ИИ в госсекторе: фокус на практику, ограничения — в инфраструктуре

Аналитический центр TAdviser совместно с Группой Rubytech представил исследование применения искусственного интеллекта в российских корпорациях и госструктурах. В фокусе — три направления: компьютерное зрение, генеративный ИИ и прогнозная аналитика. В опросе приняли участие представители госсектора, промышленных холдингов и банков.

Компьютерное зрение применяется для контроля качества на производстве, а также для распознавания документов и обработки отчетности. В промышленности это позволяет снизить долю брака на 20–25% и сократить расходы на ручной контроль до 40%. В государственном секторе технология используется, в том числе, для повышения точности медицинской диагностики. 

Генеративный ИИ и большие языковые модели чаще всего внедряются в клиентской поддержке, автоматизации кода и обработке текстов. Среди типовых кейсов — чат-боты, co-pilot-инструменты, генерация обучающих курсов, суммаризация и транскрибация совещаний. В ряде компаний автоматизировано до 50% рутинных задач. Несмотря на то что эффективность GenAI ниже классического ML, большинство участников продолжают инвестировать в эти технологии, ожидая стратегический эффект.

Прогнозная аналитика используется для расчета финансовых рисков, управления ликвидностью, профилактики сбоев оборудования и оптимизации логистики. Такие модели позволяют снизить потери на 15–30%, добиться экономии сырья и ускорить принятие решений. В промышленности отмечен рост производительности до 10%. Прогнозные ИИ-системы стали базовым инструментом управления в критически важных процессах.

Основным барьером масштабирования ИИ названы инфраструктурные ограничения: дефицит GPU, сложные процедуры закупки оборудования в госсекторе и ограниченная гибкость ИИ-серверов. В ответ компании разрабатывают собственные MLOps‑платформы и тестируют альтернативное оборудование. Однако проблему доступности мощностей это решает лишь частично.

«Наше исследование совместно с TAdviser показало, что многие организации сталкиваются с инфраструктурными ограничениями при масштабировании ИИ‑проектов. Ключевая проблема заключается в том, что существующие системы корпоративного ИИ либо небезопасны, либо неэффективны. В крупных компаниях нередко возникают ситуации, когда внешние облачные сервисы не подходят из‑за требований безопасности, а развертывание собственной инфраструктуры становится трудоемким многомесячным проектом», — подчеркнул Игорь Ведехин, CEO Группы Rubytech.