗ требуют закрытого контура, но не требуют клинической валидации.
Сводная карта: где деньги и с чего начать
| Отрасль | Где деньги | С чего начать | Главное ограничение |
|---|---|---|---|
| Финансы | Кредитный процесс, риски, операционные затраты | Обращения клиентов, документы, поиск по регламентам | Требования ЦБ, объяснимость, 152-ФЗ, банковская тайна |
| Телеком | Стоимость разработки, обслуживание абонентов | Ассистенты разработки, классификация обращений | Тайна связи, масштаб тиражирования ошибки |
| Ритейл | Конверсия, средний чек, стоимость контакта | Первая линия поддержки, карточки товара | Сезонность искажает замеры, низкая маржа |
| Промышленность | Простои, брак, потери сырья | Аудит данных, компьютерное зрение на существующих камерах | Нет телеметрии, режим КИИ, закрытый контур |
| Госсектор | Скорость и стоимость обработки обращений | Классификация и проекты ответов на типовые обращения | Закрытый контур, аттестация, ответственность должностного лица |
| Логистика | Ручная обработка документов, сверки | Разбор накладных, деклараций, претензий | Разнородность форматов контрагентов |
| Строительство | Ошибки в сметах и объёмах | Сверка смет и проектной документации | Данные о стройке не оцифрованы |
| Медицина | Административная нагрузка на персонал | Выписки, протоколы, запись, реестры | Врачебная тайна, клиническая валидация для диагностики |
В каждой строке стартовый сценарий — документы или обращения. Не потому, что там больше всего денег, а потому, что там дешевле всего проверить результат и ниже регуляторный порог. Большие деньги — во второй колонке, но к ним приходят через третью.
Как это выглядит на практике
Банк из первой сотни. Запрос был на новую модель кредитного скоринга. Диагностика показала: действующая модель работает приемлемо, а согласование новой с валидацией и регулятором займёт больше времени, чем построение линии сервисных сценариев. Начали с классификации обращений и поиска по регламентам для операторов; сокращение времени обработки обращения зафиксировали за квартал, параллельно построив контур с логированием, выборочной проверкой и регрессом. Когда через несколько кварталов вернулись к кредитному процессу, архитектура контроля уже существовала, и валидация свелась к документации.
Производственная компания. Запрос — предиктивное обслуживание линии. Аудит данных показал, что телеметрия с ключевых узлов не пишется, а история ремонтов существует в виде записей в журнале: обучать модель было не на чем. Вместо этого запустили компьютерное зрение на уже установленных камерах: брак на выходе линии и контроль СИЗ. Оба сценария заработали в течение квартала. Одновременно начали собирать телеметрию — чтобы через год вернуться к исходному запросу с данными.
Розничная сеть. Ассистент первой линии запустили в высокий сезон, и первый замер показал заметное снижение нагрузки на операторов. Через два месяца эффект «исчез»: нагрузка упала вместе с сезоном, и стало непонятно, что сделал ассистент, а что — календарь. Замер переделали с контрольной группой обращений по старому маршруту. Реальный эффект оказался меньше первого замера, но устойчивым, и именно его удалось провести в бюджет.
Что это значит для российской компании
Регуляторная карта в России отраслевая и определяет порядок сценариев жёстче, чем технологии: требования Банка России и банковская тайна в финансах, тайна связи в телекоме, врачебная тайна в медицине, режим КИИ в промышленности и энергетике, 152-ФЗ везде. Следствие: сценарий, который пилотируется на внешней модели, а в эксплуатацию должен уйти в закрытый контур, — это два проекта, и второй обычно дороже первого. Контур нужно выбирать до пилота.
Кадровая карта тоже отраслевая. В финансах и телекоме есть внутренние команды, способные принять систему и развивать её. В промышленности, строительстве, медицине и большей части госсектора их нет, и подрядчик должен не только внедрять, но и передавать компетенцию — обучать людей заказчика, оставлять документацию и инструменты. Иначе система живёт ровно до окончания контракта.
Отечественный стек здесь не ограничение, а рабочая среда: для зрелых сценариев — компьютерного зрения, классификации, распознавания речи — открытые модели и российские решения закрывают потребность без компромиссов, для генеративных — российские модели с дообучением на корпоративных данных внутри контура.
Если вашей отрасли нет в списке, это не значит, что ИИ вам не подходит. Это значит, что готовых сценариев меньше и начинать нужно с диагностики собственных процессов, а не с чтения чужих кейсов.
Что делать: пошагово
- Определите положение компании по трём осям. Оцифрованность процессов, измеримость, регуляторные ограничения. Это покажет, к какой из описанных отраслевых моделей вы ближе — независимо от формальной отрасли.
- Составьте карту процессов с владельцем и метрикой. Только те процессы, у которых есть человек, отвечающий за цифру, и сама цифра. Процессы без метрики в кандидаты не попадают: улучшать в них нечего.
- Отсеките процессы с высоким регуляторным порогом. Скоринг, клиническая диагностика, управление оборудованием, ценообразование — во вторую очередь. Первый проект должен показать эффект за квартал, а не за год согласований.
- Выберите два-три кандидата по стоимости проверки. Лучшие — те, где результат ИИ дёшево проверить: документы с привязкой находки к источнику, обращения с понятной классификацией, визуальный контроль с очевидной разметкой.
- Проведите аудит данных по кандидатам. Доступ, качество, полнота, глубина истории. Если данных нет, первым проектом становится их сбор — это нормальный результат, а не провал.
- Зафиксируйте базовый замер с учётом сезонности. До запуска. Для сезонных отраслей — контрольная группа или сравнение год к году. Замер подписывают владелец процесса и финансовая функция.
- Выберите контур до пилота. Определите, где система будет жить в эксплуатации, и пилотируйте там же. Переезд из внешнего облака в периметр после пилота — отдельный бюджет.
- Запланируйте передачу компетенции. Кто из ваших сотрудников будет эксплуатировать систему, какие документация и обучение нужны, когда подрядчик уходит.
Типичные ошибки
- Копировать отраслевой кейс конкурента. У него другие данные, команда и контур; кейс описывает результат, а не путь. Вместо этого — собственная диагностика и выбор процесса по стоимости проверки.
- Начинать с самого дорогого процесса. Скоринг, диагностика, предиктив притягивают размером эффекта, но требуют данных и согласований, которых нет. Первый проект — небольшой, считаемый и безопасный; большой — вторым.
- Замерять в пиковый сезон без контроля. Эффект смешивается с календарём, и через квартал его невозможно защитить перед финансовым директором. Вместо этого — контрольная группа, идущая параллельно.
- Ждать, пока данные накопятся сами. Без целенаправленного сбора через год будет та же картина. Вместо этого — аудит сейчас и сбор телеметрии параллельно с первым сценарием на существующих данных.
Как понять, что вы на верном пути
- Первый сценарий выбран по стоимости проверки и регуляторному порогу, а не по размеру потенциального эффекта.
- У процесса есть владелец, чья оценка зависит от метрики, и эта метрика зафиксирована до старта.
- Замер учитывает сезонность: есть контрольная группа или сопоставление год к году.
- Аудит данных проведён, и его результат — включая «данных нет» — принят как основание для плана.
- Есть план передачи компетенции: названы люди, документация и сроки.
- Эффект первого сценария можно показать в отчётности за квартал, а не «в перспективе».
Вопросы, которые нам задают
Почему не начинать со скоринга или диагностики, если именно там основные деньги? Потому что первый проект решает две задачи: показать считаемый эффект и построить архитектуру контроля. Скоринг и диагностика требуют этой архитектуры уже на входе, и без неё первый проект превращается в год согласований. Начав с документов, вы получите ту же архитектуру за квартал и на безопасном материале.
Насколько важен отраслевой опыт подрядчика? Важен на уровне ограничений: подрядчик должен знать, какие тайны и режимы действуют в вашей отрасли, и уметь строить контур под них. На уровне сценариев он переоценён: разбор документов в банке и на комбинате устроен одинаково. Спрашивайте не «делали ли вы это в нашей отрасли», а «как вы посчитаете экономику и что останется у нас после вашего ухода».
Есть ли отрасли, где ИИ внедрять рано? Есть процессы, где рано, — без данных, метрики или владельца. Отраслей, где рано, нет: административные процессы оцифрованы везде. Если у вас нет ни одного процесса с данными и метрикой, первый проект — не ИИ, а учёт.
Начните с одной таблицы на одной странице: ваши процессы, у каждого — владелец, метрика, источник данных, регуляторный порог и стоимость проверки результата. Процесс, у которого заполнены все пять колонок, и есть ваша точка входа, независимо от того, что написано в графе «отрасль».