БКС - экономика ИИ и ловушки цифровой трансформации, айсберг ИИ в бизнесе, Роман Мезенцев

Роман Мезенцев, директор по внедрению искусственного интеллекта, ФГ БКС. Форум Cnews "Технологии искусственного интеллекта 2026".

Экономика иллюзий и реальность внедрения

Современный рынок искусственного интеллекта создает опасную иллюзию доступности. Если посмотреть на статистику, стоимость токена падает колоссальными темпами — по некоторым данным, до 900 раз. Кажется, что порог входа стал минимальным: достаточно оплатить подписку или API, и компания получает мощнейший инструмент. Однако за этой внешней дешевизной скрывается суровая статистика: подавляющее большинство проектов по внедрению ИИ заканчиваются провалом.

Проблема заключается в том, что бизнес часто путает стоимость инструмента со стоимостью результата. Инструмент действительно дешев, но процесс его интеграции в живую ткань организации требует огромных ресурсов. В ФГ БКС этот вопрос рассматривается через призму реальной экономики, где технология — лишь верхушка айсберга.

Скрытая часть айсберга: истинная цена эффективности

Когда компания заявляет о внедрении ИИ, в отчетах обычно фигурируют затраты на инфраструктуру и лицензии. Это та самая видимая часть айсберга. Но под водой скрывается массив работ, которые зачастую игнорируются при планировании бюджета.

Первым и самым тяжелым этапом является наведение порядка в данных. Для компаний с многолетней историей, таких как ФГ БКС или крупные банковские структуры, это превращается в настоящую «археологическую экспедицию». Десятилетиями разные сотрудники внедряли свои правила, создавали свои таблицы и архивы. В итоге получается многослойный пирог из легаси-систем, где данные разрознены и противоречивы. Очистка этого массива — долгая, муторная и дорогая процедура.

Следующий уровень сложности — оцифровка работы. Нельзя просто «натравить» ИИ на процесс, который существует только в голове у опытного сотрудника. Чтобы автоматизировать задачу, нужно сесть рядом с человеком и понять, что именно он делает. Однако здесь возникает психологический барьер: сотрудники боятся замены искусственным интеллектом и неохотно делятся своими секретами эффективности. Это требует времени, такта и дополнительных финансовых вложений.

Затем встает вопрос измерения. Многие компании не умеют мерить свои текущие процессы (отсутствие четких SLA или базовых метрик). Без понимания «точки А» невозможно рассчитать эффективность «точки Б». Создание этого базиса — еще одна статья расходов, которую редко включают в первичную смету.

Человеческий фактор и ловушка производительности

Одной из самых недооцененных проблем при внедрении ИИ является влияние на людей. В любой зрелой организации есть «костяк» — сотрудники, которые работают десятилетиями. Они являются носителями уникального опыта, но одновременно и главными противниками резких перемен.

Когда в компанию приходит ИИ, он не просто добавляет функцию, он меняет сам способ работы. Это неизбежно приводит к возникновению «кривой падения производительности». В первое время эффективность падает: люди привыкают к новым инструментам, сопротивляются изменениям или пытаются обмануть систему. Эта просадка — не просто временное неудобство, а прямые финансовые потери и недополученная прибыль. Если компания не имеет достаточного «запаса прочности» (финансового жирка) и воли руководства сверху, проект может быть закрыт именно на этом этапе, так как результат кажется отрицательным.

Институт ИИ-партнера: мост между бизнесом и кодом

Чтобы избежать внедрения технологий «ради галочки», в ФГ БКС была введена уникальная роль — ИИ-партнер. Это ключевое звено в цепи трансформации, и принципиально важно, что этот человек не является айтишником или техническим директором (CTO).

ИИ-партнер — это представитель чистого бизнеса. Он знает внутренние процессы изнутри, понимает, где реально «болит» и где автоматизация принесет деньги, а не просто красивые графики. Главная ценность этой роли заключается в праве сказать «нет». В корпоративной культуре часто принято доводить проект до конца, даже если он перестал быть целесообразным, просто потому что в него уже вложили много денег. ИИ-партнер должен иметь полномочия остановить бессмысленный процесс, чтобы компания не разочаровалась в технологии окончательно и могла попробовать снова, но с другим подходом.

Практический путь: от личной продуктивности к системным агентам

Для тех, кто хочет внедрить ИИ без катастрофических потерь, рекомендуется стратегия малых шагов. Начинать стоит не с глобальных перестроек, а с личной продуктивности сотрудников и простых подписок. Это позволяет людям привыкнуть к инструменту в безопасном режиме.

Однако здесь возникает критический вопрос безопасности данных (Data Governance). Нельзя просто отдавать корпоративную информацию в открытые модели. Сначала должна быть проработана архитектура безопасности, чтобы данные не утекли за пределы контура компании.

Оптимальный путь внедрения выглядит так: Выбор одного простого процесса внутри одной информационной системы с минимальным количеством старого «наслоения» данных (легаси). Использование типовых решений вместо попыток написать всё своё с нуля. Собственные разработки часто становятся обузой, которую потом невозможно поддерживать.

Зрелость как залог выживания

В завершение важно понимать, что ИИ — это технология для зрелых компаний. Ссылаясь на пятиуровневую модель зрелости Гартнера, можно провести аналогию с образованием ребенка: нельзя отправить ребенка из детского сада сразу в институт. Те, кто пытается перепрыгнуть этапы развития (например, внедрить сложных автономных агентов, не имея порядка в данных), сталкиваются с колоссальными затратами и болью.

Путь к эффективности лежит через осмысленное прохождение каждой стадии: от гигиены данных до полной трансформации процессов. Только так искусственный интеллект перестает быть «дорогой игрушкой» и становится реальным рычагом роста бизнеса.

Центральная идея выступления заключается в том, что успех внедрения ИИ зависит не от выбора модели или стоимости токенов, а от готовности компании инвестировать в «невидимую» часть процесса: очистку данных, перестройку бизнес-процессов и работу с психологией сотрудников. Автор подчеркивает, что технологический стек вторичен по отношению к организационной зрелости. Ключом к успеху является создание связки «воля руководства — экспертиза ИИ-партнера от бизнеса — постепенное развитие по модели Гартнера». Основной вывод: ИИ доступен всем, но эффективен только для тех, кто готов признать и оплатить скрытые издержки трансформации.