Масштабная польза от нейросетей для крупных предприятий может быть неочевидна, но её реально посчитать.
Сервисы на основе искусственного интеллекта всё прочнее закрепляются в жизни рядового пользователя. К примеру, ещё год–два назад новость о курсовой работе, написанной при помощи ChatGPT, вызывала ажиотаж. Сегодня нейросети повсеместно используются не только студентами, но и предприятиями — на уровне сотрудников или даже стратегического развития компании.
Особый интерес вызывает второй случай, когда предприятия внедряют искусственный интеллект для повышения эффективности работы. Перечень задач может быть очень разнообразен: от автоматизации рассылок и категоризации входящих писем до решения задач превращения клеток кожи в стволовые. Так, к примеру, специально натренированная модель от OpenAI под названием GPT–4b micro сумела повысить эффективность сбора белков более чем в 50 раз.
Три буквы: G — P — T
Учитывая большое количество GPT (Generative Pre–trained Transformer — генеративный, предобученный трансформер. — Ред.), возникает вопрос: все компании используют разные нейросети? Или есть одна с множеством копий? Сейчас на ИИ–рынке одним из самых сильных игроков является компания OpenAI под руководством Сэма Альтмана, которая базируется в США. Другие могут пользоваться её услугами, подключаясь по API (программный интерфейс приложения) или создавая специализированные версии, которые обозначаются как "GPT + индекс". Так ChatGPT–4o является GPT четвёртой версии с приставкой omni– (то есть "универсальный") для повседневных задач.
У других ИИ–сервисов — к примеру, недавно вышедшей китайской платформы DeepSeek R1 или французской Mistral — также есть свои API. Они имеют свои недостатки и преимущества, которые обеспечивают конкурентный выбор на рынке: DeepSeek R1 выходит дешевле для использования и не уступает в некоторых задачах ChatGPT, а Le Chat (чат–бот от Mistral) работает в 30 раз быстрее конкурента из OpenAI благодаря специальным чипам–ускорителям от Cerebras.
Генерация прибыли
Генеративные модели и их разнообразие — явление, которое движет отрасль вперёд и создаёт прибыль. Так, согласно отчёту аналитической компании "Яков и Партнёры", к 2030 году ожидаемый экономический эффект для стран БРИКС+ от внедрения искусственного интеллекта составит от $350 млрд до $600 млрд. Но какие конкретно кейсы обеспечат подобные цифры?
Для этого стоит рассматривать опыт внедрения ИИ–технологий по конкретным странам. К примеру, в России ИИ внедряется в первую очередь в уже цифровизированные отрасли: банкинг, e–commerce, нефтехимия, говорится в докладе "Будущее генИИ в странах БРИКС+". Продавцы на "Яндекс.Маркет" за 3 месяца с момента запуска благодаря LLM (языковой модели) создали более 350 тыс. описаний товаров.
Помимо "Яндекс.Маркет" в гонке внедрений участвуют и другие техногиганты: так, МТС выпускает свою LLM (large language model — большая языковая модель. — Ред.) для b2b–решений, ожидая выручить от неё до 3 млрд рублей в следующем году.
ИИ может использоваться и для выявления нарушителей. В начале месяца компании Wildberries и Russ представили систему, которая с 99,99%–ной точностью выявляет аккаунты "дропперов" — людей, которые за оплату дают пользоваться своими счетами для проведения незаконных финансовых операций. Система в секунду анализирует до 10 тыс. аккаунтов и с начала 2025 го-да заблокировала уже более 15 тыс. попыток использовать реквизиты дропперов, передают CNews.
Ваш ИИ — у нас в НИИ
Помимо бизнес–процессов и безопасности искусственный интеллект интенсивно применяется в науке. Ещё в 2023 году ИИ под названием GNoME (Graph Networks for Materials Exploration) сумел сгенерировать 2,2 млн комбинаций элементов для синтеза кристаллов, из них 380 тыс. признаны стабильными. Объём сгенерированных знаний учёные оценили в "800 лет исследований", говорится в отчёте на DeepMind Google.
На подобных примерах можно явственно увидеть преимущества ИИ–моделей перед человеческим ресурсом. В том же отчёте приводится наглядная иллюстрация: около 20 тыс. стабильных соединений было открыто людьми, 48 тыс. — при помощи компьютерных вычислений, а при помощи GNoME их количество выросло в 21 раз — до 421 тыс.
Больше чем процент
Обращаясь к новым примерам, можно вспомнить уже упомянутый выше стартап Retro, который специализируется на борьбе со старением. Основатель OpenAI лично профинансировал компанию, цель которой увеличить продолжительность жизни на 10 лет, суммой в $180 млн. Основной задачей проекта было создать цепочку белков, при добавлении которых клетка человеческой кожи превращалась бы в стволовую — именно этот тип производит любые другие разновидности клеток. Однако сам процесс технологически сложен и успешно превращались менее 1% образцов.
Благодаря GPT–4b micro эффективность сбора белковых цепочек увеличилась в 50 раз. Как это выглядит в цифровом выражении, пока неизвестно, так как результаты носят предварительный характер и не могут быть проверены независимыми учёными.
"Этот проект призван показать, что мы серьёзно подходим к тому, что можем привнести в науку, — приводит Technology Review слова Аарона Джеха из OpenAI, разработчика GPT–4b micro. — Но будут эти возможности представлены в виде отдельной модели или они будут включены в наши основные продукты — ещё предстоит понять".
Новый поворот
Сейчас мир уже преодолевает фазу, в которой искусственный интеллект представляется чем–то неведомым и диковинным. Большинство стран построили стратегии по развитию в этой сфере до 2030 года. Всё более популярным становится и мнение, что нейросети — второй интернет. Поэтому тот, кто сегодня займёт в отрасли лидирующую позицию, завтра будет возглавлять научные и технологические сферы, а также военно–промышленный комплекс.
Именно поэтому, к примеру, сотрудничество Китая и России в сфере ИИ вызывает обеспокоенность западных стран. Первый заместитель председателя правления ПАО "Сбербанк" Александр Ведяхин уже рассказал Reuters, что у них хватает учёных в штате, которые будут проводить совместные исследования с коллегами из КНР.
Помимо стратегической конкуренции перед отраслью стоят и другие вызовы. Один из них — вопрос безопасности. Что будет, если в сторонний GPT загрузить код, который защищён коммерческой тайной? А если локальная нейросеть на самом деле использует вашу интеллектуальную собственность для обучения своих дата–сетов без вашего согласия? В этом случае всплывает и юридическая сторона вопроса, которая очень популярна, к примеру, в дискуссии о музыке, написанной искусственным интеллектом.
Согласно отчёту компании информационной безопасности InfoWatch, 59% российских предприятий публично не разглашают инциденты с утечками информации. При этом средние издержки на такой случай составляют 23 млн рублей. Из–за репутационных и финансовых рисков эта тема не всегда охотно обсуждается в период, когда все рвутся внедрить и развить ИИ любой ценой. Что, конечно, вызывает резонные опасения.
Риск, ИИ, прибыль
Не последними являются и моральные риски: к примеру, новая китайская DeepSeek R1 оказалась на 100% уязвима к LLM–jailbreak — виду атаки на нейросеть, которая обходит "моральные блокировки". При обычных запросах ИИ не даст ответ на чувствительные темы, но если убедить её в том, что это отчёт для государственных органов или знания исключительного исторического характера, из DeepSeek можно получить почти любую информацию.
С учётом этих факторов как никогда важно найти баланс между регуляторной политикой и свободой разработки новых ИИ–решений, которые способны дальше развивать самые разные сферы жизни. Тот, кто сумеет сделать это в ближайшее время, обеспечит себе стратегическое преимущество на ближайший десяток лет.
Россия сейчас занимает 31–е место во всеобщем ИИ–индексе от британского СМИ Tortoise. США и Китай — первое и второе соответственно. При этом РФ испытывает сложности с вычислительными мощностями из–за запрета на прямые поставки от той же NVIDIA, лидера оборудования для ИИ–центров. Удастся ли их решить при помощи партнёрства с Китаем и какие крупные игроки заберут основную долю этого многообразного рынка? На этот вопрос ответа не найдётся пока даже у самой продвинутой языковой модели.
