«Корпорациям важно держать баланс: с одной стороны — быть в тренде, с другой — не разрушить работающие процессы»

Коротко про бэкграунд Яны: больше 10 лет работает с данными, из них 7 лет — с искусственным интеллектом. Сейчас Яна руководит направлением разработки моделей (более 200 моделей на текущей момент в эксплуатации) для юридических лиц, также занимается разработкой рекомендательных систем, uplift-моделями, NLP, генеративным ИИ и многим другим. Ранее 4 года работала в SberDevices, руководила разработкой и исследованиями в области расширенной реальности (включая генеративный ИИ и AR/VR-приложения). Одной из последних разработок была генеративная модель Kandinsky 3D, которая умеет быстро по тексту или картинке создавать 3D модели, которые можно распечатать на 3D-принтере. До прихода в Сбер работала в направлении стратегических BigData-продуктов в МТС (в роли CPO, владелец продукта). Портфель: геоаналитика, классификация/сегментация клиентской базы, рекомендательные системы; отдельный трек — продукт по голосовой биометрии.

— Яна, какие ты видишь ключевые вызовы во внедрении GenAI в корпорациях? С чем ты сталкиваешься на практике?

— Сейчас с появлением GenAI можно пробовать быстро много кейсов, т.к. он позволяет ускорять создание прототипов. Можно пилотировать эти прототипы, но проблема в том, что дальше даже признанные успешными после пилота прототипы сложно внедрять. Отчеты консалтеров это подтверждают — до 95% не доходят до стадии внедрения, потому что, например, не готова инфраструктура. Если мы говорим про внедрение агента в корпорациях, то мы должны иметь некую агентную платформу и готовую инфраструктуру, чтобы взаимодействовать с агентами. Агентам надо дать какие-то степени свободы, чтобы они могли оперировать внутри корпоративной инфраструктуры (например, могли самостоятельно писать и отправлять письма в почте), что кажется достаточно серьезным вызовом и по факту является disrupt-ом для процессов компании с большим количеством согласований.

— Но мы же неизбежно когда-нибудь пройдем все эти сложности и согласования?

— 100% да, но в корпорации внедрить агентную систему достаточно сложно и небыстро: компания большая, есть много устоявшихся процессов, которые потребуется перестроить. Мне кажется, мультиагентные системы должны сначала зарождаться в небольших компаниях. Считаю, что на рынке формируется волна стартапов на основе агентных систем. Уровень «агентности» в них будет различаться — от 10% до 90%. Увидев успешные примеры у малых команд, корпорации смогут быстрее масштабировать эти практики. Уже возникают универсальные протоколы взаимодействия агентов (например, MCP и Agent2Agent), однако единого стандарта пока нет: решения множатся, среда турбулентна.

— Мы же не всю компанию сразу будем перестраивать; можем взять отдельные процессы: где есть большой потенциал, где нет персональных данных, где автоматизация за счет агентов сильно снизит нагрузку сотрудников. В Альфа-Банке, к примеру, используют RAG-и, чтобы сотрудники могли быстро получать доступ к внутренней информации. Сейчас я исследую, какие агенты и модели их взаимодействия применимы для продвинутой аналитики клиентов-юридических лиц (малый/микро, средний и крупный бизнес). Хочу делать это осознанно, а не «потому что надо»: изучаю литературу и собираю кейсы, которые одновременно показательные и перспективные. Обычный ассистент или чат-бот — уже вчерашний день.

— Как интеграция AI в бизнес-процессы влияет на изменение роли сотрудников в Альфа-Банке?

— Мы ввели новые роли, ранее отсутствовавшие на рынке (даже у крупных игроков вроде Сбера). Ключевая — ИИ-продакт: роль на стыке бизнеса и разработки, отвечающая за интеграцию моделей в процессы, выравнивание ожиданий и приоритизацию. Задачи: формирование и ведение бэклога, оценка экономического эффекта, участие во всех стадиях жизненного цикла — от гипотез до мониторинга метрик продукта. Это был осознанный орг-эксперимент, и он оправдался: вырос поток инициатив и повысилась «осознанность» бизнеса в применении ИИ. ИИ-продакты распределены по бизнес-вертикалям и подчиняются руководителям направлений, функция масштабируется.

Недавно прошёл выпуск нашей внутренней школы ИИ-продактов: мы обучили 30 сотрудников из бизнеса. Все прошли полный жизненный цикл работы с моделями, у каждого был собственный проект, утверждённый руководством. Была строгая защита и расчёт финансового эффекта. Большинство проектов мы включили в бэклоги на текущий и следующий год. Эти же ИИ-продакты продолжат вести свои инициативы до ввода в промышленную эксплуатацию.

— Яна, давай поговорим о том, как лично ты и твоя команда используете ИИ в работе и жизни.

— Я — активный пользователь ИИ. Как разработчику моделей, он помогает мне в генерации кода и заметно ускоряет работу.

Сейчас замечаю растущую терпимость к ошибкам в коде — их стало заметно больше. Теперь поиск и исправление багов мы часто делегируем ИИ, который тоже ошибается. Я же за то, чтобы изначально уделять больше времени и делать всё правильно. GenAI, с одной стороны, повышает эффективность, а с другой — расслабляет и замедляет развитие профессиональных навыков.

В том числе GenAI у нас работает как инструмент предварительного брейншторма: помогает преодолеть эффект «белого листа», формирует первичное поле идей и гипотез, которое эксперт затем валидирует и развивает.

Я очень активно использовала ИИ в учёбе. После перехода в Альфа-Банк взяла академический отпуск, а до этого училась в Физтехе на программе Modern State of AI (Современные методы искусственного интеллекта). Домашних заданий было много: ChatGPT и другие модели помогали генерировать идеи, проверять код, когда он не работал, и разбираться с высшей математикой — подсказывали подходы и направления. Было немало тем, которые давались сложнее; я углублялась в них с помощью ИИ — фактически как с личным репетитором, с которым можно обсудить фундаментальные вопросы и получить консультацию.

Ещё один кейс — использование ChatGPT как переводчика. Он учитывает контекст, поэтому переводы получаются точнее и естественнее, результат мне очень нравится.
Я часто выступаю и использую ИИ, чтобы быстро наметить структуру доклада. Свою ассистентку, которая делает дизайн презентаций, я научила работать с ChatGPT: теперь она не только оформляет, но и набрасывает базовый контент. Я прохожусь по нему, даю комментарии, и после нескольких итераций с моим участием и участием ИИ мы получаем материал заметно лучшего качества. Раньше это занимало больше времени и усилий.

Я рекомендовала коллегам из бизнеса заранее «обстукивать» идеи изменений бизнес-процессов с большими языковыми моделями (например, ChatGPT), чтобы приходить на встречи более подготовленными. У нас есть платоформа AlfaGen — внутренний агрегатор LLM: свыше десяти моделей доступны сотрудникам, их можно использовать и для консультаций.

Применяю ИИ для поиска и первичного анализа больших массивов материалов: когда нужно быстро охватить десятки статей, прошу модель собрать и приоритизировать инсайты, после чего углубляюсь в наиболее релевантные темы. Использую ИИ и в других рабочих и личных кейсах.

— Скажи, как корпорациям успевать за высокой скоростью изменений? Некоторые еще не успели освоить и полноценно внедрить RAG с высоким уровнем качества, а им руководство начинает ставить планы по внедрению AI-агентов? Пока будут строить AI-агентов возникнет что-то новое. Складывается ощущение, что постоянно меняется карта местности, и твой выстроенный заранее план не работает. Как быть?

— Оптимально выделить несколько команд по модели Disrupt–Change–Run. Первая берёт на себя передовые технологии: экспериментирует, оценивает применимость и считает финансовый эффект. Подтверждённые решения переходят в Change для промышленного внедрения и далее — в Run на сопровождение.

— Чем лично тебя недавно удивил GenAI? Приведи пример, когда он превзошел твои ожидания на конкретном кейсе и задаче?

— Меня приятно удивило, что ChatGPT стал выдавать результат сразу в формате .pptx. Пока это в основном текст и первые пробы дизайна, но уже видно направление: в будущем не придётся «рисовать» презентации вручную. На последних местах работы у меня было много задач по подготовке слайдов, и хочется, чтобы GenAI решал не только проблему «белого листа», но и полноценно занимался дизайном и форматированием.

Меня очень драйвит Embodied AI — когда GenAI «встроен» в роботов, управляет ими, а те постоянно получают обратную связь от среды. На AI R&D Day спикеры говорили о Next GenAI: модели станут более автономными и агентными, будут непрерывно дообучаться, обзаведутся рабочей долговременной памятью, проявят элементы самоэволюции — и, самое интересное, получат физическое воплощение. Уже видно, как в Китае растёт рынок промышленных, в том числе антропоморфных, роботов. Появляется доступ к новому классу данных: помимо текстов, изображений и видео — сенсорные потоки, телеметрия, траектории, тактильные сигналы. Для меня это один из самых захватывающих и прогрессивных векторов — с нетерпением жду новинок и открытий.

Кроме того, меня интересует формат deep research — когда мы просим ИИ не просто ответить, а основательно «подумать» над задачей. Я читала исследование: если модель тратит больше вычислительных ресурсов на рассуждение, качество результатов заметно растёт.

— Яна, и напоследок расскажи, кто из мира технологий тебя вдохновляет, за кем следишь, кого читаешь?

— В телеграме подписана на несколько каналов, которые в том или ином виде связаны с ИИ, читаю своих бывших коллег из Сбера, в частности, Сергея Маркова, моего бывшего руководителя, он сильный визионер в области ИИ. Слежу за релизами от OpenAI и другими ключевыми моделями.
Еще мы с коллегами участвуем в создании контента для канала Alfa Advanced Analytics про AI в Альфа-Банке, и за ним я тоже слежу :)