Эксперты группы ЛАНИТ: «Большие языковые модели не просто автоматизируют существующие процессы, а создают новые возможности для бизнеса»

— Какие новые возможности приносят большие языковые модели (LLM) в прикладных решениях для бизнеса? Насколько повышают эффективность бизнес-процессов и позволяют их оптимизировать?

Денис Харченко (Artezio): Большие языковые модели сегодня становятся настоящим катализатором цифровой трансформации бизнеса. Мы наблюдаем, как LLM открывают принципиально новые возможности в автоматизации сложных интеллектуальных процессов, которые раньше были доступны только человеку. Самый очевидный пример — автоматизация работы с неструктурированными данными. Ранее компании могли эффективно обрабатывать только структурированную информацию, а всё, что в свободной форме — документы, письма, обращения — требовало ручного или полуавтоматизированного труда. Сейчас LLM справляются с этим великолепно.

Директор по развитию перспективных бизнес-технологий Artezio (входит в группу ЛАНИТ) Денис Харченко
Фото: ЛАНИТ

По нашему опыту, внедрение LLM-решений позволяет сократить время обработки рутинных задач на 30-70 %. Например, в документообороте, где нейросети могут автоматически классифицировать документы, извлекать из них ключевую информацию и даже формировать проекты ответов. В аналитике языковые модели помогают быстро обрабатывать огромные объёмы текстовых данных и выявлять неочевидные закономерности, которые может не заметить даже профессиональный аналитик.

Важно понимать, что LLM не просто автоматизируют существующие процессы, а создают новые возможности для бизнеса. Например, персонализированное взаимодействие с клиентами в масштабе, который раньше был невозможен, или мгновенный анализ рыночных трендов по множеству источников. При этом эффективность внедрения сильно зависит от качества интеграции в бизнес-процессы. Недостаточно просто подключить нейросеть — необходимо перестроить процессы, обучить персонал, наладить контроль качества и обеспечить безопасность работы инструментов. Только тогда можно получить по-настоящему высокую отдачу от инвестиций в AI-решения.

Дмитрий Медведев (ЛАНИТ-ТЕРКОМ): Большие языковые модели сокращают расходы и время за счет автоматизации бизнес-процессов: обрабатывают документы, отвечают на запросы клиентов, анализируют данные. Рабочие процессы ускоряются — задача, выполнение которой раньше требовала целого рабочего дня, теперь может решаться за минуты.

Директор департамента прикладных решений ЛАНИТ-ТЕРКОМ (входит в группу ЛАНИТ) Дмитрий Медведев
Фото: ЛАНИТ

Взаимодействие с системами становится интуитивным: сотрудники формулируют запросы на естественном языке, а ИИ генерирует отчеты, письма или инструкции. Это упрощает интеграцию технологий в текущие операции — не нужны сложные настройки или обучение. Бизнес может вместо операционных задач сфокусироваться на стратегии.

Точность прогнозов растет: модели выявляют паттерны в данных, которые люди могут упустить. Интеграция ИИ в процессы снижает ошибки, связанные с ручным вводом. Внедрение не требует перестройки систем: взаимодействие через естественный язык упрощает адаптацию.

Дмитрий Демидов (НОРБИТ): LLM отлично справляются с решением типовых прикладных задач бизнеса и автоматизируют рутинные операции. Если говорить про самые популярные направления применения, то это создание чат-ботов (ассистентов), генерация контента и поиск по базе знаний внутри компании. Суперсила – в возможности быстро перерабатывать и анализировать огромные массивы данных, давать ответы на их основе.

Руководитель Лаборатории инноваций НОРБИТ (входит в группу ЛАНИТ) Дмитрий Демидов
Фото: ЛАНИТ

Применение ИИ упрощает взаимодействие с клиентами, перекладывая нагрузку по обработке запросов от клиентов, созданию контента, рассылке e-mail уведомлений и пушей - на чат-боты. Это разгружает время сотрудников, освобождает от однотипных задач. Хорошим примером такой работы является суммаризация, когда LLM-модели могут вычленить суть из большого текста, сокращая время на его обработку.

Есть от них масса позитивных эффектов и в сфере управления персоналом. Генеративный ИИ можно использовать для анализа резюме, составления вакансий. Он значительно облегчит процессы найма и на 5-30 % сократит затраты бизнеса на HR. Теперь менеджеры по персоналу располагают большим ресурсом для решения стратегических задач, с которыми справиться может только человек.

Отмечу и полезную роль LLM для работы с корпоративными базами данных, в которых собрана вся необходимая информация для сотрудников. Встроенные в них алгоритмы помогают быстро ориентироваться в Интранете, находить нужные файлы и проводить онбординг новичков, используя корпоративного бота, что значительно упрощает внутреннюю коммуникацию и ускоряет процессы.

— Наcколько уже сейчас применимы генеративные нейросети и LLM в клиентском обслуживании?

Денис Харченко (Artezio): Генеративные нейросети и LLM уже сегодня показывают впечатляющие результаты в клиентском обслуживании, и это далеко не будущее, а реальное настоящее. Мы видим, что современные языковые модели достигли такого уровня, когда они могут вести полноценный диалог с клиентом и решать широкий спектр задач без привлечения человека.

В первую очередь нейросети прекрасно справляются с типовыми обращениями, которые составляют до 80 % всего клиентского потока. Это вопросы о работе сервисов, часто задаваемые вопросы, консультации по продуктам и услугам. Современные LLM уже могут не просто дать шаблонный ответ, а действительно понять контекст обращения, учесть историю взаимодействия с клиентом и предложить персонализированное решение.

При этом важно понимать, что эффективное применение нейросетей в клиентском сервисе требует правильной настройки и интеграции с бизнес-системами. Недостаточно просто подключить ChatGPT или аналогичный сервис — необходимо обучить модель на корпоративных данных, интегрировать с CRM и другими системами, настроить процедуры эскалации сложных обращений на людей. Только тогда решение будет действительно полезным.

Мы уже сейчас наблюдаем, как нейросети помогают компаниям не только снизить затраты на обслуживание, но и повысить его качество. Клиенты получают мгновенные, точные и персонализированные ответы в любое время суток, а операторы освобождаются от рутины и могут сосредоточиться на сложных, нестандартных случаях. Такая комбинация искусственного интеллекта и человеческого участия даёт наилучшие результаты по удовлетворённости клиентов.

Дмитрий Медведев (ЛАНИТ-ТЕРКОМ): Использование генеративных нейросетей и LLM позволяет обрабатывать стандартные запросы через чат-боты, формируют персональные рекомендации на основе истории прошлых покупок. Интеграция с CRM-системами позволяет предсказывать запросы — некоторые сервисы внедряют ИИ для автоматической категоризации обращений. Однако сложные случаи по-прежнему требуют человеческого вмешательства, а качество ответов зависит от обучения модели. Но базовые сценарии уже закрыты — это снижает затраты и повышает скорость обслуживания.

Дмитрий Демидов (НОРБИТ): Генеративный ИИ активно применяется в самых разных областях: от продаж до юриспруденции и медицины. В последнее время мы видим смещение фокуса в сторону все большего прикладного использования нейросетевых технологий. «Умные» инструменты встраивают в программные продукты, значительно повышается скорость принятия решений. В прикладном применении ИИ лидируют клиентский сервис (банкинг, розничная торговля, электронная коммерция), маркетинг и продажи. LLM позволяют персонализировать предложения для каждого клиента, подобрать наиболее подходящий продукт или создать потребность в нем.

В целом нейросети помогают бизнесу повышать качество сервиса и предоставляемых услуг, улучшать пользовательский опыт, растить метрики лояльности и сокращать расходы. Коллеги из Яндекса отмечают, что в совокупности благодаря внедрению LLM бизнес экономит миллионы рублей на процессах, а клиентские e-comm сервисы – порядка 15 %. Сфера услуг заинтересована в прикладных ИИ-продуктах, плюс сейчас бум решений со встроенными алгоритмами языковых моделей, так что рынок и дальше будет масштабироваться, охватывая новые отрасли.

— Какие интересные проекты — как внутренние, так и для клиентов — были в этом направлении у вашей компании?

Денис Харченко (Artezio): Важно отметить, что компания Artezio начала работать с искусственным интеллектом задолго до нынешнего хайпа вокруг генеративных моделей.

Один из последних интересных проектов в этой области — «ИИ-аналитик», интеллектуальная система, которая помогает ускорять отдельные фазы цикла разработки ПО в 5-10 раз и существенно снижает стоимость процесса.

Особое внимание мы уделяем вопросам информационной безопасности и конфиденциальности данных при разработке AI-решений, что является критически важным аспектом для бизнес-применений подобных технологий в корпоративной среде.

Дмитрий Медведев (ЛАНИТ-ТЕРКОМ): Мы разработали ИИ-систему, которая позволяет формировать документы по шаблонам или на основе схожих материалов, что особенно полезно для компаний с большим числом проектов. Эти решения позволяют сократить время на подготовку документов на 15-20 % и снизить нагрузку на сотрудников.

Система помогает предотвратить ошибки, а также обеспечивает быстрый и точный доступ к информации — пользователи могут получать необходимые данные в течение 2–5 секунд по любому запросу.

Дмитрий Демидов (НОРБИТ): Собственные актуальные разработки связаны с языковыми моделями. Мы видим серьезные перспективы для их развития. В прошлом году выпустили собственную LLM – Norbit GPT. Это платформенный продукт для обработки текстов, диалогового общения с базами знаний, суммаризации, обработки обращений пользователей в службу поддержки и генерации кода. Система дообучена на большом массиве русскоязычных данных и легко кастомизируется под специфику и задачи клиента. Norbit GPT разворачивается как в облаке, так и на серверах заказчика. Это минимизирует риски утечки персональной и конфиденциальной информации. В первую очередь, это платформа для реализации заказных проектных решений для клиентов, но и для собственных прикладных продуктов тоже.

Также разрабатываем решение AI MasterData для очистки НСИ (нормативно-справочной информации) на базе Norbit GPT. Его аудитория – крупный и сверхкрупный бизнес, работающий с большими номенклатурами товаров (промышленность, строительство, добывающие предприятия, розница). Оно упорядочивает распределение данных по категориям, обогащает справочные записи атрибутами, устраняет дубликаты и ошибки, выполняет другие операции по очистке данных.

— Каким вам видится дальнейшее развитие и применение LLM?

Денис Харченко (Artezio): Я убежден, что мы находимся лишь в начале пути применения больших языковых моделей в бизнесе. В ближайшие годы мы увидим несколько значимых трендов в развитии этой технологии. Прежде всего, произойдет углубление специализации LLM по отраслям и задачам. Универсальные модели уступят место решениям, оптимизированным под конкретные домены — медицину, юриспруденцию, инженерное дело. Такие специализированные модели будут демонстрировать гораздо более высокую скорость, точность и полезность для профессионалов.

Также мы увидим более тесную интеграцию языковых моделей с корпоративными системами и бизнес-процессами. LLM станут неотъемлемой частью ERP, CRM и других корпоративных платформ, значительно повышая их ценность через интеллектуальную обработку данных и предиктивную аналитику.

Важным направлением будет дальнейшее развитие мультимодальности — способности моделей работать одновременно с текстом, изображениями, голосом и другими типами данных. Это уже открывает совершенно новые сценарии использования, особенно в таких областях, как маркетинг, клиентская работа, создание контента.

Нельзя не отметить и тренд на децентрализацию и демократизацию LLM. Появляются компактные модели, способные работать на конечных устройствах без постоянного подключения к облаку, что расширит способ и географию их применения и снизит стоимость владения.

При этом одним из ключевых факторов успешного применения LLM в будущем станет развитие методологий их безопасного и этичного использования. Вопросы конфиденциальности данных, предотвращения дезинформации и обеспечения прозрачности работы алгоритмов выйдут на первый план.

В Artezio мы активно следим за этими тенденциями и уже сейчас закладываем в наши решения возможности для быстрой адаптации к меняющемуся ландшафту технологий искусственного интеллекта. Мы верим, что будущее за интегрированными системами, где LLM гармонично дополняют человеческий опыт и интуицию, создавая принципиально новый уровень эффективности бизнес-процессов.

Дмитрий Медведев (ЛАНИТ-ТЕРКОМ): Развитие LLM сместится в сторону глубокой специализации, модели научатся точнее работать с узкими отраслями. Бизнес-процессы станут более гибкими, а интеграция с IoT-устройствами позволит управлять производством в автоматическом режиме. Персонализация достигнет нового уровня — клиенты получат сервисы, адаптированные под их привычки.

Один из трендов — переход от универсальных моделей к инструментам, решающим конкретные задачи бизнеса дешевле и быстрее человеческих команд.

Дмитрий Демидов (НОРБИТ): Повышение производительности труда сотрудников, снижение трудозатрат на рутинные операции и улучшенная бизнес-аналитика – уже не заоблачные перспективы, а реальные результаты внедрения больших языковых моделей в бизнес-процессы. Спрос на подобные цифровые решения будет активно расти, продолжатся инновационные разработки, появятся новые игроки: как вендоры, так и интеграторы.

Но и здесь не все так гладко: высокая стоимость разработки и внедрения, а также скептицизм сотрудников и руководства будут сдерживать переход многих компаний на инструменты со встроенными технологиями LLM. Во многих случаях, кстати, такое отношение бывает вполне оправдано – модели, обученные на некачественных или плохо структурированных данных, могут нанести серьезный урон бизнесу, «галлюцинировать» и выдавать недостоверную информацию. Есть опасения, связанные и с безопасностью данных. Работу LLM нужно контролировать, особенно внимательно там, где есть высокие риски, например, в финансовой сфере или в здравоохранении. В целом, в ближайшей перспективе ИИ продолжит выполнять скорее функции консультанта, давать рекомендации и автоматизировать рутину. На мой взгляд, принятие ключевых решений в компаниях еще не скоро будет им передано.

Если же смотреть дальше, в будущее развитие генеративных технологий, то там уже видны ИИ-агенты, которые в проактивном режиме выполняют не только рутинные, атомарные процессы, а еще и проводят более сложные операции, имеющие конечную бизнес-ценность и состоящие из десятков шагов со сложной логикой. Все быстрее приближается момент, когда роботы смогут полноценно брать на себя задачи, снимая нагрузку с людей.

— Большое спасибо за беседу!