Развитие искусственного интеллекта (ИИ) в России набирает обороты, но компании по-прежнему сталкиваются с целым рядом препятствий при его внедрении. Главные из них — нехватка специалистов, дефицит вычислительных мощностей и сложность интеграции ИИ в существующие бизнес-процессы.
Что тормозит внедрение ИИ бизнесом?
По данным исследования ВШЭ, почти половина российских организаций испытывают трудности с наймом профильных специалистов по ИИ. Особенно остро это ощущается в ИТ и телекоме, финансовом секторе и вузах. При этом вузы выпускают всего около 4,5 тысяч специалистов в год, тогда как потребности рынка значительно выше.
Рынок труда для ИИ – это рынок соискателя, где существует жёсткая конкуренция за кадры. Промышленным, транспортным и логистическим компаниям, вузам здесь приходится конкурировать с ИТ-гигантами, с которыми они зачастую не могут соревноваться по уровню зарплат.
Не меньше проблем доставляет инфраструктура. По данным K2Tech, инфраструктура более половины российских компаний не готова к внедрению ИИ, а 34% отмечают нехватку инфраструктурных решений и инструментов для развертывания ИИ. Ещё 16% компаний банально не хватает вычислительных мощностей.
Другими серьезными барьерами на пути массового внедрения ИИ являются:
- недостаток зрелых отечественных решений, что серьезно затрудняет внедрение технологий в условиях ограниченного доступа к иностранным продуктам и сервисам;
- необходимость доработки существующих технологий под потребности бизнеса, сложность интеграции технологий ИИ в производственные и бизнес-процессы организации;
- обеспокоенность компаний вопросами безопасности передачи нейросетям и облачным ИИ-платформам своих данных.
Помимо этих проблем в России также ощущается дефицит данных для обучения ИИ-алгоритмов и отсутствие информации об успешных кейсах, которые бы показали практическое применения технологии для решения бизнес-задач.
ИИ как сервис: спасательный круг для малого и среднего бизнеса
Одним из самых перспективных направлений сегодня становится модель ИИ как сервис (AIaaS). Она даёт компаниям возможность использовать технологии без инвестиций в инфраструктуру — достаточно арендовать мощность и платить только за фактическое потребление (модель Pay-as-you-go). AIaaS решает сразу несколько проблем:
Во-первых, облачные платформы позволяют обойти ограничения собственных мощностей и инфраструктуры. Так компании малого и среднего бизнеса могут проводить пилотные проекты и тестирование гипотез без крупных инвестиций в инфраструктуру. Плюс модель оплаты по мере потребления (Pay as you go, PAYG) позволяет компаниям СМБ платить только за те ресурсы, которые они фактически используют, легко масштабируясь как в большую сторону, так и в меньшую.
Во-вторых, AIaaS предоставляет бизнесу готовые модели и платформы, благодаря чему внедрение и запуск решений ускоряется. Это освобождает компаниям время и ресурсы, позволяет быстро интегрировать готовые ИИ-инструменты в свои бизнес-процессы. Поставщики AIaaS сами отвечают за обновления, улучшения моделей и поддержку — компания всегда будет использовать актуальные технологии без дополнительных усилий.
В-третьих, использование AIaaS позволяет в какой-то степени решить одну из самых серьезных проблем на пути внедрения ИИ – дефицит кадров. AIaaS упрощает использование ИИ: минимальный или нулевой код, дружелюбные интерфейсы, часто не требуется нанимать ИИ-специалистов. Наконец, провайдеры AIaaS часто предлагают сопровождение (подготовка данных, настройка, обучение, поддержка). Это позволяет компаниям СМБ экономить на штате сотрудников, а требования к навыкам тех, кто в компании работает с ИИ не столь серьезные, как если бы внедрение ИИ происходило с нуля на собственных мощностях.
Модель ИИ «как сервис» сегодня не просто актуальна, она одна из самых необходимых для развития малого и среднего бизнеса именно в области ИИ.
Российские облака: потенциал есть, но вызовов тоже хватает
Российский рынок облачных инфраструктур (IaaS, PaaS, SaaS) растёт рекордными темпами. В 2024 году он достиг 165,6 млрд ₽, а к 2028 году может вырасти почти втрое. Основной драйвер роста здесь – это импортозамещение и уход иностранных вендоров.
Среди безусловных преимуществ российских сервисов:
- Соответствие требованиям российского законодательства (платформы Yandex.Cloud, Cloud.ru, 1cloud полностью соответствуют ФЗ-152 о персональных данных и стандартам безопасности — ISO 27001/17/18, PCI DSS, ГОСТ и т.д.)
- Безопасность и локализация услуг, что особенно важно на фоне санкционного давления
- Активное внедрение ML/AI: GPU-кластеры, варианты AutoML, распознавание речи и изображений, аналитические инструменты и т.д.
Но справедливо будет сказать о минусах сервисов и напомнить об ограничениях в целом:
- Недостаточная зрелость технологий и сервисов, ассортимент и качество решений уступает глобальным платформам (меньше готовых инструментов, шаблонов и экосистем)
- Локальность, это как плюс, так и минус, если компания хочет масштабироваться за пределы России и СНГ (например, на азиатский рынок)
- Сложность гибридных и мультиоблачных инфраструктур, т.к. они требуют высоких компетенций, инструментов оркестрации и совместимости
- Кадровый дефицит и дефицит оборудования, особенно на фоне санкционного давления.
Тем не менее, потенциал очевиден: облачные ML-сервисы становятся ключевым элементом цифрового суверенитета и ускоряют внедрение ИИ даже в тех компаниях, которые ещё вчера считали это «слишком сложным».
Несмотря на сохраняющиеся барьеры — от нехватки кадров и вычислительных мощностей до ограниченности зрелых решений, — российский рынок ИИ постепенно выходит уже на этап осознанного развития. Компании всё активнее ищут практические способы применения этой технологии и всё чаще рассматривают ИИ не как эксперимент, а как реальный инструмент для повышения эффективности бизнес-процессов.
Особую роль в этом уже играют модель «ИИ как сервис» и развитие отечественных облачных платформ: они снижают порог входа и дают бизнесу возможность внедрять инновации на основе ИИ без чрезмерных инвестиций в инфраструктуру и штат. Таким образом, в ближайшие годы именно доступность инфраструктуры и зрелость локальных сервисов станут ключевыми факторами масштабирования ИИ в России.