Как бизнес уже зарабатывает с помощью искусственного интеллекта? Чем опасно бесконтрольное внедрение ИИ, и почему не стоит переоценивать риски? Нужен ли теперь любой компании штатный философ для решения этических вопросов? На эти и другие вопросы ответил директор по искусственному интеллекту Билайна Максим Иванов в ходе дискуссии «Философия ИИ» в рамках Нексаммита-2026. Пересказываем главное.
Про то, где использование ИИ в бизнесе уже даёт или может дать ощутимый экономический эффект
Все кейсы в этом смысле можно разделить на два больших блока. Первый — всё, что касается классического машинного обучения, компьютерного зрения и так далее. То есть инструменты для управления потребительской ценностью, для формирования персонализированных предложений, работы с оттоком, для контакт-центра и клиентского сервиса. Это стандартные, очень массовые задачи, которые решаются давно, остаются большим источником кейсов и возможностей экономии операционных расходов или высвобождения ресурсов.
Второй блок — это уже генеративный ИИ. И здесь проще опираться на конкретные кейсы. У нас относительно недавно появилась «Кибербабушка», которая общается с мошенниками. Это продукт социально значимый: мы держим мошенника на телефоне, не даём ему позвонить реальным людям и кого-то обмануть. Но экономика здесь тоже есть, потому что чем дольше мошенник висит на трубке, тем больше зарабатываем мы. Умные автоответчики, голосовые почтовые ящики — похожая история: с одной стороны, мы упрощаем жизнь клиенту, с другой — увеличиваем выручку.
Другой, более специфический, кейс — «ИИ-инженер» Билайна, который анализирует события при сбоях на базовых станциях и позволяет локализовать, что произошло. Это не просто LLM, которая ищет по базе знаний, там под капотом большой комплекс мини-моделей и инструментов для реагирования и прогнозирования, в том числе множество интеграций системами и оборудованием. Например, чтобы наиболее точно сформулировать ответ, «ИИ-инженер» может запросить логи с конкретного оборудования.
В результате у нас сильно сокращается очередь ожидания — почти до нуля. Кроме того, в отличие от живого человека, большая языковая модель не ленится проверять все нюансы, не останавливается на двух-трёх основных гипотезах.
Это самый яркий в моём понимании кейс: не просто LLM и промпт, пусть даже сложный, а крутая логика, интеграции с оборудованием, классические модели и так далее, которые работают в комплексе.
Про риски внедрения ИИ в бизнесе
Большинство рисков вокруг ИИ — то, что модель неправильно ответит или передаст куда-то не туда персональные данные, нарушит регуляторику или этические принципы — существуют и для человека. Конечно, у ИИ есть и специфические риски — например, деградации моделей, когда со временем они начинают работать хуже. Но это скорее исключение.
Главная проблема в другом — в том, что скорость, с которой появляются агенты и другие системы на базе больших языковых моделей, не соответствует скорости появления различных методологий, инструментов работы с рисками при их использовании.
Если люди у нас в процессах есть давно, и для них у нас написаны регламенты, инструкции, то с ИИ этого пока нет. А у нас каждый второй энтузиаст теперь вайбкодер и, как он думает, может выкатить систему в продакшн. И даже хорошо реализованная система по недосмотру или по отсутствию какой-то централизованной политики может не быть обложена нужными метриками. То есть системы появляются взрывообразно, массово — и обвязка, которая должна контролировать риски, не реализовывается своевременно.
Как с этим работать? Для начала риски нужно научиться нормально описывать и мониторить — и это уже хороший базовый шаг. Многие прототипы и системы отсеются уже на начальном этапе. Потому что какой-то энтузиаст без опыта может не знать уязвимостей своей модели и не понимать, как злоумышленник может их использовать.
И последнее, что важно подсветить: говоря о рисках, мы обычно имеем в виду то, что они недооценены. Но есть и другая проблема — переоценки рисков. Если мы внутри компании не говорим про риски, не описываем их, не учим сотрудников с ними работать, может получиться так, что конкретный сотрудник, принимающий решение, откажется от какого-то запуска, чтобы избежать проблем и не лишиться премии. Поэтому это вопрос не только прикладной и технический, но и культурный. Надо всем, кто работает с моделями, прозрачно транслировать, какие есть риски, чтобы люди осознавали их величину и не ошибались ни в ту, ни в другую сторону.
Про то, нужен ли современному бизнесу специалист по вопросам этики ИИ
Мне близка позиция, что ИИ-агенты — это своего рода цифровые сотрудники. То есть в работе с ними нам нужен примерно тот же набор функций, что и в работе с сотрудниками-людьми: комплаенс, корпоративная культура, коммуникационная политика, имидж, бренд, ключевые ценности. А уже реализация всего этого — задача для команды разработки.
