В части 4 «Уровни зрелости использования генеративного ИИ» мы писали, что реальное развитие корпоративного ИИ начинается тогда, когда компания начинает переходить к экспериментам и системному исследованию возможностей использования генеративного ИИ в конкретных задачах. Это суть второго уровня использования генеративного ИИ, который мы и будем далее обсуждать. На уровне 1 использования ИИ мы можем понять, где уже возникла реальная практика использования генеративного ИИ (подробнее об этом читайте в части 5 «Что руководителю делать с «теневым» и персональным ИИ?»). На более зрелом уровне команды выбирают конкретную задачу, проводят эксперименты, запускают пилоты, создают ассистентов и агентов, и смотрят, способен ли ИИ дать результат лучше, быстрее или дешевле, чем человек. Здесь важно понять, где процесс готов к использованию ИИ или перестройке, где пилоты дают измеримый эффект и каков он может быть. В этой части мы дадим прагматичные советы по выбору областей для пилотов.

Генеративный ИИ пришел в компании не через ИТ-стратегию и не через ИТ-департамент. Он пришел «с черного хода» − через конкретного сотрудника, который хотел быстрее писать, анализировать, готовить встречи и разгребать рутину. В этом есть как неожиданные преимущества, так и значимые риски и проблемы. Поэтому главный вызов для бизнеса связан не с выбором модели и не с закупкой подписок. Вопрос интереснее: сумеет ли компания превратить стихийную и почти повсеместную личную практику в управляемую систему, которая дает масштабируемый результат, а не хаос и новые риски? Мы поговорим о «теневом» и персональном ИИ и к каким проблемам приводит эта практика?

Генеративный ИИ вошел в корпоративную жизнь с «черного хода». Сначала сотрудники начали пользоваться публичными инструментами сами: писать тексты, готовить документы, создавать картинки, ускорять аналитику и т.д. И хотя формально компания ничего не внедряла, внимательные руководители заметили, что привычные процессы вдруг начали работать чуть быстрее. Потом появились пилоты, первые ассистенты и первые разочарования. У зрелости использования генеративного ИИ есть своя логика и она не сводится к выбору модели, подрядчика или платформы. Она строится на том, как организация учится превращать новую технологию в управляемый результат: сначала на уровне отдельных сотрудников, затем на уровне команд, потом − на уровне функций и, наконец, на уровне всей компании. И понимание этой последовательности помогает лучше организовывать свой ИИ-путь.

Еще недавно разговор о генеративном ИИ был похож на мечты о будущем: все чувствовали, что перемены близко, но мало кто понимал, что именно грядет. Теперь неопределенности стало меньше, а шума − больше. Генеративный ИИ очень быстро входит в рабочую повседневность и для многих сотрудников становится примерно тем же, чем когда-то стала электронная почта: не революцией в каждом отдельном действии, а нормой повседневной работы. И все же между повседневной полезностью и бизнес-эффектом лежит дистанция, которую большинство компаний пока не прошли. Главный вопрос сегодня звучит не так: «Как быстрее внедрить ИИ?» Намного полезнее другой: «Где он действительно создает ценность, а где просто красивые картинки?»

Если 2024 и 2025 годы были временем накопления критической массы экспериментов и пилотов, в 2026 году рынок окончательно повзрослел и перешел к системному перепроектированию бизнеса с помощью технологий генеративного ИИ. В 2026 году компании больше не спрашивают «зачем нам генеративный ИИ», они спрашивают «как быстро» и «на каких задачах и процессах». Каково состояние генеративного ИИ сегодня? Каков объем рынка генеративного ИИ, каково проникновение генеративного ИИ и доля компаний, использующих генеративный ИИ. Кто наиболее активно использует генеративный ИИ? Где внедряется генеративный ИИ, для каких функций, процессов и задач? И каков эффект от этих внедрений, отдельно в компаниях и рынке в целом? Данная часть цикла — это детальная карта новой реальности, основанная на данных ведущих исследовательских центров страны.

Мы живем в эпоху, когда время в бизнесе спрессовалось. Генеративный искусственный интеллект (GenAI) ворвался в корпоративную среду не просто как очередной ИТ-инструмент, а как фундаментальная базовая технология. Те, кто в 2023 году видел в ChatGPT лишь забавного собеседника для написания писем и постов, к 2025 году обнаружили себя в мире, где ИИ-грамотность стала базовым требованием при найме во многие компании. В этой части цикла мы быстро посмотрим на эволюцию отношения и применения генеративного ИИ за последние 3 года.

Рекрутмент сегодня напоминает выбор партнера по Интернету: на фото – красавец с дипломом МГУ, в реальности – кривой карлик, который не может поддержать простейший разговор. Мы вступили в эру, когда технологии стали не только инструментом HR-департамента, но и армии профессиональных лжецов. Мы побеседовали с несколькими HR-менеджерами о том, как ИИ усложняет им жизнь.

Два года назад мы все активно обсуждали, заменит ли ИИ людей. Сегодня вопрос в другом: как интегрировать в команду тех, кто работает 24/7, не просит прибавки и не выгорает к вечеру среды. Мы поговорили с экспертами, которые уже сегодня внедряют ИИ в реальные бизнес-процессы, и попытались отделить хайп от работающих инструментов. Главный вывод: мы перешли от эпохи «диалоговых игрушек» к эре автономных цифровых сотрудников. И это меняет многое.

Революция ИИ перешла в новую фазу. ИИ-агенты получили доступ к внешнему миру и начали действовать самостоятельно. Технология незаметно проникла в физические устройства. Еще более неожиданным стало вторжение ИИ в эмоциональную сферу. Что ждет нас в 2026 году и дальше? В этой статье разбираем семь ключевых трендов ближайшего года и дальние перспективы: от мультиагентного ИИ до физических роботов, от создания нового знания до сильного ИИ. Руководителям нужны не фантазии, а понимание, как меняется реальность. Мы постарались показать эту реальность.

Российские генеративные нейросети должны стать тем самым фундаментом для цифровой независимости и технологического суверенитета бизнеса в условиях, когда доступ к зарубежным решениям ограничен или нестабилен. Но насколько они зрелы, насколько они действительно снижают риски корпоративных пользователей? В этой статье мы постараемся ответить на эти вопросы. А также обсудим две самые популярные нейросети YandexGPT и GigaChat от Сбербанка.