Юрий Герасименко: ИИ не замена, а напарник - чему DXR AI научился изучая рынок, кейсы внедрения
Юрий Герасименко, Founder & CEO стартапа DXR AI. 5-ая ежегодная конференция "Финансы без границ 5.0" компании "Мультитрансфер".
Компания DXR AI занимается разработкой продуктов на основе искусственного интеллекта, и, прежде чем создавать что-то новое, там взяли за правило сначала разобраться, а что людям вообще нужно — даже если речь идёт об ИИ. Последние несколько лет команда внимательно изучала рынок: какие технологии реально востребованы и что люди делают с ними на практике. Формат заявлен как своего рода ликбез — рассказ о том, что удалось обнаружить в процессе этого изучения, с обещанием в конце объяснить, при чём тут слово «харизма» (спойлер — это оказывается название собственного образовательного проекта компании).
Мечта из советского фильма и реальность сегодняшнего дня
Разговор открывается отсылкой к «Приключениям Электроника» — фильму 1979 года, где жила мечта, что люди перестанут физически работать и вообще смогут отдыхать. Этой идее уже больше 40 лет, но реальность повернулась иначе: хотя все вокруг твердят, что искусственный интеллект заменит людей, на практике происходит другое — человек без ИИ и ИИ без человека сегодня по отдельности мало на что способны. Один без другого попросту недостаточно эффективен.
Как ИИ уже вошёл в бизнес
Приводится наблюдение о масштабе внедрения по миру: искусственный интеллект уже используется в самых разных организациях — банках, финтех-компаниях, платёжных сервисах, возможно, даже в криптоиндустрии — и для большинства это давно не секрет, почти все успели его попробовать. Отмечается важный сдвиг: если ещё недавно к ИИ относились как к игрушке для экспериментов, R&D-забаве, то теперь он всё активнее переходит в промышленную эксплуатацию, в реальные продукты. Вывод для бизнеса звучит предостерегающе: если компания до сих пор даже не «поигралась» с ИИ, её рано или поздно начнут обгонять и вытеснять конкуренты — большая и красивая экосистема сервисов может однажды проиграть одному простому чат-боту. Упоминается и аналитика IBM о том, где ИИ приносит наибольшую пользу — прежде всего в разработке, создании контента и аналитике, и предлагается каждому проверить на себе, насколько это применимо к его задачам.
Кейс первый: платёжная система, которая купила всё сразу
Первый пример — одна из двух крупнейших платёжных систем в мире, работающая в регионе Ближнего Востока и Северной Африки (Саудовская Аравия, ОАЭ и соседние страны). Стратегия компании была предельно простой: раз непонятно, какой именно инструмент даст ценность, внедрили сразу всё — купили доступ и к ChatGPT, и к Claude, развернули собственную внутреннюю систему, добавили ещё один сервис. Один из сотрудников честно признался: «я устал, честно, я вот не такой прогрессивный, но я постоянно переключаюсь между этими окошками, тут Клод, тут GPT, мне это трудно, я человек уже в возрасте». Итогом этого масштабного внедрения стало объявление о сокращении 10% ИТ-персонала — формально преподнесённое как реакция на некий мировой кризис, но по сути ставшее прямым следствием внедрения ИИ-инструментов, причём эта тенденция, по ожиданиям, будет только нарастать. Параллельно росли и внутренние компетенции: сегодня примерно в каждой третьей вакансии на рынке труда уже упоминаются навыки работы с ИИ, а без них человек рискует стать неконкурентоспособным. Меняется даже формат собеседований — кандидатов на руководящие позиции теперь спрашивают не про дорожную карту проекта, а про то, каких ИИ-агентов они себе настроят в первую очередь.
Вайб-кодинг: взрыв приложений и ловушка клонов
Следующее наблюдение касается так называемого вайб-кодинга — разработки приложений почти без ручного написания кода. Для сравнения приводится эпоха мобильной разработки, когда даже банкам приходилось выделять миллиардные бюджеты на цифровизацию. А сейчас всего за один месяц, июль, в американском App Store вышло столько же новых приложений, сколько за весь предыдущий год — и появилось множество новых «авторов», людей, которые никогда раньше ничего не публиковали. С одной стороны, это выглядит впечатляюще и как будто обесценивает труд разработчиков и продакт-менеджеров. С другой — есть важный нюанс: подавляющее большинство этих приложений никто и никогда не скачает, потому что это по сути клоны друг друга — с одинаковыми названиями, аватарками и иконками, созданные людьми без опыта и без понимания, что публикация без уникальности не имеет смысла.
Разное отношение к вайб-кодингу: Россия против Кремниевой долины
Отдельно отмечается разница в восприятии самого термина «вайб-кодинг»: в России и, по ощущениям, в СНГ к нему всё ещё относятся немного несерьёзно, как к игрушке. В Кремниевой долине же ситуация другая — код там уже почти никто не пишет руками, разработка идёт и для себя, и для клиентов, и для вендоров, а траты в несколько сотен тысяч долларов на подписку Claude в небольшом стартапе — это новая норма, при которой даже ревью сгенерированного кода зачастую никто не делает. На этом фоне формулируется наблюдение о разной судьбе игроков: одни зарабатывают большие деньги, реально оптимизируя себя с помощью ИИ, другие просто платят за подписку и получают куда меньше отдачи — «одни разбираются, другие нет».
Почему одна и та же задача даёт разный результат
Наглядно демонстрируется, что качество результата работы с ИИ сильно зависит от того, насколько человек умеет с ним обращаться — «нужно понимать, на какие кнопки тоже нажимать, на какие педали нужно крутить, чтобы нормально поехал». Один и тот же запрос — например, сгенерировать изображение — у неопытного пользователя даёт результат, в котором сразу видна «нейросетевая» природа картинки, а у опытного — результат, неотличимый от реальности. Отсюда делается принципиальный вывод: пока технология явно не готова полностью заменить человека, а по-настоящему удачным сценарием становится симбиоз, при котором ИИ выступает напарником человека, а не его заменой — но при условии, что сам человек остаётся грамотным «оператором», понимающим, как с этим инструментом работать. Без этого понимания получаются как раз те самые миллионы неиспользуемых приложений.
Курьёзный случай из Абу-Даби
Иллюстрацией разрыва между декларируемым и реальным уровнем владения ИИ служит история из тренинга по искусственному интеллекту в крупной корпорации в Абу-Даби, где внедрение ИИ идёт как «пуш сверху» — отчасти потому, что значительная часть рабочей силы в регионе состоит из экспатов, и есть надежда со временем заместить их искусственным интеллектом. На занятии участникам предлагалось сделать деловую аватарку для LinkedIn по заранее подготовленному текстовому промпту. Один из участников скопировал шаблон промпта и вставил его в чат-бота, даже не прочитав текст — а затем удивлённо спросил, почему на аватарке указано имя «Кирилл», ведь его самого зовут Мухаммед или Абдулла: он просто не заметил, что в шаблон нужно было подставить собственное имя, понадеявшись, что чат-бот сам всё «додумает».
Только каждый четвёртый по-настоящему разбирается
По наблюдениям, лишь примерно каждый четвёртый сотрудник в компании действительно хорошо понимает, как работает искусственный интеллект, — остальные не разбираются, и, что особенно тревожно, стесняются в этом признаться. Аудитории предлагается честно проверить себя: сможете ли вы объяснить разницу между «агентом» и «искусственным интеллектом», между машинным обучением прежних лет и сегодняшними агентами и чат-ботами? Даётся простая и понятная база для ориентира: искусственный интеллект — это своего рода «зонтик», общая парадигма; машинное обучение — конкретная технология внутри этого зонтика; а агент — уже прикладной уровень, инструмент, который умеет пользоваться другими инструментами.
Три сценария внедрения — из реальной практики компаний
Приводятся три показательных примера «с полей». В одной крупной российской ИТ-компании внутрь внедрили собственную модель, потратив на это многие миллионы долларов, но затем резко ограничили сотрудников в использовании — потому что те «слишком много ресурсов жгут», а это оказалось для компании дорого. В другой компании инструмент внедрили технически, но никого толком не научили пользоваться им — в результате на каждом этаже отдела появился один человек, реально понимающий, как это работает, а к нему выстраивается очередь коллег с просьбами вроде «обработай мне, пожалуйста, эту табличку в Excel» — сценарий, названный настоящим киберпанком настоящего времени. Третий, максимально узнаваемый пример — классическая банковская бюрократия: инструмент вроде бы внедрён, но чтобы просто открыть корпоративный чат с ИИ, нужно пройти столько согласований и шагов, что в итоге им никто не пользуется и пользоваться не планирует. Итоговый практический совет прост: если инструмент внедрили, но людей не обучили — ждать заметного эффекта не стоит; если же начать именно с обучения, эффект будет совсем другим — люди сами, разобравшись, начнут внедрять ИИ-инструменты в свою работу, даже без отдельного бюджета и иногда без ведома руководства.
Финальный штрих и приглашение
В качестве позитивного, почти лирического наблюдения отмечается, что особенно приятная история — когда люди начинают использовать ИИ не только по работе, но и для себя: как личного стилиста, психолога и во многих других бытовых сценариях. Завершается рассказ приглашением ближе познакомиться с собственным проектом DXR AI под названием «Харизма» — образовательной платформой, которая одновременно обучает работе с искусственным интеллектом и открывает доступ к широкому набору современных нейросетевых технологий.
Резюме
Ключевой тезис DXR AI звучит просто и без лишней технической мишуры: искусственный интеллект сегодня не столько заменяет людей, сколько обнажает разницу между теми, кто умеет с ним работать, и теми, кто нет, — и именно этот разрыв в навыках, а не сама технология, определяет реальный экономический эффект от внедрения. Кейс ближневосточной платёжной системы показывает, что бездумное внедрение «всего сразу» без чёткого понимания цели приводит к сокращению штата под видом кризиса, тогда как рост внутренних компетенций сотрудников становится побочным, но куда более ценным следствием этого процесса. Взрыв вайб-кодинга в App Store наглядно демонстрирует парадокс новой эпохи: техническая возможность создать продукт больше не гарантирует его востребованность — без уникальности и понимания рынка получаются лишь неразличимые клоны. Истории про ограничение доступа к ИИ «из экономии», очередь к единственному разбирающемуся коллеге и многоступенчатую бюрократию при открытии корпоративного чата складываются в единый практический вывод: обучение людей должно предшествовать технологическому внедрению, а не следовать за ним, иначе даже самые дорогие инструменты останутся неиспользуемыми. В конечном счёте главным ресурсом компании оказывается не сама технология, а человек, способный выступить грамотным «оператором» искусственного интеллекта — именно в этом симбиозе, а не в замещении человека машиной, DXR AI видит реальное будущее применения ИИ в бизнесе.
