Как работает генеративный ИИ в России? Отвечает Александр Друзь Яков…

Как работает генеративный ИИ в России? Отвечает Александр Друзь Яков и партнёры

Фундаментальные разработки есть у немногих, а основная жизнь рынка начинается не в гонке технологий, а там, где модель превращают в продукт — об этом рассуждают сегодняшние «Ведомости».

За два года публичный дискурс об ИИ сместился. Сначала обсуждали, насколько чья модель близка к GPT. Теперь вопрос другой: кто умеет довести ИИ до регулярного использования, нормальной экономики и понятной ответственности. Модель уже не финальный продукт, а базовый слой: данные, инфраструктура, интерфейс, безопасность, оценка качества и сценарии.

Это видно на примере Alphabet. Google долго критиковали за неловкий старт в генеративном ИИ, но у компании осталось то, чего нет у большинства ИИ-стартапов: поиск, Android, YouTube, Workspace, Google Cloud, собственные TPU и миллиарды пользователей. Сила Google не только в Gemini, а в способности встроить модель в существующие продукты и маршруты пользователя.

В России похожая логика. По данным Aiport, крупнейший российский разработчик базовых ИИ-моделей — Яндекс: YandexGPT, YandexART, YandexVLM и новое поколение Alice AI. Но важнее не список названий, а конфигурация. У Яндекса есть Алиса, Поиск, сервисы экосистемы, Yandex Cloud и корпоративные продукты. То есть у модели есть куда встраиваться.

У Сбера другая, но тоже понятная опора: до боли суверенный GigaChat, Kandinsky, банковский контур, контактные центры, внутренние процессы и внешние B2B-клиенты. В обоих случаях собственная модель имеет смысл не как технологический флаг, а как часть большого операционного контура.

У бизнеса помельче задача проще и приземлённее. Им нужно не разрабатывать большую модель, а ускорять поддержку, документооборот, поиск по базе знаний, аналитику, комплаенс и работу с внутренними регламентами.

Отсюда и плотность прикладного слоя. Там, где собственных базовых разработчиков немного, появляется много игроков, которые берут готовые модели, open-source, коммерческие API, RAG, дообучение, оркестрацию и защитные контуры — и собирают из этого рабочее решение. Именно такая интеграция стала основным каналом внедрения генеративного ИИ в корпоративном секторе.

По данным «Яков и Партнёры», около 86% компаний, внедряющих большие языковые модели, используют открытые решения. Во-первых, конечно, потому что законом пока не запрещено. Ну а кроме этого — для бизнеса всё чаще важен не сам факт доступа к модели, а степень контроля над всей системой.

Можно ли развернуть ИИ в закрытом контуре? Не окажется ли поставщик единственной точкой отказа? Насколько легко заменить одну модель на другую без перестройки процессов? Иными словами, конкурируют уже не только модели, а целые архитектуры использования ИИ. Именно поэтому open-source остаётся таким востребованным: он даёт компаниям не только экономию, но и пространство для манёвра.

Поэтому спор «своя модель или чужая» становится слишком плоским. Важнее архитектура применения. Фундаментальные модели дают контроль и стратегический запас, но рынок выигрывают те, кто умеет превращать его в прикладной продукт с понятной ценностью для бизнеса. Суверенно-национальная там основа, или нет.

В сухом остатке генеративный ИИ в России выходит из стадии демонстрации технологической состоятельности. Следующая гонка — за применимость, дистрибуцию, экономику и ответственность. То есть за всё то, что начинается после слов «мы тоже обучили модель».