Российские компании столкнулись с серьезными проблемами при внедрении ИИ-технологий: дефицит специалистов, высокая стоимость инфраструктуры и неопределенность экономической эффективности. Опрос Альянса в сфере искусственного интеллекта выявил, что 44% организаций испытывают острую нехватку ИИ-кадров, особенно остро этот вопрос стоит в ключевых секторах экономики. Как компаниям решить проблему нехватки компетентных специалистов и ускорить внедрение инноваций?
Что делать организациям, чтобы преодолеть барьеры — рассказал в своей колонке для Ведомостей Александр Ведяхин
— 44% российских компаний напрямую заявляют, что им не хватает ИИ-специалистов.
Острая нехватка специалистов по ИИ и низкий уровень практических компетенций остаются главным тормозом технологического рывка. И проблема эта не только российская: мировой рынок давно живет в условиях кадрового голода, где на каждого квалифицированного кандидата приходится в среднем три вакансии.
По данным МТС Web Services, 44% российских компаний напрямую заявляют, что им не хватает ИИ-специалистов. В отдельных отраслях цифры достигают критических значений: в промышленности — 60%, тяжёлой промышленности — 69%, строительстве и ЖКХ — 61%, науке и образовании — 59%. Это не недостаток, а системный разрыв, который и определяет темп внедрения новых технологий.
— Я убежден, что специалисты, которых мы готовим сегодня, станут основой тех процессов и продуктов, на которых бизнес будет стоять через пять–десять лет
Однако ждать, когда рынок сам все отрегулирует, нельзя — и подход меняется. Минцифры запустило программы «Топ-ИТ» и «Топ-ИИ», выстроив модель подготовки кадров, куда вовлечены государство, вузы и бизнес. Вместе с Аналитическим центром при Правительстве министерство запустило конкурс грантов для крупнейших вузов. «Сбер» выступает индустриальным партнером программы – до 2030 г. мы вложим 1 млрд руб. в развитие этой системы. Крупный российский бизнес и самостоятельно растит кадры для ИИ-экономики через собственные образовательные программы, университеты, кафедры и магистратуры, работу со школами и олимпиадами. Школа анализа данных «Яндекса» выпускает сильных специалистов по работе с данными; «Сбер» и партнеры развивают специализированные программы в ведущих технических вузах; Т-Банк строит Центральный университет, где готовит продуктовых менеджеров, аналитиков и ML-инженеров (инженеров машинного обучения – «Ведомости. Инновации и технологии»); Альфа-Банк объединяет образовательные инициативы на платформе «Альфа-будущее». Я убежден, что специалисты, которых мы готовим сегодня, станут основой тех процессов и продуктов, на которых бизнес будет стоять через пять–десять лет.
— Если бизнесу нужны ИИ-компетенции уже сегодня, рекомендую прибегнуть к одному из трех решений: нанять опытных специалистов, сформировать команду студентов или переобучить собственных сотрудников.
— Организациям, которые на это не готовы вкладываться сами в железо, остается только переход на облачную инфраструктуру, где стоимость вычислений прозрачна, подключение занимает минуты, и можно сразу донастраивать модели под свои задачи.
Развитие рынка подталкивает компании именно в эту сторону. Потребители уже привыкли к качеству ИИ-сервисов в B2C — от голосовых ассистентов до умных рекомендаций — и начинают ожидать такого же уровня цифрового удобства от B2B-провайдеров: управляющих компаний, служб такси, ритейлеров, доставок. Чтобы соответствовать этим ожиданиям, корпоративным сервисам необходимо внедрять ИИ.
Это можно делать и on-premise (в периметре корпоративной сети – «Ведомости. Инновации и технологии»), и в облаке, но экономика выбора очевидна. Я уверен, что развитие этого сектора приведет к тому, что между облачными провайдерами развернется конкуренция, а внутри самих облаков появятся готовые продукты, ориентированные на узкие B2B-кейсы.
— подход к выбору ИИ-проектов должен быть прагматичным. Чтобы помочь российским компаниям, Альянс разработал методологию оценки финансовой эффективности ИИ-проектов. Это первый в России стандартизованный инструмент, и его использование позволяет бизнесу перейти от принятия решений на основе интуиции к системной оценке экономического эффекта. Документ дает процедуру, по которой можно принимать решения, сравнивать проекты и масштабировать самые успешные из них.
— При этом нужно понимать, что нельзя сразу интегрировать ИИ в core-процессы (фундаментальные бизнес-процессы – «Ведомости. Инновации и технологии»). Компаниям следует начинать внедрение ИИ с «низковисящих фруктов» — отдельных инициатив, которые дают быстрый и измеримый эффект при минимальных затратах ресурсов.
Такие проекты создают доверие к технологии и позволяют накопить экспертизу. Но точечные улучшения не меняют компанию. Чтобы действительно повысить эффективность, ИИ должен привести к изменению самой операционной модели.
— Разработчикам нужно предлагать бизнесу не выдуманные сценарии, а реальные решения сложных, затратных, рутинных задач. Революция LLM (языковых моделей – «Ведомости. Инновации и технологии») началась в B2C, но настоящая ценность — в B2B, поэтому рынок движется в сторону «приземления» моделей в конкретные отраслевые инструменты.
